周烈瑜

摘要：隨著大數(shù)據(jù)技術(shù)越來越多地得到了各行業(yè)的關(guān)注，如何將大數(shù)據(jù)應(yīng)用于空中交通管理系統(tǒng)成為一個新的研究方向。本文分析歸納了大數(shù)據(jù)技術(shù)的特點和對空管大數(shù)據(jù)概念的理解，同時以無線電干擾統(tǒng)計數(shù)據(jù)的建模分析為例，對大數(shù)據(jù)技術(shù)在空管系統(tǒng)的實際應(yīng)用進(jìn)行了探討。本文希望通過實例分析，助推大數(shù)據(jù)技術(shù)的行業(yè)應(yīng)用。

關(guān)鍵字：數(shù)據(jù)分析；空管大數(shù)據(jù)；無線電干擾；SPSS

中圖分類號：v355 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2016）04（B）-0000-00

一.引言

隨著大數(shù)據(jù)時代的到來，數(shù)據(jù)從簡單的處理對象轉(zhuǎn)變?yōu)橐环N基礎(chǔ)性資源?？罩薪煌ü芾恚ㄒ韵潞喎Q空管）系統(tǒng)作為民用航空的中樞系統(tǒng)，亟須尋找與大數(shù)據(jù)的結(jié)合點，利用大數(shù)據(jù)改進(jìn)生產(chǎn)方式，優(yōu)化資源配置，提升服務(wù)質(zhì)量。某種意義上來說，大數(shù)據(jù)對于空管系統(tǒng)而言，代表著一種生產(chǎn)力。

二.大數(shù)據(jù)技術(shù)

大數(shù)據(jù)是指數(shù)據(jù)規(guī)模超過傳統(tǒng)數(shù)據(jù)庫處理能力的大規(guī)模數(shù)據(jù)，是需要具有全面性、洞察力和流程優(yōu)化能力的革新性處理模式才能處理的海量、多樣化和高增長率的數(shù)據(jù)信息資源。[1]數(shù)據(jù)信息時代先后經(jīng)歷了計算能力先導(dǎo)、存儲能力先導(dǎo)2個階段，隨著網(wǎng)絡(luò)應(yīng)用的日趨成熟，以網(wǎng)絡(luò)運載作為先導(dǎo)的網(wǎng)絡(luò)信息時代已經(jīng)開啟。[2]"十三五"規(guī)劃正式提出："實施國家大數(shù)據(jù)戰(zhàn)略，推進(jìn)數(shù)據(jù)資源開放共享"。大數(shù)據(jù)，被認(rèn)為是未來的石油和礦產(chǎn)，近年來已經(jīng)被引入至交通，醫(yī)療，家居，金融等諸多領(lǐng)域，改變著人類的生活方式。

隨著研究的不斷深入，大數(shù)據(jù)普遍被認(rèn)為有四個特點，業(yè)界歸納為“4V”，即Volume（數(shù)據(jù)量巨大）、Variety（數(shù)據(jù)類型多樣化）、Velocity（數(shù)據(jù)時效性高） Veracity（數(shù)據(jù)真實性低）。

大數(shù)據(jù)領(lǐng)域有四個需要研討的核心技術(shù)：

1、 數(shù)據(jù)采集與預(yù)處理，數(shù)據(jù)采集是通過多個數(shù)據(jù)庫接收來自用戶、程序、互聯(lián)網(wǎng)以及傳感器網(wǎng)等方式獲得的各種類型的結(jié)構(gòu)化及非結(jié)構(gòu)化的數(shù)據(jù)，特點是并發(fā)數(shù)高，需進(jìn)行負(fù)載均衡和分片。預(yù)處理則是對已收集數(shù)據(jù)進(jìn)行篩選、辨析、凈化等操作，去除無效數(shù)據(jù)。

2、 數(shù)據(jù)存儲與管理，建立數(shù)據(jù)中心活著數(shù)據(jù)倉庫，存儲經(jīng)過預(yù)處理的海量采集數(shù)據(jù)，并進(jìn)行管理和調(diào)用。主要解決大數(shù)據(jù)可存儲，可處理及有效傳輸?shù)汝P(guān)鍵問題。

3、 數(shù)據(jù)分析與挖掘，數(shù)據(jù)分析及挖掘技術(shù)是大數(shù)據(jù)的核心技術(shù)。主要是在現(xiàn)有的數(shù)據(jù)上進(jìn)行基于各種算法的計算，從而起到預(yù)測的效果，從而實現(xiàn)一些高級別數(shù)據(jù)分析的需求。

