呂宗平　陳雪蕊　徐　濤,

(1.中國民航信息技術(shù)科研基地　天津　300300)(2.中國民航大學(xué)計算機科學(xué)與技術(shù)學(xué)院　天津　300300)

?

基于噪聲最優(yōu)航跡的飛行程序優(yōu)化方法研究

呂宗平1陳雪蕊2徐濤1,2

(1.中國民航信息技術(shù)科研基地天津300300)(2.中國民航大學(xué)計算機科學(xué)與技術(shù)學(xué)院天津300300)

機場建設(shè)促進了周邊地區(qū)的經(jīng)濟發(fā)展,同時不可避免的帶來了航空噪聲。為有效控制航空噪聲,基于不同飛行程序?qū)⒑桔E進行聚類分析,提出飛行程序的噪聲最優(yōu)航跡的概念。以噪聲最優(yōu)航跡為指導(dǎo)優(yōu)化飛行程序,使航班執(zhí)行優(yōu)化后的飛行程序能避免飛過人口稠密區(qū),從而降低航空噪聲影響。以首都機場為例進行實驗驗證,將優(yōu)化后的飛行程序?qū)隝NM(Integrated Noise Model)中,計算噪聲敏感區(qū)的噪聲值以及不同噪聲區(qū)間內(nèi)的人口和面積,并繪制噪聲等值線圖。實驗表明,所提出的基于噪聲最優(yōu)航跡的飛行程序優(yōu)化方法具有可行性,能有效降低航空噪聲影響,可為減噪飛行程序設(shè)計提供理論依據(jù)。

飛行程序; 機場噪聲; 航跡聚類; 噪聲最優(yōu)航跡

Class NumberTP391

1　引言

中國民航的迅猛發(fā)展令世界矚目,但是,不斷新建、擴建機場和持續(xù)增長的航空運輸量,也使得困擾中國民航已久的機場噪聲問題愈發(fā)嚴重。因此,科學(xué)合理地控制機場噪聲顯得尤為重要。

目前,關(guān)于機場噪聲的控制措施有一定的成果:國際民航組織ICAO(International Civil Aviation Organization)頒布的《飛機噪聲管理的平衡做法指導(dǎo)》(Doc 9829 AN/451)[1]中提出了減噪的四個措施,分別是減少噪聲源,土地使用規(guī)劃和管理,減噪運行程序和運行限制。閆國華等研究了ICAO噪聲嚴格度對中國機隊的影響[2],從降低噪聲源,淘汰老式飛機方面研究如何降噪。馮霞等研究了基于土地分類的機場噪聲評價限值標(biāo)準(zhǔn)比較[3],為機場周邊的土地規(guī)劃提供方案,但并沒有提出具體的降噪措施。Prats,X和Wijnen, R.A.A等分別以降低人口煩惱度與睡眠干擾率為目標(biāo)[4～5],優(yōu)化離港飛行航跡,為飛行程序的優(yōu)化提供了理論基礎(chǔ)。費代祥、閆國華等研究了大角度進近減噪程序[6～7],其減噪效果可觀,但對跑道的壽命以及飛機起落架的壽命都有極大影響。戴福青等研究了基于性能的導(dǎo)航技術(shù)PBN(Performance Based Navigation)的中小機場終端區(qū)飛行程序優(yōu)化[8],能夠緩解管制員的工作負荷,提高航空公司運行效益,但沒有對降低噪聲進行研究。黑妍茹等研究了航空噪聲及減噪聲程序[9],介紹了減噪聲程序的定義,但未對現(xiàn)行飛行程序提出優(yōu)化措施。G?gorowski,A研究了連續(xù)下降進近程序CDA(Continuous Descent Approach)的噪聲計算方法[10],并驗證了CDA程序可降低機場噪聲影響。

