CN105956790A - 低空飞行态势安全性评估指标及其评估方法 - Google Patents

Abstract

本发明属于空中交通飞行态势评估领域，具体公开了一种低空飞行态势安全性评估方法，用以评估低空特定时空内密集飞行器群体飞行活动的安全状态和变化趋势，为低空飞行活动监控、空域划设与使用等提供技术支持。该方法首先分析低空空域运行环境特征和飞行态势实时数据；然后建立低空飞行态势安全性评价关键指标及其计算方法，包括飞行冲突发生次数、飞行冲突平均持续时间、冲突解脱行为比、汇聚态势迫近程度、碰撞风险强度等；最后通过分析关键指标间的相关性和差异性，提出一种低空飞行态势安全性综合模糊聚类评价方法。本发明构建了低空飞行态势安全性评估技术框架，提出了低空飞行态势安全性量化指标和综合评估方法，兼具创新性和实用性。

Description

低空飞行态势安全性评估指标及其评估方法

技术领域

本发明涉及空中交通态势评估领域，尤其适用于复杂低空空域环境条件下，一种密集混杂通用航空飞行活动态势安全性评估方法。

背景技术

低空空域是一种重要资源，是各类航空尤其是通用航空的活动空间，蕴藏着极大的经济价值和社会价值。随着我国经济快速发展及低空空域逐步开放，低空空域使用需求日趋旺盛，通用航空飞行活动日渐密集，充分利用低空资源、科学监控低空飞行已成为亟待攻关的重要课题。目前国内外关于低空飞行活动的研究较为广泛，主要集中在低空飞行行为建模、冲突探测与解脱等技术领域。然而针对低空飞行态势方面的研究尚不多见，低空飞行态势是指某低空时空内由密集飞行器群体、各种影响因素等相互作用形成的整体飞行状态和趋势。

低空飞行态势安全评估是对一定时间和空间内航空器群体的安全性进行综合评价，是科学监控低空空域运行安全的关键技术。目前关于低空空域飞行态势安全性评估方面的研究尚处于初步阶段，且尚未形成健全的评估指标与方法体系，亟需研究建立一套科学的低空飞行态势安全性评估技术与方法体系，为合理划设低空空域结构、科学监控低空飞行活动等提供前瞻技术支持。

发明内容

为科学评估低空空域航空器群体飞行活动的安全状态和变化趋势，填补低空飞行态势安全性评估技术与方法空白，本发明建立一套低空飞行态势安全性评估指标及测算方法，提出一种低空飞行态势安全性综合量化评估方法。

为实现上述目的，本发明采用以下技术方案：

首先提取所评估低空空域的运行环境特征及飞行态势动态数据；然后测算低空飞行态势安全性评价关键指标及其计算方法，包括飞行冲突发生次数、飞行冲突平均持续时间、冲突解脱行为比、汇聚态势迫近程度、碰撞风险强度等；最后分析关键指标间的相关性和差异性，采用模糊聚类方法评估低空飞行态势安全性。

本发明提出了一套空飞行态势安全性评估指标，包括飞行冲突发生次数、飞行冲突平均持续时间、冲突解脱行为比、汇聚态势迫近程度、碰撞风险强度；

所述飞行冲突发生次数在给定空域Ω_j的t₀-t₁监测时段内，航空器发生飞行冲突的总次数，用以反映航空器飞行活动的整体态势；

${\mathrm{Conflict}}_{{\mathrm{\Ω}}_j}^{t_0-t_1}=\underset{\mathrm{\α}}{\Σ}\underset{i=1}{\overset{m_{\mathrm{\α}}^{t_0-t_1}}{\Σ}}{\mathrm{Conflict}}_{\mathrm{\α},i}^{t_0-t_1}$

