CN101465065A - 飞行流样本数据的获取方法 - Google Patents

Abstract

本发明涉及一种飞行流样本数据的获取方法，包括：根据航班标识从所述汇总数据文件中提取属于同一航班的数据，形成航班数据集合；根据航班数据集合中各航路点和航班经过各航路点的时间信息，对航班数据集合中的重复航路点进行归一化处理；对航班数据集合中的航路点进行时间排序获得航路点序列，对航路点序列进行提高航迹精度的重采样处理；输出作为飞行流样本数据的数个航路点序列。本发明通过对重复航路点进行归一化处理，有效消除了原始数据信息冗余造成的信息误差，通过对航班数据集合进行重采样处理，有效消除了原始数据信息丢失造成的信息失真。本发明获得的飞行流样本数据准确性高、航迹精度高，可以真实地反映空中交通运行状况。

Description

飞行流样本数据的获取方法

技术领域

本发明涉及一种飞行数据的处理方法，特别是一种飞行流样本数据的获取方法。

背景技术

随着我国国民经济的快速发展，航空运输量不断增长，使现有空中交通管理体制和技术难以满足发展需求。为了促进空中交通的持续发展，迫切需要科学细致分析现行空域运行状况，甄别空中交通发展瓶颈所在，进而改善已有管理体制，引入新的空中交通运行新概念和新技术。然而，空中交通运行新概念和新技术的引入必然会对现有空域产生不可预知的影响。无论是对已有空域的运行分析还是对新概念、新技术引入之后空域运行的仿真评估，都必须基于尽可能准确、可靠、能重现真实空中交通运行状况的航班数据。

目前，虽然部分区域管制中心的雷达自动化系统能够记录各自空域的运行情况，但仍有部分区域管制中心采用程序管制方式，需要依靠手工采集的方式获取运行情况。这样，将各地区的飞行运行数据汇总成飞行流样本数据时，由于各地区的飞行运行数据来源不一，格式异构，因此极大地影响了飞行流样本数据的准确性，既有信息冗余造成的信息误差，又有信息丢失造成的信息失真，难以真实地反映空中交通运行状况。

