CN102224534A - 用于使用到达时间不确定性的到达时间控制的方法和系统 - Google Patents

Abstract

提供了用于交通工具控制的方法和系统。该系统包括配置成接收航线点处要求的到达时间的输入装置和通信地耦合到输入装置的处理器。编程该处理器，以确定向前晚时间分布曲线，确定代表交通工具可到达沿着轨迹的点并仍然到达航线点同时以最大可用速度运输的最早时间的向前早时间分布曲线，以及确定与向前晚时间分布曲线和向前早时间分布曲线的至少之一相关联的估计的时间不确定性(ETU)。系统还包括通信地耦合到处理器的输出装置，该输出装置配置成向显示器传送：所确定的不确定性以及向前晚时间分布曲线和向前早时间分布曲线的至少之一的相应一个。

Description

用于使用到达时间不确定性的到达时间控制的方法和系统

技术领域

本发明一般涉及控制交通工具速度，并且更具体地，涉及用于使用到达时间不确定性的交通工具的到达时间控制的方法和系统。

背景技术

至少一些已知航空器在三维中受控：纬度、经度、和高度。如通过在要求的导航性能(RNP)中取得的进步所证实的那样，在三维中已经具有广泛的操作体验。与飞行机组人员的导航性能相关联的不确定性计算已经发展成能够监测实际导航性能(ANP)，以确保符合可适用的RNP。更新近地，在四维、时间中控制航空器的能力已经显示出能够进行导致增加容量的、先进的空域管理。使用基于时间的到达管理促进了更早的降落时间指派和更有效的跑道使用。如果每个航空器都能使用它的多数燃料最优飞行分布曲线来确定其期望的降落时间，则这还导致了经济效益。除了要求的到达时间(RTA)，还分别使用最大操作速度和最小操作速度，来计算估计的最早到达时间和估计的最晚到达时间。然而，可能存在与用来计算这些到达时间的数据和方法相关联的不确定性和误差。假如具有与用来计算到达时间的数据相关联的不确定性，当前没有准确地计算与任何时间计算或时间控制机制相关联的不确定性、将其传送到其它系统供进一步处理、以及将其显示的方法。

发明内容

在一个实施例中，交通工具控制系统包括：配置成接收航线点处要求的到达时间的输入装置和通信地耦合到输入装置的处理器。编程该处理器，以确定代表交通工具可到达沿着轨迹的点同时以最小可用速度运输的最晚时间的向前晚时间分布曲线，确定代表交通工具可到达沿着轨迹的点并仍然到达航线点同时以最大可用速度运输的最早时间的向前早时间分布曲线，以及确定与向前晚时间分布曲线、向前早时间分布曲线、以及参考时间分布曲线的至少之一相关联的估计的时间不确定性(ETU)。该系统还包括通信地耦合到处理器的输出装置，该输出装置配置成向用于进一步处理的另一个系统和显示器的至少之一传送：所确定的不确定性以及向前晚时间分布曲线、向前早时间分布曲线、以及参考时间分布曲线的至少之一的相应一个。

在另一个实施例中，一种控制沿着轨迹的交通工具速度的方法包括：接收预定航线点处要求的到达时间(RTA)，确定代表交通工具可到达沿着轨迹的点并仍然到达RTA处的预定航线点同时以最大可用速度运输的最晚时间的向前晚时间分布曲线，以及确定代表交通工具可到达沿着轨迹的点并仍然到达RTA处的预定航线点同时以最小可用速度运输的最早时间的向前早时间分布曲线。该方法还包括：确定与向前晚时间分布曲线和向前早时间分布曲线的至少之一相关联的估计的时间不确定性(ETU)，以及输出所确定的不确定性以及向前晚时间分布曲线和向前早时间分布曲线的至少之一的相应一个。

在又一个实施例中，一种控制交通工具速度的方法包括：接收航线点处交通工具的要求的到达时间，确定代表交通工具可到达沿着轨迹的点并仍然到达预定航线点同时以最大可用速度运输的最晚时间的向前晚时间分布曲线，以及确定代表交通工具可到达沿着轨迹的点并仍然到达预定航线点同时以最小可用速度运输的最早时间的向前早时间分布曲线。该方法还包括：使用最大速度分布曲线从RTA时间向后确定向后早时间分布曲线(其中，当以最大可用速度运输时为交通工具确定最大速度分布曲线)，使用最小速度分布曲线从RTA时间向后确定向后晚时间分布曲线(其中，当以最小可用速度运输时为交通工具确定最小速度分布曲线)，确定与向前晚时间分布曲线、向前早时间分布曲线、向后早时间分布曲线、以及向后晚时间分布曲线的至少之一相关联的估计的时间不确定性(ETU)，以及使用向前晚时间分布曲线、向前早时间分布曲线、向后早时间分布曲线、向后晚时间分布曲线以及相应所确定的不确定性的至少之一来控制交通工具的速度。