其中，Ω_j表示给定空域，且α为航空器活动类型，为给定空域的t₀-t₁时段内α类航空器总数，为第i架α类航空器在t₀-t₁时段内所发生的飞行冲突数；

所述飞行冲突平均持续时间在给定空域Ω_j的t₀-t₁监测时段内，所有航空器冲突解脱所需时间的平均值以及某一活动类型的航空器冲突解脱持续时间的平均值用以衡量飞行态势中安全持续水平和应对冲突的综合能力；

$\stackrel{\‾}{{\mathrm{Time}}_{{\mathrm{\Ω}}_j}^{t_0-t_1}}=\frac{\underset{\mathrm{\α}}{\Σ}\underset{i=1}{\overset{m_{\mathrm{\α}}^{t_0-t_1}}{\Σ}}{\mathrm{Time}}_{\mathrm{\α},i}^{t_0-t_1}}{\underset{\mathrm{\α}}{\Σ}{m}_{\mathrm{\α}}^{t_0-t_1}}$

$\stackrel{\‾}{{\mathrm{Time}}_{{\mathrm{\Ω}}_j,\mathrm{\α}}^{t_0-t_1}}=\frac{\underset{i=1}{\overset{m_{\mathrm{\α}}^{t_0-t_1}}{\Σ}}{\mathrm{Time}}_{\mathrm{\α},i}^{t_0-t_1}}{m_{\mathrm{\α}}^{t_0-t_1}}$

其中，Ω_j表示给定空域，且α为航空器活动类型，为t₀-t₁时段内α类航空器总数，为第i架α类航空器在t₀-t₁时段内的冲突解脱时间；

所述冲突解脱行为比低空一定时空内飞行活动的航空器中进行安全冲突解脱行为的航空器数量比，用以衡量该类航空器群体受到的飞行活动影响程度；

$C_{{\mathrm{\Ω}}_j}^t=\frac{{\Σ}_a{\mathrm{Action}}_{{\mathrm{\Ω}}_j,\mathrm{\α}}^s\left(t\right)+{\mathrm{Action}}_{{\mathrm{\Ω}}_j,\mathrm{\α}}^h\left(t\right)+{\mathrm{Action}}_{{\mathrm{\Ω}}_j,\mathrm{\α}}^d\left(t\right)}{{\Σ}_a{m}_{\mathrm{\α}}^{{\mathrm{\Ω}}_j}\left(t\right)}$

其中，Ω_j表示给定空域，且α为航空器活动类型， 分别表示t时刻空域Ω_j内α类航空器中进行调速、改变航向、改变高度的航空器数量，表示t时刻空域Ω_j中α类航空器总数；

所述汇聚态势迫近程度ApT_ij：表示低空空域汇聚态势下航空器i和j间的迫近程度；

${\mathrm{ApT}}_{ij}=\Σ\frac{{\left|\stackrel{\‾}{d_{ij}}\right|}^2}{(\stackrel{\‾}{d_{ij}},\stackrel{\‾}{V_{ij}})}$

其中，分别为航空器i和j的相对位置矢量和相对速度矢量；为矢量内积；

所述碰撞风险强度CS_i：表示航空器之间或者航空器与障碍物之间的危险接近强度，用以衡量航空器之间或者航空器与障碍物之间的碰撞风险；

${\mathrm{CS}}_i=\left\{\begin{array}{cc}\frac{\mathrm{\η}}{{D_i}^2\left(t\right)}(\frac{1}{D_i\left(t\right)}-\frac{1}{D_0}),& D_i\left(t\right)\≤D_0\\ 0,& D_i\left(t\right)>D_0\end{array}\right.$