发明内容

本发明的目的是提供一种飞行流样本数据的获取方法，获得的飞行流样本数据准确性高、航迹精度高，可以真实地反映空中交通运行状况。

为了实现上述目的，本发明提供了一种飞行流样本数据的获取方法，包括：

步骤1、将各地区的区域飞行数据处理成汇总数据文件；

步骤2、判断所述汇总数据文件中是否还有航班数据，是则执行步骤3，否则执行步骤6；

步骤3、根据航班标识从所述汇总数据文件中提取属于同一航班的数据，形成一个航班数据集合；

步骤4、根据所述航班数据集合中各航路点和航班经过各航路点的时间信息，对航班数据集合中的重复航路点进行归一化处理；

步骤5、对所述航班数据集合中的航路点进行时间排序获得航路点序列，对所述航路点序列进行提高航迹精度的重采样处理，执行步骤2；

步骤6、输出作为飞行流样本数据的数个航路点序列。

所述步骤1包括：

步骤11、读取并保存各地区的区域飞行数据；

步骤12、判断是否还有未处理的区域飞行数据，是则执行步骤13，否则执行步骤14；

步骤13、提取一个地区的区域飞行数据，将所述区域飞行数据处理成文件格式统一、信息完整的区域飞行文件，执行步骤12；

步骤14、将所有区域飞行文件合并成汇总数据文件。

所述步骤13包括：提取一个地区的区域飞行数据，对区域飞行数据进行一致性处理、完整性处理和合并处理。

所述步骤4包括：

步骤41、从所述航班数据集合中提取各航路点和航班经过各航路点的时间信息；

步骤42、判断是否还有重复航路点，是则执行步骤43，否则执行步骤5；

步骤43、选定一个重复航路点，提取所述重复航路点的多个时间记录；

步骤44、计算所述多个时间记录的平均值，获得平均时间记录；

步骤45、根据预先设定的时间误差，获得重复航路点的时间取样区间；

步骤46、判断是否还有未处理的时间记录，是则执行步骤47，否则执行步骤50；

步骤47、选定一个时间记录；

步骤48、判断所述时间记录是否位于所述时间取样区间内，是则执行步骤49，否则执行步骤46；

步骤49、将所述时间记录加入到时间取样集合中，执行步骤46；

步骤50、计算所述时间取样集合中所有时间记录的平均值，作为所述重复航路点的时间信息，执行步骤42。

在上述技术方案基础上，所述步骤5包括：

步骤51、对所述航班数据集合中的航路点进行时间排序获得航路点序列，统计航路点序列中航路点的数量P；

步骤52、令i＝1；

步骤53、从航路点序列中提取第i个航路点和第i+1个航路点，根据第i个航路点和第i+1个航路点的位置信息计算二个航路点之间的航线距离；

步骤54、判断所述航线距离是否大于预先设定的采样距离，是则执行步骤55，否则执行步骤58；

步骤55、根据所述航线距离和采样距离，确定第i个航路点和第i+1个航路点之间需要生成的采样点个数Q，并依次生成Q个采样点；

步骤56、确定Q个采样点的位置信息、航班经过Q个采样点的时间信息和速度信息；

步骤57、将所述Q个采样点添加在航路点序列中；

步骤58、判断i<(P-1)，是则执行步骤59，否则存储所述航路点序列，执行步骤2。

步骤59、令i＝i+1，执行步骤53。

所述步骤53中二个航路点之间的航线距离为二个航路点之间的大圆航线距离d，且d＝R×c，式中，R为地球平均半径，c为圆心角，且

c＝2×arctg(a，1-a)， $a={\sin }^2\left(\frac{\mathrm{\&Delta;lat}}{2}\right)+\cos \left({\mathrm{lat}}_1\right)\&times;\cos \left({\mathrm{lat}}_2\right)\&times;{\sin }^2\left(\frac{\mathrm{\&Delta;long}}{2}\right)$

式中，Δlong为二个航路点的经度差，Δlat为二个航路点的纬度差，且：

Δlong＝long₁-long₂，Δlat＝lat₁-lat₂

式中，long₁为一个航路点的经度，long₂为另一个航路点的经度，lat₁为一个航路点的纬度，lat₂为另一个航路点的纬度。

所述采样点个数Q＝INT(d/L)，其中，d为二个航路点之间大圆航线距离，L为预先设定的采样距离，INT(x)为取整函数。

所述步骤56包括：

步骤561、令第i个航路点为起始点，第i+1个航路点为终点，M＝1；

步骤562、根据起始点和终点的位置信息计算起始点与终点之间的航向角；

步骤563、根据起始点的位置信息、起始点与第M个采样点之间的距离和起始点与终点之间的航向角计算第M个采样点的位置信息；

步骤564、根据起始点与第M个采样点之间的距离和航班经过起始点的速度信息获得航班经过第M个采样点的时间信息，根据第M个采样点的位置信息、终点的位置信息、航班经过第M个采样点的时间信息和航班经过终点的时间信息确定航班经过第M个采样点的速度信息；

步骤565、判断M<Q，是则执行步骤566，否则执行步骤57；

步骤566、令第M个采样点为起始点，第i+1个航路点为终点，M＝M+1，执行步骤562。

所述起始点与终点之间的航向角为：

θ＝arctg[sin(Δlong)×cos(lat₂)，

        cos(lat₁)×sin(lat₂)-sin(lat₁)×cos(lat₂)·cos(Δlong)]

式中，θ为起始点与终点之间的航向角，Δlong为起始点与终点的经度差，Δlat为起始点与终点的纬度差，且Δlong＝long₁-long₂，Δlat＝lat₁-lat₂

式中，long₁为起始点的经度，long₂为终点的经度，lat₁为起始点的纬度，lat₂为终点的纬度。

所述采样点的位置信息为：

${\mathrm{lat}}_{M1}=\arcsin [\sin \left({\mathrm{lat}}_1\right)\&times;\cos \left(\frac{L}{R}\right)+\cos \left({\mathrm{lat}}_1\right)\&times;\sin \left(\frac{L}{R}\right)\&times;\cos \left(\mathrm{\&theta;}\right)]$

${\mathrm{long}}_{M1}={\mathrm{long}}_1+\mathrm{arctg}[\sin \left(\mathrm{\&theta;}\right)\&times;\sin \left(\frac{L}{R}\right)\&times;\cos \left({\mathrm{lat}}_1\right),$

$\cos \left(\frac{L}{R}\right)-\sin \left({\mathrm{lat}}_1\right)\&times;\sin \left({\mathrm{lat}}_{M1}\right)]$

