Flight Program Evaluation Model Based on Extension TOPSIS and Set Pair Analysis
The quality of flight program design directly affects the flight safety, efficiency and capacity of the terminal area, so the evaluation of flight program is very important. In this paper, the evaluation index system of flight procedures is established from the aspects of safety, economy, complexity of controller command and environmental impact. In view of the difficulties in data acquisition technology, low reliability and high cost of some indicators, the type of indicators involves determination, interval, language and random variables. Aiming at the problems that the existing evaluation methods can not deal with the determination and uncertainty of some indexes well, as well as the contradictions, conflicts and opposites among indexes, by integrating set pair analysis, extension matter element theory and TOPSIS method, the evaluation models of extension TOPSIS and set pair analysis considering mixed indexes are constructed. In this method, all index types were converted into relation numbers. On the basis of calculating the extended relation number distance between the matter elements of each flight program and the matter elements of positive and negative ideal programs, the relation number closeness degree of each flight program was obtained. Finally, taking the flight program design of a airport as an example, this paper analyzes the influence of different connection number value range on the sequencing of multiple flight programs, and compares it with the traditional model, so as to verify the rationality and effectiveness of the model.
Air Transport
飞行程序是为航空器运行规划设计的“空中高速公路”,其优劣直接影响到航空器的飞行安全和效率,对机场建设、空域规划和管制指挥有着重要的影响。影响飞行程序设计的影响因素众多并且相互矛盾冲突,人工费时费力编制的飞行程序很难综合考虑全部情形,部分学者从运筹优化角度生成典型场景的最优飞行程序方案,其模型构建过程异常复杂并且很难求解,即使求解的方案也很难满足全部决策目标和约束条件,具有一定片面性
目前,飞行程序评价方面的研究成果较多,涉及指标筛选
综上所述,从安全性、经济性、管制员指挥复杂性、环境影响等方面出发,建立飞行程序的评价指标体系,在此基础上融合集对分析、可拓物元理论和TOPSIS方法,构建一种考虑混合指标类型的可拓TOPSIS和集对分析评价模型。该模型与传统评价方法相比,其优势在于将混合指标转化为联系数,据此刻画指标的确定和不确定性,通过引入各个飞行程序与正负理想程序的可拓联系数距离,各个飞行程序的评价结果综合考虑部分指标的确定和不确定性,同时又可以避免指标之间的矛盾、冲突、对立问题,评价结果相对客观、公平、公正。最后,以某机场的飞行程序设计为例,从而验证该模型的正确性与合理性。
经过查阅相关文献
目标层 |
准则层 |
指标层 |
飞行程序评价 |
安全性c1 |
潜在的冲突点数量c11 |
导航数据的精度c12 |
||
一发失效应急程序c13 |
||
障碍物高度及密度c14 |
||
经济性c2 |
建设成本c21 |
|
航空器的燃油消耗c22 |
||
程序飞行时间c23 |
||
航班正常率c24 |
||
占用的空域c25 |
||
最大飞行流量c26 |
||
环境影响c3 |
尾气排放c31 |
|
噪声c32 |
||
飞行操作复杂性c4 |
速度调节复杂程度c41 |
|
