探讨大数据分析技术在空管中应用

9月探讨大数据分析技术

在空管中应用***

探讨大数据分析技术在空管中应用第1页内容提要2探讨大数据分析技术在空管中应用第2页一、数学知识探讨大数据分析技术在空管中应用第3页数学知识概念；算法；建模；分析与挖掘。4探讨大数据分析技术在空管中应用第4页1数学概念（1）基本定义英文名称：Mathematics，简称Maths或Math，是研究数量、改变、空间、结构以及信息等概念一门学科。数量

代数；改变

函数；空间

几何；结构

拓扑；信息

分析（e.g.统计分析）。5探讨大数据分析技术在空管中应用第5页推理严密：每一个结论成立都需要足够合理条件支撑；结论唯一：每一个结论都是确定，不是模棱两可。1数学概念（2）特点抽象性；符号抽象：e.g.

∞（无穷大）；无实物参考：e.g.“直线、平面”（无限延伸）。严谨性；广泛性。日常生活应用广泛：e.g.买菜、购物等吃穿住行；其它学科领域依赖：e.g.力学、天文学、物理学、化学等。6探讨大数据分析技术在空管中应用第6页1数学概念（3）问题分类白化问题灰色问题含糊问题信息准确；信息不准确；问题清楚。信息不准确；问题清楚。问题不清楚。7探讨大数据分析技术在空管中应用第7页1数学概念（4）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。8探讨大数据分析技术在空管中应用第8页1数学算法（1）概念英文名称：Algorithm，是指解题方案准确而完整描述，是一系列处理问题清楚指令，代表着用系统方法描述处理问题策略机制。特点有穷性；确切性；输入输出；可行性。9探讨大数据分析技术在空管中应用第9页1数学算法（2）分类迭代特点：函数内部实现循环，经过使用计数器结束循环。递归特点：重复调用函数本身实现循环，碰到满足终止条件情况时逐层返回来结束。穷举特点：对全部可能情况逐一验证。回溯特点：从一条路出发，能进则进不能进则退，换一条路再试。动态规划特点：求解决议过程最优化数学方法。10探讨大数据分析技术在空管中应用第10页1数学算法（3）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（景象统计）；带约束优化算法（进离场排序）等。11探讨大数据分析技术在空管中应用第11页1数学建模（1）概念英文名称：Modeling，是对事物抽象一个描述。尤其申明数学建模：工程建模；经过使用数学符号，数学式子，程序，图形等对某一事物或问题进行抽象描述。12探讨大数据分析技术在空管中应用第12页1数学建模（2）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。13探讨大数据分析技术在空管中应用第13页1数据分析挖掘(1)概念数据分析：DataAnalysis，经过使用适当统计分析方法对搜集来大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结过程。数据挖掘：DataMining，通常是指从大量数据中经过算法搜索隐藏于其中信息过程。14探讨大数据分析技术在空管中应用第14页1数据分析挖掘(2)区分数据挖掘，目标不是很清楚，要依靠挖掘算法来找出隐藏在大量数据中规则、模式、规律等；联络数据挖掘，是数据分析基础支持，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，普通要分析目标比较明确，分析条件也比较清楚。15探讨大数据分析技术在空管中应用第15页1数据分析挖掘(3)惯用方法回归分析、聚类、关联规则、特征、改变和偏差分析、web页挖掘等。数据分析现实状况传统数据分析技术比较成熟，e.g.基于SQL数据库查询统计分析。基于大数据数据分析，发展快速，良莠不齐，任重而道远。16探讨大数据分析技术在空管中应用第16页1数学概念（4）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。17探讨大数据分析技术在空管中应用第17页二、技术背景探讨大数据分析技术在空管中应用第18页技术背景数据；存放；计算。19探讨大数据分析技术在空管中应用第19页2数据（1）数据英文名称：Data，是信息表现形式和载体，能够是符号、文字、数字、语音、图像、视频等。特点数据和信息是不可分离，数据是信息表示，信息是数据内涵。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，才会产生主要价值。20探讨大数据分析技术在空管中应用第20页2数据（2）传统数据特点：应用：数据量小初级建模信息相对较少辅助维护…………21探讨大数据分析技术在空管中应用第21页2数据（3）大数据特点应用数据量大；预测分析；现实状况处理复杂，难度大，云架构、并行处理是共识；数据复杂。决议评定。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主要砝码。22探讨大数据分析技术在空管中应用第22页存放现实状况存放设备变强，e.g.服务器和工作站，硬盘和内存容量越来越大，由M->G->T增加；2存放存放方式多样，e.g.移动介质、固定介质、私有云、公共云等。存放技术先进，e.g.NAS、SAN、ISCSI。23探讨大数据分析技术在空管中应用第23页2计算技术现实状况分布式计算特点：将大任务分解成小任务，在多台计算机上同时计算，被分解后小任务相互之间有独立性，节点之间结果几乎不相互影响，实时性要求不高。并行计算特点：将大任务分解成小任务，在多台计算机上同时计算，倾向于海量数据分析处理，计算结果相互影响，实时性要求高。云计算特点：由分布式计算、并行计算发展而来，处于萌芽阶段，不过未来发展趋势。24探讨大数据分析技术在空管中应用第24页三、云平台架构探讨大数据分析技术在空管中应用第25页云平台架构IAAS服务层；PAAS服务层；SAAS服务层。26探讨大数据分析技术在空管中应用第26页云平台架构用户接入云应用SaaS应用云平台PaaS平台云资源IaaS平台ERP/OA/CRM/HR/BA/SCM/PM/EAM…客户、个人、开发/实施搭档等创建应用服务第三方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搭档管理软件资产生命周期管理：需求设计开发测试布署iPaaS门户BPM