式中，long_M1为采样点的经度，lat_M1为采样点的纬度。

本发明提出了一种飞行流样本数据的获取方法，首先将数个区域飞行数据处理成一个汇总数据文件，然后在汇总数据文件中提取数个航班数据集合，通过对每个航班数据集合进行归一化处理和重采样处理形成数个航路点序列，最后由数个航路点序列形成飞行流样本数据。本发明通过对重复航路点进行归一化处理，有效消除了原始数据信息冗余造成的信息误差，提高了飞行流样本数据的准确性。本发明通过对航班数据集合进行重采样处理，准确地获得了同一航班相邻航路点之间的飞行信息和轨迹信息，有效消除了原始数据信息丢失造成的信息失真，获得了具有高航迹精度的飞行流样本数据。因此本发明获得的飞行流样本数据准确性高、航迹精度高，可以真实地反映空中交通运行状况。利用本发明能够真实重现全局空域的运行状态，有利于实现对全局空域使用情况、空中交通繁忙程度、飞机个体飞行行为进行战略、预战术、战术等不同级别的分析，有利于在引入空中交通管理新技术之后对空域运行进行仿真、评估与决策分析等处理。

附图说明

图1为本发明飞行流样本数据的获取方法的流程图；

图2为本发明获得飞行数据文件的流程图；

图3为本发明对重复航路点进行归一化处理的流程图；

图4为本发明对航路点序列进行重采样处理的流程图；

图5为本发明确定采样点位置信息和航班经过采样点的时间信息和速度信息的流程图。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

图1为本发明飞行流样本数据的获取方法的流程图，包括：

步骤1、将各地区的区域飞行数据处理成汇总数据文件；

步骤2、判断所述汇总数据文件中是否还有航班数据，是则执行步骤3，否则执行步骤6；

步骤3、根据航班标识从所述汇总数据文件中提取属于同一航班的数据，形成一个航班数据集合；

步骤4、根据所述航班数据集合中各航路点和航班经过各航路点的时间信息，对航班数据集合中的重复航路点进行归一化处理；

步骤5、对所述航班数据集合中的航路点进行时间排序获得航路点序列，对所述航路点序列进行提高航迹精度的重采样处理，执行步骤2；

步骤6、输出作为飞行流样本数据的数个航路点序列。

本发明提供了一种将各地区的区域飞行数据处理成飞行流样本数据的技术方案，首先将数个区域飞行数据处理成一个汇总数据文件，然后在汇总数据文件中提取数个航班数据集合，通过对每个航班数据集合进行归一化处理和重采样处理形成数个航路点序列，最后将数个航路点序列作为数据准确性高、航迹精度高、可以真实反映空中交通运行状况的飞行流样本数据。

图2为本发明获得飞行数据文件的流程图。在图1所示技术方案中，步骤1包括：

步骤11、读取并保存各地区的区域飞行数据；

步骤12、判断是否还有未处理的区域飞行数据，是则执行步骤13，否则执行步骤14；

步骤13、提取一个地区的区域飞行数据，将所述区域飞行数据处理成文件格式统一、信息完整的区域飞行文件，执行步骤12；

步骤14、将所有区域飞行文件合并成汇总数据文件。

通常，各地区管理中心均可以采集当地空域的运行数据，并可以形成区域飞行数据。在上述技术方案中，本发明步骤1首先读取并保存来自各地区的区域飞行数据，然后分别对每个区域飞行数据进行数据处理，数据处理包括：提取一个地区的区域飞行数据，对区域飞行数据进行一致性处理、完整性处理和合并处理。由于来自各地区的飞行运行数据来源不一，格式异构，因此本发明一致性处理是将区域飞行数据的文件格式统一成标准文件格式，即将各种格式的区域飞行数据导入具有标准文件格式的区域飞行文件中。同时，由于各区域飞行数据的内容有所不同，因此本发明完整性处理是将具有标准文件格式的区域飞行文件进行缺失信息补充和内容更正。例如，将区域飞行文件中的缺失信息用“null”表示，并同时截掉每一行数据末尾的“，”或空格等无用信息。对数据日期、航班基本信息和航班经过的航路点信息进行检查和更正，其中航班基本信息包括航班呼号、航班注册号、起飞落地机场和平均速度等，航班经过的航路点信息包括各航路点的名称信息、航路点的位置信息、航班经过航路点的时间信息、航班经过航路点的速度信息、航班经过航路点的高度信息以及航班经过航路点的所属航路等。各地区的区域飞行数据经过一致性处理和完整性处理后，即形成文件格式统一、信息完整的区域飞行文件。最后将各独立的区域飞行文件合并，形成汇总数据文件。