然而,更換更安靜的航空器需要高昂的成本,土地規(guī)劃對已建成且在運營中的機場降噪效果有限,運行限制會制約機場運行能力的充分發(fā)揮,因此本文基于利用代表點聚類(Clustering Using Representatives,CURE)[11]算法將執(zhí)行同一飛行程序的運行航跡聚為一類,將該類航跡分別導(dǎo)入INM中計算同一飛行程序的不同運行航跡的噪聲影響,并定義飛行程序的噪聲最優(yōu)航跡。在此基礎(chǔ)上,以噪聲最優(yōu)航跡為指導(dǎo)優(yōu)化飛行程序的航路點使航班側(cè)向繞過人口密集區(qū)域,從而降低航空器的噪聲影響,最后以北京首都國際機場為例進行了應(yīng)用分析。

2　基于航跡聚類的噪聲最優(yōu)航跡發(fā)現(xiàn)

航跡決定機場周圍噪聲的分布模式,民用機場的運營每天都會產(chǎn)生大量的航跡數(shù)據(jù),每年將積累海量的歷史航跡數(shù)據(jù)。每一條航跡均為執(zhí)行特定的飛行程序而來,因此將航跡根據(jù)其所執(zhí)行的飛行程序進行聚類,分析其噪聲影響。

2.1基于CURE的航跡聚類算法

航跡數(shù)據(jù)是由空管部門使用雷達監(jiān)測設(shè)備獲得的飛機運行中的經(jīng)度、緯度和高度等數(shù)據(jù)。為將執(zhí)行同一飛行程序的航跡聚為一類,首先分析航跡相似性度量方法。文獻[12]基于航跡點法向距離的方法來度量兩條航跡之間的相似性,并定義航跡間的相似性矩陣RT,如式(1)所示:

(1)

其中dni表示第n條航跡與第i條航跡的航跡點的法向距離?？紤]到K-Means聚類算法[13]隨機初始化聚類中心,容易導(dǎo)致聚類結(jié)果陷入局部最優(yōu),因此本文使用基于層次的CURE聚類算法,在聚類過程中使用中心點和多個代表點來表示聚類,表1給出了基于CURE的航跡聚類算法。

表1　基于CURE的航跡聚類算法

注:Ci代表聚類結(jié)果中第i類航跡集,avei代表Ci的簇中心航跡,Rei代表Ci的代表航跡集,每一個Rei均有r條航跡,其中i∈{1,2,…,k}。

2.2飛行程序運行航跡的噪聲水平顯著性差異分析

通過航跡聚類將執(zhí)行同一飛行程序的航跡聚為一類,然而由于飛行員的飛行技術(shù)、飛機性能、天氣狀況等因素,使得即使執(zhí)行同一飛行程序的航跡也不是完全相同,而是呈現(xiàn)一定的發(fā)散性。航跡決定機場周圍噪聲的分布模式,因此為了檢驗執(zhí)行同一飛行程序的不同航跡具有顯著性差異的噪聲水平,本文定義兩個航班執(zhí)行同一飛行程序帶來的噪聲影響存在顯著差異性的評價指標(biāo):

(2)

其中ti和tj分別是執(zhí)行同一飛行程序的航跡中第i和第j個航班的航跡,m∈{1,2,…,num}是噪聲敏感點的編號,num是機場周圍噪聲敏感點的個數(shù),Lm(ti)表示第i條航跡對第m個噪聲敏感點的噪聲影響值。式(2)的直觀含義是:同一飛行程序的兩條運行航跡產(chǎn)生具有顯著性差異的機場噪聲的充要條件是在機場周邊的噪聲敏感點中至少存在一個噪聲敏感點使得同一飛行程序的兩條運行航跡在此敏感點的噪聲差值大于5dB。之所以定義為5dB,是由于機場噪聲受到多個因素的影響[14],對噪聲敏感點增加考慮背景噪聲,如車輛噪聲、生活噪聲(廣場舞音樂、動物叫聲等)、天氣因素(雷聲,雨聲)等,則5dB差值內(nèi)可認為兩個噪聲事件不具有顯著性差異,而當(dāng)噪聲差值超過5dB時,兩個噪聲事件具有顯著性差異。采用統(tǒng)計方法T-test進行差異性檢驗,結(jié)果表明同一飛行程序的運行航跡產(chǎn)生的噪聲影響是存在顯著性差異的。

