[發(fā)明專利]一種基于無監(jiān)督學(xué)習(xí)的空域復(fù)雜度分類方法及裝置

有效

• 申請?zhí)枺?/td>: 201910248306.1
• 申請日: 2019-03-29
• 公開（公告）號: CN109993225B
• 公開（公告）日: 2021-03-23
• 發(fā)明（設(shè)計）人: 曹先彬;杜文博;朱熙;李碧月;李宇萌
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京科迪生專利代理有限責(zé)任公司 11251
• 代理人: 安麗;成金玉

本發(fā)明涉及一種基于無監(jiān)督學(xué)習(xí)的空域復(fù)雜度分類方法和裝置，屬于空域態(tài)勢評估分類技術(shù)領(lǐng)域，包括如下步驟：步驟一，收集待處理的空域態(tài)勢樣本集；步驟二，去偏差并標(biāo)準(zhǔn)化空域態(tài)勢樣本集；步驟三，對空域態(tài)勢樣本集進行PCA降維處理；步驟四，對低維度樣本集進行k?Means聚類處理；步驟五，定義聚類后數(shù)據(jù)簇的復(fù)雜度類別。裝置包括：樣本輸入模塊；特征提取模塊；特征降維模塊；原型比對模塊；復(fù)雜度輸出模塊。通過本發(fā)明進行空域復(fù)雜度的評估，不依賴于標(biāo)定的先驗知識，能夠直接學(xué)習(xí)空域態(tài)勢數(shù)據(jù)的內(nèi)在特征及結(jié)構(gòu)，使空域復(fù)雜度的分類具有可解釋性，大大降低標(biāo)定數(shù)據(jù)的人力和時間成本。

技術(shù)領(lǐng)域

本發(fā)明屬于空域態(tài)勢評估分類技術(shù)領(lǐng)域，涉及一種空域復(fù)雜度的分類方法及裝置，具體的說，是指一種基于無監(jiān)督學(xué)習(xí)的空域復(fù)雜度分類方法和裝置。

背景技術(shù)

隨著我國航空運輸業(yè)的快速發(fā)展，航空業(yè)務(wù)量與日俱增，航班逐年增加，空中交通流量不斷增長，空域運行態(tài)勢越發(fā)復(fù)雜。這些情況使得空中交通管制員工作負(fù)荷與航班運行風(fēng)險不斷增加，并由此成為航班延誤、管制事故發(fā)生的重要原因。

在當(dāng)前空中交通管理系統(tǒng)中，扇區(qū)是管制員對航空器進行指揮的空域基本單元。為保證整個空管系統(tǒng)高效運行，現(xiàn)有手段是采取扇區(qū)動態(tài)劃分、交通流量管理等運行調(diào)控措施來保證各個扇區(qū)的交通復(fù)雜程度在管制員所能把控的范圍內(nèi)。準(zhǔn)確評價扇區(qū)的空中交通復(fù)雜度，是高效實施運行調(diào)控的前提。過于復(fù)雜的空域態(tài)勢將提高空中交通管制員錯誤操作的可能性，造成事故；而較低的復(fù)雜度則使得管理系統(tǒng)效率低下，資源浪費。然而，由于扇區(qū)包含的空域元素眾多(如航路航線，扇區(qū)進入移出點等)，且影響扇區(qū)空中交通復(fù)雜度的主/客觀，動/靜態(tài)因素復(fù)雜，因此準(zhǔn)確計算扇區(qū)空中交通復(fù)雜度的難度很大。近年來，一些學(xué)者使用機器學(xué)習(xí)方法，基于大量樣本來構(gòu)建數(shù)十種空中交通復(fù)雜性因子與人工標(biāo)定復(fù)雜度之間的關(guān)聯(lián)，可達到較高的空中交通復(fù)雜度計算準(zhǔn)確度。但由于各條樣本對應(yīng)的空中交通復(fù)雜度值/等級需要管制員參與標(biāo)定，造成空域復(fù)雜度標(biāo)定的人力及時間成本較高，十分影響空域安全高效率。因此亟需提出一套不依賴于人工標(biāo)定的、基于無監(jiān)督學(xué)習(xí)算法的空域復(fù)雜度分類方法。

針對上述問題，缺乏足夠的空域態(tài)勢先驗知識，因此難以人工標(biāo)注類別或進行人工類別標(biāo)注的成本太高，故希望計算機能夠代替管制員完成這些工作，或至少提供一些幫助。在無監(jiān)督學(xué)習(xí)中，訓(xùn)練樣本的標(biāo)記信息是未知的，目標(biāo)是通過對無標(biāo)記訓(xùn)練樣本的學(xué)習(xí)來揭示數(shù)據(jù)的內(nèi)在性質(zhì)及規(guī)律，為進一步的數(shù)據(jù)分析提供基礎(chǔ)。此類學(xué)習(xí)任務(wù)中研究最多、應(yīng)用最廣的是高維數(shù)據(jù)的降維和數(shù)據(jù)的聚類。

總之，現(xiàn)有技術(shù)依賴于人工標(biāo)定的先驗知識，雖然能夠?qū)沼驈?fù)雜度進行學(xué)習(xí)和分類，但是這種分類具有不可解釋性，無法了解空域態(tài)勢數(shù)據(jù)的內(nèi)在特征及結(jié)構(gòu)。另外，由于28維數(shù)據(jù)維度較高，現(xiàn)有方法對28維數(shù)據(jù)直接進行學(xué)習(xí)與訓(xùn)練很容易產(chǎn)生維度災(zāi)難、樣本稀疏、訓(xùn)練過擬合等問題。依賴于管制員進行樣本標(biāo)定也會大大耗費人力以及時間資源。

發(fā)明內(nèi)容

本發(fā)明技術(shù)問題：克服現(xiàn)有技術(shù)的不足，提供一種基于無監(jiān)督學(xué)習(xí)的空域復(fù)雜度分類方法，不依賴于標(biāo)定的先驗知識，能夠直接學(xué)習(xí)空域態(tài)勢數(shù)據(jù)的內(nèi)在特征及結(jié)構(gòu)，使空域復(fù)雜度的分類具有可解釋性，大大降低標(biāo)定數(shù)據(jù)的人力和時間成本。