掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
飛行安全時空大數據理論與實踐(精) 版權信息
- ISBN：9787030731333
- 條形碼：9787030731333 ; 978-7-03-073133-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
飛行安全時空大數據理論與實踐(精) 內容簡介
時空大數據是大數據科學的重要分支領域，飛行安全是民航工作的重中之重。飛行安全時空大數據是時空大數據的理論方法在民航安全領域的創新應用。本書在內容上盡可能覆蓋飛行數據的采集、譯碼和時空分析全鏈路的知識體系。全書共7章：第1章為緒論；第2章為飛行數據采集的基礎，介紹了飛行數據的記錄裝置及原理；第3章為飛行安全時空大數據理論；第4—6章為時空大數據理論在飛行安全領域的應用研究，重點闡述了空中顛簸和不穩定進近事件的時空分析；第7章為綜合飛行風險分析。 本書主要面向民航業內外從事飛行安全數據分析的專業人員，包括記錄器譯碼、飛行品質監控、飛行技術、安全大數據分析人員及飛機制造商、航空公司和高等院校等相關專業的技術人員和科研工作者。
飛行安全時空大數據理論與實踐(精) 目錄
目錄
第1章 緒論 1
1.1 引言 1
1.2 飛行數據監控 2
1.3 時空大數據 3
1.3.1 時空大數據概述 3
1.3.2 時空大數據研究進展 5
1.3.3 時空大數據挖掘 6
1.4 飛行安全時空大數據 7
1.5 小結 9
第2章 飛行數據記錄系統 10
2.1 飛行數據記錄器 10
2.1.1 飛行記錄器概述 10
2.1.2 記錄參數的發展 11
2.2 飛行數據的記錄及傳輸 13
2.2.1 飛行數據的傳輸規范 13
2.2.2 飛行參數的記錄原理 14
2.2.3 飛行參數的信號類型 17
2.3 飛行數據譯碼 18
2.3.1 數據轉換原理 18
2.3.2 譯碼參數庫構建 20
2.3.3 譯碼數據的應用 23
2.4 超限事件 26
2.4.1 超限事件定義 26
2.4.2 超限程序設計 27
2.4.3 超限事件案例分析 27
2.5 飛行數據仿真 29
2.6 小結 30
第3章 飛行安全時空大數據理論 31
3.1 飛行品質監控 31
3.1.1 監控項目與標準 31
3.1.2 飛行數據品質優化 33
3.2 飛行數據融合 38
3.2.1 數據融合概述 39
3.2.2 地形數據融合 40
3.2.3 氣象數據融合 42
3.3 飛行安全事件提取及其預測方法 44
3.3.1 決策樹方法 44
3.3.2 隨機森林方法 45
3.3.3 模型與算法設計 46
3.3.4 模型性能評價 50
3.4 飛行異常探測及其空間相關性方法 54
3.4.1 飛行異！54
3.4.2 常規聚類方法 55
3.4.3 空間聚類方法 56
3.4.4 空間自相關 58
3.4.5 案例分析 61
3.5 飛行安全事件的時空統計與分析 65
3.5.1 時空建！66
3.5.2 飛行品質監控管理分析系統 67
3.6 飛行風險成因統計分析方法 68
3.6.1 相關性分析 68
3.6.2 回歸分析 72
3.6.3 主成分分析 75
3.6.4 貝葉斯網絡模型 76
3.7 小結 80
第4章 飛行風險挖掘與時空分布探索 81
4.1 空中顛簸風險挖掘 82
4.1.1 顛簸研究背景 82
4.1.2 顛簸傳統預報方法 82
4.1.3 空中顛簸定量度量方法 83
4.1.4 EDR 估計 85
4.2 不穩定進近風險 92
4.2.1 不穩定進近風險研究背景 92
4.2.2 風險探測 93
4.2.3 不穩定進近回歸分析 94
4.3 時空分布模式挖掘分析技術 96
4.3.1 時空核密度分析 97
4.3.2 空間自相關統計 98
4.3.3 時空立方體 102
4.4 空中顛簸風險時空分布模式 103