2.3飛行程序的噪聲最優(yōu)航跡

由2.1節(jié)航跡聚類算法將執(zhí)行同一飛行程序的航跡聚為一類,根據(jù)2.2節(jié)飛行程序運行航跡的噪聲水平顯著性差異分析得到:不同航班執(zhí)行同一飛行程序產(chǎn)生的航跡具有發(fā)散性,且這些航跡的噪聲影響具有顯著性差異。那么,必然存在一條航跡,使得機場周邊的噪聲敏感點受到的噪聲影響最小,則稱這條航跡為該飛行程序的噪聲最優(yōu)航跡。為量化計算飛行程序的噪聲最優(yōu)航跡,定義一條航跡的綜合噪聲評價量為

E(ti)=E1(ti)+E2(ti)+…+Enum(ti)

(3)

其中num表示噪聲敏感點個數(shù),Ej(ti),j∈(1,2,…,num)表示第i條航跡對第j個噪聲敏感點的綜合噪聲影響,且:

(4)

其中Lj(ti)表示第i條航跡在第j個噪聲敏感點產(chǎn)生的噪聲值,將其除以100(默認最大噪聲值為100分貝)進行數(shù)據(jù)歸一化操作,Num(Lj(ti)>70dB)和Arear(Lj(ti)>70dB)分別表示Lj(ti)>70dB的人口數(shù)和區(qū)域面積,Totalj(Pnum)和Totalj(arer)分別為第j個噪聲敏感點的總?cè)丝跀?shù)和總區(qū)域面積。航跡i在噪聲敏感點j處產(chǎn)生的噪聲值、受噪聲影響的人口數(shù)以及區(qū)域面積均利用INM[15]計算獲得。

綜上所述,對于執(zhí)行某一飛行程序的所有航班的航跡集合T={t1,t2,…,tz},其中z為執(zhí)行同一飛行程序的航班總數(shù),其噪聲最優(yōu)航跡tbest為

tbest=argminE(ti),其中ti∈T

(5)

式(6)的直觀含義是:某一飛行程序的噪聲最優(yōu)航跡tbest是航跡集合T中滿足綜合噪聲評價量最小的那條航跡。

3　基于噪聲最優(yōu)航跡的飛行程序優(yōu)化

3.1飛行程序優(yōu)化流程

飛行程序設(shè)計需要綜合考慮超障安全、提高經(jīng)濟效率和減少噪聲對周邊社區(qū)的影響。通常航行服務(wù)部門規(guī)定的離場飛行程序設(shè)計方法可以保證超障安全,但在運行的經(jīng)濟性和航空噪聲影響方面尚無具體可參照的方法與標(biāo)準(zhǔn)。本文以降低機場周邊社區(qū)的航空噪聲為目標(biāo),優(yōu)化飛行程序的設(shè)計。參照第2節(jié)的思路,在執(zhí)行同一飛行程序的航班產(chǎn)生的航跡簇中搜索一條噪聲最優(yōu)航跡作為標(biāo)桿,并以此優(yōu)化現(xiàn)有飛行程序的航路點坐標(biāo),使得優(yōu)化后的飛行程序避開人口稠密區(qū),其流程如圖1所示。

圖1　基于噪聲最優(yōu)航跡的飛行程序優(yōu)化流程圖

3.2飛行程序的航路點優(yōu)化方法

通過計算獲得飛行程序的噪聲最優(yōu)航跡tbest,其可用航跡點序列表征:

tbest={p1,p2,…,pi,…,pl}

(6)

