[發明專利]基于運行特征的區域扇區場景相似識別方法

有效

• 申請號: 202010468551.6
• 申請日: 2020-05-28
• 公開（公告）號: CN111626366B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 袁立罡;胡明華;謝華;張旋;陳海燕;王兵
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/06;G06Q50/30
• 代理公司: 南京中高專利代理有限公司 32333
• 代理人: 袁興隆

本發明屬于區域扇區運行動態管理分析技術領域，具體涉及一種基于運行特征的區域扇區場景相似識別方法，其包括：根據區域扇區運行特點，建立區域扇區運行特征體系，以獲取區域扇區運行情況實測數據的相關性；根據相關性通過主成分分析方法降低運行特征的信息冗余和維度，以獲取主成分特征；通過歐式距離和DTW方法對主成分特征組成的離散和時序數據進行相似性度量；根據相似性度量結果利用譜聚類方法對相似運行模式和相似運行趨勢進行識別；以及利用平均輪廓系數和MDS方法對識別結果驗證，實現了對區域扇區場景當前運行情況進行更全面的可視化描述，以及區域扇區場景相似性的精確識別。

技術領域

本發明屬于區域扇區運行動態管理分析技術領域，具體涉及一種基于運行特征的區域扇區場景相似識別方法。

背景技術

近年來，由于航班量的增加導致的區域扇區動態管理問題日益突出。區域管制空域連接各進近管制空域，并承擔著來自不同進近管制空域的航空器的航行任務，是管制空域的主要空間部分，是影響航班運行安全與效率的關鍵空域。對區域管制空域進行運行相似場景識別，可以有效總結歷史運行情況，進一步對不同歷史運行場景下的采用的歷史策略進行分析，參考對歷史運行策略的分析，利用對未來運行預測的結果，做出管制預案，有利于降低戰術階段策略制定的壓力，進而提高管制運行的效率，提升空域利用率。

運行相似場景識別，是通過提取空域內的運行特征，對特征所在的時間片或組成的時序進行相似性度量，進而識別出具有相似運行模式或運行變化趨勢的場景。而目前國內外對于扇區運行動態管理的研究主要以優化方法為主，而對當前運行情況的管理分析則以統計分析為主，尚未形成有效的分析體系和方法。2012年，Tang J等人等利用多目標優化算法，給出了最大相似性、最小負荷偏差的空域劃分結果；2013年，Chen Y等人利用改進的遺傳算法，將動態扇區問題抽象為圖分區問題，以扇區作業平衡為約束，給出了扇區規劃結果。目前關于動態扇區管理的研究現狀如下：

尚未形成有效的當前運行情況分析體系和方法；

尚未以運行場景作為研究對象，對當前運行情況進行分析。

因此對于區域扇區相似場景進行識別，可以彌補上述的空白區域，從而為管制員指定管制動態預案提供依據。當前相似場景識別以特征選擇和相似性度量為主，2016年，Kuhn基于專家知識的方法選出了：機場到強降水預測中心距離、機場跑道側風強度、預定到達航班數等特征，2012年，Asencio M基于歐式距離利用K-means方法對美國對流天氣進行了聚類，選擇出能反映美國對流天氣影響模式的代表日。目前對相似場景的識別的研究現狀如下：

一般以國家空域或機場為對象，尚未對扇區相似場景的進行識別；

運行特征選擇以水平運行特征為主，垂直維度運行特征較少，對高低扇運行扇區運行指導價值較低；

相似性度量以離散相似性度量為主，尚未利用時序相似性度量結果進行相似場景識別。

因此，考慮到水平垂直兩個維度的運行，對區域扇區制定指標體系，有利于對區域扇區運行情況進行描述，而通過對空域扇區的運行模式和運行變化趨勢相似場景研究，有利于從具體扇區層面指導管制預案的制定，有利于提高管制效率，進而提升航班運行效率。

另一方面，由于機器學習在各領域取得的卓越成就，不少學者將機器學習運用到民航領域。通過將特征加入到機器學習模型中進行訓練，可以分析當前運行特征以及信息冗余情況，進而降低信息冗余和特征維度。同時由于決策者無法直接獲取與航班運行相關的特征，因此決策時無法做到面面俱到，存在一定的不足，而基于機器學習方法的相似場景識別方法，有利于對當前運行情況進行更全面的可視化描述。

因此，基于上述技術問題需要設計一種新的基于運行特征的區域扇區場景相似識別方法。

發明內容

本發明的目的是提供一種基于運行特征的區域扇區場景相似識別方法。