CN102903263A - 一种基于分组方式的飞行冲突解脱方法及装置 - Google Patents
一种基于分组方式的飞行冲突解脱方法及装置 Download PDFInfo
- Publication number
- CN102903263A CN102903263A CN2012103708200A CN201210370820A CN102903263A CN 102903263 A CN102903263 A CN 102903263A CN 2012103708200 A CN2012103708200 A CN 2012103708200A CN 201210370820 A CN201210370820 A CN 201210370820A CN 102903263 A CN102903263 A CN 102903263A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- population
- time delay
- subgroup
- gene order
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于分组方式的飞行冲突解脱方法及装置,根据种群中适应度最高的基因序列中飞行器的延迟时间和飞行计划,在判断出飞行器与其他飞行器存在冲突时,将全部飞行器分为x个子组,对从种群中选出两条基因序列的自身适应度进行比较,择优继承子组中的延迟时间,获得两条继承后的子代基因序列;对分别从两条继承后的子代基因序列在子组中选出的延迟时间进行变异,获得两条子代基因序列,若判断出所获得的子代基因序列的数量达到m,则在判断出执行完上述步骤的子组个数达到x时,获取优化后的种群,以及其中适应度最高的一条基因序列,生成优化后的飞行计划,从而有助于对飞行计划进行全局性的优化以及对大规模的飞行冲突的解脱。
Description
技术领域
本发明涉及航空技术,尤其涉及一种基于分组方式的飞行冲突解脱方法及装置。
背景技术
随着我国航空业的快速发展,航空业务量与日俱增,飞行流量大大增加。相应地,空域中飞机的密度增大,导致飞机之间的安全间隔难以保证,从而发生飞行冲突的可能性增加。全国民航航班的架次,日平均在7000架次以上,规模和数量都非常庞大。同时,全国民航航班计划由航空公司、机场、空管局等多个单位和部门协调制定,而且全国航线分布复杂,因此航班在飞行过程中不可避免地会与其他航班存在冲突。因此,如何保证飞行安全成为亟待解决的重要问题,而进行飞机的冲突解脱成为避免飞机发生冲突的关键技术。
现有技术中的冲突解脱方法主要是通过短期与中期的局部调整实现,通过临时调整局部范围出现飞行冲突的飞机的航行路径,以避免飞行冲突的发生。
由于局部调整策略可能在解决某两架飞机冲突的同时,带来他们与其他飞机的新的冲突,所以难以完成所有航班的全局性冲突解脱。
发明内容
针对现有技术中的缺陷,本发明提供了一种基于分组方式的飞行冲突解脱方法及装置。
本发明提供了一种基于分组方式的飞行冲突解脱方法,包括:
步骤1、根据种群中适应度最高的基因序列中飞行器的延迟时间,以及所述飞行器对应的飞行计划,判断每架飞行器是否与其他飞行器存在冲突,若存在,则执行步骤2,若不存在,则结束优化流程;
其中,所述种群包括m×n个延迟时间,所述m为基因序列的数量,每条基因序列包括n个延迟时间,所述n为飞行器的数量,每架飞行器包括m个延迟时间,m≥2,n≥2;
步骤2、将所述飞行器分为x个子组,依次对各子组执行步骤3-4,其中,x≥2;
步骤3、从所述种群中选出两条基因序列,对所述两条基因序列在当前子组中的延迟时间的自身适应度进行比较,择优继承所述子组中的延迟时间,获得两条继承后的子代基因序列;对分别从所述两条继承后的子代基因序列在所述子组中选出的延迟时间进行变异,获得两条子代基因序列;
步骤4、判断所获得的子代基因序列的数量是否达到m,若否,则重复执行步骤3;若是,则执行步骤5;
步骤5、判断执行完步骤3-4的子组个数是否达到x,若否,则对下一子组继续执行步骤3;若是,则将所获得的种群作为优化后的种群,获取所述优化后的种群,以及所述优化后的种群中适应度最高的一条基因序列。
本发明还提供了一种基于分组方式的飞行冲突解脱装置,包括:
第一工作模块,用于根据种群中适应度最高的基因序列中飞行器的延迟时间,以及所述飞行器对应的飞行计划,判断每架飞行器是否与其他飞行器存在冲突,若存在,则触发第二工作模块,若不存在,则结束优化流程;
其中,所述种群包括m×n个延迟时间,所述m为基因序列的数量,每条基因序列包括n个延迟时间,所述n为飞行器的数量,每架飞行器包括m个延迟时间,m≥2,n≥2;
所述第二工作模块,用于将所述飞行器分为x个子组,利用第三工作模块和第四工作模块依次对各子组进行处理,其中,x≥2;
所述第三工作模块,用于从所述种群中选出两条基因序列,对所述两条基因序列在当前子组中的延迟时间的自身适应度进行比较,择优继承所述子组中的延迟时间,获得两条继承后的子代基因序列;对分别从所述两条继承后的子代基因序列在所述子组中选出的延迟时间进行变异,获得两条子代基因序列;
所述第四工作模块,用于判断所获得的子代基因序列的数量是否达到m,若否,则触发所述第三工作模块;若是,则触发第五工作模块;
所述第五工作模块,用于判断经过所述第三工作模块和所述第四工作模块处理的子组个数是否达到x,若否,则利用所述第三工作模块和所述第四工作模块继续对下一子组进行处理;若是,则将所获得的种群作为优化后的种群,获取所述优化后的种群,以及所述优化后的种群中适应度最高的一条基因序列。
本发明通过对飞行器间的冲突情况进行探测,根据冲突情况对飞行器进行分组,依次对各子组内的基因序列进行选择、交叉和变异的循环操作,直至所有子组均完成优化操作后,获得优化的种群和其中适应度最高的基因序列。本发明将飞行冲突的问题分解为多个子问题进行解决,即对种群进行分组,分别对各子组利用优化算法单独进行优化,对飞行冲突进行解脱。在4DT的概念下,能够精确地掌握飞行器的飞行动向;采用协同进化算法,引入分而治之的思想,将复杂问题简化为简单问题进行处理,而且每个子组中的各延迟时间的自身适应度,由其他子组中的延迟时间进行协同评估,能够得出全部个体共同解决目标问题的可行解,能够解决大规模飞行器的冲突解脱的问题,并且通过采用改进型的遗传算法,能够有效地提高优化的效率,提高优化结果的质量;通过调整飞行器的起飞时刻能够实现宏观的、全局性的冲突解脱;从而有助于实现宏观的全局性优化和进行大规模的飞行冲突解脱。
附图说明
图1a为本发明基于分组方式的飞行冲突解脱方法一实施例的流程图;
图1b为本发明提供的飞行冲突探测方法的示意图;
图2为本发明基于分组方式的飞行冲突解脱方法另一实施例的流程图;
图3为本发明基于分组方式的飞行冲突解脱方法又一实施例的流程图;
图4为本发明基于分组方式的飞行冲突解脱装置的结构示意图。
具体实施方式
在实际的飞行管理中,飞行器在起飞前可能会由于受到多种因素的影响,而不能按照其原有的飞行计划准时起飞,造成飞行器起飞时间的延误。其实际起飞时刻比飞行计划中的计划起飞时刻延迟的时间,即为地面延迟,在以下各实施例中称为延迟时间。其中,飞行计划的来源为航空公司以及各民用机场等;飞行计划包括所有待处理飞行器的计划起飞时间,及其飞行路径,即航迹;飞行路径包括飞行的起点、终点和途径的航路点。
当两架飞行器之间的距离小于规定的飞行安全间隔时,则认为这两架飞行器之间存在冲突,探测飞行器之间是否存在冲突的方法,即为对飞行器的冲突探测;对存在冲突的飞行器,通过采取措施来规避飞行冲突发生的方法,即为飞行器的冲突解脱。