附图说明

图1-9示出了本文描述的方法和系统的示例性实施例。

图1是根据本发明一示例性实施例的最早时间分布曲线、参考时间分布曲线、以及最晚时间分布曲线的图示；

图2是示例性参考时间分布曲线的图示，其包括与用来确定参考时间分布曲线200的参数相关联的不确定性；

图3是根据本发明一示例性实施例的、向前计算和向后计算的分布曲线以及相关联的不确定性的图示；

图4是根据本发明一示例性实施例的、代表沿分布曲线的时间不确定性和经过时间的图示；

图5是示出根据本发明一示例性实施例的、在风条目之间的增加的不确定性的图示；

图6是根据本发明一示例性实施例的、比例化的RTA控制边界的图示；

图7是示出在失去减速控制前何时在速度限制高度加速控制终结的图示；

图8是示出根据本发明一示例性实施例的、以95％可能性可完成的RTA的图示；以及

图9是根据本发明一示例性实施例的、交通工具控制系统的示意性框图。

具体实施方式

下面的详细描述以示例而非限制的方式示出了本发明的实施例。预期的是本发明对完成计算到达时间的可能性水平的定量方法具有一般的应用，其为空勤人员和空中交通管制员(controller)两者提供了与预测的ETA相关联的、可定量的确定性水平。此不确定性能够在驾驶员座舱中显示，并下行链接到空中交通管制员。这种额外的信息能够用来确定航空器之间的必要间隔，其能够允许航空器飞行更燃料有效的分布曲线，而不会具有不利的管制员干涉。对最初可允许到达时间和最后可允许到达时间的计算也提供了之前不可用的信息，以帮助测定(meter)航空器，同时仍然允许航空器满足其在下游点处要求的到达时间。计算的估计的时间不确定性(ETU)在首要飞行显示器(PFD)、导航显示器(ND)、控制和显示单元(CDU)、或者其结合上显示给飞行员。

如在本文所使用的，以单数叙述并作为不定冠词“一”的继续的元件或步骤应该理解为不排除复数个元件或步骤，除非明确叙述了此种排除。此外，引用本发明“一个实施例”无意于被解释为排除还并入叙述特征的额外实施例的存在。

图1是根据本发明一示例性实施例的最早时间分布曲线、参考时间分布曲线、以及最晚时间分布曲线的图示100。图示100包括：以距离单位标度的x轴102，以及以代表从确定的估计的到达时间(ETA)的到达时间偏移量的时间单位标度的y轴104。如下所述，在本文使用与要求的到达时间(RTA)操作相关联的某些参数。RTA航线点可以是机组人员输入的或从另一个机载或机外(offboard)系统上行链接的，并且用来描述在其中指定了要求的交会时间的航线点。RTA时间可以是机组人员输入的或从另一个机载或机外系统上行链接的，并且用来描述以小时:分:秒GMT表达的、要求的交会时间。RTA容忍度可以是机组人员输入的或从另一个机载或机外系统上行链接的，并且用来描述被认为以秒表达是准时的、可允许的正和负的交会时间容忍度。在示例性实施例中，当前ETA是描述在RTA航线点处的、估计的到达时间的计算值。最初时间也是计算值，并描述了使用航空器限制之内的最快可允许速度的最早可能到达时间。在示例性实施例中，最后时间也是计算机值，并描述了使用航空器限制之内的最慢可允许速度的最晚可能到达时间。估计的时间不确定性(ETU)是计算值，并描述了2乘ETA估计误差的标准差(95％置信水平)。当前时间不确定性(CTU)是计算值，并描述了2乘当前时间的测量误差的标准差(95％置信水平)。到RTA航线点的距离是计算值，并描述了转到RTA航线点的沿径距离(along track distance)。RTA误差是计算值，并描述了当以小时、分和秒表达为早(EARLY)时间或晚(LATE)时间的当前ETA和RTA时间之间的差值在RTA容忍度以外时的该差值。在一些系统中，上面的参数可显示在多功能控制显示单元(MCDU)上。

在操作期间，在用户将RTA航线点输入到速度管理系统之中以后，用户被提示RTA时间，它等于使用成本最优的飞行分布曲线的预测的ETA。RTA时间是使用用于飞行的最小成本分布曲线的、期望的到达时间。通过输入可由空中交通管制指派的新值，用户能够改变提示值。结果的RTA速度目标被提供为到自动驾驶仪的有效速度命令，并显示在首要飞行显示器上。可通过任何可适用的速度约束推翻(override)目标速度。当计算估计的到达时间(ETA)时，考虑约束的速度。如果在航空器速度限制之内做这些，则通过遵从有效速度命令，航空器应完成RTA。然而，假如具有用来计算任何ETA的信息中的不确定性，当前计算和呈现的信息没有包含究竟有多大可能将实际完成此RTA的指示。另外，仅对有效RTA航线点计算和显示最初可能到达时间和最后可能到达时间；没有对中间点能完成什么可能的交会时间、或者对可在哪个点进行速度调整以控制到输入的RTA的指示。

根据本发明一示例性实施例的时间不确定性算法生成了：对于最大速度的、最早能完成的速度分布曲线106和对于最小速度的、最晚能完成的速度分布曲线108，以及预测的参考速度分布曲线110。这些分布曲线提供了每个航线点处的最早能完成的到达时间、最晚能完成的到达时间、和预测的到达时间，以及RTA航线点处和航空器和RTA航线点之间的每个中间航线点处的参考ETA。另外，计算了对每个时间分布曲线的不确定性。

图2是示例性参考时间分布曲线200的图示，其包括与用来确定参考时间分布曲线200的参数相关联的不确定性。不确定性包括：当前时间中的不确定性，以及在航空器前面的点处的、预测的ETA中的不确定性。此预测的ETA中的这种不确定性是累积的，并且因此在当前时间前面越远就增长得越大。这种增长的ETA不确定性示为关于预测的ETA的偏离偏移量(diverging offset)。在航空器202处，当前不确定性204非常小，由于所确定的不确定性的累积效果，将来的时间不确定性208较大。在示例性实施例中，不确定性特征化为2σ(2倍标准差，或95％确定性)值。然而，如果ETA的标准差(σ)或方差(σ²)被计算，则不确定性能够特征化为所需的其它置信度。

图3是根据本发明一示例性实施例的、向前计算和向后计算的分布曲线以及相关联的不确定性的图示300。图示300包括：以距离单位标度的x轴302，以及代表从确定的估计的到达时间(ETA)的到达时间偏移量的以时间单位标度的y轴304。