4.4.1 空中顛簸風險時空分布 103
4.4.2 空中顛簸風險時空自相關特征建模 111
4.5 不穩定進近風險時空分布模式 121
4.6 小結 123
第5章 飛行風險時空關聯要素分析 124
5.1 誘因要素關系分析技術 125
5.1.1 相關性分析技術 125
5.1.2 地理加權建模技術 130
5.1.3 關聯規則分析技術 134
5.2 顛簸風險關聯要素 135
5.2.1 顛簸誘因要素 136
5.2.2 多要素關聯分析 140
5.2.3 顛簸誘因要素地理加權建模分析 143
5.3 不穩定進近誘因要素分析 155
5.3.1 模型概述 155
5.3.2 實驗設計與模型比較 157
5.3.3 模型回歸系數可視化 161
5.4 風險誘因要素關系建模 165
5.4.1 關系模型構建 165
5.4.2 不穩定進近風險誘因要素關系建模 166
5.5 小結 167
第6章 典型飛行風險預警技術 169
6.1 飛行風險的數據預處理 170
6.1.1 類別變量OneHot編碼 170
6.1.2 預警模型特征選擇 171
6.1.3 模型數據劃分 172
6.1.4 QAR數據標準化 172
6.2 空中顛簸風險預警方法 173
6.2.1 XGBoost模型 173
6.2.2 人工神經網絡 176
6.3 不穩定進近風險預警方法 178
6.3.1 不穩定進近風險預警建！178
6.3.2 模型精度評價 179
6.4 小結 181
第7章 綜合飛行風險分析 182
7.1 可控飛行撞地 182
7.1.1 可控飛行撞地事故統計 182
7.1.2 可控飛行撞地風險原因分析 184
7.1.3 可控飛行撞地風險模型構建 186
7.1.4 預防CFIT的對策與建議 187
7.2 TCAS RA 188
7.2.1 TCAS介紹 188
7.2.2 TCAS RA事件統計分析 191
7.2.3 TCAS RA警告建議措施 192
7.3 擦機尾 192
7.3.1 擦機尾事件原因 192
7.3.2 擦機尾的風險預測 196
7.3.3 飛機擦機尾的檢查和維修 196
7.4 重著陸 198
7.4.1 重著陸的成因 198
7.4.2 基于QAR數據的重著陸分析與預測 201
7.4.3 重著陸后飛機的損傷與修理 202
7.5 飛行程序驗證 203
7.5.1 飛行程序異常探測 203
7.5.2 飛行程序異常時空分析 206
7.5.3 飛行程序異常影響因子分析 213
7.6 GPWS近地警告 214
7.7 小結 218
參考文獻 219
附錄1 縮寫對照表 226
附錄2 QAR字段名對照表 229
第1章 緒論 1
1.1 引言 1
1.2 飛行數據監控 2
1.3 時空大數據 3
1.3.1 時空大數據概述 3
1.3.2 時空大數據研究進展 5
1.3.3 時空大數據挖掘 6
1.4 飛行安全時空大數據 7
1.5 小結 9
第2章 飛行數據記錄系統 10
2.1 飛行數據記錄器 10
2.1.1 飛行記錄器概述 10
2.1.2 記錄參數的發展 11
2.2 飛行數據的記錄及傳輸 13
2.2.1 飛行數據的傳輸規范 13
2.2.2 飛行參數的記錄原理 14
2.2.3 飛行參數的信號類型 17
2.3 飛行數據譯碼 18
2.3.1 數據轉換原理 18
2.3.2 譯碼參數庫構建 20
2.3.3 譯碼數據的應用 23
2.4 超限事件 26
2.4.1 超限事件定義 26
2.4.2 超限程序設計 27
2.4.3 超限事件案例分析 27
2.5 飛行數據仿真 29
2.6 小結 30
第3章 飛行安全時空大數據理論 31
3.1 飛行品質監控 31
3.1.1 監控項目與標準 31
3.1.2 飛行數據品質優化 33
3.2 飛行數據融合 38
3.2.1 數據融合概述 39
3.2.2 地形數據融合 40
3.2.3 氣象數據融合 42
3.3 飛行安全事件提取及其預測方法 44