其中，η为位置增益系数，D_i(t)为t时刻航空器i与最近航空器或障碍物的距离，D₀为航空器i的最小安全间隔。

本发明还提供一种利用低空飞行态势安全性评估指标实现的低空飞行态势安全性评估方法，具体步骤如下：

步骤一、分析低空空域运行环境，提取低空空域运行环境特征要素信息，建立低空空域运行环境信息数据库；

步骤二、提取低空飞行态势运行数据，建立低空空域航空器运行动态数据库；

步骤三、采用相关系数分析法对权利要求1构建的低空飞行态势安全性评估指标进行相关性分析，具体分析如下：

首先，计算各指标间的相关系数r_jk：

$r_{jk}=\frac{\underset{i=1}{\overset{I}{\Σ}}(x_{ij}-\stackrel{\‾}{x_j})(x_{ik}-\stackrel{\‾}{x_k})}{\sqrt{\underset{i=1}{\overset{I}{\Σ}}{(x_i-\stackrel{\‾}{x_j})}^2}\sqrt{\underset{i=1}{\overset{I}{\Σ}}{(x_{ik}-\stackrel{\‾}{x_k})}^2}}$

其中，x_ij、x_ik分别为第j、第k个指标的第i个时间序列样本值，分别为第j、k个指标的样本均值，I为样本个数；

之后，基于步骤二中提取的航空器实时运行数据，计算低空飞行态势安全性评估指标，获取指标值序列样本X：

X＝(X₁,X₂,…,X_I)^T

X_i＝(x_i1,x_i2,…,x_ij),i＝1,2,…,I

其中，X_i为第i个时间样本序列，x_ij为第j个指标的第i个时间序列样本值，I为样本个数；

步骤四：基于模糊数学的隶属度理论，采用模糊C均值聚类算法(FCM)对低空飞行态势安全性进行归类；具体步骤包括：

(1)标准化指标数据：

将步骤三中计算的低空飞行态势安全性评估指标值进行标准化，令

$r_{ij}=\frac{x_{ij}-\stackrel{\‾}{x_j}}{Std\left(x_j\right)}$

其中，x_ij为第j个指标的第i个时间序列值，为第j个指标的样本均值，Std(x_j)为第j个指标的样本标准差；

(2)初始化隶属度矩阵U：

建立初始隶属度矩阵U，令

U＝(u_ni)_N×I,且

其中，u_ni表示第i个指标样本序列隶属于第n个安全等级分类的程度，N为低空飞行态势安全性等级分类数；取N＝5，将低空飞行态势安全性等级分为安全、较安全、安全性一般、较不安全、不安全五类，即：

Class＝{安全,较安全,安全性一般,较不安全,不安全}

(3)计算N个分类的聚类中心C_n：

$C_n=\frac{\underset{i=1}{\overset{I}{\Σ}}{u}_{ni}^m{X}_i}{\underset{i=1}{\overset{I}{\Σ}}{u}_{ni}^m},n=1,2,\mathrm{...},N$

其中，m为加权指数；其取值大小影响模糊聚类结果的正确性和聚类性能。

(4)计算FCM价值函数J：

$J(U,c_1,c_2,\mathrm{...},c_n)=\underset{n=1}{\overset{N}{\Σ}}{J}_n=\underset{n=1}{\overset{N}{\Σ}}\underset{i=1}{\overset{I}{\Σ}}{u}_{ni}^m{d}_{ni}^2$

其中，d_ni为第n个分类的聚类中心与第i个数据之间的欧氏距离，m为加权指数，J的值反映类内紧致性，J越小，表明聚类越紧致；

将前后两次的价值函数值J进行比较，若价值函数值改变量ΔJ小于阈值ε，转步骤(6)，否则转步骤(5)；

(5)更新隶属矩阵U：

$u_{ni}=\frac{1}{\underset{k=1}{\overset{N}{\Σ}}{\left(\frac{d_{ni}}{d_{ki}}\right)}^{\frac{2}{m-1}}}$

其中，d_ni为第n个分类的聚类中心与第i个数据之间的欧氏距离，m为加权指数；重复步骤(3)、(4)；

(6)导出隶属矩阵U，依据最大隶属度原则将各数据点进行归类，即：

if u_ni＝max(u_1i,u_2i,…,u_Ni)

