[發(fā)明專利]一種基于管制意圖和飛機(jī)性能模型的四維航跡預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201911076298.3
• 申請日: 2019-11-06
• 公開（公告）號: CN110930770B
• 公開（公告）日: 2022-01-25
• 發(fā)明（設(shè)計）人: 蔣淑園;席玉華;張明偉;陶靖;陳剛;黃琰;胥寶新
• 申請（專利權(quán)）人: 南京萊斯信息技術(shù)股份有限公司
• 主分類號: G08G5/00
• 分類號: G08G5/00;G06K9/62
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 賀翔

本發(fā)明公開了一種基于管制意圖和飛機(jī)性能模型的四維航跡預(yù)測方法，其能夠在航班飛行未發(fā)生時，利用初始計劃信息，結(jié)合由歷史數(shù)據(jù)挖掘得到的航班經(jīng)過各報告點(diǎn)的經(jīng)驗(yàn)高度等反映管制意圖的經(jīng)驗(yàn)數(shù)據(jù)建立飛機(jī)動力學(xué)模型，同時考慮氣象條件，提前預(yù)測出航班將要產(chǎn)生的四維航跡點(diǎn)序列，并在收到監(jiān)視數(shù)據(jù)后對航班4D預(yù)測結(jié)果進(jìn)行動態(tài)修正。本發(fā)明實(shí)現(xiàn)提高了航班4D軌跡預(yù)測精度，有助于提前進(jìn)行飛行沖突探測和流量管理決策，緩解空中交通壓力。

技術(shù)領(lǐng)域

本發(fā)明屬于空中交通管理系統(tǒng)中的飛機(jī)四維(4D)航跡預(yù)測技術(shù)領(lǐng)域，具體指代一種基于管制意圖和飛機(jī)性能模型的四維航跡預(yù)測方法。

背景技術(shù)

作為我國國民經(jīng)濟(jì)和社會發(fā)展的重要行業(yè)和先進(jìn)的交通運(yùn)輸方式，民用航空運(yùn)輸業(yè)隨著整個國民經(jīng)濟(jì)的不斷發(fā)展也得到了飛速的發(fā)展。至2017年，中國的民航機(jī)場總量較1990年的94個已經(jīng)增加到了216個，航線總數(shù)近4000條。飛行航路上的飛機(jī)越來越多、飛行間距越來越小，空中交通安全形勢越發(fā)嚴(yán)峻；航班延誤、空域擁堵等問題也頻繁發(fā)生。航班延誤不僅給乘客和航空公司帶來直接的經(jīng)濟(jì)損失，還影響國民經(jīng)濟(jì)發(fā)展。近年來，諸如航空器沖突探測與解脫、進(jìn)離場排序、基于軌跡運(yùn)行等空管自動化與智能化方法的研究日益興起，其目的就是為了提高空中交通效率，保證空中交通安全，降低延誤率。而快速準(zhǔn)確的飛機(jī)軌跡預(yù)測是實(shí)現(xiàn)上述方法的基礎(chǔ)與保障。

目前，飛機(jī)4D航跡推算方法主要有以下兩類：

一種是根據(jù)計劃信息中的起飛機(jī)場、落地機(jī)場及報告點(diǎn)的各種信息(類型、位置、高度、速度)進(jìn)行綜合，形成水平軌跡，然后基于飛機(jī)性能模型、飛機(jī)的標(biāo)準(zhǔn)飛行程序、飛機(jī)巡航高度和速度、轉(zhuǎn)換高度等來生成一個可劃分為若干段的高度剖面和速度剖面，在此過程中，考慮氣象中的高空風(fēng)對飛機(jī)地速的影響，三個剖面獨(dú)立處理后經(jīng)過一定的耦合.就合成計算出了飛機(jī)的4D軌跡，從而獲得航班經(jīng)過各報告點(diǎn)的過點(diǎn)位置、過點(diǎn)速度、過點(diǎn)高度以及所屬管制扇區(qū)等信息。例如：任倩倩等人的“終端區(qū)四維飛行航跡的計算[J].中國民航飛行學(xué)院學(xué)報,2008,19(4):11-14”中運(yùn)用建立飛行器模型，進(jìn)行飛行模擬的方法，對北京終端區(qū)36R跑道的離場航線和進(jìn)近航線的四維飛行軌跡進(jìn)行了計算；王超等人的“基于基本飛行模型的4D航跡預(yù)測方法[J].西南交通大學(xué)學(xué)報,2009,44(2):295-300”中基于基本飛行模型的概念，按飛行階段特點(diǎn)用基本飛行模型構(gòu)建水平航跡、高度剖面和速度剖面，擬合生成完整的4D航跡；杜文彬等人的“基于航線對象方法的四維航跡建模與優(yōu)化[J].計算機(jī)技術(shù)與發(fā)展,2012,22(8):249-252”則提出了基于航線對象方法的7種航跡段模型，按照飛行計劃、管制指令和導(dǎo)航設(shè)備的地理分布，搭建了水平航跡，對垂直剖面建模所需的重要參數(shù)(爬升率、下降率、推力、巡航馬赫數(shù)等)進(jìn)行了簡單的推算和優(yōu)化，生成了完整的4D航跡，等等。

另一種是基于軌跡數(shù)據(jù)挖掘的航跡預(yù)測方法，隨著大數(shù)據(jù)技術(shù)的興起，歷史數(shù)據(jù)挖掘等對航跡預(yù)測提供了支持。歷史運(yùn)行航跡數(shù)據(jù)是對飛行狀態(tài)的可靠性記錄，它包含影響航空器運(yùn)行的所有可能因素，比如飛行計劃的改變、管制意圖、天氣狀況等。這些信息可以被挖掘出來，用來分析航跡模式并用于航跡預(yù)測，提高預(yù)測準(zhǔn)確度。例如：Gariel M等的“Trajectory clustering and an application to airspace monitoring[J].Intelligent Transportation Systems,2011,12(4):1511-1524”中以提取轉(zhuǎn)彎點(diǎn)為聚類對象，使用聚類方法分揀航跡數(shù)據(jù)并排除偏離航跡后提取典型航跡，用于航空器監(jiān)視和預(yù)測，但航跡信息損失較多，缺少高度和時間信息；趙恩來等的“改進(jìn)的基于密度的航跡聚類算法[J].計算機(jī)工程,2011,37(9):270-272”中采用加權(quán)Manhattan距離與懲罰系數(shù)相結(jié)合的距離度量，提出一種基于密度的改進(jìn)航跡聚類方法，用于航跡預(yù)測；錢夔等的“基于BP神經(jīng)網(wǎng)絡(luò)的空中目標(biāo)航跡預(yù)測模型[J].指揮信息系統(tǒng)與技術(shù),2017,8(3):54-58”則提出了一種基于反向傳播神經(jīng)網(wǎng)絡(luò)的空中目標(biāo)航跡預(yù)測模型，將目標(biāo)航跡數(shù)據(jù)自適應(yīng)聚類，從而提取出特定目標(biāo)的活動區(qū)域變化規(guī)律。

然而，現(xiàn)有的4D航跡預(yù)測技術(shù)方法和存在的問題可以概況如下：