当已经从航空器202到RTA航线点310向前确定了最早能完成的时间分布曲线306和最晚能完成的时间分布曲线308，以及相关联的不确定性时，也能够使用用于分布曲线的、存储的ETA和增量(delta)时间，来从RTA航线点310向后确定向后最早能完成的时间分布曲线312和向后最晚能完成的时间分布曲线314。通过向前计算和向后计算的分布曲线，能够计算例如航线点A 316、航线点B 318、航线点C 320、以及航线点D 322的每个中间航线点处的最小可允许交会时间和最大可允许交会时间，其代表了航空器可通过每个相应航线点、并仍然满足RTA航线点处的RTA时间的最早时间和最晚时间。由于所述时间代表了飞行最大速度和最小速度的结合，因此也确定了速度之间的减速度324和加速度326。在一些情况中，RTA航线点310处的、当前预测的到达时间(TOA)328可能不精确等于输入的RTA时间330。然而，如果误差(ETA-RTA)在指定容忍度之内，则这是可以接受的。

当连同ETA不确定性一起，已经确定了参考时间分布曲线、最早向前时间分布曲线、最早向后时间分布曲线、最晚向前时间分布曲线、以及最晚向后时间分布曲线时，下述其它数据对于每个点是可确定的，就像对于航线点C 320图解的那样。

(1)参考ETA 332-在该点处的、估计的到达时间

(2)参考ETA不确定性334-在参考ETA 332周围的值(以秒为单位)，在该值之内，航空器将以95％的确定性到达该点(假定没有飞行技术误差)。

(3)最晚能完成的时间336-能够在该点完成的最晚到达时间(假定紧紧跟随最小速度分布曲线)。这没有考虑任何下游RTA。

(4)最早能完成的时间338-能够在该点完成的最早到达时间(假定紧紧跟随最大速度分布曲线)。这没有考虑任何下游RTA。

(5)最晚可允许时间339-如果尊重RTA约束，则在该点能够允许的最晚到达时间。这代表最初以最小速度飞行，然后加速至最大速度并飞行最大速度直到RTA航线点。

(6)最早可允许时间340-如果尊重RTA约束，则在该点能够允许的最早到达时间。这代表最初以最大速度飞行，然后减速至最小速度并飞行最小速度直到RTA航线点。

使用此数据，能够以可定量的确定性程度(使用估计的时间不确定性(ETU))来确定RTA能完成的状态或RTA不能完成的状态。此ETU代表能期待航空器以95％的确定性跨过RTA航线点的、ETA周围的方差。换句话说，有95％的可能性航空器将在ETA+/-ETU(以秒为单位)跨过RTA航线点。而且，可对示出的每个时间分布曲线计算ETU。因此，也可以可定量的确定性来表达最早/最晚能完成的时间和最早/最晚可允许时间中的每个。

使用参考速度分布曲线(需要满足RTA)，从当前时间向前确定参考时间分布曲线342。使用最大速度分布曲线(在速度包络之内)，从当前时间向前确定向前早时间分布曲线306。使用最小速度分布曲线(在速度包络之内)，从当前时间向前确定向前晚时间分布曲线308。使用最大速度分布曲线从RTA时间向后确定向后早时间分布曲线312，并且使用最小速度分布曲线从RTA时间向后确定向后晚时间分布曲线314。

图4是根据本发明一示例性实施例的、代表沿分布曲线的时间不确定性和经过时间的图示400。通过在三个不同速度分布曲线的航空器202的预测的轨道上对运动方程积分，能够从在当前时间开始的航空器202向前确定参考时间分布曲线342、向前早时间分布曲线306、以及向前晚时间分布曲线308。此轨道包括N_profile个轨道段的序列，并且对于在1…N_profile中的j，每个轨道段都具有从在前轨道段终点的相关联经过时间(ΔTime_j)，以及与用于该段的ETA计算相关联的不确定性(σ_j)。可对每个时间分布曲线独立地计算不确定性。然而，如果需要处理效率，则在最早时间分布曲线和最晚时间分布曲线中的不确定性可假定等于参考时间分布曲线中的不确定性。在相对于假定的航空器位置的当前测量的时间中也具有不确定性(σ_current)，其基于时间输入和估计的位置不确定性(EPU)两者，后者使用航空器地速而被转变成横向时间不确定性。

计算与每个时间分布曲线相关联的不确定性，以使得沿分布曲线的预测的时间将以一定的可能性(例如，95％的可能性)，满足在与2σ相应的、正/负估计的时间不确定性(ETU)值之内。如果需要处理效率，则可假定与最早时间和最晚时间相关联的ETU等于与参考时间相关联的ETU。对ETU有贡献的支配误差源是风和温度不确定性，以及位置不确定性。在横向和竖向路径的积分和计算中的当前时间测量不确定性和误差也将对ETU有贡献，并且依赖于用作到系统的输入的时间源、使用的轨道预测算法、以及控制到系统命令的速度的方法。

为了计算ETU，必须知道用来计算时间的所有参数的方差，其中，以恒定地速沿着段的时间计算为：

$\mathrm{Time}=\frac{\mathrm{Dist}}{\mathrm{GroundSpeed}}---\left(1\right)$

$\mathrm{GroundSpeed}=|\mathrm{TA}\stackrel{\→}{S}+\mathrm{Win}\stackrel{\→}{d}|---\left(2\right)$

$\mathrm{TAS}=\frac{A_0}{\sqrt{T_0}}*\mathrm{Mach}*\sqrt{\mathrm{Temp}}---\left(3\right)$

其中：TAS是实际空气速度

A₀是在标准海平面处的声速(661.4788节)

T₀是标准海平面温度(288.15°K)

Temp是以开尔文为单位的温度

因此，需要距离、风、温度和马赫数(Mach)的方差。由运动方程的积分(例如，假定在一些有限间隔上为恒定地速)也产生时间中的方差。最后，还存在当前时间测量中的方差，其是转变成时间的位置不确定性和输入时间不确定性两者的函数。在下面讨论了与每个这些参数相关联的方差。

