《探讨大数据分析技术在空管中应用汇编》由会员分享，可在线阅读，更多相关《探讨大数据分析技术在空管中应用汇编（44页珍藏版）》请在金锄头文库上搜索。
1、2016年9月 探讨大数据分析技术 在空管中应用 * 内容提纲 一、数学知识 二、技术背景 三、主流技术 四、空管需求 五、应用场景分析 1 一、数学知识 数学知识 3 概念； 算法； 建模； 分析与挖掘。 1 数学概念（1） 4 l基本定义 英文名称：Mathematics，简称Maths或Math，是研究数 量、变化、空间、结构以及信息等概念的一门学科。 l数量 代数； l变化 函数； l空间 几何； l结构 拓扑； l信息 分析（e.g.统计分析）。 l推理严密：每一个结论的成立都需要足够合理的条件支撑； l结论唯一：每一个结论都是确定的，不是模棱两可的。 1 数学概念（2） 5 l特点
2、 抽象性； l符号抽象：e.g. （无穷大）； l无实物参考：e.g.“直线、平面”（无限延伸）。 严谨性； 广泛性。 l日常生活应用广泛：e.g. 买菜、购物等吃穿住行； l其他学科领域依赖：e.g.力学、天文学、物理学、化学等。 1 数学概念 （3） 6 l问题分类 白化问题 灰色问题 模糊问题 p信息准确； p信息不准确； p问题清晰。 p信息不准确； p问题清晰。 p问题不清晰。 1 数学概念（4） 7 l空管应用举例 空域结构优化； 空中交通流量管理； 4D轨迹优化； 机场进离场排序等。 1数学算法（1） 8 l概念 英文名称：Algorithm，是指解题方案的准确而完整的描 述，是
3、一系列解决问题的清晰指令，代表着用系统的方法 描述解决问题的策略机制。 l特点 有穷性； 确切性； 输入输出； 可行性。 1 数学算法（2） 9 l分类 迭代 p特点：函数内部实现循环，通过使用计数器结束循环。 递归 p特点：重复调用函数自身实现循环，遇到满足终止条件的情况 时逐层返回来结束。 穷举 p特点：对所有可能的情况逐一验证。 回溯 p特点：从一条路出发，能进则进不能进则退，换一条路再试。 动态规划 p特点：求解决策过程最优化的数学方法。 1 数学算法（3） 10 l空管应用举例 卡尔曼滤波算法（监视目标跟踪处理）； 地图投影算法（经纬度坐标转换为直角坐标）； 视频压缩算法（景象记录）
4、； 带约束优化算法（进离场排序）等。 1 数学建模（1） 11 l概念 英文名称：Modeling，是对事物抽象的一种描述。 l特别声明 数学建模： 工程建模； p通过使用数学符号，数学式子，程序，图形等对某一事物或 问题进行抽象描述。 1 数学建模（2） 12 l空管应用举例 4D轨迹估算（质点运动数学模型）； 中期冲突探测（几何运动数学模型）； 短期冲突告警（质点运动数学模型）； 空域侵入告警（质点运动数学模型）等。 1 数据分析挖掘(1) 13 l概念 数据分析：Data Analysis，通过使用适当的统计分析方 法对收集来的大量数据进行分析，提取有用信息和形成 结论而对数据加以详细研
5、究和概括总结的过程。 数据挖掘：Data Mining，通常是指从大量的数据中通过 算法搜索隐藏于其中信息的过程。 1 数据分析挖掘(2) 14 l区别 数据挖掘，目标不是很清晰，要依靠挖掘算法来找出隐 藏在大量数据中的规则、模式、规律等 ； l联系 数据挖掘，是数据分析的基础支持，简单来说，就是先对原始数 据进行业务关联性、时效性、有效性等逻辑性挖掘，其次抽取有 效数据，清理、格式化数据，为数据分析提供数据支持。 数据分析，一般要分析的目标比较明确，分析条件也比 较清楚。 1 数据分析挖掘(3) 15 l常用方法 回归分析、聚类、关联规则、特征、变化和偏差分析、 web页挖掘等。 l数据分析