3.3.1 決策樹方法 44
3.3.2 隨機森林方法 45
3.3.3 模型與算法設計 46
3.3.4 模型性能評價 50
3.4 飛行異常探測及其空間相關性方法 54
3.4.1 飛行異！54
3.4.2 常規聚類方法 55
3.4.3 空間聚類方法 56
3.4.4 空間自相關 58
3.4.5 案例分析 61
3.5 飛行安全事件的時空統計與分析 65
3.5.1 時空建！66
3.5.2 飛行品質監控管理分析系統 67
3.6 飛行風險成因統計分析方法 68
3.6.1 相關性分析 68
3.6.2 回歸分析 72
3.6.3 主成分分析 75
3.6.4 貝葉斯網絡模型 76
3.7 小結 80
第4章 飛行風險挖掘與時空分布探索 81
4.1 空中顛簸風險挖掘 82
4.1.1 顛簸研究背景 82
4.1.2 顛簸傳統預報方法 82
4.1.3 空中顛簸定量度量方法 83
4.1.4 EDR 估計 85
4.2 不穩定進近風險 92
4.2.1 不穩定進近風險研究背景 92
4.2.2 風險探測 93
4.2.3 不穩定進近回歸分析 94
4.3 時空分布模式挖掘分析技術 96
4.3.1 時空核密度分析 97
4.3.2 空間自相關統計 98
4.3.3 時空立方體 102
4.4 空中顛簸風險時空分布模式 103
4.4.1 空中顛簸風險時空分布 103
4.4.2 空中顛簸風險時空自相關特征建模 111
4.5 不穩定進近風險時空分布模式 121
4.6 小結 123
第5章 飛行風險時空關聯要素分析 124
5.1 誘因要素關系分析技術 125
5.1.1 相關性分析技術 125
5.1.2 地理加權建模技術 130
5.1.3 關聯規則分析技術 134
5.2 顛簸風險關聯要素 135
5.2.1 顛簸誘因要素 136
5.2.2 多要素關聯分析 140
5.2.3 顛簸誘因要素地理加權建模分析 143
5.3 不穩定進近誘因要素分析 155
5.3.1 模型概述 155
5.3.2 實驗設計與模型比較 157
5.3.3 模型回歸系數可視化 161
5.4 風險誘因要素關系建模 165
5.4.1 關系模型構建 165
5.4.2 不穩定進近風險誘因要素關系建模 166
5.5 小結 167
第6章 典型飛行風險預警技術 169
6.1 飛行風險的數據預處理 170
6.1.1 類別變量OneHot編碼 170
6.1.2 預警模型特征選擇 171
6.1.3 模型數據劃分 172
6.1.4 QAR數據標準化 172
6.2 空中顛簸風險預警方法 173
6.2.1 XGBoost模型 173
6.2.2 人工神經網絡 176
6.3 不穩定進近風險預警方法 178
6.3.1 不穩定進近風險預警建！178
6.3.2 模型精度評價 179
6.4 小結 181
第7章 綜合飛行風險分析 182
7.1 可控飛行撞地 182
7.1.1 可控飛行撞地事故統計 182
7.1.2 可控飛行撞地風險原因分析 184
7.1.3 可控飛行撞地風險模型構建 186
7.1.4 預防CFIT的對策與建議 187
7.2 TCAS RA 188
7.2.1 TCAS介紹 188
7.2.2 TCAS RA事件統計分析 191
7.2.3 TCAS RA警告建議措施 192
7.3 擦機尾 192
7.3.1 擦機尾事件原因 192
7.3.2 擦機尾的風險預測 196
7.3.3 飛機擦機尾的檢查和維修 196
7.4 重著陸 198
7.4.1 重著陸的成因 198
7.4.2 基于QAR數據的重著陸分析與預測 201
7.4.3 重著陸后飛機的損傷與修理 202
7.5 飛行程序驗證 203
7.5.1 飛行程序異常探測 203
7.5.2 飛行程序異常時空分析 206
7.5.3 飛行程序異常影響因子分析 213
7.6 GPWS近地警告 214
7.7 小結 218
參考文獻 219