其中:pi表示tbest中第i個航跡點,i∈(1,2,…,l)為航跡點編號,l為航跡點總數(shù)。

每一個航跡點pi定義為二維向量:

pi={long,lat}

(7)

其中:long,lat分別表示第i個航跡點的經(jīng)度和緯度,分別用pi(long),p(lat)表示。

標(biāo)準(zhǔn)飛行程序可用航路點的數(shù)據(jù)集表征:

Pro={w1,w2,…,wt,…,wo}

(8)

其中:wi表示Pro的第i個航路點,i∈(1,2,…,o)為航路點編號,o為航路點總數(shù)。

每一個航路點wi也定義為二維向量:

wi={long,lat}

(9)

其中:long,lat分別表示第i個航路點的經(jīng)度和緯度,分別用wi(long),wi(lat)表示。

噪聲最優(yōu)航跡在保證飛行安全的前提下可使航空噪聲的影響最小。因此以噪聲最優(yōu)航跡為指導(dǎo),分別計算噪聲最優(yōu)航跡上距離飛行程序各航路點最近的航跡點,依次優(yōu)化飛行程序各個航路點。其核心問題是如何計算兩個由經(jīng)緯度表示的點之間的距離,為解決此問題,給出一種由兩點的經(jīng)緯度計算兩點之間距離的公式:

(10)

其中pi(long)和pi(lat)分別為第i個點的經(jīng)度和緯度,表2給出了飛行程序航路點的優(yōu)化算法。

表2　基于噪聲最優(yōu)航跡的飛行程序優(yōu)化算法

根據(jù)表2所述算法可以計算出優(yōu)化后飛行程序的各個航路點,為更加直觀地表示飛行程序航路點的優(yōu)化方法,圖2給出了基于噪聲最優(yōu)航跡優(yōu)化飛行程序航路點的示意圖。

圖2　基于噪聲最優(yōu)航跡的飛行程序航路點優(yōu)化

根據(jù)圖2可知,優(yōu)化后的飛行程序航路點避開了噪聲敏感點,且仍在飛行控制區(qū)域內(nèi),在保證飛行安全的同時降低了噪聲敏感點的綜合噪聲影響,因此該方法可以有效降低機場周邊噪聲敏感點的綜合噪聲影響。

4　實驗結(jié)果與分析

為了驗證基于噪聲最優(yōu)航跡的飛行程序優(yōu)化方法的有效性,以北京首都國際機場的運行航跡數(shù)據(jù)以及周邊的東馬各莊、西杜蘭、南法信、天竺村、吳各莊、管頭、南半壁店、櫻花園等典型噪聲敏感點進行實例分析,設(shè)計了以下三組實驗。

【實驗一】航跡聚類分析。實驗采用北京首都國際機場2015年的航跡數(shù)據(jù),選取機場單條跑道一周的離港航跡進行試驗。為保證航跡長度大致相同,以跑道中心為圓心,截取半徑為65km內(nèi)的航跡數(shù)據(jù)。根據(jù)CURE算法的特性,當(dāng)聚類個數(shù)為8,代表點個數(shù)為7時,航跡聚類效果最好,結(jié)果如圖3所示。

圖3　跑道36R上一周所有航班的航跡聚類結(jié)果

由圖3可知,每一簇航跡簇內(nèi)都很相似,簇間都有一定差別,這是由于簇內(nèi)航跡執(zhí)行同一飛行程序,而簇間航跡執(zhí)行不同的飛行程序。查找對應(yīng)的航跡所在的跑道標(biāo)準(zhǔn)離場程序圖,如圖4所示。對比圖3和圖4可知聚類結(jié)果符合標(biāo)準(zhǔn)離場飛行程序的設(shè)計要求,說明航跡聚類結(jié)果是正確合理的。