本发明步骤3中，根据预先设定的航班标识遍历汇总数据文件，从汇总数据文件中提取属于同一航班的数据，并由该同一航班的数据形成一个航班数据集合。其中，航班标识具有标识航班的唯一性。实际应用中，航班标识可以是航班日期和航班呼号。

受各地区数据采集条件和手段的限制(如雷达覆盖范围不同或数据手工录入的误差)，使得由汇总数据文件提取的航班数据集合中存在同一航路点信息重复记录情况，如航班经过同一航路点的时间记录有多个，本发明将该航路点称之为重复航路点。因此，本发明步骤4是对航班数据集合中的重复航路点进行归一化处理的流程。

图3为本发明对重复航路点进行归一化处理的流程图。在图1所示技术方案中，步骤4包括：

步骤41、从所述航班数据集合中提取各航路点和航班经过各航路点的时间信息；

步骤42、判断是否还有重复航路点，是则执行步骤43，否则执行步骤5；

步骤43、选定一个重复航路点，提取所述重复航路点的多个时间记录；

步骤44、计算所述多个时间记录的平均值，获得平均时间记录；

步骤45、根据预先设定的时间误差，获得重复航路点的时间取样区间；

步骤46、判断是否还有未处理的时间记录，是则执行步骤47，否则执行步骤50；

步骤47、选定一个时间记录；

步骤48、判断所述时间记录是否位于所述时间取样区间内，是则执行步骤49，否则执行步骤46；

步骤49、将所述时间记录加入到时间取样集合中，执行步骤46；

步骤50、计算所述时间取样集合中所有时间记录的平均值，作为所述重复航路点的时间信息，执行步骤42。

图3所示对重复航路点进行归一化处理中，首先从航班数据集合中提取各航路点的信息和航班经过各航路点的信息，对于归一化处理，提取的航路点的信息至少包括航路点的名称信息，航班经过各航路点的信息至少包括航班经过各航路点的时间信息。实际上，航班数据集合中还记录有航班的基本信息，例如航班日期、航班呼号、航班机型、起飞机场、落地机场和航班注册号等，航路点的信息还包括航路点的位置信息，航班经过各航路点的信息还包括航班经过航路点的速度信息、航班经过航路点的高度信息以及航班经过航路点的所属航路等。

提取航班经过各航路点的时间信息后，如果一个航路点对应有多个航班经过该航路点的时间信息，即说明航班数据集合中存在重复航路点。如果航班数据集合中存在多个重复航路点，则依次对每个重复航路点进行归一化处理。在处理一个重复航路点时，首先提取该重复航路点的多个时间记录，如T1、T2......TN，计算多个时间记录的平均值，获得平均时间记录T_AV，T_AV＝(T1+T2+......+TN)/N，根据预先设定的时间误差T即可获得重复航路点的时间取样区间，时间取样区间为[

，

]，之后依次判断每个时间记录，当时间记录位于时间取样区间之内时，将该时间记录加入到时间取样集合中，当时间记录位于时间取样区间之外时，将该时间记录舍弃；当判断完所有的时间记录后，对时间取样集合中所有的时间记录取平均值，并将该平均值作为此重复航路点实际的时间信息。由此可见，本发明提供了一种对重复航路点进行归一化处理获得实际时间信息的技术方案，通过对重复航路点进行归一化处理，有效消除了原始数据信息冗余造成的信息误差，提高了飞行流样本数据的准确性。

本发明步骤5中，首先对航班数据集合中的各航路点进行时间排序，获得航路点序列。该航路点序列中，各航路点的次序是依照航班经过各航路点的时间排列的，也就是说，该航路点序列代表了航班的航迹。同样受各地区数据采集条件和手段的限制，使得航路点序列中的航路点存在不连续情况，如二个相邻的航路点之间距离较大，这种情况将在一定程度上影响航路点序列所反映航迹的精度。为此，本发明步骤5提供了一种对航班数据集合进行重采样处理获得高航迹精度的技术方案。