附錄1 縮寫對照表 226
附錄2 QAR字段名對照表 229
展開全部
飛行安全時空大數據理論與實踐(精) 節選
第1章緒論 1.1引言 隨著現代科技的發展，人類的出行方式越來越多樣化，汽車、火車、輪船、飛機等交通工具大大擴展了人們的活動范圍，并縮短了旅途中的時間。而在出行的過程中，安全是人們*關心的問題。在諸多交通工具之中，飛機發生事故的概率是較低的，但是其事故的嚴重程度較高、造成的社會影響較大，因此往往*受人們關注。安全是民航永恒的主題，也是民航工作的重中之重。作為世界第二航空運輸大國，中國民航每天約有1.6萬個航班在起降，只有保障每一個航班的飛行安全，才能保障民航的整體安全。 飛行品質監控（Flight OperationalQuality Assurance，FOQA）是目前國際上公認的保證飛行安全的重要手段，得到了世界民航業的普遍認可。1997年，為改變中國民航事故頻發的狀況，提高飛行安全水平，中國民用航空總局（民航局）決定在所有運輸航空公司強制推行飛行品質監控工程，要求從1998年1月1日起，在中國境內注冊并營運的運輸飛機應當安裝快速存取記錄器（Quick Access Recorder，QAR）或等效設備，利用QAR記錄的飛行數據，對飛行操縱、飛機性能等進行監控，及時發現與標準飛行程序之間的操縱偏差及飛機性能偏差，分析查找原因，制定改進措施指導運行，并通過后續飛行檢驗措施的有效性，通過循環往復的改進保障飛行安全。我國成為世界首*強制開展飛行品質監控的國家，通過20多年的努力，中國民航運輸安全水平取得了長足進步，實現了從跟跑到并跑再到領跑的轉變。 為有效全面掌控所有運輸航空公司的飛行安全狀況，2013年底，民航局正式批復中國民航飛行品質監控基站建設項目，指定由中國民航科學技術研究院負責收集、處理與分析中國民航所有運輸飛機QAR記錄的全部數據，該數據具備了時空大數據的屬性（QAR記錄的參數主要包括時間、經緯度、高度、速度、風速、溫度、近地警告、飛行姿態等多達2000多個參數，這些參數可以反映飛機的時間屬性、空間屬性、飛行員操控屬性、發動機性能屬性等維度信息，參數記錄頻率多為1秒1次，部分參數可達1秒8次）。2017年12月31日，基站一期工程驗收通過并上線運行，截至2021年12月31日，已實現中國民航全部54家按CCAR-121（China Civil Aviation Regulations）部運行的運輸航空公司的3900余架飛機的飛行數據航后自動匯聚到基站。該基站的建設在世界上首次實現了國家*全行業飛行數據的匯聚，為研究飛行風險，提升飛行安全水平提供了完備的數據保障。 目前，飛行品質監控多以超限事件探測和統計分析為主，分析超限事件在不同機型、不同機場和不同航線的發生率，統計分析方法局限于表象特征的分析，缺乏結合空間地理信息和氣象信息誘因的關聯綜合分析。縱觀國內外FOQA研究領域，缺乏一本能夠系統、深入地講解FOQA數據的采集、譯碼、監控、挖掘分析及應用的教學參考書，這也是作者撰寫本書的初衷。 1.2飛行數據監控 飛行品質監控亦稱為FDM（Flight Data Monitoring）或者FDA（Flight Data Analysis），通過收集和分析日常飛行數據，盡早地識別出不符合標準的操作、存在缺陷的程序、航空器性能的衰減、空中交通管制系統的不完善等安全隱患，以便提高飛行機組的操作品質、改進標準操作程序、完善飛行訓練大綱、優化空中交通管制程序、改善空中航行服務或航空器維修和設計、減少運行和維護成本以及為安全管理中的風險管理提供數據和信息支持，是國際上公認的保證飛行安全的重要手段之一，已得到世界民航業的普遍認可。 飛行品質監控作為國際上公認的規避飛行風險的有效技術手段，于1958年由美國民用航空局*早提出，但由于飛行數據的保密問題，項目沒有開展起來。1962年，英國率先開展飛行品質項目研究，利用飛機上的記錄數據來確認適航標準。1993年，美國飛行安全基金會全面系統地提出了飛行操作質量保證計劃的概念和框架，即飛行品質監控項目。