转弯调节复杂程度c42 |
||
爬升下降调节复杂程度c43 |
||
侧滑防止复杂程度c44 |
||
管制员指挥复杂性c5 |
管制指令数量c51 |
|
监控时间c52 |
||
指挥的飞机架次c53 |
||
指挥难易程度的感性认识c54 |
可拓物元法是研究物元关系与可拓性及物元转换规律的一种方法,可定性和定量研究处理矛盾问题,为决策提供依据
定义1 二元联系数:设R为实数域,若 ,其中 , ,称 为二元联系数。
定义2 二元联系数的运算法则:以两个二元联系数 和 为例, 和 的加、减、乘、除四则运算法则定义如下:
1) 加法运算:设 ,其中 , 。
2) 减法运算:设 ,其中 , 。
3) 乘法运算:设 ,其中 , 。
4) 除法运算:设 ,其中 , 。
定义3 联系数距离:设联系数
和
,规定
和
的联系数距离为:
。其物理意义如
给定事物的名称M,其特征c的量值为v,令有序三元组R(M, c, v)表示事物的基本元,简称物元
(1)
其中 表示第i个事物( ), 表示第j项特征( ), 表示第i个事物第j项特征对应的基于联系数的量值。
集对分析理论可以同时处理客观事物之间的确定性与不确定性。若决策问题中属性指标包含区间型、正态随机分布、固定值和语言型等混合指标类型变量,可以将混合型指标转化为区间型数值,利用区间数刻画其确定性与不确定性,见
类型 |
实际变量 |
区间数变量 |
备注 |
区间数 |
|
|
|
正态随机变量 |
|
|
和 是均值和方差,准确率为99% |
固定值 |
|
|
|
语言类型 |
较差、差、一般、较好、好 |
[0, 0.2]、[0.2, 0.4]、[0.4, 0.6]、[0.6, 0.8]、[0.8, 1] |
联系数转换公式:
。其中 和 分别表示区间数 左边和右边的数值。
m个待评估飞行程序记为
,每个飞行程序均有n个评价指标
(
步骤一:获取飞行程序复合物元的原始数据。将待评价的飞行程序作为物元的事物,指标作为物元的特征,构造复合物元 。
步骤二:计算基于联系数的飞行程序可拓物元。根据
(2)
步骤三:标准化。对第k个飞行程序物元的第t项特征对应的基于联系数的量值
进行标准化处理,包括越大(小)越好的效益(成本)型指标,具体方法如下所示
当 为效益型指标时,标准化公式为:
(3)
当 为成本型指标时,标准化公式为:
(4)
其中 , 。
步骤四:各指标权重的确定。
通过专家定权法获得n个指标的权重区间数 且满足 , ),并将权重区间数转化为权重二元联系数,即 。
步骤五:计算飞行程序的加权可拓物元矩阵以及理想物元。将基于联系数的可拓物元矩阵与各指标的权重相乘得到加权可拓物元矩阵:
(5)
式中: 。
由加权可拓物元矩阵可得正理想物元为:
(6)
其中 , ; 。
负理想物元为:
(7)
其中 , ; 。
步骤六:计算各飞行程序物元与理想物元之间的可拓距离。
各飞行程序物元与正理想物元的可拓距离为:
(8)
各飞行程序物元与负理想物元的可拓距离为:
(9)
步骤七:贴近度的计算及方案决策
(10)
为了验证模型的有效性,以某机场的4个飞行程序评价为例,受限于部分指标的数据采集技术难或数据质量不高,部分指标类型涉及固定、区间、随机和语言等类型,基本数据具体如
在上述基础上求得正理想物元
和负理想物元
后,计算出各飞行程序与正负理想解之间的可拓距离和贴近度,如
方案 指标 |
M1 |
M2 |
M3 |
M4 |
|
c1 |
c12 |
7 |
9 |
8 |
8 |
c12 |
[0.93, 0.98] |
[0.97, 0.99] |
[0.91, 0.94] |
[0.89, 0.94] |
|
c13 |
2 |
1 |
1 |
2 |
|
c14 |
(840, 21) |
(625, 12) |
(622, 19) |
(600, 10) |
|
c2 |
c21 |
[1, 1.4] |
[2, 2.3] |
[3, 3.4] |
[1.5, 1.8] |
c22 |
[8.8, 9.4] |
[5.9, 6.3] |
[6.2, 7.4] |
[7.9, 8.1] |
|
c23 |
[6.9, 7.2] |
[5.8, 6.2] |
[9.5, 9.8] |
[7.5, 8.6] |
|
c24 |
[0.78, 0.81] |
[0.74, 0.76] |
[0.83, 0.85] |
[0.79, 0.81] |
|
c25 |
(0.4, 0.01) |
(0.6, 0.012) |
(0.5, 0.008) |
(0.6, 0.01) |
|
c26 |
[30, 36] |
[27, 31] |
[21, 23] |
[25, 30] |
|
c3 |
c31 |
(8.8, 0.5) |
(6, 0.3) |
(8.2, 0.4) |
(7.9, 0.4) |
c32 |
[0.1, 0.4] |
[0.7, 1] |
[0.4, 0.6] |
[0.2, 0.5] |
|
c4 |
c41 |
好 |
好 |
好 |
较好 |
c42 |
较好 |
差 |
较好 |
一般 |
|
c43 |
较好 |
差 |
差 |
一般 |
|
c44 |
好 |
较好 |
一般 |
好 |
|
c5 |
c51 |
[66, 71] |
[42, 50] |
[55, 63] |
[51, 56] |
c52 |
[8.7, 9.4] |
[5.8, 6.2] |
[7.7, 8.2] |
[7.7, 8.4] |
|
c53 |
(10, 0.3) |
(6.9, 0.1) |
(7.8, 0.2) |
(6.2, 0.1) |
|
c54 |
[0.8, 1] |
[0.4, 0.6] |