为了将方法着重于对飞行器之间飞行冲突的解脱,因此在本发明各实施例中,假设每架飞行器在飞行过程中高度不变,且同一航路段上飞行方向相反的飞行器在不同的高度层,故反向飞行的飞行器之间不存在冲突;假设每架飞行器具有相同的速度,并且该速度为固定值。
本发明各实施例是基于windows系统上使用Visual Studio 2008构建4DT冲突解脱仿真平台实现的,但是本方法的实现并不仅限于该平台。
本发明利用了四维航迹(4D-Trajectory,4DT)的概念,四维航迹包括飞行器的三维(3D)位置信息,以及一维时间信息。基于4DT的概念,飞行器在航迹中的任意一点可以描述为(x,y,z,t),其中(x,y,z)表示飞行器的空间位置坐标,t表示飞行器到达(x,y,z)点的时间信息,即到达时刻。所述的航迹,也可称为航路,每条航路由若干个航路段组成,航路段之间由航路点进行衔接,每条航路的首尾即为飞行器的起点和终点。通过在不改变飞行器航迹的情况下,通过对飞行器延迟时间的调整,对飞行器之间的冲突进行优化,以对解脱飞行器之间的冲突,从而获得优化后的飞行计划。
图1a为本发明基于分组方式的飞行冲突解脱方法一实施例的流程图,如图1a所示,该方法包括:
步骤1、根据种群中适应度最高的基因序列中飞行器的延迟时间,以及所述飞行器对应的飞行计划,判断每架飞行器是否与其他飞行器存在冲突,若存在,则执行步骤2,若不存在,则结束优化流程。
其中,所述种群包括m×n个延迟时间,所述m为基因序列的数量,每条基因序列包括n个延迟时间,所述n为飞行器的数量,每架飞行器包括m个延迟时间,m≥2,n≥2
在对飞行器之间的飞行冲突进行解脱之前,首先需要进行飞行冲突探测,获知各飞行器之间的冲突情况,本发明实施例基于四维航迹对飞行冲突进行探测。
图1b为本发明提供的飞行冲突探测方法的示意图,如图1b所示,以两架飞行器之间的冲突探测为例,对冲突探测的方法进行说明。
将两架飞行器Fi和Fj的飞行航迹简化为2D模型,两架飞行器的航迹Ai和Aj分别表示为(A,W1,W2,W3,W4,W5,W6,D)和(B,W2,W3,W4,W5,W7,C),其中A、B、C和D为两条航迹的起点和终点,W1,W2,W3,W4,W5,W6和W7为途径的航路点。飞行器Fi从A起飞,向D飞行;飞行器Fj从B起飞,向C飞行,其中两架飞行器的航迹在(W2,W3,W4,W5)路段重叠。
根据各航路点的位置信息、飞行器的飞行速度和起飞时刻,能够获得该飞行器到达任一点的时刻信息,因此可以得到两架飞行器分别到达航迹交汇点W2的时刻和当飞行器出现地面延迟,未按计划时间起飞时,若两架飞行器到达W2的时刻满足即两架飞行器到达交汇点的时刻小于安全的时间间隔τ,则判断飞行器Fi和Fj之间存在出现飞行冲突的可能性,需要进行冲突解脱。
可以理解的是,对多架飞行器进行冲突探测的过程为,每架飞行器依次与其他飞行器进行上述冲突探测过程,从而获得多架飞行器之间的冲突情况。
对于因为地面延迟而产生的飞行冲突,本发明实施例对遗传算法进行了改进,利用改进型的遗传算法针对飞行器的多种地面延迟的情况,对多种延迟时间进行遗传继承,使得基于原飞行计划和经过遗传继承的延迟时间产生的、优化后的飞行计划不存在飞行冲突,或者尽量减少飞行冲突。
由于本算法基于改进型的遗传算法实现,因此引入种群的概念。种群(population)由经过基因(gene)编码的一定数目的个体(individual)组成。在本发明实施例中,种群为一个m×n个延迟时间组成的矩阵,m为矩阵中行的数量,表示基因序列的数量,即该种群有m条基因,每条基因序列对应着种群中的一行,也就是说,种群中的每一行的延迟时间组成一条基因序列;n为矩阵中列的数量,每条基因序列均包括n个延迟时间,n还表示飞行器的数量,也就是说,一条基因序列中包括了n架飞行器各自的延迟时间;对于每架飞行器而言,每架飞行器对应着种群中的一列,也就是说,种群中的每一列的延迟时间属于同一架飞行器,每架飞行器包括m个延迟时间。其中m和n为预设的数量,m大于或者等于2,n大于或者等于2,也就是说,该种群中,至少包括两条基因序列,每条基因序列中至少包括两架飞行器的延迟时间。
需要说明的是,本发明实施例为了重点说明对飞行冲突解脱的算法,因此,所采用的初始种群为随机生成的m×n个延迟时间,对应着n架飞行器,以及每架飞行器的m个延迟时间。在实际飞行冲突解脱中,延迟时间为获取的各飞行器的实际延迟时间。
在获得初始种群,即第一代种群之后,分别计算m条基因序列各自的适应度,选出其中适应度最高的一条基因序列。在该条基因序列中包括了n架飞行器各自的延迟时间,结合各架飞行器原有的飞行计划,获得各架飞行器经过延迟后的飞行计划。基于该延迟后的飞行计划,利用上述冲突探测的方法,获得n架飞行器之间的冲突情况,即获知每架飞行器是否与其他飞行器存在冲突,以及与其存在冲突的是哪架飞行器等信息。
如果飞行器之间存在冲突,则继续执行步骤2;若所有飞行器之间均不存在冲突,则不需要进行优化,结束优化流程即可。
步骤2、将所述飞行器分为x个子组,依次对各子组执行步骤3-4,其中,x≥2。
根据已获得的飞行器之间的冲突情况,对n架飞行器进行分组,相应地,根据飞行器的分组方式,对种群进行分组,也就是说,对种群中的各条基因序列在基因序列内部进行重新排列,各基因序列中,与属于同一组的飞行器对应的延迟时间归为一组。
n架飞行器可以分为x个子组,其中x大于或者等于2,也就是说,将n架飞行器分为至少两组。
在对飞行器进行分组后,顺序对各子组执行步骤3-4的优化步骤。
步骤3、从所述种群中选出两条基因序列,对所述两条基因序列在当前子组中的延迟时间的自身适应度进行比较,择优继承所述子组中的延迟时间,获得两条继承后的子代基因序列;对分别从所述两条继承后的子代基因序列在所述子组中选出的延迟时间进行变异,获得两条子代基因序列。
在对n架飞行器和种群进行分组之后,首先从种群中选出两条基因序列,即选择的步骤,进而分别对所选出的基因序列,在当前子组对应的延迟时间执行交叉和变异的步骤。进而,继续从种群中选择另外两条基因序列进行交叉和变异。其中交叉和变异的具体实现方式在以下对应内容中进行详细介绍。
选择的步骤针对整个种群进行,交叉和变异的步骤针对各子组进行。因此,从种群中选出两条基因序列后,仅对当前子组中的延迟时间进行交叉和变异。例如,当前子组为第一组,则对m条基因序列在第一组中的延迟时间均完成选择、交叉和变异,即完成对第一组的优化后,继续对第二组进行优化,并以此类推。
一种可选的实施方式为,所述从所述种群中选出两条基因序列可以为,从所述种群中采用锦标赛法选出两条基因序列。
执行步骤3时,从种群中选择两条基因序列的方法可以采用锦标赛法。具体实现方式为,从种群中随机选取两条基因序列,进行比较后,选择其中适应度较高的基因序列作为所选的一条基因序列;再从种群中随机选取两条基因序列,进行比较后,选择其中适应度较高的基因序列作为所选的另一条基因序列。对通过锦标赛法选出的两条基因序列,进行交叉和变异的操作步骤。
在上述步骤中,通过二选一的方式,从两条基因序列中选出一条之后,从种群中除这两条以外的基因序列中继续进行二选一的过程,选出另一条基因序列,对选出的这两条基因序列进行交叉和变异等操作时,未被选择的那两条基因序列不会被放回到种群中。若种群中基因序列的总数为m条,当按上述步骤选出m/2条基因序列之后,再对原m条基因基因序列再按照上述二选一的方式,选出另外m/2条基因序列。在这样的方式下,所选出的m条基因序列可能存在重复被选择的情况,这样的情况是可以被允许出现的。
基于分组方式的飞行冲突解脱方法,在从种群中选择基因序列时,采用锦标赛法,选择适应度较好的基因序列进行交叉和变异的操作,更有利于种群进化,保证优化结果的质量。