圖4　首都機場36R跑道的標(biāo)準(zhǔn)離場飛行程序圖

【實驗二】飛行程序運行航跡的噪聲分析。實驗采用實驗一聚類結(jié)果中的一簇航跡進行試驗,如圖5所示。

圖5　一周內(nèi)執(zhí)行同一飛行程序的運行航跡

圖5為一周內(nèi)所有執(zhí)行同一飛行程序的運行航跡信息,該簇航跡共有670條航跡,將這些航跡分別導(dǎo)入INM中,計算航跡對機場周邊各個噪聲敏感點的噪聲影響大小,以及受噪聲影響的人口數(shù)和面積。根據(jù)2.2節(jié)兩條航跡的噪聲存在顯著差異性的評價指標(biāo),采用統(tǒng)計方法T-test進行檢驗,其檢驗結(jié)果如表3所示。

表3　T-test檢驗結(jié)果

【實驗三】基于噪聲最優(yōu)航跡的飛行程序優(yōu)化方法的效果分析。實驗采用首都機場周邊八個典型的噪聲敏感點,對其距離以及人口分布進行了實際測量和調(diào)查,統(tǒng)計結(jié)果如表4所示。

表4　首都機場典型噪聲敏感點的人口與噪聲水平統(tǒng)計

表4中的八個噪聲敏感點主要集中在跑道端兩側(cè),受飛機起飛帶來的航空噪聲影響比較嚴重。通過分析北京首都國際機場的歷史航跡以及飛行程序數(shù)據(jù)庫編碼,確定每條飛行程序飛越的航路以及其主要影響的噪聲敏感點,統(tǒng)計結(jié)果如表5所示。

表5　飛行程序主要影響區(qū)域統(tǒng)計

根據(jù)本文提出的基于噪聲最優(yōu)航跡的飛行程序優(yōu)化方法計算表5中每條飛行程序?qū)?yīng)的噪聲最優(yōu)航跡,以噪聲最優(yōu)航跡為標(biāo)桿優(yōu)化飛行程序的航路點,使優(yōu)化后的飛行程序避開人口稠密區(qū)域。將優(yōu)化前后的飛行程序分別導(dǎo)入INM中,計算飛行程序的計權(quán)等效連續(xù)感覺噪聲級(Weighted Equivalent Continuous Perceived Noise Level,WECPNL)以及不同噪聲區(qū)間內(nèi)的噪聲影響人口和面積。圖6所示為飛行程序優(yōu)化前后的噪聲等值線圖。

圖6　飛行程序優(yōu)化前后的噪聲等值線對比圖

圖6中左圖為飛行程序優(yōu)化前的噪聲等值線,右圖為飛行程序優(yōu)化后的噪聲等值線圖,很直觀地看到飛行程序優(yōu)化后其噪聲等值線圖總面積減小,且噪聲超標(biāo)面積(即紅色覆蓋面積)也降低。圖7和圖8分別為不同噪聲區(qū)間內(nèi)受噪聲影響的人口和面積對比圖。

圖7　飛行程序優(yōu)化前后不同噪聲區(qū)間內(nèi)人口變化量

圖8　飛行程序優(yōu)化前后不同噪聲區(qū)間內(nèi)面積變化量

圖9　飛行程序優(yōu)化前后噪聲敏感點的噪聲值變化

從圖7可以看出,不同噪聲區(qū)間內(nèi)的人口數(shù)量都有所降低,其中噪聲大于75分貝的區(qū)域內(nèi)人口數(shù)量降低了48.1%。噪聲大于80分貝的區(qū)域內(nèi)人口數(shù)為0,該區(qū)域在機場內(nèi),無常駐人口。圖8是不同噪聲區(qū)間面積的變化對比,優(yōu)化后飛行程序的噪聲影響面積有所降低,達到了降噪效果。