6、现状 传统数据分析技术比较成熟，e.g.基于SQL数据库查询 的统计分析。 基于大数据的数据分析，发展迅速，良莠不齐，任重而 道远。 1 数学概念（4） 16 l空管应用举例 飞行计划配对统计； 出入境飞行计划统计； 军民航飞行计划统计； 空域飞行流量信息统计等。 二、技术背景 技术背景 18 数据； 存储； 计算。 2 数据（1） 19 l数据 英文名称：Data，是信息的表现形式和载体，可以是 符号、文字、数字、语音、图像、视频等。 l特点 数据和信息是不可分离的，数据是信息的表达，信息是 数据的内涵。数据本身没有意义，数据只有对实体行为 产生影响成为信息时，才会产生重要价值。 2 数据（
7、2） 20 l传统数据 特点： 应用： p数据量小 p初级建模 p信息相对较少 p辅助维护 p p 2 数据（3） 21 l大数据 特点 应用 p数据量大； p预测分析； 现状 p处理复杂，难度大，云架构、并行处理是共识； p数据复杂。 p决策评估。 p结合行业进行充分发掘是难题，也是未来企业保持行业竞争优 势的重要砝码。 l存储现状 存储设备变强，e.g.服务器和工作站，硬盘和内存容量 越来越大，由M-G-T增长； 2 存储 22 存储方式多样，e.g.移动介质、固定介质、私有云、公 共云等。 存储技术先进，e.g. NAS、SAN、ISCSI 。 2 计算 23 l技术现状 分布式计算 p
8、特点：将大的任务分解成小的任务，在多台计算机上同时计算 ，被分解后的小任务互相之间有独立性，节点之间的结果几乎 不互相影响，实时性要求不高。 并行计算 p特点：将大的任务分解成小的任务，在多台计算机上同时计算 ，倾向于海量数据分析处理，计算的结果相互影响，实时性要 求高。 云计算 p特点：由分布式计算、并行计算发展而来的，处于萌芽阶段， 但是未来发展的趋势。 三、云平台架构 云平台架构 25 IAAS服务层； PAAS服务层； SAAS服务层。 云平台架构 26 用户接入 云应用 SaaS应用 云平台 PaaS平台 云资源 IaaS平台 ERP/OA/CRM/HR/BA/SCM/PM/E AM
9、 客户、个人、开发/实施伙伴等创 建的应用服务 第三方SaaS应用服务客户自建SaaS应用服务SaaS应用服务 支付、物流、政务等第三方云应 用服务；外部行业服务组件 aPaaS门户 应用引擎 平台管理 数据管理 应用管理 安全管理 伙伴管理 软件资产生命周期管理：需求 设计 开发 测试 部署 iPaaS门户 BPM ESB EAI MDM管理 Portal LDAP 公共云集成服务 IaaS云计算运营管理平台 公共服务 自助管理/调度管理/资源管理/用户管理/资源监控/计费/安全服务/网络 虚拟化的基础设施层 云计算 云存储 云网络 云安全 空 管 云 管 理 平 台 aPaaS平台服务（a
10、pplication platform as a service） iPaaS平台服务（integration as a service） SaaS管理门户：配置管理/自助管理/授权控制/消息服务/计费/安全管理 IAAS服务层：主要提供基本架构服务，包括基本的计算 服务、网络服务、存储服务、灾备服务、安全服务等； 3 云平台架构(1) 27 lIAAS服务层 PAAS服务层：基于IAAS层，面向SAAS层提供数据存 储、数据分析挖掘等服务。 SAAS服务层：基于PAAS层，提供与行业相关的应用服 务或呈现服务。 四、空管需求 空管需求 29 飞行流量； 管制压力； 信息现状； 技术发展。 乘