一种可选的实施方式为,交叉的具体实现方式可以为,对于当前子组内,同一架飞行器在两条基因序列中的延迟时间对应的自身适应度进行比较,择优继承两条基因序列中的延迟时间,对该子组内的每架飞行器对应的两个延迟时间进行择优继承的操作;对该子组内的全部飞行器分别进行完延迟时间的择优继承后,利用对应地择优继承的延迟时间生成两条继承后的子代基因序列。
其中,择优继承所述两条基因序列在当前子组中的延迟时间,即为对两条基因序列进行交叉的过程。在交叉的过程中,择优继承的方法可以为,对两条基因序列中对应同一飞行器的两个延迟时间的自身适应度进行比较,选择其中自身适应度较高的延迟时间,分别作为两条继承后的子代基因序列中该飞行器的延迟时间。每架飞行器的延迟时间的自身适应度,可以与整条基因序列中的n架飞行器的延迟时间同时进行评估。
当两条基因序列中对应同一飞行器的两个延迟时间的自身适应度不相同时,两条继承后的子代基因序列中该飞行器的延迟时间均继承自身适应度较高的那个延迟时间。
当两条基因序列中对应同一飞行器的两个延迟时间的自身适应度相同时,两条继承后的子代基因序列分别按比例继承这两个延迟时间,具体的继承比例可以在系统中随机生成。
一种可选的实施方式为,所述对分别从所述两条继承后的子代基因序列在所述子组中选出的延迟时间进行变异包括,根据所述两条继承后的子代基因序列在所述子组中的延迟时间,以及对应的飞行器的飞行计划,分别判断所述子组内的飞行器之间是否存在冲突;若是,则将所述继承后的子代基因序列中按照预设规则选出的延迟时间变异为变量允许范围内的随机数值;若否,则将所述继承后的子代基因序列中随机选出的延迟时间变异为变量允许范围内的随机数值。
分别将两条继承后的子代基因序列在当前子组中的延迟时间,与对应飞行器的飞行计划相结合,对飞行器进行冲突探测,判断当前子组内的飞行器之间是否存在飞行冲突。
需要说明的是,此步骤中对两条继承后的子代基因序列在当前子组中的飞行器,分别进行冲突探测,基于冲突探测的结果,分别对这两条继承后的子代基因序列进行变异。
若经过冲突探测,判断出继承后的子代基因序列在当前子组中的飞行器存在冲突,则将根据预设规则在所述子组内选出的自身适应度最差的延迟时间进行变异,将其替换为变量允许范围内的随机数值。具体的预设规则可以为,假设该子组内包括y个延迟时间,则从y个延迟时间中随机选取其中的s个,s是随机数值,但s的数值大小需要小于y的数值的二分之一;并从s个延迟时间中,选出其中自身适应度数值最小的延迟时间,将其替换为一个变量允许范围内的随机数值。
若经过冲突探测,判断出继承后的子代基因序列在当前子组中的飞行器不存在冲突,则随机选取组内的一个延迟时间,进行变异,即将其替换为一个变量允许范围内的随机数值;
本发明实施例提供的飞行计划优化方法,通过有针对性地将从基因序列中选出的延迟时间进行变异,有利于提高优化结果的质量,有利于更好地完成对飞行冲突的解脱。
在完成两条基因序列的交叉,获得两条继承后的子代基因序列之后,从该两条继承后的子代基因序列在当前子组的延迟时间中,分别选出一个延迟时间进行变异。在完成变异后,获得两条子代基因序列,并继续执行步骤4。
步骤4、判断所获得的子代基因序列的数量是否达到m,若否,则重复执行步骤3;若是,则执行步骤5。
在执行完步骤3之后,仅完成了两条基因序列在当前子组内的交叉和变异,进一步地需要进行对种群中其他基因序列在当前子组内的交叉和变异,因此,重复执行步骤3,继续从种群中选出两条基因序列,对选出的基因序列在当前子组中的延迟时间进行交叉和变异。再次执行完步骤3之后,继续执行步骤4,若判断出所获得的子代基因序列的数量小于基因序列的总数量m时,则继续重复执行步骤3;若判断出所获得的子代基因序列的数量等于m时,则执行步骤5。
步骤5、判断执行完步骤3-4的子组个数是否达到x,若否,则对下一子组继续执行步骤3;若是,则将所获得的种群作为优化后的种群,获取所述优化后的种群,以及所述优化后的种群中适应度最高的一条基因序列。
当对当前子组进行优化,并获得m条子代基因序列之后,还需要继续对下一子组继续进行优化。因此,若判断出被优化的子组数量小于子组总数x时,则对当前子组的下一子组重复执行步骤3-4,对下一子组进行优化;若判断出被优化的子组数量等于x时,则完成对整个种群的优化,将所获得的种群作为优化后的种群。
获取该优化后的种群,并对该优化后的种群中的各条基因序列分别计算其适应度,选出其中适应度最高的一条基因序列。以供根据该条基因序列中的延迟时间,以及各架飞行器的飞行计划,获得优化后的飞行器的飞行计划信息。
在依次对各子组进行优化的过程中,还包括以下所述步骤。
首先,保存步骤1中的原始种群,在对整个种群开始优化之前,生成一个临时种群,该临时种群中的m条基因序列均与原始种群中适应度最高的基因序列相同;在对子组中的第1组进行优化时,将临时种群中第1组中的延迟时间,替换为原始种群中对应的第1组的延迟时间,进而通过选择、交叉和变异的操作对第1组进行优化;在完成对第1组的优化后,将对第一组的优化结果单独保存,将种群替换为当前优化后的种群中适应度最高的基因序列,替换完成后,将第2组中的延迟时间,替换为原始种群中对应的第2组的延迟时间,进而通过选择交叉和变异的操作对第2组进行优化。对于后续各组均依此类推,对于已完成优化的子组,将其优化结果单独保存;对于待优化的子组,提取其在原始种群中对应的延迟时间;对于非优化的子组,其在各条基因序列中延迟时间均相同。例如,当对第2组进行优化时,除第2组以外的其他组均为非优化的子组,其中包括已完成优化的第1组。当各组均完成优化之后,将单独保存的各组的优化结果提取出来,组成优化后的种群,这样的方式通过对每个子组单独进行优化,有效地降低了对整个种群进行优化时的复杂度,并且由于在评估基因序列的适应度时,考虑到了该基因序列在各子组内的延迟时间,体现出了基因序列的整体性和基因序列中各延迟时间之间的相关性,有利于提高优化结果的质量。
可以理解的是,对于待生成的第二代种群而言,第一代种群即为其原始种群;对于待生成的第三代种群而言,已获得的第二代种群即为其原始种群;后续各代种群均以此类推。
本发明实施例提供的基于分组方式的飞行冲突解脱方法,通过对飞行器间的冲突情况进行探测,根据冲突情况对飞行器进行分组,依次对各子组内的基因序列进行选择、交叉和变异的循环操作,直至所有子组均完成优化操作后,获得优化的种群和其中适应度最高的基因序列。本发明实施例中的方法,将飞行冲突的问题分解为多个子问题进行解决,即对种群进行分组,分别对各子组利用优化算法单独进行优化,对飞行冲突进行解脱。在4DT的概念下,能够精确地掌握飞行器的飞行动向;采用协同进化算法,引入分而治之的思想,将复杂问题简化为简单问题进行处理,而且每个子组中的各延迟时间的自身适应度,由其他子组中的延迟时间进行协同评估,能够得出全部个体共同解决目标问题的可行解,能够解决大规模飞行器的冲突优化和解脱的问题,并且通过采用改进型的遗传算法,能够有效地提高优化的效率,提高优化结果的质量;通过调整飞行器的起飞时刻能够实现宏观的、全局性的冲突解脱;从而有助于实现对飞行计划进行全局性的优化以及对大规模的飞行冲突的解脱。
图2为本发明基于分组方式的飞行冲突解脱方法另一实施例的流程图,如图2所示,执行完步骤5之后,该方法还包括:
步骤6、判断所述优化后的种群的优化代数是否等于预设阈值,若否,则对所述优化后的种群重复执行步骤1-5;若是,则将所获得的种群作为最终优化后的种群,获取所述最终优化后的种群,以及所述最终优化后的种群中适应度最高的一条基因序列。
在执行完步骤5之后,完成了对第一代种群中延迟时间的优化,但是,为了获得更加优化的种群,还可以继续执行步骤6。
将第一代种群的优化结果作为过渡种群,将对过渡种群和第一代种群经过对应地比较,择优选出的m条基因序列组成的种群,作为第二代种群。