從圖9中可以看出大部分噪聲敏感點的噪聲值得到有效降低。但南半壁店的噪聲值卻增大了3dB,分析原因是由于南半壁店與櫻花園距離較近,而櫻花園人口為17283人,約為南半壁店人口的6倍,因此為了避開人口稠密區(qū)的櫻花園而以南半壁店的噪聲增加為代價,總體上使得受噪聲影響的總?cè)丝跀?shù)降低。另外,飛行程序優(yōu)化后的天竺村噪聲值依然很大,原因是天竺村離36L跑道端的距離太近,飛機飛越該區(qū)域時,高度較低,難以通過飛行程序優(yōu)化來減小噪聲影響。

5　結(jié)語

本文對機場航跡數(shù)據(jù)進行聚類分析,將執(zhí)行同一飛行程序的航跡聚為一類,并計算同一飛行程序的運行航跡的噪聲影響,在此基礎(chǔ)上定義了噪聲最優(yōu)航跡,研究了優(yōu)化飛行程序航路點的方法,在保證飛行安全的同時降低機場周邊噪聲敏感點的綜合噪聲影響。在機場設(shè)計、土地使用等存在不足的情況下或在機場擴建的過渡時期,能夠通過基于噪聲最優(yōu)航跡的飛行程序優(yōu)化方法有效地將現(xiàn)行機場運行時對周邊噪聲敏感區(qū)域的噪聲影響控制在可接受范圍內(nèi),從而實現(xiàn)機場的環(huán)境友好性和可持續(xù)發(fā)展的要求。

[1] 國際民用航空組織.航空器噪聲管理平衡做法指南[M].北京:中國民用航空局機場司,2004:16-28.

International Civil Aviation Organization. Guidelines for the Balancing Practice of Aircraft Noise Management[M]. Beijing: China Civil Aviation Administration Airport Division,2004:16-28.

[2] 閆國華,張永磊,杜海濤,等.ICAO噪聲嚴格度對中國機隊的影響[J].噪聲與振動控制,2014,34(2):111-113.

YAN Guohua, ZHANG Yonglei, DU Haitao, et al. Study on the Impact of Noise Stringency of International Civil Aviation Organization(ICAO) on Chinese Fleet[J]. Noise and Vibration Control,2014,34(2):111-113.

[3] 馮霞,劉學(xué)剛.基于土地分類的機場噪聲評價限值標(biāo)準(zhǔn)比較[J].環(huán)境科學(xué)與技術(shù),2013,36(4):182-185.

FENG Xia, LIU Xuegang. Method Based on Land Use Category for Comparison of Airport-Noise-Assessment Threshold Criteria[J]. Environmental Science and Technology,2013,36(4):182-185.

[4] Prats, X., Puig, V., Quevedo, J., et al. Optimal Departure Aircraft Trajectories MinimisingPopulation Annoyance[C]//Proceedings of the 3rdInternational Congress on Research in Air Transportation(ICRAT),2008:421-428.

[5] Wijnen R. A. A, Visser H. G. Optimal Departure Trajectories with Respect to Sleep Disturbance[J]. Aerospace Science and Technology,2003,7(1):81-91.

[6] 閆國華,費代祥.大角度進近減噪探索研究[J].噪聲與振動控制,2011,31(5):121-125.

YAN Guohua, FEI Daixiang. Research of Noise Reduction with Steeper Approach[J]. Noise and Vibration Control,2011,31(5):121-125.

[7] 費代祥,閆國華,鮑海濱,等.大角度進近噪聲等值線繪制的探索[J].噪聲與振動控制,2012,32(1):86-88.

FEI Daixiang, YAN Guohua, BAO Haibin, et al. Research of Noise Contour Plotting of Steeper Approaches[J]. Noise and Vibration Control,2012,32(1):86-88.

[8] 戴福青,李解.基于PBN的中小機場終端區(qū)飛行程序優(yōu)化研究[J].科學(xué)技術(shù)與工程,2012,12(34):9270-9274.