图5是示出根据本发明一示例性实施例的、在风条目之间的增加的不确定性的图示500。图示500包括以距离单位标度的x轴302，其在考虑交通工具的速度时可与时间相关。图示500还包括以不确定性单位标度的y轴504。

1.风

与某段上预报顺风相关联的不确定性将直接对在该段上的时间中的不确定性有贡献。因此，由顺风中的不确定性产生的时间中的不确定性可定义为：

$\mathrm{Var}1={\left(\frac{\mathrm{Time}}{\mathrm{GroundSpeed}}\right)}^2*\mathrm{WindVariance}---\left(4\right)$

在此计算中使用的风方差的值依赖于轨道预测使用的风预报的源和数目。这代表沿着飞行轨迹的风的方差，并从风方向及风幅度中的不确定性来确定。存在三种一般状况：

1.没有输入的风或者只有一个巡航风(cruise wind)：在该情况中，将有与由系统使用的风预报相关联的、非常大的不确定性。

2.飞行员输入的上升风和下降风，及在巡航航线点处输入的风：这将导致较情况1中小的不确定性值。在风被定义的点(航线点或下降高度)处，将有与风相关联的不确定性的一个值。然而，在风被定义的点之间，不确定性将较大，如图5中所示。较大数目的风条目可导致对不确定性的较小影响。不确定性的幅度也可随时间而增加。一般地，不确定性刚刚在条目之后将是最小的，并且其后将增长。

3.数据链接的上升风和下降风，及在巡航航线点处输入的风。如果风经由数据链接发送，则也可发送与每个风相关联的不确定性值。此不确定性值与经由数据链接输入更多风的可能性的结合将导致比情况2小得多的不确定性。在该情况中，也适用在风条目之间以及时间上的增加的不确定性。

2.温度

与某段上预报温度相关联的不确定性较少地直接对时间不确定性起作用。对于自变量X的函数f(X)，其中该函数的导数存在直到大于2的某个阶数，可使用二阶泰勒级数逼近该函数f(X)。在此情况中，由于X中已知的方差，f(X)的方差可逼近为：

$\mathrm{Var}\left(f\left(X\right)\right)={\left[\frac{\mathrm{\δ}}{\mathrm{\δX}}f\left(E\left(X\right)\right)\right]}^2\mathrm{Var}\left(X\right)---\left(5\right)$

其中E(X)是X的期望值。

由于TAS是马赫数和环境温度两者的函数(如在方程(3)中定义的)，因此在方程(5)中可由TAS代替f并由温度代替X，则由温度中方差产生的TAS中的方差可定义为：

$\mathrm{TAS}\_\mathrm{Variance}\left(\mathrm{Temp}\right)={\left[\frac{\frac{A_0}{\sqrt{T_0}}*\mathrm{Mach}}{2\sqrt{\mathrm{Temp}}}\right]}^2*\mathrm{TempVariance}---\left(6\right)$

并且，由于已知的温度方差，时间方差是：

$\mathrm{Var}2={\left(\frac{\mathrm{Time}}{\mathrm{GroundSpeed}}\right)}^2*\mathrm{TAS}\_\mathrm{Variance}\left(\mathrm{Temp}\right)---\left(7\right)$

用在此计算中的温度不确定性的值依赖于输入到系统的温度预报的源和数目。对于风不确定性描述的三种一般状况也适用于温度不确定性。

3.马赫数

计算的马赫数的值具有方差，其可从用来计算马赫数的参数的方差来计算。由于对每个系统不同地计算马赫数，因此计算的马赫数的值的方差和输入参数的方差之间的关系将对于每个系统不同。如果有用来计算马赫数的N个参数，则马赫数的计算值的方差是：

$\mathrm{Computed}\_\mathrm{Mach}\_\mathrm{Var}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{Cov}(\mathrm{Xi},\mathrm{Xj})---\left(8\right)$

其中，Cov(Xi，Xj)是参数Xi和Xj之间的协方差。如果i＝j，则Cov(Xi，Xj)是参数Xi的方差。如果参数Xi和Xj是独立的，则Cov(Xi，Xj)＝0。

除了计算的马赫数的值的方差，还具有与将通过飞行控制系统跟踪的、测量的马赫数的值相关联的不确定性。由于此测量的马赫数的不确定性独立于计算的马赫数的值，因此，总马赫数方差是所述方差之和。

Mach_Var＝Computed_Mach_Variance+Measured_Mach_Var  (9)

结果TAS方差是

$\mathrm{TAS}\_\mathrm{Variance}\left(\mathrm{Mach}\right)={[\frac{A_0}{\sqrt{T_0}}*\sqrt{\mathrm{Temp}}]}^2*\mathrm{Mach}\_\mathrm{Var}---\left(10\right)$

并且时间方差是

$\mathrm{Var}3={\left(\frac{\mathrm{Time}}{\mathrm{GroundSpeed}}\right)}^2*\mathrm{TAS}\_\mathrm{Variance}\left(\mathrm{Mach}\right)---\left(11\right)$

4.距离

将飞行的实际距离中的不确定性对时间中的不确定性有贡献。对此不确定性有贡献的误差源包括：使用平面地球模型或球面地球模型代替WG884测地线，并以瞬时油门改变(instantaneous throttle change)的建模代替瞬变发动机加速和发动机减速(transient spool-up and spool-down)效应。

应该注意到，对三维路径不确定性有贡献的一些误差源是相关的，使得实时计算对这种不确定性的封闭型表达是非常困难和计算上复杂的。然而，能够执行离线分析，以比较系统生成的路径和航空器的实际三维路径(使用记录的飞行数据或接受的真值模型)，并能够计算误差的均值和标准差。假定使用误差数据的充分大的样本，则此标准差能够用来计算距离方差(其中，var＝σ²)。应该注意到，已经对横向和竖向RNP分析执行了此随机建模，并且距离方差能够这样转换到时间方差：