对于利用过渡种群和第一代种群比较,获得第二代种群的方法,具体的实现方式如下。由于过渡种群中的基因序列是对第一代种群中的基因序列进行优化的结果,分别对过渡种群和第一代种群中的基因序列进行顺序的标记,则同一标记对应着两条可能相同或者不相同的基因序列。对应地比较各标记对应的两条基因序列的适应度,将适应度较高的基因序列保留,经过一一比较后,将最后选出的m条基因序列组成的种群,作为第二代种群。
对第二代种群所经过的优化代数进行判断,根据系统预设的阈值,若该种群的已进行的优化代数小于该预设阈值,则重复执行步骤1-5,继续对第二代种群进行优化。
相应地,重复执行步骤1时,重新获得基于第二代种群中适应度最高的基因序列的冲突情况,并在重复执行步骤2时,重新根据获得的冲突情况,对各飞行器进行分组,从而使得当前待优化的种群在上一代种群的基础上,重新进行了分组,即动态分组。通过重复执行步骤1-5,获得下一代种群,并依此类推,直至所获得的种群所完成的优化代数等于预设阈值时,则优化步骤结束,将所获得的种群作为最终优化后的种群。
获取该最终优化后的种群,并从中选出适应度最高的一条基因序列。以供根据该基因序列中的延迟时间,与对应的飞行器的飞行计划,获得优化后的飞行器的飞行计划信息。
本发明实施例提供的基于分组方式的飞行冲突解脱方法,通过根据系统设置,对种群循环进行预设次数的优化,能够更有利于飞行冲突的优化和解脱,从而获得更优化的飞行计划;并且由于引入了动态分组的机制,更有利于对种群优化的效率,以及提高优化结果的质量。
图3为本发明基于分组方式的飞行冲突解脱方法又一实施例的流程图,如图3所示,执行完步骤5之后,该方法还可以包括:
步骤7、判断所述优化后的种群中适应度最高的基因序列的适应度是否满足预设条件,若否,则对所述优化后的种群重复执行步骤1-5;若是,则获得最终优化后的种群,以及所述最终优化后的种群中适应度最高的一条基因序列。
在执行完步骤5之后,完成了对第一代种群中延迟时间的优化,但是,为了获得更加优化的种群,还可以继续执行步骤7。将第一代种群的优化结果作为过渡种群,将对过渡种群和第一代种群经过对应地比较,择优选出的m条基因序列组成的种群,作为第二代种群。
对于利用过渡种群和第一代种群比较,获得第二代种群的方法,具体的实现方式如下。由于过渡种群中的基因序列是对第一代种群中的基因序列进行优化的结果,分别对过渡种群和第一代种群中的基因序列进行顺序的标记,则同一标记对应着两条可能相同或者不相同的基因序列。对应地比较各标记对应的两条基因序列的适应度,将适应度较高的基因序列保留,经过一一比较后,将最后选出的m条基因序列组成的种群,作为第二代种群。
对第二代种群中适应度最高的基因序列的适应度进行判断,根据系统预设的条件,若该适应度的数值尚不满足预设的条件,则重复执行步骤1-5,继续对第二代种群进行优化。相应地,重复执行步骤1时,重新获得基于第二代种群中适应度最高的基因序列的冲突情况,并在重复执行步骤2时,重新根据获得的冲突情况,对各飞行器进行分组,从而使得当前待优化的种群在上一代种群的基础上,重新进行了分组,即动态分组。通过重复执行步骤1-5,获得下一代种群,并依此类推,直至所获得的种群中适应度最高的基因序列的适应度满足预设的条件时,则优化步骤结束,将所获得的种群作为最终优化后的种群。其中,该预设条件可以为适应度需要大于设定的阈值,或者满足设定的取值范围等。
获取该最终优化后的种群,并从中选出适应度最高的一条基因序列。以供根据该基因序列中的延迟时间,与对应的飞行器的飞行计划,获得优化后的飞行器的飞行计划信息。
本发明提供的基于分组方式的飞行冲突解脱方法,根据系统设置,将对种群结束优化的结束条件设置为对基因序列适应度的要求,由于种群经过若干次的优化后,优化结果可能出现收敛的情况,也就是说,更多次的优化已无法使得优化结果更好,因此为适应度设置条件,当优化后得到的种群中适应度最高的基因序列的适应度满足要求后,即可结束优化。本方法能够更有利于飞行冲突的解脱,从而获得更优化的飞行计划;并且由于引入了动态分组的机制,更有利于对种群优化的效率,以及提高优化结果的质量。
进一步地,在上述实施例的基础上,所述步骤2还可以为,将所述飞行器分为x个子组,所述x个子组包括至少一个冲突组和一个非冲突组,依次对各子组执行步骤3-4,其中,x≥2。
对本方法中,对飞行器进行分组的方式,对种群的优化结果有直接的影响。分组的原则是尽量保证各子组内的延迟时间的相关性强,而各子组间的延迟时间的相关性弱或者无关,即尽量将强相关的变量分到一组进行优化,以得到更优的结果。
其中,延迟时间的相关性代表飞行器之间的相关性,而飞行器之间的相关性体现在飞行冲突上,即两架飞行器若存在飞行冲突,则认为该两架飞行器对应的延迟时间是相关的,若两架飞行器之间不存在飞行冲突,则认为该两架飞行器对应的延迟时间是不相关的。
具体的,将彼此之间存在飞行冲突的飞行器分别归为一组,由此可能形成一个或者多个子组,当分组结果为多个子组时,每个子组内的飞行器之间存在冲突,但是与其他组的飞行器之间不存在冲突,同理,其他组内的飞行器之间存在冲突,但是与该组外的其他飞行器之间不存在冲突。将与其他飞行器均不存在冲突的飞行器归为一个非冲突组。从而,根据冲突情况将飞行器分为x个子组,x大于或者等于2,即将飞行器至少分为两组。x个子组包括至少一个冲突组和一个非冲突组。依次对各组的延迟时间执行步骤3-4,进行选择、交叉和变异操作。
当形成的冲突子组的数量较多,而各冲突子组内对应的飞行器的数量较少时,根据系统设置,可以将所有冲突组归为一个冲突子组。
本发明实施例提供的基于分组方式的飞行冲突解脱方法,根据飞行器之间的相关性,即飞行器之间存在飞行冲突的情况进行分组,使得存在飞行冲突的飞行器被分为一组,保证该组内的飞行器与其他组内的飞行器是不存在冲突的,更有利于对飞行冲突的解脱,有利于提高优化效率;对不存在飞行冲突的飞行器进行优化,有利于缩短飞行器的延迟时间,并有利于获得更优的飞行计划。
进一步地,在上述各实施例的基础上,所述步骤2还包括,若对所述飞行器进行分组的结果与执行步骤2之前的各子组相同,则将所述飞行器随机分为x个子组,依次对各子组执行步骤3-4,其中,x≥2。
在循环执行步骤1-5的情况下,当执行至步骤2时,会重新对种群进行分组,此时若根据冲突情况对各飞行器的分组结果与上一代种群的分组结果相同,也就是说,在上一代种群中初始时存在飞行冲突的飞行器,在经过优化后仍然存在冲突,则在执行步骤2对各飞行器进行分组时,不再根据冲突情况进行分组,而是为了打破僵局,将飞行器随机分为x个子组,x大于或者等于2,即将飞行器随机分为至少两组。随机分组的方式可以是将n架飞行器平均分为两个或者多个子组。对种群进行随机分组后,继续执行后续操作步骤。
需要说明的还有一种特殊情况,当种群不满足步骤6或者7所述的结束优化的条件时,若各飞行器之间的飞行冲突已全部得到解脱,即n架飞行器之间均不存在飞行冲突,考虑到继续优化延迟时间以获得更优的结果,则对n架飞行器进行随机分组,继续优化,直至满足结束优化的条件。
本发明实施例提供的基于分组方式的飞行冲突解脱方法,在对前后两代种群的分组情况进行比较后,若两者的分组结果相同,则可能使得优化陷入僵局,因此通过对当前待优化的种群采用随机分组的方式,能够更加有利于提高优化的效率,保证优化结果的质量。
适应度F是针对单条基因序列而言的,对每一条基因序列,计算其适应度的数值,作为对两条基因序列进行比较时的依据。其中,δi为第i架飞行器的延迟时间,i大于等于1,且小于等于n;δmax为飞行器的所被允许的最大的延迟时间,是一个固定的阈值;NC为n架飞行器之间存在的全部冲突的数量,该数值大于飞行器中存在飞行冲突的飞行器的数量,该数量可以通过将基因序列中的延迟时间,结合对应的飞行器的原有飞行计划,进行冲突探测而获得。飞行器的延迟δi越小,存在飞行冲突的飞行器的数量越小,则基因序列的适应度F越好,数值越高。