图4为本发明对航路点序列进行重采样处理的流程图。在图1所示技术方案中，步骤5包括：

步骤51、对所述航班数据集合中的航路点进行时间排序获得航路点序列，统计航路点序列中航路点的数量P；

步骤52、令i＝1；

步骤53、从航路点序列中提取第i个航路点和第i+1个航路点，根据第i个航路点和第i+1个航路点的位置信息计算二个航路点之间的航线距离；

步骤54、判断所述航线距离是否大于预先设定的采样距离，是则执行步骤55，否则执行步骤58；

步骤55、根据所述航线距离和采样距离，确定第i个航路点和第i+1个航路点之间需要生成的采样点个数Q，并依次生成Q个采样点；

步骤56、确定Q个采样点的位置信息、航班经过Q个采样点的时间信息和速度信息；

步骤57、将所述Q个采样点添加在航路点序列中；

步骤58、判断i<(P-1)，是则执行步骤59，否则存储所述航路点序列，执行步骤2。

步骤59、令i＝i+1，执行步骤53。

图4所示对航班数据集合进行重采样处理中，首先对航班数据集合中的航路点进行时间排序获得航路点序列，获得航路点序列中每个航路点的位置信息、航班经过每个航路点的时间信息和航班经过每个航路点的速度信息，同时对航路点序列中航路点的数量进行统计，得到航路点的数量P。然后，提取第一个航路点和第二个航路点，根据二个航路点的位置信息计算二个航路点之间的航线距离，判断该航线距离是否大于预先设定的采样距离。如果航线距离小于采样距离，说明该二个航路点之间距离较小，可以保证航路点序列反映航迹的精度，则再提取第二个航路点和第三个航路点进行判断。如果航线距离大于采样距离，说明该二个航路点之间距离较大，会降低航路点序列反映航迹的精度，则执行在该二个航路点之间设置采样点的流程。设置采样点的流程中，首先根据航线距离和采样距离的关系确定第1个航路点与第2个航路点之间需要生成的采样点个数Q，并依次生成Q个采样点。本发明中，设置采样点个数Q＝INT(d/L)，其中，d为第1个航路点与第2个航路点之间大圆航线距离，L为预先设定的采样距离，INT(x)为取整函数，即在与第1个航路点相距采样距离L的位置设置第一个采样点，与第一个采样点相距采样距离L的位置设置第二个采样点，依次类推，最后一个采样点与第2个航路点之间的距离将小于或等于采样距离L。确定了Q个采样点后，即可根据第1个航路点和第2个航路点的相关信息确定Q个采样点的位置信息、航班经过Q个采样点的时间信息和速度信息。之后将Q个采样点添加在航路点序列中，形成经过重采样处理的航路点序列。最后，在处理完第P-1个航路点和第P个航路点后，存储经过重采样处理的航路点序列，完成该航班数据集合的处理。

图4所示方案中，航路点的位置信息用航路点的经度和纬度表示，航线距离为大圆航线距离，二个航路点之间的大圆航线距离d为：d＝R×c

式中，R为地球平均半径(6371Km)，c为圆心角，圆心角c为：

c＝2×arctg(a，1-a)， $a={\sin }^2\left(\frac{\mathrm{\&Delta;lat}}{2}\right)+\cos \left({\mathrm{lat}}_1\right)\&times;\cos \left({\mathrm{lat}}_2\right)\&times;{\sin }^2\left(\frac{\mathrm{\&Delta;long}}{2}\right)$

式中，Δlong为二个航路点的经度差，Δlat为二个航路点的纬度差，且：

Δlong＝long₁-long₂，Δlat＝lat₁-lat₂

式中，long₁为第一个航路点的经度，long₂为第二个航路点的经度，lat₁为第一个航路点的纬度，lat₂为第二个航路点的纬度。

图5为本发明确定采样点位置信息和航班经过采样点的时间信息和速度信息的流程图。在图4所示技术方案中，步骤56包括：

步骤561、令第i个航路点为起始点，第i+1个航路点为终点，M＝1；

步骤562、根据起始点和终点的位置信息计算起始点与终点之间的航向角；

步骤563、根据起始点的位置信息、起始点与第M个采样点之间的距离和起始点与终点之间的航向角计算第M个采样点的位置信息；

步骤564、根据起始点与第M个采样点之间的距离和航班经过起始点的速度信息获得航班经过第M个采样点的时间信息，根据第M个采样点的位置信息、终点的位置信息、航班经过第M个采样点的时间信息和航班经过终点的时间信息确定航班经过第M个采样点的速度信息；