[0.4, 0.6] |
[0.4, 0.6] |
指标 |
|
M1 |
M2 |
M3 |
M4 |
|
c1 |
c12 |
0.041 + 0.007i |
1 + 0i |
0.7778 + 0i |
0.875 + 0i |
0.875 + 0i |
c12 |
0.068 + 0.007i |
1.0437 + 0.0157i |
1.071 − 0.008i |
1.0109 + 0.0053i |
1 + 0.0162i |
|
c13 |
0.038 + 0.006i |
2 + 0i |
1 + 0i |
1 + 0i |
2 + 0i |
|
c14 |
0.152 + 0.01i |
0.6458 − 0.0268i |
0.8411 − 0.0202i |
1 + 0i |
0.9042 − 0.0169i |
|
c2 |
c21 |
0.03 + 0.008i |
1 − 0.0357i |
0.5581 + 0.0288i |
0.375 + 0.0221i |
0.7273 + 0.0227i |
c22 |
0.003 + 0.006i |
0.6264 + 0.0119 |
1 − 0.0476i |
0.9048 − 0.094i |
0.7081 − 0.0104i |
|
c23 |
0.0545 + 0.0095i |
0.8511 + 0.0031i |
1 − 0.0081i |
0.6218 + 0.0058i |
0.7547 + 0.0045i |
|
c24 |
0.028 + 0.004i |
1.06 + 0.0058i |
1 + 0i |
1.12 − 0.0016i |
1.0667 − 0.0009i |
|
c25 |
0.031 + 0.003i |
1 − 0.014i |
0.6667 + 0i |
0.8 + 0.0092i |
0.6667 + 0.0063i |
|
c26 |
0.048 + 0.006i |
1.5 + 0.0652i |
1.3182 + 0.0296i |
1 + 0i |
1.25 + 0.0543i |
|
c3 |
c31 |
0.018 + 0.003i |
0.6818 − 0.0119i |
1 + 0i |
0.7317 + 0.0023i |
0.7595 − 0.0013i |
c32 |
0.011 + 0.004i |
1 + 0i |
0.2941 + 0.1059i |
0.7143 + 0.0857i |
0.7143 + 0.0857i |
|
c4 |
c41 |
0.02 + 0.002i |
1.8 − 0.1333i |
1.8 − 0.1333i |
1.8 − 0.1333i |
1 + 0i |
c42 |
0.044 + 0.006i |
2.3333 − 0.3333i |
1 + 0i |
2.3333 − 0.3333i |
1.6667 − 0.1667i |
|
c43 |
0.059 + 0.002i |
2.3333 − 0.3333i |
1 + 0i |
1 + 0i |
1.6667 − 0.1667i |
|
c44 |
0.077 + 0.012i |
1.8 − 0.1333i |
1.4 − 0.0667i |
1 + 0i |
1.8 − 0.1333i |
|
c5 |
c51 |
0.048 + 0.004i |
0.6934 + 0.0108i |
0.8482 − 0.0149i |
1 + 0i |
0.8879 + 0.005i |
c52 |
0.095 + 0.004i |
0.663 − 0.0034i |
1 + 0i |
0.7547 + 0.0014i |
0.7453 − 0.0072i |
|
c53 |
0.05 + 0.003i |
0.62 − 0.0237i |
0.8986 + 0.0042i |
0.7949 − 0.0211i |
1 + 0i |
|
c54 |
0.065 + 0.003i |
0.5556 + 0.0444i |
1 + 0i |
1 + 0i |
1 + 0i |
M1 |
M2 |
M3 |
M4 |
|
|
0.2990 − 0.0697i |
0.4171 − 0.1525i |
0.4234 − 0.1517i |
0.3223 − 0.1428i |
|
0.3322 − 0.0848i |
0.2172 − 0.1008i |
0.2485 − 0.0519i |
0.2946 − 0.1147i |
D |
0.5263 + 0.1189i |
0.3425 + 0.2034i |
0.3698 + 0.1552i |
0.4776 + 0.2176i |
由上可知,各飞行程序的贴近度为二元联系数,鉴于二元联系数
包含确定量A和不确定量B两部分,各个程序的排名随着的变化可能发生变化,如
此外,将本模型与可拓评价、集对分析和TOPSIS进行对比,如
本文在构建飞行程序的评价指标体系基础上,针对既有评价方法无法较好处理混合指标类型,部分
指标的确定和不确定性,以及指标之间的矛盾、冲突、对立问题,构建了一种基于可拓TOPSIS和集对分析的混合指标评价模型。为了验证本文评价模型的有效性,以某机场的飞行程序设计为例,分析了不同联系数取值范围对多个飞行程序的优劣排序影响,并与传统模型进行对比分析。本文的评价结果相对客观、公平、公正,因而是可行的。
然而,本模型的不足在于仅考虑单决策者,鉴于单决策者的经验片面性,综合多个决策者的评价结果相对更加客观。因此,未来研究工作是将群决策与该评价模型进行融合,并将其应用在飞行程序评估中。