本发明提供的冲突优化方法基于分组方式的飞行冲突解脱方法,利用适应度的数值对整条基因序列进行评价,通过在适应度评估函数中,同时引入发生飞行冲突的飞行器的数量和飞行器的延迟时间,对这两个指标同时进行优化,不仅有利于对飞行冲突的解脱,同时,能够使得每个飞行器的延迟时间尽量小,相应尽可能地降低飞行成本。
进一步地,在上述各实施例的基础上,所述自身适应度为其中,为第k组第i架飞行器对应的延迟时间,是第k组内与第i架飞行器存在冲突的飞行器的数量,δmax为所述飞行器的最大允许延迟时间,k小于或等于子组的数量,i小于或等于子组内飞行器的数量。
自身适应度是针对各延迟时间而言的,对每条基因序列中的每个延迟时间,计算其自身适应度的数值,作为对两条基因序列中对应于同一飞行器的不同延迟时间,进行比较时的依据。本发明各实施例中对延迟时间进行比较时,均在各子组内分别进行。其中,为第k组第i架飞行器对应的延迟时间,k大于或者等于1,且小于或者等于子组的总个数,i大于或者等于1,且小于或者等于子组内延迟时间的总个数,即飞行器的个数;是第k组内第i架飞行器与组内其他所有飞行器存在的冲突数量,该数量可以通过将基因序列中第k组内的延迟时间,结合对应的飞行器飞行计划,进行冲突探测而获得;δmax为所述n架飞行器的最大允许延迟时间。
本发明提供的基于分组方式的飞行冲突解脱方法,利用自身适应度对各条基因序列中的延迟时间进行评价,通过在适应度评估函数中,同时引入各子组内发生飞行冲突的飞行器的数量和飞行器的延迟时间,对这两个指标同时进行优化,不仅有利于对飞行冲突的解脱,同时,能够使得每个飞行器的延迟时间尽量小,相应尽可能地降低飞行成本。
本领域普通技术人员可以理解:实现上述各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,执行包括上述各方法实施例的步骤;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。
图4为本发明基于分组方式的飞行冲突解脱装置的结构示意图,如图4所示,该装置包括第一工作模块11、第二工作模块12、第三工作模块13、第四工作模块14和第五工作模块15。
第一工作模块11用于根据种群中适应度最高的基因序列中飞行器的延迟时间,以及所述飞行器对应的飞行计划,判断每架飞行器是否与其他飞行器存在冲突,若存在,则触发第二工作模块12,若不存在,则结束优化流程;
其中,所述种群包括m×n个延迟时间,所述m为基因序列的数量,每条基因序列包括n个延迟时间,所述n为飞行器的数量,每架飞行器包括m个延迟时间,m≥2,n≥2;
所述第二工作模块12,用于将所述飞行器分为x个子组,利用第三工作模块13和第四工作模块14依次对各子组进行处理,其中,x≥2;
所述第三工作模块13,用于从所述种群中选出两条基因序列,对所述两条基因序列在当前子组中的延迟时间的自身适应度进行比较,择优继承所述子组中的延迟时间,获得两条继承后的子代基因序列;对分别从所述两条继承后的子代基因序列在所述子组中选出的延迟时间进行变异,获得两条子代基因序列;
所述第四工作模块14,用于判断所获得的子代基因序列的数量是否达到m,若否,则触发所述第三工作模块13;若是,则触发第五工作模块15;
所述第五工作模块15,用于判断经过所述第三工作模块13和所述第四工作模块14处理的子组个数是否达到x,若否,则利用所述第三工作模块13和所述第四工作模块14继续对下一子组进行处理;若是,则将所获得的种群作为优化后的种群,获取所述优化后的种群,以及所述优化后的种群中适应度最高的一条基因序列。
进一步地,在上述实施例的基础上,该基于分组方式的飞行冲突解脱装置还包括第六工作模块16。
第六工作模块16用于判断所述优化后的种群的优化代数是否等于预设阈值,若否,则利用所述第一工作模块11至所述第五工作模块15对所述优化后的种群进行处理;若是,则将所获得的种群作为最终优化后的种群,获取所述最终优化后的种群,以及所述最终优化后的种群中适应度最高的一条基因序列。
进一步地,在上述各实施例的基础上,该基于分组方式的飞行冲突解脱装置还包括第七工作模块17。
第七工作模块17用于判断所述优化后的种群中适应度最高的基因序列的适应度是否满足预设条件,若否,则利用所述第一工作模块11至所述第五工作模块15对所述优化后的种群进行处理;若是,则获得最终优化后的种群,以及所述最终优化后的种群中适应度最高的一条基因序列。
进一步地,在上述各实施例的基础上,所述第二工作模块12还用于,将所述飞行器分为x个子组,所述x个子组包括至少一个冲突组和一个非冲突组,利用所述第三工作模块13和所述第四工作模块14依次对各子组进行处理,其中,x≥2。
进一步地,在上述各实施例的基础上,所述第二工作模块12还用于,若对所述飞行器进行分组的结果与利用所述第二工作模块12进行处理之前的各子组相同,则将所述飞行器随机分为x个子组,利用所述第三工作模块13和所述第四工作模块14依次对各子组进行处理,其中,x≥2。
进一步地,在上述各实施例的基础上,所述从所述种群中选出两条基因序列包括,从所述种群中采用锦标赛法选出两条基因序列。
进一步地,在上述各实施例的基础上,所述对分别从所述两条继承后的子代基因序列在所述子组中选出的延迟时间进行变异包括:
根据所述两条继承后的子代基因序列在所述子组中的延迟时间,以及对应的飞行器的飞行计划,分别判断所述子组内的飞行器之间是否存在冲突;
若是,则将所述继承后的子代基因序列中按照预设规则选出的延迟时间变异为随机数;若否,则将所述继承后的子代基因序列中随机选出的延迟时间变异为随机数。
进一步地,在上述各实施例的基础上,所述适应度为:
进一步地,在上述各实施例的基础上,所述自身适应度为:
其中,为第k组第i架飞行器对应的延迟时间,是第k组内与第i架飞行器存在冲突的飞行器的数量,δmax为所述飞行器的最大允许延迟时间,k小于或等于子组的数量,i小于或等于子组内飞行器的数量。
具体的,本发明实施例中的基于分组方式的飞行冲突解脱装置进行冲突优化的方法,可以参见上述对应的方法实施例,此处不再赘述。
本发明实施例提供的基于分组方式的飞行冲突解脱装置,通过对飞行器间的冲突情况进行探测,根据冲突情况对飞行器进行分组,依次对各子组内的基因序列进行选择、交叉和变异的循环操作,直至所有子组均完成优化操作后,获得优化的种群和其中适应度最高的基因序列。本发明实施例中的装置,将飞行冲突的问题分解为多个子问题进行解决,即对种群进行分组,分别对各子组利用优化算法单独进行优化,对飞行冲突进行解脱。在4DT的概念下,能够精确地掌握飞行器的飞行动向;采用协同进化算法,引入分而治之的思想,将复杂问题简化为简单问题进行处理,而且每个子组中的各延迟时间的自身适应度,由其他子组中的延迟时间进行协同评估,能够得出全部个体共同解决目标问题的可行解,能够解决大规模飞行器的冲突优化和解脱的问题,并且通过采用改进型的遗传算法,能够有效地提高优化的效率,提高优化结果的质量;通过调整飞行器的起飞时刻能够实现宏观的、全局性的冲突解脱;从而有助于实现对飞行计划进行全局性的优化以及对大规模的飞行冲突的解脱。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于分组方式的飞行冲突解脱方法,其特征在于,包括:
步骤1、根据种群中适应度最高的基因序列中飞行器的延迟时间,以及所述飞行器对应的飞行计划,判断每架飞行器是否与其他飞行器存在冲突,若存在,则执行步骤2,若不存在,则结束优化流程;