4、 數(shù)據(jù)展現(xiàn)與應(yīng)用，數(shù)據(jù)挖掘和數(shù)據(jù)分析技術(shù)可以發(fā)現(xiàn)潛在規(guī)律，輔助事件決策，從而提高生產(chǎn)效率和經(jīng)濟效益。就目前而言，“數(shù)據(jù)中國”側(cè)重于以下三大領(lǐng)域：商業(yè)智能、政府決策、公共服務(wù)。[3]

三.空管大數(shù)據(jù)

空中交通管理過程涉及的空中交通活動呈現(xiàn)一個周期性過程，在空中交通活動的準(zhǔn)備、實施、評估過程中涉及多種海量數(shù)據(jù)，我們把這些數(shù)據(jù)的總和稱為空管大數(shù)據(jù)。

空管大數(shù)據(jù)囊括整個空中交通管理活動的過程數(shù)據(jù)，主要可以分為設(shè)備數(shù)據(jù)，操作數(shù)據(jù)，管理數(shù)據(jù)和環(huán)境數(shù)據(jù)。對比大數(shù)據(jù)的“4V”特性，空管系統(tǒng)的大數(shù)據(jù)也有四個顯著特征：

1、 數(shù)據(jù)量大。根據(jù)規(guī)劃2020年全國空管的設(shè)備數(shù)量將超過十萬臺（套）。以普通的服務(wù)器為例，長期運行的交互數(shù)據(jù)量是TB級別的，撇開數(shù)據(jù)的有效性而言，全國空管的設(shè)備數(shù)據(jù)將達(dá)到EB級別。[4]

2、 數(shù)據(jù)類型多。核心業(yè)務(wù)的數(shù)據(jù)包括雷達(dá)航跡數(shù)據(jù)、地空通信話音數(shù)據(jù)、天氣數(shù)據(jù)、情報數(shù)據(jù)、報文數(shù)據(jù)、人員操作數(shù)據(jù)等，其它業(yè)務(wù)數(shù)據(jù)包括人員數(shù)據(jù)、OA數(shù)據(jù)、視頻數(shù)據(jù)、媒體數(shù)據(jù)等。這中間既包含了靜態(tài)數(shù)據(jù)，也包含了動態(tài)數(shù)據(jù)。

3、 數(shù)據(jù)時效性高。與其他大數(shù)據(jù)相比，空管核心業(yè)務(wù)對數(shù)據(jù)時效性有著更高的要求，例如二次雷達(dá)數(shù)據(jù)4秒刷新，甚高頻設(shè)備故障切換時間要求在30秒內(nèi)。因此部分?jǐn)?shù)據(jù)分析如果超過時效就失去了意義。

4、 數(shù)據(jù)相對真實。其他大數(shù)據(jù)的采集過程中，數(shù)據(jù)多來自于主觀意愿及傳感器，據(jù)統(tǒng)計，59%的數(shù)據(jù)是無效的，85%的數(shù)據(jù)過于復(fù)雜。與此不同的是，空管業(yè)務(wù)的大部分?jǐn)?shù)據(jù)來自一線投產(chǎn)設(shè)備和秉持安全生產(chǎn)理念的職工，數(shù)據(jù)真實性高且具有完整的格式，結(jié)構(gòu)化數(shù)據(jù)占比高。

四.無線電干擾數(shù)據(jù)的簡單建模分析

華東設(shè)備運維管理系統(tǒng)（以下簡稱運維系統(tǒng)）的上線，為空管系統(tǒng)各類數(shù)據(jù)的收集增添了一個新的有效途徑。本文的建模分析以運維系統(tǒng)統(tǒng)計的無線電干擾數(shù)據(jù)為元數(shù)據(jù)，以IBM SPSS Modeler（以下簡稱SPSS）軟件為工具，使用Apriori算法進(jìn)行關(guān)聯(lián)規(guī)則建模，并作簡單數(shù)據(jù)分析。無線電干擾統(tǒng)計的數(shù)據(jù)量并不大，但對空管大數(shù)據(jù)的分析和應(yīng)用有一定的參考價值。