其中，为第i个低空飞行态势安全性指标时间样本序列的安全等级，u_ni表示第i个指标样本值对第n个分类的隶属度；

(7)输出低空飞行态势实时安全等级：

进一步的，步骤一所述低空空域运行环境特征要素信息包括低空空域结构信息、机场位置信息、障碍物位置信息、航空气象条件信息。

进一步的，步骤二所述低空飞行态势运行数据包括任意时刻每架航空器的位置、速度、航向、冲突状态、飞行状态。

进一步的，所述步骤四中，取m＝2。

本发明具有以下技术效果：

(1)建立了一套低空飞行态势安全性评估指标及其计算方法，既体现了低空飞行态势的宏观安全性，也体现了航空器之间相互影响的微观安全性，还能体现飞行态势宏微观安全性随时间和空间的变化，弥补了低空飞行安全态势评估指标的缺失。

(2)提出了一种低空飞行态势安全性模糊聚类综合评估方法，基于模糊数学理论和FCM聚类算法对低空飞行态势安全性进行归类处理和综合量化分析，具有评估方法实用、评估程序简单、评估结果量化等特点。

附图说明

图1为低空飞行态势安全性评估方法流程图；

图2为低空飞行态势安全性评估指标体系图；

图3为复杂低空空域运行环境示意图。

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为本发明的流程图。这种低空飞行态势安全性评估方法包括以下具体实施步骤：

步骤一：分析低空空域运行环境特征，并提取相应运行环境特征信息。

图3为复杂低空空域运行环境示意图。低空空域运行环境主要包括各类低空空域范围、通航机场以及临时起降点位置、地形障碍物位置、航空气象条件等。其中，各类低空空域范围、通航机场以及临时起降点位置、地形障碍物位置等信息可从《国内航行资料汇编(NAIP)》以及地理信息系统(GIS)中获取，航空器气象数据信息可从航空气象雷达中提取。所要提取的低空空域运行环境信息具体包括：

低空空域范围

管制空域范围

报告空域范围

监视空域范围

通航机场或临时起降点P_i中心坐标

地形障碍物O_i中心坐标

航空气象条件C＝{Ω_i,S,P,E|∪Ω_i＝Ω,且

其中，f(x,y,z)为高度为z时低空空域水平截面表达式；f_ci(x,y,z)、f_ri(x,y,z)、f_si(x,y,z)分别为高度为z时第i个管制空域、报告空域、监控空域水平截面表达式；z₁、z₂为低空空域高度的上下界；为管制空域高度的上下界；为报告空域高度的上下界；监视空域高度的上下界；分别为通航机场或临时起降点P_i的经度、纬度和高度；分别为地形障碍物O_i的经度、纬度和高度；Ω_i为空域i，S为该空域的气象条件(雷雨、低能见度、风切变等)，P为该气象条件的范围，E为该气象条件的强度。

步骤二：提取低空飞行态势运行数据。

通过一次雷达、二次雷达、航空器机载设备等，并借助计算机工具提取任意时刻t航空器i的实时运行数据(x_i(t),y_i(t),z_i(t),v_i(t),h_i(t),C_i(t),State_i(t),Type_i)。

其中，x_i(t)、y_i(t)、z_i(t)、v_i(t)、h_i(t)分别表示t时刻航空器i的经度、纬度、高度、速度、航向；C_i(t)表示t时刻航空器i的冲突状态，且C_i(t)＝0表示航空器i无飞行冲突，C_i(t)＝1表示航空器i有飞行冲突；State_i(t)表示t时刻航空器i的飞行状态，包括调速、改变航向、调整高度等；Type_i表示航空器i的活动类型；包括观光旅游、抢险救援、运输作业、公务飞行。