其中,所述种群包括m×n个延迟时间,所述m为基因序列的数量,每条基因序列包括n个延迟时间,所述n为飞行器的数量,每架飞行器包括m个延迟时间,m≥2,n≥2;
步骤2、将所述飞行器分为x个子组,依次对各子组执行步骤3-4,其中,x≥2;
步骤3、从所述种群中选出两条基因序列,对所述两条基因序列在当前子组中的延迟时间的自身适应度进行比较,择优继承所述子组中的延迟时间,获得两条继承后的子代基因序列;对分别从所述两条继承后的子代基因序列在所述子组中选出的延迟时间进行变异,获得两条子代基因序列;
步骤4、判断所获得的子代基因序列的数量是否达到m,若否,则重复执行步骤3;若是,则执行步骤5;
步骤5、判断执行完步骤3-4的子组个数是否达到x,若否,则对下一子组继续执行步骤3;若是,则将所获得的种群作为优化后的种群,获取所述优化后的种群,以及所述优化后的种群中适应度最高的一条基因序列。
2.根据权利要求1所述的基于分组方式的飞行冲突解脱方法,其特征在于,执行完所述步骤5之后,所述方法还包括:
步骤6、判断所述优化后的种群的优化代数是否等于预设阈值,若否,则对所述优化后的种群重复执行步骤1-5;若是,则将所获得的种群作为最终优化后的种群,获取所述最终优化后的种群,以及所述最终优化后的种群中适应度最高的一条基因序列;或者
步骤7、判断所述优化后的种群中适应度最高的基因序列的适应度是否满足预设条件,若否,则对所述优化后的种群重复执行步骤1-5;若是,则获得最终优化后的种群,以及所述最终优化后的种群中适应度最高的一条基因序列。
3.根据权利要求1所述的基于分组方式的飞行冲突解脱方法,其特征在于,所述步骤2包括:
将所述飞行器分为x个子组,所述x个子组包括至少一个冲突组和一个非冲突组,依次对各子组执行步骤3-4,其中,x≥2;
若对所述飞行器进行分组的结果与执行步骤2之前的各子组相同,则将所述飞行器随机分为x个子组,依次对各子组执行步骤3-4,其中,x≥2。
4.根据权利要求1所述的基于分组方式的飞行冲突解脱方法,其特征在于,所述从所述种群中选出两条基因序列包括:
从所述种群中采用锦标赛法选出两条基因序列;
所述对所述两条基因序列在当前子组中的延迟时间的自身适应度进行比较,择优继承所述子组中的延迟时间,获得两条继承后的子代基因序列具体为:
对所述两条基因序列在当前子组中的延迟时间的自身适应度进行比较;
若所述两条基因序列中,与同一架飞行器对应的延迟时间的自身适应度不相同,则所述两条基因序列均继承自身适应度较大的延迟时间,获得两条继承后的子代基因序列;
若所述两条基因序列中,与同一架飞行器对应的延迟时间的自身适应度相同,则所述两条基因序列分别按预设比例继承所述自身适应度相同的延迟时间,获得两条继承后的子代基因序列;
所述对分别从所述两条继承后的子代基因序列在所述子组中选出的延迟时间进行变异包括:
根据所述两条继承后的子代基因序列在所述子组中的延迟时间,以及对应的飞行器的飞行计划,分别判断所述子组内的飞行器之间是否存在冲突;
若是,则将所述继承后的子代基因序列中按照预设规则选出的延迟时间变异为随机数;若否,则将所述继承后的子代基因序列中随机选出的延迟时间变异为随机数;
所述判断每架飞行器是否与其他飞行器存在冲突具体为:
分别判断每架飞行器与其他飞行器预计到达各航迹交汇点的时间间隔是否小于预设的时间间隔,所述航迹交汇点为各架飞行器的航迹相交的位置点。
6.一种基于分组方式的飞行冲突解脱装置,其特征在于,包括:
第一工作模块,用于根据种群中适应度最高的基因序列中飞行器的延迟时间,以及所述飞行器对应的飞行计划,判断每架飞行器是否与其他飞行器存在冲突,若存在,则触发第二工作模块,若不存在,则结束优化流程;
其中,所述种群包括m×n个延迟时间,所述m为基因序列的数量,每条基因序列包括n个延迟时间,所述n为飞行器的数量,每架飞行器包括m个延迟时间,m≥2,n≥2;
所述第二工作模块,用于将所述飞行器分为x个子组,利用第三工作模块和第四工作模块依次对各子组进行处理,其中,x≥2;
所述第三工作模块,用于从所述种群中选出两条基因序列,对所述两条基因序列在当前子组中的延迟时间的自身适应度进行比较,择优继承所述子组中的延迟时间,获得两条继承后的子代基因序列;对分别从所述两条继承后的子代基因序列在所述子组中选出的延迟时间进行变异,获得两条子代基因序列;
所述第四工作模块,用于判断所获得的子代基因序列的数量是否达到m,若否,则触发所述第三工作模块;若是,则触发第五工作模块;
所述第五工作模块,用于判断经过所述第三工作模块和所述第四工作模块处理的子组个数是否达到x,若否,则利用所述第三工作模块和所述第四工作模块继续对下一子组进行处理;若是,则将所获得的种群作为优化后的种群,获取所述优化后的种群,以及所述优化后的种群中适应度最高的一条基因序列。
7.根据权利要求6所述的基于分组方式的飞行冲突解脱装置,其特征在于,所述装置还包括:
第六工作模块,用于判断所述优化后的种群的优化代数是否等于预设阈值,若否,则利用所述第一工作模块至所述第五工作模块对所述优化后的种群进行处理;若是,则将所获得的种群作为最终优化后的种群,获取所述最终优化后的种群,以及所述最终优化后的种群中适应度最高的一条基因序列;
第七工作模块,用于判断所述优化后的种群中适应度最高的基因序列的适应度是否满足预设条件,若否,则利用所述第一工作模块至所述第五工作模块对所述优化后的种群进行处理;若是,则获得最终优化后的种群,以及所述最终优化后的种群中适应度最高的一条基因序列。
8.根据权利要求6所述的基于分组方式的飞行冲突解脱装置,其特征在于,所述第二工作模块还用于:
将所述飞行器分为x个子组,所述x个子组包括至少一个冲突组和一个非冲突组,利用所述第三工作模块和所述第四工作模块依次对各子组进行处理,其中,x≥2;
若对所述飞行器进行分组的结果与利用所述第二工作模块进行处理之前的各子组相同,则将所述飞行器随机分为x个子组,利用所述第三工作模块和所述第四工作模块依次对各子组进行处理,其中,x≥2。
9.根据权利要求6所述的基于分组方式的飞行冲突解脱装置,其特征在于,所述第三工作模块从所述种群中选出两条基因序列包括:
从所述种群中采用锦标赛法选出两条基因序列;
所述第三工作模块对所述两条基因序列在当前子组中的延迟时间的自身适应度进行比较,择优继承所述子组中的延迟时间,获得两条继承后的子代基因序列具体为:
对所述两条基因序列在当前子组中的延迟时间的自身适应度进行比较;
若所述两条基因序列中,与同一架飞行器对应的延迟时间的自身适应度不相同,则所述两条基因序列均继承自身适应度较大的延迟时间,获得两条继承后的子代基因序列;
若所述两条基因序列中,与同一架飞行器对应的延迟时间的自身适应度相同,则所述两条基因序列分别按预设比例继承所述自身适应度相同的延迟时间,获得两条继承后的子代基因序列;
所述第三工作模块对分别从所述两条继承后的子代基因序列在所述子组中选出的延迟时间进行变异包括:
根据所述两条继承后的子代基因序列在所述子组中的延迟时间,以及对应的飞行器的飞行计划,分别判断所述子组内的飞行器之间是否存在冲突;
若是,则将所述继承后的子代基因序列中按照预设规则选出的延迟时间变异为随机数;若否,则将所述继承后的子代基因序列中随机选出的延迟时间变异为随机数;
所述第一工作模块判断每架飞行器是否与其他飞行器存在冲突具体为:
分别判断每架飞行器与其他飞行器预计到达各航迹交汇点的时间间隔是否小于预设的时间间隔,所述航迹交汇点为各架飞行器的航迹相交的位置点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210370820.0A CN102903263B (zh) | 2012-09-28 | 2012-09-28 | 一种基于分组方式的飞行冲突解脱方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210370820.0A CN102903263B (zh) | 2012-09-28 | 2012-09-28 | 一种基于分组方式的飞行冲突解脱方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102903263A true CN102903263A (zh) | 2013-01-30 |
CN102903263B CN102903263B (zh) | 2014-11-26 |
Family
ID=47575471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210370820.0A Expired - Fee Related CN102903263B (zh) | 2012-09-28 | 2012-09-28 | 一种基于分组方式的飞行冲突解脱方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102903263B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103489335A (zh) * | 2013-09-16 | 2014-01-01 | 北京航空航天大学 | 一种多目标优化的飞行冲突解脱方法 |
CN103489040A (zh) * | 2013-09-16 | 2014-01-01 | 北京航空航天大学 | 一种包含局部搜索的飞行冲突解脱方法 |
CN104200707A (zh) * | 2014-08-26 | 2014-12-10 | 北京航空航天大学 | 飞行器冲突解脱方法和设备 |
CN104216416A (zh) * | 2014-08-26 | 2014-12-17 | 北京航空航天大学 | 飞行器冲突解脱方法及设备 |
CN104408975A (zh) * | 2014-10-28 | 2015-03-11 | 北京航空航天大学 | 飞行器冲突解脱方法及装置 |
CN105469644A (zh) * | 2014-08-22 | 2016-04-06 | 北京航空航天大学 | 飞行冲突解脱方法及设备 |
CN111477034A (zh) * | 2020-03-16 | 2020-07-31 | 中国电子科技集团公司第二十八研究所 | 基于栅格模型的大规模空域使用计划冲突检测与解脱方法 |
CN112365745A (zh) * | 2020-10-23 | 2021-02-12 | 中国电子科技集团公司第二十八研究所 | 基于路径动态分组的复杂机场场面冲突探测与解脱方法 |
CN112562421A (zh) * | 2020-11-27 | 2021-03-26 | 大蓝洞(南京)科技有限公司 | 一种基于指标体系的飞行冲突评价方法 |
CN114097012A (zh) * | 2019-07-19 | 2022-02-25 | 索尼集团公司 | 信息处理装置、信息处理方法和程序 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030148735A1 (en) * | 1995-11-14 | 2003-08-07 | Harris Corporation | Wireless, frequency-agile spread spectrum ground link-based aircraft data communication system |
EP2071542A2 (en) * | 2007-12-12 | 2009-06-17 | The Boeing Company | Determination of an air traffic control delay factor |
CN101533567A (zh) * | 2009-02-23 | 2009-09-16 | 民航数据通信有限责任公司 | 空中交通管理区域和航路段交接点的识别方法和装置 |
CN101540113A (zh) * | 2009-03-16 | 2009-09-23 | 民航数据通信有限责任公司 | 空中交通航路点流量控制方法、服务器及系统 |
CN101582203A (zh) * | 2009-06-01 | 2009-11-18 | 民航数据通信有限责任公司 | 一种空域运行仿真中飞行流引擎的实现系统及方法 |
-
2012
- 2012-09-28 CN CN201210370820.0A patent/CN102903263B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030148735A1 (en) * | 1995-11-14 | 2003-08-07 | Harris Corporation | Wireless, frequency-agile spread spectrum ground link-based aircraft data communication system |
EP2071542A2 (en) * | 2007-12-12 | 2009-06-17 | The Boeing Company | Determination of an air traffic control delay factor |
CN101533567A (zh) * | 2009-02-23 | 2009-09-16 | 民航数据通信有限责任公司 | 空中交通管理区域和航路段交接点的识别方法和装置 |
CN101540113A (zh) * | 2009-03-16 | 2009-09-23 | 民航数据通信有限责任公司 | 空中交通航路点流量控制方法、服务器及系统 |
CN101582203A (zh) * | 2009-06-01 | 2009-11-18 | 民航数据通信有限责任公司 | 一种空域运行仿真中飞行流引擎的实现系统及方法 |
Non-Patent Citations (2)
Title |
---|
李青等: "解决排班问题的多目标优化模型及算法研究", 《北京航空航天大学学报》, vol. 29, no. 9, 30 September 2003 (2003-09-30), pages 821 - 824 * |
白重阳等: "基于改进遗传算法的终端区排序研究", 《航空计算技术》, vol. 41, no. 5, 30 September 2011 (2011-09-30) * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103489040A (zh) * | 2013-09-16 | 2014-01-01 | 北京航空航天大学 | 一种包含局部搜索的飞行冲突解脱方法 |
CN103489335A (zh) * | 2013-09-16 | 2014-01-01 | 北京航空航天大学 | 一种多目标优化的飞行冲突解脱方法 |
CN103489335B (zh) * | 2013-09-16 | 2016-04-06 | 北京航空航天大学 | 一种多目标优化的飞行冲突解脱方法 |
CN103489040B (zh) * | 2013-09-16 | 2016-06-01 | 北京航空航天大学 | 一种包含局部搜索的飞行冲突解脱方法 |
