Особенности планирования воздушного движения с использованием синоптических карт, построенных с применением технологий Big Data

Рассмотрены проблемы эффективного использования воздушного пространства нашей страны и способы их решения. Основное внимание уделено методам обеспечения качества планирования движения воздушных судов. Показано, что для эффективного использования имеющихся ресурсов необходимо максимально точно рассчитывать положение воздушного судна на всех этапах полета, т.е. 4D траекторию полета воздушного судна. Добиться этого можно, обрабатывая информацию о внешних факторах, влияющих на воздушное судно, которая содержится в метеопрогнозах. Однако объем метеоданных, необходимых для обработки, слишком велик чтобы обработать его с помощью стандартных средств в приемлемое время. Для решения этой проблемы используются такие технологии, как Big Data.

Литература

[1] Воздушный кодекс Российской Федерации. М.: Омега-Л, 2005. 64 с.

[2] Сборник аэронавигационной информации Российской Федерации. М.: ЦАИ ГА, 2008.

[3] Новиков П.В. Алгоритм высокоточных вычислений метеодобавки скорости ветра для участка полета воздушного средства // Наука и образование. МГТУ им. Н.Э. Баумана. Электрон. журн. 2012. № 11. С. 5-7. URL: http://elibrary.ru/item.asp?id=17105440

[4] Всемирная Метеорологическая Организация. Технический регламент: Сб. основных документов. № 2. Т. 2: Метеорологическое обслуживание международной аэронавигации / Всемирная Метеорологическая Организация. Женева : Секретариат ВМО, 2007. 180 с.

[5] Производство полетов воздушных судов // Международная организация гражданской авиации - ИКАО. 2006. 386 с.

[6] Наставление по кодам. Т. 1.2: Международные коды / Всемирная Метеорологическая Организация. Женева: Секретариат ВМО, 2008. C. 25-192.

[7] Ривкин А.М. Модель полета воздушных судов на эшелоне // Наука и образование. МГТУ им. Н.Э. Баумана. Электрон. журн. 2011. № 11. С. 15.

[8] Ривкин А.М. Кроссплатформенный конвертор GRIB формата метеоданных для системы управления полетами по эшелонам. М.: Изд-во МГТУ им. Н.Э. Баумана, 2012. 97 с.

[9] Власов А.И. Пространственная модель оценки эволюции методов визуального проектирования сложных систем // Датчики и системы. 2013. № 9 (172). С. 1028.

[10] Черняк Л. Большие Данные - новая теория и практика // Открытые системы. СУБД. М.: Открытые системы, 2011. № 10. Электронный ресурс. http://www.osp.ru/os/2011/10/13010990/ (дата обращения 01.12.2013).

[11] Dana Blankenhorn. Shared nothing coming to open source. ZDNet (27 February 2006). Электронный ресурс. http://www.zdnet.com/blog/open-source/shared-nothing-coming-to-open-source/580 (дата обращения 01.12.2013).

[12] The Case for Shared Nothing Architecture by Michael Stonebraker [Originally published in Database Engineering. Vol. 9. №. 1 (1986)]. C. 1-5.

[13] Gartner Says Solving ’Big Data’ Challenge Involves More Than Just Managing Volumes of Data. Электронный ресурс. http://www.gartner.com/newsroom/id/1731916 (дата обращения 01.12.2013).

[14] Черняк Л. Смутное время СУБД // Открытые системы. 2012. № 2. Электронный ресурс. http://www.osp.ru/os/2012/02/13014107/ (дата обращения 01.12.2013).

[15] Оленин О. NoSQL: назад в будущее // Открытые системы. 2012. № 2. Электронный ресурс. http://www.osp.ru/os/2012/02/13012856/ (дата обращения 01.12.2013).

[16] Черняк Л. MapReduce - будущее баз данных // Открытые системы. СУБД. 2009. № 02. Электронный ресурс. http://www.osp.ru/os/2009/02/7322603/ (дата обращения 01.12.2013).

[17] Dean J. and Ghemawat S. MapReduce: Simplified data processing on large clusters. In Proceedings of the Sixth Conference on Operating System Design and Implementation (Berkeley, CA, 2004). C. 137-149.

[18] Уайт Том. Hadoop. Подробное руководство - Hadoop: The Definitive Guide. СПб.: Питер, 2013. C. 19-435.

[19] Черняк Л. MapReduce - Hadoop против Big Data // Открытые системы. СУБД. 2010. № 07. Электронный ресурс. http://www.osp.ru/os/2010/07/13004186/ (дата обращения 01.12.2013).

[20] Власов А.И., Цыганов И.Г. Адаптивная филкфация инфоpмационных потоков в коpпоpативных системах на основе механизма голосования пользователей // Информационные технологии. 2004. № 9. С. 12.

[21] Preimesberger, Chris Hadoop, Yahoo, ’Big Data’ Brighten BI Future. EWeek (15 August 2011). C. 1-6.