步骤三：采用相关系数分析法对所构建的低空飞行态势安全性评估指标进行相关性分析，并计算低空飞行态势安全性评估指标。

(1)计算各指标间的相关系数r_jk：

$r_{jk}=\frac{\underset{i=1}{\overset{I}{\Σ}}(x_{ij}-\stackrel{\‾}{x_j})(x_{ik}-\stackrel{\‾}{x_k})}{\sqrt{\underset{i=1}{\overset{I}{\Σ}}{(x_i-\stackrel{\‾}{x_j})}^2}\sqrt{\underset{i=1}{\overset{I}{\Σ}}{(x_{ik}-\stackrel{\‾}{x_k})}^2}}$

其中，x_ij、x_ik分别为第j、第k个指标的第i个时间序列样本值，分别为第j、k个指标的样本均值，I为样本个数，r_jk取值越小表示两个指标间相关性越小。

(2)图2为低空飞行态势安全性评估指标体系图，基于步骤二中提取的航空器实时运行数据，计算低空飞行态势安全性评估指标：

①飞行冲突发生次数

${\mathrm{Conflict}}_{{\mathrm{\Ω}}_j}^{t_0-t_1}=\underset{\mathrm{\α}}{\Σ}\underset{i=1}{\overset{m_{\mathrm{\α}}^{t_0-t_1}}{\Σ}}{\mathrm{Conflict}}_{\mathrm{\α},i}^{t_0-t_1}$

其中，Ω_j表示给定空域，且α为航空器活动类型，为给定空域的t₀-t₁时段内α类航空器总数，为第i架α类航空器在t₀-t₁时段内所发生的飞行冲突数。

②飞行冲突平均持续时间

先计算第i架α类航空器在t₀-t₁时段内的冲突解脱时间

${\mathrm{Time}}_{\mathrm{\α},i}^{t_0-t_1}=\underset{t=t_0}{\overset{t_1}{\Σ}}{\mathrm{conflict}}_i^t$

其中，为第i架航空器在t时刻的冲突状态；

再计算低空空域内所有航空器冲突解脱所需时间的平均值以及某一活动类型的航空器冲突解脱持续时间的平均值

$\stackrel{\‾}{{\mathrm{Time}}_{{\mathrm{\Ω}}_j}^{t_0-t_1}}=\frac{\underset{\mathrm{\α}}{\Σ}\underset{i=1}{\overset{m_{\mathrm{\α}}^{t_0-t_1}}{\Σ}}{\mathrm{Time}}_{\mathrm{\α},i}^{t_0-t_1}}{\underset{\mathrm{\α}}{\Σ}{m}_{\mathrm{\α}}^{t_0-t_1}}$

$\stackrel{\‾}{{\mathrm{Time}}_{{\mathrm{\Ω}}_j,\mathrm{\α}}^{t_0-t_1}}=\frac{\underset{i=1}{\overset{m_{\mathrm{\α}}^{t_0-t_1}}{\Σ}}{\mathrm{Time}}_{\mathrm{\α},i}^{t_0-t_1}}{m_{\mathrm{\α}}^{t_0-t_1}}$

其中，Ω_j表示给定空域，且α为航空器活动类型，为t₀-t₁时段内α类航空器总数。

③冲突解脱行为比

$C_{{\mathrm{\Ω}}_j}^t=\frac{{\Σ}_a{\mathrm{Action}}_{{\mathrm{\Ω}}_j,\mathrm{\α}}^s\left(t\right)+{\mathrm{Action}}_{{\mathrm{\Ω}}_j,\mathrm{\α}}^h\left(t\right)+{\mathrm{Action}}_{{\mathrm{\Ω}}_j,\mathrm{\α}}^d\left(t\right)}{{\Σ}_a{m}_{\mathrm{\α}}^{{\mathrm{\Ω}}_j}\left(t\right)}$

其中，Ω_j表示给定空域，且α为航空器活动类型， 分别表示t时刻空域Ω_j内α类航空器中进行调速、改变航向、改变高度的航空器数量，表示t时刻空域Ω_j中α类航空器总数。