1995年，美國聯邦航空局開展了一項為期三年的FOQA項目，目的是對實施FOQA項目的成本、航空公司獲得的效益和該項目對提高飛行安全的程度進行研究。2004年，美國聯邦航空局發布了飛行運行品質保證的咨詢通告W，強調了飛行數據統計分析的重要性；2011年，澳大利亞民航局CASA發布了飛行數據分析納入安全管理體系（Safety Management System，SMS）的要求和指南[2]2012年，英國民航局發布了2011—2013年安全規劃[3]，就如何構建基于飛行數據的先兆指標進行了規定，安全規劃中7個關鍵風險（Significant Seven）的安全績效指標來自典型QAR事件。2013年，英國民航局發布了CAP739（《飛行數據監測》），強調將飛行數據監測與SMS融合的必要性和方法；2014年，國際民航組織發布的Doc 10000（飛行數據分析方案，Flight Data Analysis Program）161中，使用大量篇幅提出將飛行數據分析納入SMS的目標和必要性。FOQA項目的結果顯示，監控飛行品質能夠提高民用航空安全系數、發現潛在危險因素，同時也提高了各個航空公司多方面的效益。近年來在歐洲航空安全局的指導下，歐洲各運輸航空公司聯合成立了歐洲運營商飛行數據管理委員會，推進各航空公司的飛行品質監控項目開展。由于各航空公司數據的保密性問題，國際上關于FOQA研究的論文甚少，無法獲取飛行品質監控項目的標準、模型和核心技術。 與國外相比，我國民航在20世紀80年代引入了飛行品質監控的譯碼技術，但當時只有少數幾個航空公司在研究，我國全面開展飛行品質監控的研究和應用工作開始于20世紀90年代中后期。國內的飛行品質監控研究分為兩個層面，一是數據層面，目前國內各運輸航空公司都建立了飛行品質監控相關部門，負責對各公司的飛機QAR數據進行監控與分析，存在分而治之且相互獨立的行業現狀。由于數據保密性的原因，各公司根據自身的需求和數據，設立監控標準，進行數據分析，研發了一些實用的應用程序（APP）等，對公司提升飛行安全起到了積極作用。但從全局理論分析的角度來看，大多數分析以安全事件為中心，主要圍繞對不同機型或超限事件直觀分類統計和回歸分析，局限于樣本數小，僅對表象特征分析，鮮有綜合利用多源時空信息和關聯事件多方面誘因進行綜合分析，缺乏對飛行品質監控信息深層次、系統性的挖掘與應用。二是學術研究層面，開展FOQA研究的機構主要集中在民航領域的院所，如中國民航科學技術研究院、中國民航大學等，少量業外的高校參與其中，主要原因還是在于數據的分散和保密問題，由于缺乏多學科的介入和融合，學術研究成果相對較少。研究成果主要集中在風險預測、事故分析、發動機監控、飛機系統故障預測與診斷等專題領域，關于民航時空大數據分析的研究幾乎還是空白。隨著行業飛行品質監控基站的建立和大數據技術的發展和應用，整合集成全行業的QAR數據，消除數據孤島，進行多學科、深層次的交叉融合研究，已成為滿足民航大數據建設戰略需求的重要手段和提升民航飛行安全的重要抓手。 中國民航飛行品質監控基站的建設，為研究飛行風險、提升飛行安全提供了完備的數據保障 FOQA的研究，經歷了從QAR到WQAR（Wireless Quick Access Recorder），直至將來的ATG（AirtoGround），硬件采集裝置逐步升級換代。 1.3時空大數據 1.3.1時空大數據概述 隨著人工智能以及物聯網等新型技術的迅速發展，人們的位置、行為以及環境中的每一點變化都成為可以用來感知、記錄、存儲、分析以及利用的數據，全球信息化的進程已經邁入“大數據時代與時空位置相關的時空大數據是當今*重要的大數據之一，時空大數據通過所在空間的空間實體與空間現象在時間、空間以及屬性三個方面的固有特征，呈現出多維、語義以及時空動態關聯的復雜性。 時間、空間和屬性是構成地理信息的三個基本要素。時空數據是指以地球為對象，基于統一時空基準，與位置相關聯的地理要素或現象的數據集，具有空間維、屬性維和時間維等基本特征。