步骤565、判断M<Q，是则执行步骤566，否则执行步骤57；

步骤566、令第M个采样点为起始点，第i+1个航路点为终点，M＝M+1，执行步骤562。

图5所示确定采样点位置信息和航班经过采样点的时间信息和速度信息的流程中，本发明首先通过前一个航路点与后一个航路点的位置信息确定二个航路点之间的航向角，然后根据前一个航路点的位置信息、前一个航路点与采样点之间的距离、前一个航路点与后一个航路点之间的航向角确定采样点的位置信息(采样点的经度和纬度)。在确定了采样点的位置信息后，根据航班经过前一个航路点的速度信息和前一个航路点与采样点之间的距离确定航班经过采样点的时间信息，根据采样点的位置信息、航班经过采样点的时间信息、后一个航路点的位置信息和航班经过后一个航路点的时间信息获得航班经过采样点的速度信息。

下面仍以第一个航路点和第二个航路点之间设置Q个采样点为例进行说明。当M＝1时，即对于第一个采样点，其前一个航路点为第一个航路点，其后一个航路点为第二个航路点，则第一个航路点为起始点，第二个航路点为终点。根据起始点和终点的位置信息计算起始点与终点之间的航向角θ，计算公式为：

θ＝arctg[sin(Δlong)×cos(lat₂)，

         cos(lat₁)×sin(lat₂)-sin(lat₁)×cos(lat₂)·cos(Δlong)]

式中，Δlong为起始点与终点的经度差，Δlat为起始点与终点的纬度差，且：Δlong＝long₁-long₂，Δlat＝lat₁-lat₂

式中，long₁为起始点(即第一个航路点)的经度，long₂为终点(即第二个航路点)的经度，lat₁为起始点的纬度，lat₂为终点的纬度。

根据起始点的位置信息(第一个航路点的经度long₁和第一个航路点的纬度lat₁)、起始点与第一个采样点之间的距离(本实施例中设定为采样距离L)、起始点与终点之间的航向角θ计算第一个采样点的位置信息，即计算第一个采样点的经度long_M1和第一个采样点的纬度lat_M1，计算公式为：

${\mathrm{lat}}_{M1}=\arcsin [\sin \left({\mathrm{lat}}_1\right)\&times;\cos \left(\frac{L}{R}\right)+\cos \left({\mathrm{lat}}_1\right)\&times;\sin \left(\frac{L}{R}\right)\&times;\cos \left(\mathrm{\&theta;}\right)]$

${\mathrm{long}}_{M1}={\mathrm{long}}_1+\mathrm{arctg}[\sin \left(\mathrm{\&theta;}\right)\&times;\sin \left(\frac{L}{R}\right)\&times;\cos \left({\mathrm{lat}}_1\right),$

$\cos \left(\frac{L}{R}\right)-\sin \left({\mathrm{lat}}_1\right)\&times;\sin \left({\mathrm{lat}}_{M1}\right)]$

由于第一个航路点与第一个采样点之间的距离为已知数(本实施例中设定为采样距离L)，因此根据航班经过起始点的时间信息和速度信息即可获得航班经过第一个采样点的时间信息。具体过程为：假设航班经过第一个航路点的时间为t₁，航班经过第一个航路点的速度为V₁，第一个航路点与第一个采样点之间的距离为采样距离L，则航班经过第一个航路点与第一个采样点的时间差 $\mathrm{\&Delta;t}=L/V_1,$ 因此航班经过第一个采样点的时间 $t_{M1}=t_1+\mathrm{\&Delta;t}.$

在确定了航班经过第一个采样点的时间信息后，根据第一个采样点的位置信息、航班经过第一个采样点的时间信息、第二个航路点的位置信息和航班经过第二个航路点的时间信息即可获得航班经过第一个采样点的速度信息。具体过程为：首先根据航班经过第一个采样点的时间信息t_M1和航班经过第二个航路点的时间信息t₂计算二者之间的时间差根据第一个采样点的位置信息和第二个航路点的位置信息计算二者之间的距离L_M1，根据距离L_M1和时间差