（一）數(shù)據(jù)提取與凈化

登錄運維系統(tǒng)，查詢近五年來登記的無線電干擾數(shù)據(jù)并導(dǎo)出成Excel表格，共生成無線電干擾數(shù)據(jù)2293條。由于本次建模只做簡單數(shù)據(jù)分析，因此只提取部分規(guī)則性強的結(jié)構(gòu)化數(shù)據(jù)，包括扇區(qū)，頻率，飛行航向，業(yè)務(wù)用途，申訴地區(qū)，干擾特征，干擾類型，干擾強度，干擾規(guī)律和干擾影響。根據(jù)SPSS的測量級別分類，申訴地區(qū)測量級別為標(biāo)志，干擾強度和干擾規(guī)律的測量級別為有序，其余數(shù)據(jù)的測量級別為名義。

（二）Apriori算法數(shù)據(jù)建模

在關(guān)聯(lián)分析中，有幾個關(guān)鍵數(shù)值的閾值設(shè)置很重要：

支持度（Support），表示項集{X，Y}在總項集里出現(xiàn)的頻率，公式為Support（X→Y） = P（X，Y） / P（I） = P（X∪Y） / P（I） = num（XUY） / num（I）。

置信度 （Confidence），表示在先決條件X發(fā)生的情況下，由關(guān)聯(lián)規(guī)則推出Y的概率。即在含有X的項集中，含有Y的可能性，公式為 Confidence（X→Y） = P（Y|X） = P（X，Y） / P（X） = P（XUY） / P（X）。

若支持度和置信度閾值設(shè)置過高，隱含的非頻繁特征項就可能被忽略。若支持度和置信度設(shè)置過低，則可能產(chǎn)生無意義規(guī)則，導(dǎo)致過擬合問題。[5]

在SPSS軟件新建的流中，添加Excel數(shù)據(jù)源節(jié)點，類型字段節(jié)點和Apriori建模節(jié)點。在數(shù)據(jù)預(yù)處理過程中發(fā)現(xiàn)，ACC02扇區(qū)和ACC08扇區(qū)干擾發(fā)生頻率相對較高，本次建模選擇以這兩個扇區(qū)的數(shù)據(jù)為主要樣本，設(shè)立兩個模型：

模型一：以ACC02扇區(qū)干擾特征為輸出的Apriori建模

篩選出ACC02扇區(qū)數(shù)據(jù)，“干擾特征”字段角色設(shè)為目標(biāo)，其他字段角色設(shè)為輸入，支持度設(shè)為20%，置信度設(shè)為70%。

模型二：以ACC08扇區(qū)干擾特征為輸出的Apriori建模

篩選出ACC08扇區(qū)數(shù)據(jù)，“干擾特征”字段角色設(shè)為目標(biāo)，其他字段角色設(shè)為輸入，支持度設(shè)為20%，置信度設(shè)為70%。

（三）Apriori算法數(shù)據(jù)分析

經(jīng)過SPSS建模計算，可以得到三個模型生成的各類圖表數(shù)據(jù)，本次建模僅對最大前項數(shù)為5的Apriori模型表進(jìn)行分析。

圖表1以ACC02扇區(qū)干擾特征為輸出的Apriori模型

由上表可見，ACC02扇區(qū)的干擾以廣播干擾為主，支持度和置信度同時滿足閾值設(shè)置的只有航路上的空中干擾。如果數(shù)據(jù)分析成立且得到進(jìn)一步驗證，ACC02扇區(qū)的干擾排查可以適當(dāng)側(cè)重于航路上的廣播。

由上表可見，雖然ACC08扇區(qū)的干擾發(fā)生同樣不少，但與ACC02扇區(qū)不同的是，ACC08扇區(qū)的廣播以語音干擾和噪音干擾為主。其中127.75頻率的干擾次數(shù)明顯多于其他，因此常用的措施是被迫切換頻率，值得重點關(guān)注。

（四） 其他常用的算法和分析方法

述的三種Apriori算法建模的功能是幫助我們從大量數(shù)據(jù)之間找到一些關(guān)聯(lián)規(guī)則。而Apriori算法只是眾多數(shù)據(jù)挖掘和數(shù)據(jù)分析建模中的一種，常用的建模方法還包括主成分分析，神經(jīng)網(wǎng)絡(luò)，K-Means，Kohonen等。常用的分析方法包括主成分分析，聚類分析，差異檢測，數(shù)據(jù)導(dǎo)向決策等，每種分析方法都有各自的適用條件和優(yōu)缺點，需要研究者結(jié)合實際情況合理使用。[6]