④汇聚态势迫近程度ApT_ij：

先计算航空器i和j的相对位置矢量和相对速度矢量

$\stackrel{\‾}{d_{ij}}=(x_i-x_j,y_i-y_j,z_i-z_j)$

$\stackrel{\‾}{V_{ij}}=(v_i^x-v_j^x,v_i^y-v_j^y,v_i^z-v_j^z)$

其中，(x_i,y_i,z_i)、(x_j,y_j,z_j)分别为航空器i和j的位置矢量，分别为航空器i和j的速度矢量；

再计算航空器i和j的汇聚态势迫近程度ApT_ij，

${\mathrm{ApT}}_{ij}=\Σ\frac{{\left|\stackrel{\‾}{d_{ij}}\right|}^2}{(\stackrel{\‾}{d_{ij}},\stackrel{\‾}{V_{ij}})}$

⑤碰撞风险强度CS_i：

先计算t时刻航空器i与最近航空器(或障碍物)j的距离D_i(t)，

$D_i\left(t\right)=\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2+{(z_i-z_j)}^2}$

其中，(x_i,y_i,z_i)、(x_j,y_j,z_j)分别为航空器i和航空器(或障碍物)j的位置矢量，

再计算t时刻航空器i与最近航空器(或障碍物)j的碰撞风险强度CS_i，

${\mathrm{CS}}_i=\left\{\begin{array}{cc}\frac{\mathrm{\η}}{{D_i}^2\left(t\right)}(\frac{1}{D_i\left(t\right)}-\frac{1}{D_0}),& D_i\left(t\right)\≤D_0\\ 0,& D_i\left(t\right)>D_0\end{array}\right.$

其中，η为位置增益系数，D₀为航空器i的最小安全间隔。

获取指标值序列样本X：

X＝(X₁,X₂,…,X_I)^T

X_i＝(x_i1,x_i2,…,x_ij),i＝1,2,…,I

其中，X_i为第i个时间样本序列，x_ij为第j个指标的第i个时间序列样本值，I为样本个数。

步骤四：基于模糊数学的隶属度理论，采用模糊C均值聚类算法(FCM)对低空飞行态势安全性进行归类。具体步骤包括：

(1)标准化指标数据：

计算第j个指标的样本均值及样本标准差Std(x_j)：

$\stackrel{\‾}{x_j}=\frac{1}{J}\underset{i=1}{\overset{I}{\Σ}}{x}_{ij}$

$Std\left(x_j\right)=\sqrt{\frac{1}{J-1}\underset{i=1}{\overset{I}{\Σ}}{(x_{ij}-\stackrel{\‾}{x_j})}^2}$

其中，x_ij为第j个指标的第i个时间序列值；

将第j个指标的第i个时间序列值x_ij标准化：

$r_{ij}=\frac{x_{ij}-\stackrel{\‾}{x_j}}{Std\left(x_j\right)}$

从而得到第j个指标的标准化数据向量R_j＝(r_1j,r_2j,…,r_Ij)。

(2)初始化隶属度矩阵U：

建立初始隶属度矩阵U，令

U＝(u_ni)_N×I,且

其中，u_ni表示第i个指标样本序列隶属于第n个安全等级分类的程度，N为低空飞行态势安全性等级分类数，本发明取N＝5，将低空飞行态势安全性等级分为“安全”、“较安全”、“安全性一般”、“较不安全”、“不安全”五类，即：

Class＝{"安全","较安全","安全性一般","较不安全","不安全"}

(3)计算N个分类的聚类中心C_n：

$C_n=\frac{\underset{i=1}{\overset{I}{\Σ}}{u}_{ni}^m{X}_i}{\underset{i=1}{\overset{I}{\Σ}}{u}_{ni}^m},n=1,2,\mathrm{...},N$

其中，m为加权指数，本发明中取m＝2。

(4)计算FCM价值函数J：

计算第n个分类的聚类中心与第i个数据之间的欧氏距离d_ni：

d_ni＝||C_n-x_i||

计算价值函数J：

$J(U,c_1,c_2,\mathrm{...},c_n)=\underset{n=1}{\overset{N}{\Σ}}{J}_n=\underset{n=1}{\overset{N}{\Σ}}\underset{i=1}{\overset{I}{\Σ}}{u}_{ni}^m{d}_{ni}^2$