计算航班的飞行速度

$V_{M1}=L_{M1}/\mathrm{\&Delta;}{t}_{M1},$ 将航班的飞行速度V_M1作为航班经过第一个采样点的速度信息。

通过上述过程即可确定在第一个航路点与第二个航路点之间设置的第一个采样点的位置信息、航班经过第一个采样点的时间信息和速度信息。之后令M＝2，即对于第二个采样点，其前一个航路点为前面确定的第一个采样点，其后一个航路点为第二个航路点，则第一个采样点为起始点，第二个航路点为终点，来确定第一个航路点与第二个航路点之间第二个采样点的相关信息。依次类推，即可依次确定第一个航路点与第二个航路点之间设置的Q个采样点的相关信息。进一步地，结合图4所示方案，确定Q个采样点的相关信息后，将Q个采样点添加在航路点序列中。完成第一个航路点与第二个航路点之间采样点的确定后，采用相同的方法处理第二个航路点与第三个航路点，直到处理完航路点序列中所有的航路点。之后，存储重采样处理的航路点序列，完成本发明对一个航班数据集合的处理。一个航班数据集合处理完成后，重复执行步骤2～步骤5，直到处理完汇总数据文件中所有的航班数据，得到数个经过归一化处理和重采样处理的航路点序列，最后，输出数个航路点序列作为飞行流样本数据，完成本发明获取飞行流样本数据的处理流程。本发明通过对航班数据集合进行重采样处理，准确地获得了同一航班相邻航路点之间的飞行信息和轨迹信息；有效消除了原始数据信息丢失造成的信息失真，获得了具有高航迹精度的飞行流样本数据。因此本发明获得的飞行流样本数据准确性高、航迹精度高，可以真实地反映空中交通运行状况。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种飞行流样本数据的获取方法，其特征在于，包括：

