[發明專利]一種飛行沖突解脫方法及裝置

有效

• 申請號: 201210368083.0
• 申請日: 2012-09-28
• 公開（公告）號: CN102930339A
• 公開（公告）日: 2013-02-13
• 發明（設計）人: 張學軍;管祥民;蘇婧
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06N3/12
• 分類號: G06N3/12;G06Q50/00
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 劉芳

技術領域

本發明涉及航空技術，尤其涉及一種飛行沖突解脫方法及裝置。

背景技術

近年來，我國航空業發展速度很快，航空業務量與日俱增，飛行流量大大增加，空域中飛行器的密度增大，導致飛行器之間的安全間隔難以保證，發生飛行沖突的可能性增加，如何保證飛行安全成為亟待解決的一大問題。避免飛行器發生沖突，即進行飛行器的沖突解脫成為解決此問題的關鍵技術。

現有的飛行器沖突解脫方法采用局部調整飛行路徑、即時速度或飛行高度層來實現，雖然可以消除當前的沖突，但是，局部調整可能會帶來與其他飛行器的新的沖突。

發明人在實現本發明的過程中發現：現有的絕大多數飛行沖突解脫方法不能提供全局解脫方法的問題。

發明內容

本發明提供一種飛行沖突解脫方法及裝置，能夠解決現有多數的飛行沖突解脫方法不能提供全局解脫方法的問題。

第一方面，本發明實施例提供一種飛行沖突解脫方法，包括：

根據獲取的n架飛機的飛行計劃信息，確定存在飛行沖突，各所述飛行計劃信息包括每一架飛機對應航路的各航路點位置、飛行速度、起飛時間，n為大于1的自然數；

根據預設的最大起飛延遲時間δ_max，對所述n架飛機中的每一架飛機隨機生成m個起飛延遲時間δ_i∈[0,δ_max]，i=1,2…m，生成m×n階初始化變量種群，所述初始化變量種群為父種群；

應用改進的遺傳算法對所述父種群進行X次遺傳迭代優化，生成所述父種群的第X子代種群，X表示預設的遺傳迭代次數；

在所述第X子代種群中，確定整體適應度最高的染色體，根據所述整體適應度最高的染色體，獲得所述n架飛機各自對應的最優化的起飛延遲時間。

第二方面，本發明實施例提供一種飛行沖突解脫裝置，包括：

第一確定模塊，用于根據獲取的n架飛機的飛行計劃信息，確定存在飛行沖突，各所述飛行計劃信息包括每一架飛機對應航路的各航路點位置、飛行速度、起飛時間，n為大于1的自然數；

初始化模塊，用于根據預設的最大起飛延遲時間δ_max，對所述n架飛機中的每一架飛機隨機生成m個起飛延遲時間δ_i∈[0,δ_max]，i=1,2…m，生成m×n階初始化變量種群，所述初始化變量種群為父種群；

遺傳迭代模塊，用于應用改進的遺傳算法對所述父種群進行X次遺傳迭代優化，生成所述父種群的第X子代種群，X表示預設的遺傳迭代次數；

第二確定模塊，用于在所述第X子代種群中，確定整體適應度最高的染色體，根據所述整體適應度最高的染色體，獲得所述n架飛機各自對應的最優化的起飛延遲時間。

本發明實施例采用改進的遺傳算法對所有待處理飛機的起飛延遲時間對應的變量集合進行多次迭代，并將迭代結果的后代中出現的適應度最高的染色體作為遺傳算法的最優解，解決了現有的飛行器沖突解脫方法不能提供全局解脫方法的問題；同時，通過優化起飛延遲時間，不僅消除了飛行沖突，而且使每架飛機的起飛延遲時間達到最小，從而可以降低飛行成本。

附圖說明

圖1為本發明實施例一提供的飛行沖突解脫方法的流程示意圖；

圖2為本發明實施例一應用的飛行航跡的2D模型示意圖；

圖3為本發明實施例一應用的擇優繼承法的一種具體實現方法示意圖；

圖4為本發明實施例二提供的飛行沖突解脫裝置的結構示意圖。

具體實施方式

遺傳算法是一種基于生物自然選擇與遺傳機理的隨機搜索算法，它起源于對生物系統進行的計算機模擬研究。和傳統搜索算法不同，遺傳算法從一組隨機產生的初始解開始搜索過程。該初始解成為“種群”，假設每一代種群中包含m條“染色體”，這些m條染色體在后代迭代中，不斷進化，稱為遺傳。在每一代種群中用“適應度”來測量每一條染色體的高低，對每一代種群中的m條染色體通過選擇擇優變異運算后生成的新的m條染色體，稱為子代。在子代形成過程中，種群大小始終保持不變，也就說每一代種群中均有m條染色體，經過若干代之后，遺傳算法收斂于整體適應度最高的染色體，該染色體是問題的最優解。

本發明實施例將遺傳算法應用于飛行沖突的解脫，圖1為本發明實施例一提供的飛行沖突解脫方法的流程示意圖，如圖1所示，具體包括：