ESBEAI

MDM管理Portal

LDAP公共云集成服务IaaS云计算运行管理平台–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/网络虚拟化基础设施层云计算云存放云网络云安全空管云管理平台aPaaS平台服务（applicationplatformasaservice）iPaaS平台服务（integrationasaservice）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27探讨大数据分析技术在空管中应用第27页IAAS服务层：主要提供基本架构服务，包含基本计算服务、网络服务、存放服务、灾备服务、安全服务等；3云平台架构(1)IAAS服务层PAAS服务层：基于IAAS层，面向SAAS层提供数据存放、数据分析挖掘等服务。SAAS服务层：基于PAAS层，提供与行业相关应用服务或展现服务。28探讨大数据分析技术在空管中应用第28页四、空管需求探讨大数据分析技术在空管中应用第29页空管需求飞行流量；管制压力；信息现实状况；技术发展。30探讨大数据分析技术在空管中应用第30页乘坐人次增多；4空管需求(1)飞行流量现实状况飞行航线增加；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

31探讨大数据分析技术在空管中应用第31页自然原因；4空管需求(2)管制压力影响原因：军航活动；航班量大；管理严格；处罚严厉。管制压力增大，使用需求==>工作智能化

32探讨大数据分析技术在空管中应用第32页信息现实状况职责多；4空管需求(3)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33探讨大数据分析技术在空管中应用第33页技术发展大数据挖掘技术；4空管需求(4)存放技术；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34探讨大数据分析技术在空管中应用第34页4空管需求(5)（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）信息孤岛现实状况，数据共享（现实状况问题）（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，怎样做怎么做，需要人和，暂时欠缺。35探讨大数据分析技术在空管中应用第35页五、应用场景分析探讨大数据分析技术在空管中应用第36页应用场景分析场景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。37探讨大数据分析技术在空管中应用第37页5应用场景分析（1）4D轨迹估算（1）通常做法实现弊端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；假如4D轨迹估算模型太复杂，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；接收到雷达目标信息后，对配对飞行计划进行修正。假如4D轨迹估算模型太简单，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。38探讨大数据分析技术在空管中应用第38页5应用场景分析（2）4D轨迹估算（2）大数据分析技术应用利用大数据分析技术，对同一航班历史数据进行统计分析，分析在同一航路点航班过点时间和高度信息，然后对原4D轨迹估算结果进行修正或直接强制使用，提升4D轨迹估算精度。39探讨大数据分析技术在空管中应用第39页5应用场景分析（3）飞行冲突调配（1）通常做法实现弊端若是飞行预先调配或飞行前调配，普通选择进行地面等候，经过调整飞行时间间隔，使之满足安全标准，依据大多是管制员工作经验；依赖管制员经验；若是飞行中调配，普通采取调整高度、速度和空中等候这么办法，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工作经验。效率低资源浪费。40探讨大数据分析技术在空管中应用第40页5应用场景分析（4）飞行冲突调配（2）使用现实状况大数据分析技术应用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，曾在成空有布署。对探测到冲突场景进行分析，找到历史相同场景（数据挖掘）；推广难度大，系统提出调配方案通常与管制员操作习惯不匹配，调配方案可靠性普通被管制员质疑，选择相信自己经验。经过分析历史相同场景调配方案，修正现有系统调配方案（数据分析）。41探讨大数据分析技术在空管中应用第41页5应用场景分析（5）日志分析通常做法实现弊端ATC系统技术监控进程、一些主要进程实时生成日志文件；资源浪费；系统故障、进程出问题时，日志文件才会被用到，而且日志上部分信息只有研发人员才会看懂。过分依赖供给商。大数据分析技术应用智能化故障诊疗。42探讨大数据分析技术