步骤1、将各地区的区域飞行数据处理成汇总数据文件；

步骤2、判断所述汇总数据文件中是否还有航班数据，是则执行步骤3，否则执行步骤6；

步骤3、根据航班标识从所述汇总数据文件中提取属于同一航班的数据，形成一个航班数据集合；

步骤4、根据所述航班数据集合中各航路点和航班经过各航路点的时间信息，对航班数据集合中的重复航路点进行归一化处理；

步骤5、对所述航班数据集合中的航路点进行时间排序获得航路点序列，对所述航路点序列进行提高航迹精度的重采样处理，执行步骤2；

步骤6、输出作为飞行流样本数据的数个航路点序列。

2.根据权利要求1所述的飞行流样本数据的获取方法，其特征在于，所述步骤1包括：

步骤11、读取并保存各地区的区域飞行数据；

步骤12、判断是否还有未处理的区域飞行数据，是则执行步骤13，否则执行步骤14；

步骤13、提取一个地区的区域飞行数据，将所述区域飞行数据处理成文件格式统一、信息完整的区域飞行文件，执行步骤12；

步骤14、将所有区域飞行文件合并成汇总数据文件。

3.根据权利要求2所述的飞行流样本数据的获取方法，其特征在于，所述步骤13包括：提取一个地区的区域飞行数据，对区域飞行数据进行一致性处理、完整性处理和合并处理。

4.根据权利要求1所述的飞行流样本数据的获取方法，其特征在于，所述步骤4包括：

步骤41、从所述航班数据集合中提取各航路点和航班经过各航路点的时间信息；

步骤42、判断是否还有重复航路点，是则执行步骤43，否则执行步骤5；

步骤43、选定一个重复航路点，提取所述重复航路点的多个时间记录；

步骤44、计算所述多个时间记录的平均值，获得平均时间记录；

步骤45、根据预先设定的时间误差，获得重复航路点的时间取样区间；

步骤46、判断是否还有未处理的时间记录，是则执行步骤47，否则执行步骤50；

步骤47、选定一个时间记录；

步骤48、判断所述时间记录是否位于所述时间取样区间内，是则执行步骤49，否则执行步骤46；

步骤49、将所述时间记录加入到时间取样集合中，执行步骤46；

步骤50、计算所述时间取样集合中所有时间记录的平均值，作为所述重复航路点的时间信息，执行步骤42。

5.根据权利要求1～4中任一权利要求所述的飞行流样本数据的获取方法，其特征在于，所述步骤5包括：

步骤51、对所述航班数据集合中的航路点进行时间排序获得航路点序列，统计航路点序列中航路点的数量P；

步骤52、令i＝1；

步骤53、从航路点序列中提取第i个航路点和第i+1个航路点，根据第i个航路点和第i+1个航路点的位置信息计算二个航路点之间的航线距离；

步骤54、判断所述航线距离是否大于预先设定的采样距离，是则执行步骤55，否则执行步骤58；

步骤55、根据所述航线距离和采样距离，确定第i个航路点和第i+1个航路点之间需要生成的采样点个数Q，并依次生成Q个采样点；

步骤56、确定Q个采样点的位置信息、航班经过Q个采样点的时间信息和速度信息；

步骤57、将所述Q个采样点添加在航路点序列中；

步骤58、判断i<(P-1)，是则执行步骤59，否则存储所述航路点序列，执行步骤2。

步骤59、令i＝i+1，执行步骤53。

6.根据权利要求5所述的飞行流样本数据的获取方法，其特征在于，所述步骤53中二个航路点之间的航线距离为二个航路点之间的大圆航线距离d，且

d＝R×c，式中，R为地球平均半径，c为圆心角，且

c＝2×arctg(a，1-a)

$a={\sin }^2\left(\frac{\mathrm{\&Delta;lat}}{2}\right)+\cos \left({\mathrm{lat}}_1\right)\&times;\cos \left({\mathrm{lat}}_2\right)\&times;{\sin }^2\left(\frac{\mathrm{\&Delta;long}}{2}\right)$

式中，Δlong为二个航路点的经度差，Δlat为二个航路点的纬度差，且：

Δlong＝long₁-long₂，Δlat＝lat₁-lat₂

式中，long₁为一个航路点的经度，long₂为另一个航路点的经度，lat₁为一个航路点的纬度，lat₂为另一个航路点的纬度。

7.根据权利要求5所述的飞行流样本数据的获取方法，其特征在于，所述采样点个数Q＝INT(d/L)，其中，d为二个航路点之间大圆航线距离，L为预先设定的采样距离，INT(x)为取整函数。

8.根据权利要求5所述的飞行流样本数据的获取方法，其特征在于，所述步骤56包括：

步骤561、令第i个航路点为起始点，第i+1个航路点为终点，M＝1；

步骤562、根据起始点和终点的位置信息计算起始点与终点之间的航向角；

步骤563、根据起始点的位置信息、起始点与第M个采样点之间的距离和起始点与终点之间的航向角计算第M个采样点的位置信息；

步骤564、根据起始点与第M个采样点之间的距离和航班经过起始点的速度信息获得航班经过第M个采样点的时间信息，根据第M个采样点的位置信息、终点的位置信息、航班经过第M个采样点的时间信息和航班经过终点的时间信息确定航班经过第M个采样点的速度信息；

步骤565、判断M<Q，是则执行步骤566，否则执行步骤57；

步骤566、令第M个采样点为起始点，第i+1个航路点为终点，M＝M+1，执行步骤562。

9.根据权利要求8所述的飞行流样本数据的获取方法，其特征在于，所述起始点与终点之间的航向角为：

θ＝arctg[sin(Δlong)×cos(lat₂)，

        cos(lat₁)×sin(lat₂)-sin(lat₁)×cos(lat₂)·cos(Δlong)]

式中，θ为起始点与终点之间的航向角，Δlong为起始点与终点的经度差，Δlat为起始点与终点的纬度差，且

Δlong＝long₁-long₂，Δlat＝lat₁-lat₂

式中，long₁为起始点的经度，long₂为终点的经度，lat₁为起始点的纬度，lat₂为终点的纬度。

10.根据权利要求9所述的飞行流样本数据的获取方法，其特征在于，所述采样点的位置信息为：

${\mathrm{lat}}_{M1}=\arcsin [\sin \left({\mathrm{lat}}_1\right)\&times;\cos \left(\frac{L}{R}\right)+\cos \left({\mathrm{lat}}_1\right)\&times;\sin \left(\frac{L}{R}\right)\&times;\cos \left(\mathrm{\&theta;}\right)]$

${\mathrm{long}}_{M1}={\mathrm{long}}_1+\mathrm{arctg}[\sin \left(\mathrm{\&theta;}\right)\&times;\sin \left(\frac{L}{R}\right)\&times;\cos \left({\mathrm{lat}}_1\right),$

                     $\cos \left(\frac{L}{R}\right)-\sin \left({\mathrm{lat}}_1\right)\&times;\sin \left({\mathrm{lat}}_{M1}\right)]$

式中，long_M1为采样点的经度，lat_M1为采样点的纬度。

Images