随着我国航空业的不断发展,影响其发展的更多随机因素开始逐渐被人关注,例如恶劣天气、导航设备故障、军航活动等不可控因素造成的扇区流量控制已经逐渐成为制约扇区流量的决定性因素之一,如何突破单一运行场景的固定限制,准确、合理地评价不同运行场景下的扇区容量,是空中交通管理面临的新的挑战和难题。通过多场景扇区容量评估,能够更加有效地平衡空域资源,更加灵活地为各种运行情况下的容量和流量管理策略提供理论依据。管制扇区在实际运行中不受任何随机因素影响或其状态不发生改变的情况较少,多场景扇区容量评估将是未来研究的趋势。本文以扇区容量评估为主要研究目的,以多场景划分研究为切入点,以管制员工作负荷的容量评估结果为基准,依赖于天气影响交通指数,基于灰色神经网络算法,提出了使用于多场景扇区的容量评估方法。首先,介绍了多场景扇区容量研究的重要意义,总结归纳了国内外的研究进展,简述了论文的主要内容和组织结构;然后,分析对比了多种常用管制员工作负荷测量方法,提出了考虑有冲突的管制员工作负荷模型,进而分析恶劣天气对管制员工作的影响,提出了恶劣天气影响下的基于管制员工作负荷的扇区容量评估模型;接着对本文的多场景研究对象进行了定义,指出多场景划分依赖于恶劣天气覆盖区域,随后对比分析了多种常用的恶劣天气影响的容量评估方法,针对我国管制运行的实际情况,改进了WAF区域生成算法及WITI算法,使用SIMMOD对场景进行了建模仿真,建立了以WITI值、扇区流量值、仿真容量值、天气覆盖区域为输入,基于管制员工作负荷的容量值为输出的灰色神经网络的多场景容量评估方法。以杭州进近03扇区为例,对多场景评估方法的结果进行了验证;最后论述了论文的主要研究成果,指出了论文方法中存在的不足及下一步研究重点。