其中，空間維指地理信息具有精確的三維空間位置、s-XYZ）或空間分布特征；屬性維指空間維上可加載的各種相關信息具有多維特征，需要一個科學的分類體系和標準編碼體系；時間維指地理信息是隨時間的變化而變化的，具有時態性，需要一個精確的時間基準。 時空數據的本質功能，是反映地理世界各要素或現象的數量和質量特征、空間結構和空間關系及其隨時間的變化，是人類認知地理世界的基礎。時空數據反映人類活動的時空規律，是一切大數據集合和聚合的基礎時空框架，是各部門各行業信息系統的基礎時空信息共享平臺。隨著衛星導航定位技術、天地空一體化遙感技術、地理信息系統技術以及計算機網絡技術的發展，地球表面的集合特征和物理特征等，已經成為可被感知、記錄、存儲、分析和利用的地理時空數據。 因為時空大數據所在的空間以及空間現象中有時間、空間以及屬性三個方面的屬性，呈現出了多維、語義以及時間動態關聯的復雜性。同時，通過時空模式挖掘、時空聚類、時空分類、時空異常檢測等手段對時空大數據進行挖掘，挖掘時空大數據中有價值的模式。通過時空數據挖掘多維關聯描述的形式化的表達以及關聯挖掘分析，時空大數據的協同計算以及重構可以提供快速而準確的面向任務的關聯約束，并展現出以下的特點[12]： （1）時空大數據包含對象、過程、事件在空間、時間、語義等方面的關聯關系。 （2）時空大數據具有時變、空變、動態、多維演化特點，這些基于對象、過程、事件的時空變化是可度量的，其變化過程可作為事件來描述，通過對象、過程與事件的關聯映射，建立時空大數據的動態關聯模型。 （3）時空大數據具有尺度特性，可建立時空大數據時空演化關聯關系的尺度選擇機制；針對不同尺度的時空大數據的時空演化特點，可實現對象、過程、事件關聯關系的尺度轉換與重建，進而實現時空大數據的多尺度關聯分析。 （4）時空大數據時空變化具有多類型、多尺度、多維、動態關聯特點，對關聯約束可進行面向任務的分類分級，建立面向任務的關聯約束選擇、重構與更新機制，根據關聯約束之間的相關性，可建立面向任務的關聯約束啟發式生成方法。 （5）時空大數據具有時間和空間維度上的特點，實時地抽取階段行為特征，以及參考時空關聯約束建立態勢模型，實時地覺察、理解和預測導致某特定階段行為發生的態勢。可針對時空大數據事件理解與預測問題，研究空間大數據事件行為的本體建模和規則庫構建，為異常事件的模式挖掘和主動預警提供知識保障，可針對相似的行為特征、時空約束和事件級別來挖掘事件模式并構建大尺度事件及其應對方案的規則庫。 1.3.2時空大數據研究進展 近年來，面向人類活動的時空大數據逐漸被挖掘、利用，生成各類智慧服務并滲透到人們生活的各方面，如圖1-1所示。在智慧經濟方面，企業利用數據挖掘技術，從客戶消費的時空大數據中獲取人們消費習慣，并劃分成不同的消費群體，從而有針對性地投放產品，實現精準營銷；在智慧交通方面，通過分析人流和車輛移動軌跡的時空大數據，可以預測路段的人流密度與交通狀況，從而有效改善交通擁堵現象；在智慧醫療方面，通過對海量病歷數據進行分析建模，可以了解人群疾病的時空分布規律，從而及時進行疾病的預防和控制。 時空大數據分析應用遍及智能交通、人類行為城市信息學等諸多領域。特別在交通運輸領域方面，出租車軌跡、公交地鐵數據鐵路數據和移動互聯網位置數據等時空大數據在行為模式分析、客流量預測、城市交通狀況評估等方面進行了深入的應用。而在民航交通領域，海量QAR大數據的整理與收集為飛行風險方面的研究與探索提供了一個巨大的“數據金礦例如，根據四川航空公司航線飛行的A319和A320機型的QAR過載數據分析了高原航線上飛機顛簸出現航線分布及高度分布規律[221。但受限于之前的數據采集渠道，針對民航行業
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
苦雨齋序跋文-周作人自編集
- >
羅庸西南聯大授課錄
- >
中國歷史的瞬間
- >
我與地壇
- >
名家帶你讀魯迅:故事新編
- >
我從未如此眷戀人間
- >
史學評論
本類暢銷