$\mathrm{Var}4={\left(\frac{1}{\mathrm{GroundSpeed}}\right)}^2*\mathrm{Dist}\_\mathrm{Variance}---\left(12\right)$

5.积分方法

与对运动方程积分的方法相关联的不确定性也对时间中的不确定性有贡献。在时间上的影响首要地来自于假定瞬时油门改变，以及假定在有限间隔上的恒定地速。在前已经使用了离线工具，以计算时间误差的标准差，并且此标准差能够这样转换到方差：

Var5＝(σ_integration)²  (13)

6.位置

估计的位置不确定性(EPU)导致了沿着轨迹的时间中的不确定性。假定EPU贯穿飞行将是恒定的，则段上的地速和EPU的当前值(以英尺为单位)能被用来计算由于沿着轨迹的位置不确定性的、时间中的方差。假如具有沿着轨迹的维度中位置不确定性(假如具有径向位置不确定性，则它能被计算)，当前沿着轨迹的不确定性是：

$\mathrm{Var}6={\left[\frac{s\tan \mathrm{dard\; deviation\; in\; along}-\mathrm{track\; position\; error}}{\mathrm{Groundspeed}}\right]}^2---\left(14\right)$

7.输入

具有与输入时间相关联的不确定性。这是恒定值Var7，并依赖于输入时间的源。使用GPS时间将导致非常小的不确定性。然而，如果未使用GPS时间，则不确定性可以相当大。

估计的时间不确定性

可对于每个积分段独立地计算上述方差Var1到Var6。输入方差Var7将典型地相对恒定。假定所有不确定性具有高斯分布，则从段开始处的点A到段结束处的点B的、用于参数1到5的方差可计算为这样的A和B之间所有段的方差之和：

$\mathrm{VarX}(A,B)=\underset{i=A}{\overset{B}{\mathrm{\Σ}}}\mathrm{VarX}\left(i\right)---\left(15\right)$

其中VarX(i)是段i上参数X的方差

VarX(A，B)是点A和点B之间的、参数X的方差

X＝1…5

位置方差和输入方差Var6和Var7并未累积，并且仅在给定点处施加(apply)。如前所述，对于给定点处的地速计算位置方差，而输入方差是恒定的。因而，

Var6(A，B)＝Var6(B)  (16)

Var7(A，B，)＝Var7   (17)

给定点A(例如交通工具位置)和点B(例如，RTA航线点位置)之间的这些方差，以及参数i和j之间的协方差(cov(Xi，Xj))，则对点A和B之间的每个时间分布曲线，能够这样独立地计算时间方差：

$\mathrm{Time}\_\mathrm{Variance}(A,B)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{Cov}(\mathrm{Xi},\mathrm{Xj},A,B)---\left(18\right)$

其中，cov(Xi，Xj，A，B)是参数Xi和Xj之间的协方差，并且

cov(Xi，Xj，A，B)＝VarI(A，B)，对于I＝J

N是其方差已知并被使用的参数的数目

如果任何参数不相关，则

cov(Xi，Xj，A，B)＝cov(Xj.Xi，A，B)＝0

由于方差是标准差(σ)的平方，因此点A和B之间的95％或2σETU是：

${\mathrm{ETU}}_{2\mathrm{\σ}}(A,B)=2\sqrt{\mathrm{Time}\_\mathrm{Variance}(A,B)}---\left(19\right)$

可对所有时间分布曲线独立地计算此ETU。为了处理效率，也可假定对所有时间分布曲线ETU相等，并且因而仅对参考时间分布曲线计算ETU。而且，应该注意到，如果所有参数不相关，则

Cov(Xi，Xj，A，B)＝0，对于所有i≠j

Var(Xi，Xj，A，B)＝[σi(A，B)]²

并且ETU缩变为公知的和的平方根(RSS)方法：

${\mathrm{ETU}}_{2\mathrm{\σ}}(A,B)=2*\sqrt{\mathrm{\Σ}{\left[{\mathrm{\σ}}_i(A,B)\right]}^2}---\left(20\right)$

也能够计算示于图3中的五个时间分布曲线。除了开始时间代表需要精确满足RTA航线点处的RTA的时间以外，早向后时间分布曲线和晚向后时间分布曲线代表如在向前方向中相同的轨道。因而，用于向后时间分布曲线的ATime和ETU和相应的向前分布曲线相同，并且通过简单地将RTA航线点处的ETA设定为等于RTA时间并对所有在前轨道段减去ΔTime，能够计算该ETA。这些时间分布曲线计算的细节在下面示出：

${\mathrm{Reference\; ETA}}_j=\mathrm{CurrentTime}+\underset{i=1}{\overset{j}{\mathrm{\Σ}}}\mathrm{\ΔTime}\left(\mathrm{ref}\right)i---\left(21\right)$

${\mathrm{Forward\; Earliest\; Achievable\; Time}}_j=\mathrm{CurrentTime}+\underset{i=1}{\overset{j}{\mathrm{\Σ}}}\mathrm{\ΔTime}\left(\mathrm{early}\right)i---\left(22\right)$

${\mathrm{Forward\; Latest\; Achievable\; Time}}_j=\mathrm{CurrentTime}+\underset{i=1}{\overset{j}{\mathrm{\Σ}}}\mathrm{\ΔTime}\left(\mathrm{late}\right)i---\left(23\right)$

$\mathrm{Backward\; Earliest\; Achievable}{\mathrm{Time}}_j={\mathrm{RTA}}_t+\underset{i=N}{\overset{j}{\mathrm{\Σ}}}\mathrm{\ΔTime}\left(\mathrm{early}\right)i---\left(24\right)$

$\mathrm{Backward\; Latest\; Achievable}{\mathrm{Time}}_j={\mathrm{RTA}}_j-\underset{i=N}{\overset{j}{\mathrm{\Σ}}}\mathrm{\ΔTime}\left(\mathrm{late}\right)i---\left(25\right)$

