论文部分内容阅读
对不同复杂程度的空中交通运行状态进行模式划分有助于全面掌握空中交通运行特征。基于实际运行数据计算得出11个典型空中交通复杂性因子数据，提出了空中交通复杂性的相似性度量方法，基于K-means将空中交通状态划分为3个复杂性模式，并通过单因素方差分析验证了结果的合理性，最后分析了不同复杂性模式的统计特征。结果表明：大多数情况下交通状态处于中等复杂程度，其中高、中、低复杂性模式所占比劁约为20％、50％、30％，复杂程度高的交通状态对应的管制员工作负荷也高，复杂性模式具有比较明显的时间分布特征。