DAI Fuqing, LI Jie. Optimization and Adjustment of Procedures for Small and Medium Airport Based on PBN[J]. Science Technology and Engineering,2012,12(34):9270-9274.

[9] 黑妍茹,胡明華.機場航空噪聲及減噪聲程序研究[C]//2010年航空器適航與空中交通管理學(xué)術(shù)年會論文集,2010:32-36.

HEI Yanru, HU Minghua. Studies on the Airport Aviation Noise and Noise Abatement Procedure[C]//Proceedings of the 2010 Academic Annual Conference on Aircraft and Air Traffic Management,2010:32-36.

[10] G?gorowski A. Continuous Descent Approach: Noise Testfor Warsaw International Airport[J]. Journal of KONES,2012,19(2):167-174.

[11] Guha S, Rastogi R, Shim K. CURE: an Efficient Clustering Algorithm for Large Databases[C]//ACM SIGMOD Record. ACM,1998,27(2):73-84.

[12] 徐濤,李永祥,呂宗平.基于航跡點法向距離的航跡聚類研究[J].系統(tǒng)工程與電子技術(shù),2015,37(9):80-86.

XU Tao, LI Yongxiang, LV Zongping. Research on Flight Tracks Clustering Based on the Vertical Distance of Track Points[J]. Systems Engineering and Electronics,2015,37(9):80-86.

[13] Xu J L, Xu B W, Zhang W F. Stable Initialization Scheme for K-Means Clustering[J]. Wuhan University Journal of Natural Sciences,2009,14(1):24-28.

[14] 徐濤,燕憲金,楊國慶.基于神經(jīng)網(wǎng)絡(luò)集成的單個飛行事件噪聲預(yù)測模型[J].中國環(huán)境科學(xué),2014,34(2):539-544.

XU Tao, YAN Xianjin, YANG Guoqing. Prediction Model of Noise Event for Single Flight Based on Neural Network Ensemble[J]. China Environmental Science,2014,34(2):539-544.

[15] Eric R. Boeker, et al. Integrated Noise Model(INM) Version 7.0 Technical Manual[R]. Federal Aviation Administration,2008:73-76.

Flight Procedure Optimization Method Based on the Noise Optimal Flight Track
LV Zongping1CHEN Xuerui2XU Tao1,2
(1. Information Technology Research Base of Civil Aviation Administration of China, Tianjin300300)

(2. College of Computer Science and Technology, Civil Aviation University of China, Tianjin300300)

Airport’s construction promotes the economic development of the surrounding areas, and inevitably brings about the aviation noise. In order to control the aviation noise effectively, flight tracks based on different flight procedures are clustered in this paper, and then the concept of the optimal track of the noise is proposed. The noise optimal flight track is treated as a guide to optimize the flight procedures, so that the optimized flights can avoid flying over a populated area and reduce aircraft noise impact. The Beijing capital international airport is taken as an example to verify the proposed method. Once the optimized flight procedure is input into the INM(Integrated Noise Model) system, the noise value, population and area in different noise region of the noise sensitive area could be calculated and the noise contour map could be drawn. Experimental results show that the flight procedure optimization method based on the noise optimal flight track is feasible and can effectively reduce the impact of aviation noise. The proposed method has valuable theoretical reference for noise abatement procedures.

flight procedure, airport noise, flight tracks clustering, noise optimal flight track

2016年2月7日,

2016年3月15日

國家科技支撐計劃課題(編號:2014BAJ04B02);中央高?；究蒲袠I(yè)務(wù)費專項基金(編號:3122013P013)資助。

呂宗平,男,副研究員,研究方向:民航信息傳輸與處理等。陳雪蕊,女,碩士研究生,研究方向:數(shù)據(jù)挖掘、機器學(xué)習(xí)。徐濤,男,教授,博士生導(dǎo)師,研究方向:智能信息處理、智慧機場理論與方法。

TP391

10.3969/j.issn.1672-9722.2016.08.014