五.大數(shù)據(jù)技術(shù)在空管系統(tǒng)的應(yīng)用前景

隨著信息技術(shù)快速發(fā)展，數(shù)據(jù)收集成本不斷降低，空管大數(shù)據(jù)的應(yīng)用將是科研的一個重要方向。在這種背景下，我們需要做的是建立數(shù)據(jù)倉庫收集海量空管數(shù)據(jù)，并合理利用工具進(jìn)行挖掘分析，此外需要注意數(shù)據(jù)收集、整合與分析過程中的科學(xué)性，使得其具有一定的現(xiàn)實意義和操作價值，實現(xiàn)數(shù)據(jù)挖掘的價值。

首先，空管大數(shù)據(jù)可以優(yōu)化生產(chǎn)管理。對于備件配置，通過對各地各系統(tǒng)設(shè)備實際使用率和故障率的數(shù)據(jù)統(tǒng)計，分析各地各系統(tǒng)設(shè)備所需的冗余數(shù)量，優(yōu)化資源配置，降低采購成本。對于耗材采購，通過大量的數(shù)據(jù)統(tǒng)計和環(huán)境變量，可以嘗試得出各個時期各部門各設(shè)備的耗材需求，各品牌耗材的性價比，甚至得出一些趨勢預(yù)測，利于預(yù)案、預(yù)算和決策的制定。

其次，空管大數(shù)據(jù)可以用于安全管理和風(fēng)險控制?，F(xiàn)在空管系統(tǒng)的風(fēng)險管理主要通過事前的危險源排查和事后的分析學(xué)習(xí)，這要求決策者具有優(yōu)秀的業(yè)務(wù)水平和良好的風(fēng)險意識，主觀性較強卻缺乏理論依據(jù)。而大數(shù)據(jù)分析則彌補了這一點，當(dāng)數(shù)據(jù)量積累到一定程度時，通過故障數(shù)據(jù)分析，可以有效得出各設(shè)備在各種環(huán)境條件下的故障機率，列出高風(fēng)險設(shè)備。此外，通過對處理過程的統(tǒng)計分析，可以嘗試得到最優(yōu)的故障排查方式，幫助一線員工的當(dāng)場做出更優(yōu)的決策。數(shù)據(jù)驅(qū)動的科學(xué)化管理和科學(xué)化決策將進(jìn)一步提升空管系統(tǒng)的安全管理水平。

此外，空管數(shù)據(jù)分析還可以應(yīng)用于氣象預(yù)測和服務(wù)提供，管制模擬仿真，新技術(shù)新設(shè)備投產(chǎn)分析等。

六.結(jié)束語

盡管目前空管大數(shù)據(jù)還沒有一定的標(biāo)準(zhǔn)，但是身處這個大數(shù)據(jù)的時代，整個空中交通管理活動無時無刻不在產(chǎn)生、收集、處理各種數(shù)據(jù)。我們是數(shù)據(jù)的生產(chǎn)者，也是數(shù)據(jù)的使用者?？展艽髷?shù)據(jù)的研究還處于起步階段，我們需要做的是利用好大數(shù)據(jù)技術(shù)，從中挖掘出新的內(nèi)涵，以期提高安全標(biāo)準(zhǔn)，提升服務(wù)品質(zhì)，助推行業(yè)發(fā)展。

參考文獻(xiàn)

[1] Yaxiong Zhao.Jie Wu .Cong Liu.Dache： A Data Aware Caching for Big-Data Applications Using the MapReduce Framework.Tsinghua Science and Technology.2014（1）：39-50.

[2]李德毅.劉常昱.杜鹢等.不確定性人工智能.軟件學(xué)報.2004.15（11）：1583-1594.

[3]張戰(zhàn)波.空管大數(shù)據(jù)的概念，特征和應(yīng)用.中國民航飛行學(xué)院學(xué)報.2015（26）：18-21

[4]高紅旭.康永.郭芃.大數(shù)據(jù)技術(shù)在民航空管監(jiān)控系統(tǒng)中的應(yīng)用.現(xiàn)代導(dǎo)航.2015（02）：144-150

[5]張健.王蔚.基于支持度與置信度閾值優(yōu)化技術(shù)的關(guān)聯(lián)分類算法.計算機應(yīng)用.2007.12（27）：3032-3035

[6]曹正鳳.數(shù)據(jù)分析基礎(chǔ).電子工業(yè)出版社.2015.2.