向前最早时间分布曲线和向后最晚时间分布曲线将在代表从最大速度到最小速度的切换的、航空器位置和RTA航线点之间的某点处相交。然后，可计算从最大速度到最小速度的减速度。然后，这能用来计算最早可允许时间，其在从航空器向前移动到RTA航线点时定义：

在减速度开始之前的向前最早能完成的时间分布曲线

在减速度开始和结束之间的减速度时间分布曲线

在减速度结束之后的向后最晚能完成的时间

使用向前最晚能完成的时间分布曲线、向后最早能完成的时间分布曲线、以及从最小速度到最大速度的加速度，以相同的方式定义最晚可允许时间。

图6是根据本发明一示例性实施例的、比例化的RTA控制边界的图示600。最早可允许时间和最晚可允许时间给定了：在进行速度调整以满足新到达时间之前将允许的最大时间和最小时间的先验知识。然而，允许速度控制在最小速度和最大速度之间完整地交替，既没有效率又不灵活。因此，这些最早可允许时间和最晚可允许时间可通过阻尼因数γ进行比例化，如图6所示。选择γ，以阻止大的速度改变，同时平衡这些要求的速度改变的频率。计算的ETU可用来确定适当的γ(其可以是或不是时变的)，或者基于离线数据分析的某恒定值可被选择。使用的γ的值应该与实现的时间控制机制协调。

最早可允许时间和最晚可允许时间的知识也提供用于冲突解决的有用信息。例如，给定跑道入口(threshold)处的RTA，飞行员和空中交通管制员可能需要知道在中间测定点能够满足的时间范围，以完成交通间隔目标，同时仍然满足入口处的原始RTA。

在当前RTA实现中，RTA被预测成单独基于RTA点处的当前ETA形成(RTA能完成的)，或者并不单独基于RTA点处的当前ETA形成(RTA不能完成的)。然而，不存在与生成此到达时间相关联的不确定性的指示，如果作为航空器和管制员之间的“契约”来建立此RTA，则应该有与是否能够完成RTA的指示相关联的确定性程度。存在数种方式来使用此ETU，以将确定性水平与RTA推算相关联。

定量用于RTA预测的不确定性的第一方法使用对航空器和RTA点之间整个飞行分布曲线的累积的ETU，如方程(19)中所定义的那样(如果期望95％的可能性)，或者如方程(18)中所定义的那样(在更一般情况中，其中仅需要方差)。然后，要求的ETU可表达为剩余飞行时间的百分比。这对定量给定时间预测的不确定性是有用的。然而，并未考虑在控制到要求的到达时间时可使用的速度控制。

因而，定量不确定性的另一个有用的方法是：仅使用速度控制权限终点和RTA航线点之间累积的不确定性。在此情况中，满足的RTA的确定性仅依赖于：与速度控制终止的点和RTA航线点之间的时间预测相关联的不确定性。

速度控制终止的点可以是达到RTA前的特定时间，或者是其中速度受限的点。在一些已知的RTA控制实现中，速度调整被抑制RTA前的预定时间量。然而，也存在速度可被限制得多于RTA前的预定时间量的状况。这种状况的一示例是当RTA航线点是跑道入口时。在此情况中，最大速度典型地受限于在RTA前预定义时间之前很久的、机场速度约束和程序速度约束。

可在每个方向中(加速和减速)、使用最小速度分布曲线和最大速度分布曲线、从RTA航线点向后计算失去速度控制的点。可在加速(早)和减速(晚)方向中不同的点处发生速度控制的失去。通过仅来自控制权限终止的点的参考时间来计算不确定性向飞行员(及潜在管制员)提供了反馈，其与RTA能实际完成的置信度相关联。通过如上所述地计算ETU(但仅在控制权限失去发生的点和RTA航线点之间)，只要达到控制终点时预测精确满足RTA，就能以95％的可能性完成RTA，并且：

ETU_2σ(Control_Endc_Pt，RTA_Wpt)＜RTA_Tol  (26)

图7是示出在失去减速控制前何时在速度限制高度加速控制终结的图示700。ETU可在早方向和晚方向中独立地计算。在示例性实施例中，图示700包括导致零RTA误差的时间分布曲线痕迹702、向后早分布曲线痕迹704、以及向后晚分布曲线痕迹706。在图7中仅示出向后分布曲线，因为为了确定控制权限的失去，不需要与向前分布曲线的相交。

如图7中所示，由于在速度限制高度708处失去加速控制权限，在晚方向中ETU超出RTA容忍度。因而，超过该点，航空器就已失去加速以补偿时间计算中不确定性(例如，未建模的逆风)的权限，导致航空器将到达时间帧[RTA，RTA+容忍度]中的RTA航线点的可能性小于95％。换句话说，晚RTA误差的可能性大于5％。

然而，在710处较晚发生“减速”方向中的控制权限失去，导致补偿时间计算中的不确定性(例如，强于建模的顺风)的、更长的减速权限期间。因而，将不会有早RTA误差的可能性大于95％。如果给定的应用需要，可计算在早方向和晚方向两者中的ETU。然而，如果需要ETU的对称显示(在早方向和晚方向两者中，ETU幅度相等)，则应该显示两个ETU中的较大者。

图8是示出根据本发明一示例性实施例的、以95％可能性可完成的RTA的图示800。该示例性实施例示出了速度限制不存在或者参考速度分布曲线不受限于速度限制的情况，导致了较晚失去控制权限。在此状况中，加速和减速控制权限在相同点802处终止，导致了早ETU和晚ETU近似相等。由于较晚失去速度控制权限，RTA能够以95％的可能性完成。