CN105469644B (zh) * | 2014-08-22 | 2019-07-26 | 北京航空航天大学 | 飞行冲突解脱方法及设备 |
CN105469644A (zh) * | 2014-08-22 | 2016-04-06 | 北京航空航天大学 | 飞行冲突解脱方法及设备 |
CN104200707A (zh) * | 2014-08-26 | 2014-12-10 | 北京航空航天大学 | 飞行器冲突解脱方法和设备 |
CN104216416A (zh) * | 2014-08-26 | 2014-12-17 | 北京航空航天大学 | 飞行器冲突解脱方法及设备 |
CN104200707B (zh) * | 2014-08-26 | 2016-04-06 | 北京航空航天大学 | 飞行器冲突解脱方法和设备 |
CN104216416B (zh) * | 2014-08-26 | 2017-10-10 | 北京航空航天大学 | 飞行器冲突解脱方法及设备 |
CN104408975A (zh) * | 2014-10-28 | 2015-03-11 | 北京航空航天大学 | 飞行器冲突解脱方法及装置 |
CN114097012A (zh) * | 2019-07-19 | 2022-02-25 | 索尼集团公司 | 信息处理装置、信息处理方法和程序 |
CN111477034A (zh) * | 2020-03-16 | 2020-07-31 | 中国电子科技集团公司第二十八研究所 | 基于栅格模型的大规模空域使用计划冲突检测与解脱方法 |
CN112365745A (zh) * | 2020-10-23 | 2021-02-12 | 中国电子科技集团公司第二十八研究所 | 基于路径动态分组的复杂机场场面冲突探测与解脱方法 |
CN112562421A (zh) * | 2020-11-27 | 2021-03-26 | 大蓝洞(南京)科技有限公司 | 一种基于指标体系的飞行冲突评价方法 |
CN112562421B (zh) * | 2020-11-27 | 2022-04-12 | 大蓝洞(南京)科技有限公司 | 一种基于指标体系的飞行冲突评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102903263B (zh) | 2014-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102903263B (zh) | 一种基于分组方式的飞行冲突解脱方法及装置 | |
CN107169608B (zh) | 多无人机执行多任务的分配方法及装置 | |
CN105353768B (zh) | 狭窄空间内基于随机采样的无人机轨迹规划方法 | |
CN110703804A (zh) | 一种固定翼无人机集群的分层防撞控制方法 | |
Alejo et al. | The velocity assignment problem for conflict resolution with multiple aerial vehicles sharing airspace | |
Geng et al. | Cooperative mission planning with multiple UAVs in realistic environments | |
CN102930339A (zh) | 一种飞行冲突解脱方法及装置 | |
CN111880559A (zh) | 一种多无人机任务分配和路径规划联合问题的优化方法 | |
Liu | A progressive motion-planning algorithm and traffic flow analysis for high-density 2D traffic | |
CN114967744A (zh) | 一种多无人机协同避障的规划方法 | |
Maw et al. | iADA*: Improved anytime path planning and replanning algorithm for autonomous vehicle | |
CN110648560A (zh) | 一种基于分布式决策模型的fab的流量管理方法 | |
CN111121784A (zh) | 一种无人侦察机航路规划方法 | |
CN115494873A (zh) | 时序约束下一种基于蒙特卡洛树搜索架构的异构多无人机协同任务分配方法 | |
Ali et al. | Deep reinforcement learning based airport departure metering | |
KR102304408B1 (ko) | 군집 비행체의 비행 제어 방법 및 군집 비행체의 비행 제어 시스템 | |
Grant et al. | Mars science laboratory entry optimization using particle swarm methodology | |
CN116880507A (zh) | 具有运动学约束的多任务分配与多机器人路径规划的协同调度方法 | |
CN112783210B (zh) | 无人机集群控制系统的多目标控制参数调优方法 | |
Si et al. | Design and verification of a transfer path optimization method for an aircraft on the aircraft carrier flight deck | |
CN105469644A (zh) | 飞行冲突解脱方法及设备 | |
CN104268721B (zh) | 一种基于整数编码的猴群优化算法的飞机着陆跑道选择方法 | |
Mokhtarimousavi et al. | Determination of the aircraft landing sequence by two meta-heuristic algorithms | |
CN113283727A (zh) | 基于量子启发式算法的机场滑行道调度方法 | |
Bi et al. | Dynamic weighted and heat-map integrated scalable information path-planning algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180211 Address after: 100080 Building No. 3, courtyard No. 1, Zhongguancun East Road, Haidian District, Beijing, -1-101-127 Patentee after: Beijing ywing Information Technology Co., Ltd. Address before: 100191 Haidian District, Xueyuan Road, No. 37, Patentee before: Beihang University |
|
TR01 | Transfer of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141126 Termination date: 20200928 |
|
CF01 | Termination of patent right due to non-payment of annual fee |