11、坐人次增多； 4 空管需求(1) 30 l飞行流量现状 飞行航线增加； 飞行器架次增加； 军民融合； 低空开放。 飞行流量增多，业务需求=工作高效化 自然因素； 4 空管需求(2) 31 l管制压力影响因素： 军航活动； 航班量大； 管理严格； 惩罚严厉。 管制压力增大，使用需求= 工作智能化 l信息现状 职责多； 4 空管需求(3) 32 机构多； 员工多； 系统多； 数据多。 空管信息孤岛，共享需求= 数据共享 l技术发展 大数据挖掘技术； 4 空管需求(4) 33 存储技术； 并行计算技术； 云平台架构； 大数据分析技术。 技术发展，提供支撑= 不可能变可能 4 空管需求(5) 34 （
12、四）技术发 展，提供支撑 ，不可能变可 能（技术保障 ） （一）飞行流 量增多，工作 高效化（业务 需求） （三）信息孤岛 现状，数据共享 （现状问题） （二）管制压力 增大，工作智能 化（使用需求） 需求+问题+保障 空管大数据分析技术 应用天时、地利条 件具备，如何做怎 么做，需要人和， 暂时欠缺。 五、应用场景分析 应用场景分析 36 场景1：4D轨迹估算； 场景2：飞行冲突调配； 场景3：日志分析； 场景4：雷达数据处理。 5 应用场景分析（1） 37 l4D轨迹估算（1） 通常做法 实现弊端 p利用飞行情报并结合BADA库内机型参数，对计划未来航段进 行估算； p如果4D轨迹估算的模
13、型太复杂，精度较高，但接收雷达目标信 息后对未来航段更新比较耗时，易造成人机界面显示比较慢； p接收到雷达目标信息后，对配对的飞行计划进行修正。 p如果4D轨迹估算的模型太简单，精度较低，造成飞行计划冲突 告警虚警率较高，影响管制员日常操作。 5 应用场景分析（2） 38 l4D轨迹估算（2） 大数据分析技术应用 p利用大数据分析技术，对同一航班的历史数 据进行统计分析，分析在同一航路点航班的过 点时间和高度信息，然后对原4D轨迹估算的 结果进行修正或直接强制使用，提高4D轨迹 估算的精度。 5 应用场景分析（3） 39 l飞行冲突调配（1） 通常做法 实现弊端 p若是飞行预先调配或飞行前调配
14、，一般选择进行地面等待，通 过调整飞行时间间隔，使之满足安全标准，依据大多是管制员 的工作经验； p依赖管制员的经验； p若是飞行中调配，一般采取调整高度、速度和空中等待这样的 措施，拉大横向间隔或纵向间隔，使之满足安全标准，依据也 大多是管制员的工作经验。 p效率低资源浪费。 5 应用场景分析（4） 40 l飞行冲突调配（2） 使用现状 大数据分析技术应用 p飞行冲突调配系统有成品，e.g.川大智胜有一套智能化飞行冲 突调配系统，曾在成空有部署。 p对探测到的冲突场景进行分析，找到历史相似的场景（数据挖 掘）； p推广难度大，系统提出的调配方案通常与管制员操作习惯不匹 配，调配方案可靠性一般
15、被管制员质疑，选择相信自己经验。 p通过分析历史相似场景的调配方案，修正现有系统的调配方案 （数据分析）。 5 应用场景分析（5） 41 l日志分析 通常做法 实现弊端 pATC系统技术监控进程、一些主要进程实时生成日志文件； p资源浪费； p系统故障、进程出问题时，日志文件才会被用到，而且日志上 的部分信息只有研发人员才会看懂。 p过分依赖供应商。 大数据分析技术应用 p智能化故障诊断。 5 应用场景分析（6） 42 l雷达数据处理 通常做法 p接收到点迹，经过预处理、处理周期性输出系统航迹； p如果在若干个周期内，没有收到点迹信息，系统航迹将会自动 消失。 大数据分析技术应用 p当航空器出现特情时，管制员无法监视到当前航迹，而系统保 留该目标当前时刻之前的信息，通过大数据分析技术，结合历 史数据和机型参数信息，进行预测，为应急搜救提供辅助。 1.mp4 结束语 谢谢 谢！谢！