图9是交通工具控制系统900的示意性框图。在该示例性实施例中，交通工具控制系统900包括：配置成接收航线点处要求的到达时间的输入装置902和通信地耦合到输入装置的处理器904。对处理器904编程，以确定向前晚时间分布曲线、代表交通工具可到达沿着轨迹的点并仍然到达航线点同时以最大可用速度运输(transit)的最早时间的向前早时间分布曲线，其中，向前晚时间分布曲线代表交通工具可到达沿着轨迹的点同时以最小可用速度运输的最晚时间。还编程处理器904，以确定与向前晚时间分布曲线、向前早时间分布曲线、以及参考时间分布曲线的至少之一相关联的估计的时间不确定性(ETU)。

交通工具控制系统900还包括通信地耦合到处理器904的输出装置906。输出装置906配置成向用于进一步处理的至少一个另一个系统传送：所确定的不确定性以及向前晚时间分布曲线、向前早时间分布曲线、以及参考时间分布曲线的至少之一的相应一个。交通工具控制系统900还包括显示装置908，其配置成：或者本地地向用户图表地显示所确定的不确定性，或者向诸如空中交通管制中心的远程位置图表地显示所确定的不确定性。

如本文所使用的术语处理器是指中央处理单元、微处理器、微控制器、精简指令集电路(RISC)、专用集成电路(ASIC)、逻辑电路、及能够执行本文所述功能的任何其它电路或处理器

如本文所使用的，术语“软件”和“固件”是可互换的，并且包括存储在存储器中的任何计算机程序以供处理器904执行，存储器包括RAM存储器、ROM存储器、EPROM存储器、EEPROM存储器、以及非易失性RAM(NVRAM)存储器。上述存储器类型仅仅是示例性的，并且因而关于可用来存储计算机程序的存储器类型不受限。

如基于前述说明书将意识到的，本公开的上述实施例可使用计算机编程或工程技术(包括计算机软件、固件、硬件、或其任何组合或子集)来实现，其中，技术效果是：用于定量完成计算的到达时间的可能性水平，其为空勤人员和空中交通管制员两者给定了与预测的ETA相关联的、确定性的可定量的水平。具有计算机可读代码装置的任何此种结果程序可具体实现或提供在一个或多个计算机可读媒体之内，从而根据本公开讨论的实施例，制成计算机程序产品，即，制造的物品。计算机可读媒体可以非限定地例如是：固定(硬)驱动、磁盘、光盘、磁带、诸如只读存储器(ROM)的半导体存储器、和/或诸如因特网或其它通信网络或链接的任何传送/接收媒体。可通过执行直接来自一个媒体的代码、通过将代码从一个媒体复制到另一个媒体、或通过在网络上传送代码，来制成和/或使用包含计算机代码的、制造的物品。

定量完成计算的到达时间的可能性水平的方法和系统的上述实施例，是用于为空勤人员和空中交通管制员两者提供与预测的ETA相关联的确定性可定量水平的、节省成本的和可靠的手段。更具体地，本文描述的方法和系统是确定与到达时间推算相关联的不确定性的严密方法，以及是在将航空器控制到要求的到达时间中使用此种推算的方法。而且，用于中间点(航空器和RTA航线点之间)的可允许到达时间不确定性的范围，对于空勤人员和管制员之间的协调也是有用的信息。另外，如果每个航空器都能使用它的多数燃料最优飞行分布曲线来确定其期望的降落时间，则上述方法和系统提供了经济效益。结果，本文描述的方法和系统促进了以节省成本的和可靠的方式自动地控制交通工具的速度，用于在选定时间到达预定航线点处。

上文详细描述了用于自动地和持续地提供航线点处的准确到达时间控制的示例性方法和系统，其中存在可用的限制的速度控制权限的期间。示出的设备并不限于本文描述的特定实施例，而是可与本文描述的其它组件独立地和分离地使用每个组件。每个系统组件还能与其它系统组件相结合地使用。

尽管根据多种特定实施例已经描述了本公开，但将认识到本公开能够通过权利要求精神和范围之内的修改来实践。

Claims (20)

1.一种交通工具控制系统，包括：

输入装置，配置成接收航线点处要求的到达时间；

通信地耦合到所述输入装置的处理器，所述处理器被编程，以：

确定向前晚时间分布曲线，其代表交通工具可到达沿着轨迹的点同时以最小可用速度运输的最晚时间；

确定向前早时间分布曲线，其代表所述交通工具可到达沿着所述轨迹的点并仍然到达所述航线点同时以最大可用速度运输的最早时间；

确定与所述向前晚时间分布曲线、所述向前早时间分布曲线、以及参考时间分布曲线的至少之一相关联的估计的时间不确定性(ETU)；以及

通信地耦合到所述处理器的输出装置，所述输出装置配置成向用于进一步处理的另一个系统和显示器的至少之一传送：所确定的不确定性以及所述向前晚时间分布曲线、所述向前早时间分布曲线、以及所述参考时间分布曲线的所述至少之一的相应一个。

2.如权利要求1所述的系统，其中，进一步编程所述处理器，以图表地显示所述向前晚时间分布曲线和所述向前早时间分布曲线的至少之一以及相应所确定的不确定性。

3.如权利要求1所述的系统，其中，进一步编程所述处理器，以：

使用最大速度分布曲线从RTA时间向后确定向后早时间分布曲线，其中，当以最大可用速度运输时为所述交通工具确定所述最大速度分布曲线；

使用最小速度分布曲线从所述RTA时间向后确定向后晚时间分布曲线，其中，当以最小可用速度运输时为所述交通工具确定所述最小速度分布曲线；

确定与所述向后早时间分布曲线和所述向后晚时间分布曲线的至少之一相关联的估计的时间不确定性(ETU)；以及

输出所确定的不确定性以及所述向后早时间分布曲线和所述向后晚时间分布曲线的所述至少之一的相应一个。

4.如权利要求1所述的系统，其中，进一步编程所述处理器，以图表地显示所述向后早时间分布曲线和所述向后晚时间分布曲线的至少之一以及相应所确定的不确定性。

5.如权利要求1所述的系统，其中，进一步编程所述处理器，以：

确定最早能完成的时间分布曲线和最晚能完成的时间分布曲线之间至少一个点的ETU；以及

将所确定的ETU传送到用于进一步处理的另一个系统和显示器的至少之一。

6.如权利要求1所述的系统，其中，所述轨迹包括多个段，并且其中，进一步编程所述处理器，以：

确定用于所述多个段的每个的估计的时间不确定性(ETU)；以及

结合所确定的、用于所述多个段的估计的时间不确定性(ETU)。

7.如权利要求1所述的系统，其中，进一步编程所述处理器，以确定可归因于以下至少之一的估计的时间不确定性(ETU)：与预报逆风或顺风相关联的不确定性、与预报温度相关联的不确定性、与马赫数的值相关联的不确定性、与飞行的实际距离中的不确定性相关联的不确定性、与对运动方程积分的方法相关联的不确定性、与沿着所述轨迹的估计的位置相关联的不确定性、以及与输入时间相关联的不确定性。

8.一种控制沿着轨迹的交通工具速度的方法，所述方法包括：

接收预定航线点处要求的到达时间(RTA)；

确定向前晚时间分布曲线，其代表交通工具可到达沿着所述轨迹的点并仍然到达所述RTA处的预定航线点同时以最小可用速度运输的最晚时间；

确定向前早时间分布曲线，其代表所述交通工具可到达沿着所述轨迹的点并仍然到达所述RTA处的预定航线点同时以最大可用速度运输的最早时间；

确定与所述向前晚时间分布曲线和所述向前早时间分布曲线的至少之一相关联的估计的时间不确定性(ETU)；以及

输出所确定的不确定性以及所述向前晚时间分布曲线和所述向前早时间分布曲线的所述至少之一的相应一个。

9.如权利要求8所述的方法，进一步包括：图表地显示所述向前晚时间分布曲线和所述向前早时间分布曲线的至少之一以及相应所确定的不确定性。

10.如权利要求8所述的方法，进一步包括：

使用最大速度分布曲线从所述RTA时间向后确定向后早时间分布曲线，其中，当以最大可用速度运输时为所述交通工具确定所述最大速度分布曲线；

使用最小速度分布曲线从所述RTA时间向后确定向后晚时间分布曲线，其中，当以最小可用速度运输时为所述交通工具确定所述最小速度分布曲线；

确定与所述向后早时间分布曲线和所述向后晚时间分布曲线的至少之一相关联的估计的时间不确定性(ETU)；以及

输出所确定的不确定性以及所述向后早时间分布曲线和所述向后晚时间分布曲线的所述至少之一的相应一个。

11.如权利要求10所述的方法，进一步包括：图表地显示所述向后早时间分布曲线和所述向后晚时间分布曲线的至少之一以及相应所确定的不确定性。

12.如权利要求8所述的方法，其中，所述轨迹包括多个段，并且其中，确定估计的时间不确定性(ETU)包括确定用于所述多个段的每个的估计的时间不确定性(ETU)；以及结合所确定的、用于所述多个段的估计的时间不确定性(ETU)。

13.如权利要求8所述的方法，其中，确定估计的时间不确定性(ETU)包括确定可归因于以下至少之一的估计的时间不确定性(ETU)：与预报逆风或顺风相关联的不确定性、与预报温度相关联的不确定性、与马赫数的值相关联的不确定性、与飞行的实际距离中的不确定性相关联的不确定性、与对运动方程积分的方法相关联的不确定性、与沿着所述轨迹的估计的位置相关联的不确定性、以及与输入时间相关联的不确定性。

14.如权利要求13所述的方法，其中，确定与马赫数的值相关联的不确定性包括：确定与计算的马赫数的值相关联的不确定性和与测量的马赫数的值相关联的不确定性的至少之一。

15.一种控制交通工具速度的方法，所述方法包括：

接收航线点处所述交通工具的要求的到达时间；

确定向前晚时间分布曲线，其代表所述交通工具可到达沿着轨迹的点并仍然到达预定航线点同时以最大可用速度运输的最晚时间；

确定向前早时间分布曲线，其代表所述交通工具可到达沿着所述轨迹的点并仍然到达所述预定航线点同时以最小可用速度运输的最早时间；

使用最大速度分布曲线从RTA时间向后确定向后早时间分布曲线，其中，当以最大可用速度运输时为所述交通工具确定所述最大速度分布曲线；

使用最小速度分布曲线从所述RTA时间向后确定向后晚时间分布曲线，其中，当以最小可用速度运输时为所述交通工具确定所述最小速度分布曲线；

确定与所述向前晚时间分布曲线、所述向前早时间分布曲线、所述向后早时间分布曲线、以及所述向后晚时间分布曲线的至少之一相关联的估计的时间不确定性(ETU)；以及

使用所述向前晚时间分布曲线、所述向前早时间分布曲线、所述向后早时间分布曲线、所述向后晚时间分布曲线以及相应所确定的不确定性的至少之一，来控制所述交通工具的速度。

16.如权利要求15所述的方法，进一步包括：图表地显示所述向前晚时间分布曲线、所述向前早时间分布曲线、所述向后早时间分布曲线、所述向后晚时间分布曲线以及相应所确定的不确定性的至少之一。

17.如权利要求15所述的方法，进一步包括：

确定最早可允许时间和最晚可允许时间；并且

使用所述最早可允许时间和所述最晚可允许时间来控制所述交通工具的速度。

18.如权利要求17所述的方法，进一步包括：使用比例化因数来比例化所述最早可允许时间和最晚可允许时间。

19.如权利要求18所述的方法，进一步包括：使用ETU来确定所述比例化因数。

20.如权利要求18所述的方法，进一步包括：从用户接收所述比例化因数。

Images