其中，m为加权指数。

为便于计算，价值函数值J的初始默认值为0，阈值ε＝10^-5。将前后两次的价值函数值J进行比较，若价值函数值改变量ΔJ小于阈值ε，转步骤(6)，否则转步骤(5)。

(5)更新隶属矩阵U：

$u_{ni}=\frac{1}{\underset{k=1}{\overset{N}{\Σ}}{\left(\frac{d_{ni}}{d_{ki}}\right)}^{\frac{2}{m-1}}}$

其中，d_ni为第n个分类的聚类中心与第i个数据之间的欧氏距离，m为加权指数。重复步骤(3)、(4)。

(6)导出隶属矩阵U，依据最大隶属度原则将各数据点进行归类，即：

if u_ni＝max(u_1i,u_2i,…,u_Ni)

其中，为第i个低空飞行态势安全性指标样本值的安全等级，u_ni表示第i个指标样本值对第n个分类的隶属度。

(7)输出低空飞行态势实时安全等级：

本发明建立了一套低空飞行态势安全性评估指标及其计算方法，既体现了低空飞行态势的宏观安全性，也体现了航空器之间相互影响的微观安全性，还能体现飞行态势宏微观安全性随时间和空间的变化，弥补了低空飞行安全态势评估指标的缺失。同时提出了一种低空飞行态势安全性模糊聚类综合评估方法，基于模糊数学理论和FCM聚类算法对低空飞行态势安全性进行归类处理和综合量化分析，具有评估方法实用、评估程序简单、评估结果量化等特点。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (5)

1.低空飞行态势安全性评估指标，其特征在于，包括飞行冲突发生次数、飞行冲突平均持续时间、冲突解脱行为比、汇聚态势迫近程度、碰撞风险强度；

所述飞行冲突发生次数在给定空域Ω_j的t₀-t₁监测时段内，航空器发生飞行冲突的总次数，用以反映航空器飞行活动的整体态势；

${\mathrm{Conflict}}_{{\mathrm{\Ω}}_j}^{t_0-t_1}=\underset{\mathrm{\α}}{\mathrm{\Σ}}\underset{i=1}{\overset{m_{\mathrm{\α}}^{t_0-t_1}}{\mathrm{\Σ}}}{\mathrm{Conflict}}_{\mathrm{\α},i}^{t_0-t_1}$

其中，Ω_j表示给定空域，且α为航空器活动类型，为给定空域的t₀-t₁时段内α类航空器总数，为第i架α类航空器在t₀-t₁时段内所发生的飞行冲突数；

所述飞行冲突平均持续时间在给定空域Ω_j的t₀-t₁监测时段内，所有航空器冲突解脱所需时间的平均值以及某一活动类型的航空器冲突解脱持续时间的平均值用以衡量飞行态势中安全持续水平和应对冲突的综合能力；

$\stackrel{\‾}{{\mathrm{Time}}_{{\mathrm{\Ω}}_j}^{t_0-t_1}}=\frac{\underset{\mathrm{\α}}{\Σ}\underset{i=1}{\overset{m_{\mathrm{\α}}^{t_0-t_1}}{\Σ}}{\mathrm{Time}}_{\mathrm{\α},i}^{t_0-t_1}}{\underset{\mathrm{\α}}{\Σ}{m}_{\mathrm{\α}}^{t_0-t_1}}$

$\stackrel{\‾}{{\mathrm{Time}}_{{\mathrm{\Ω}}_j,\mathrm{\α}}^{t_0-t_1}}=\frac{\underset{i=1}{\overset{m_{\mathrm{\α}}^{t_0-t_1}}{\Σ}}{\mathrm{Time}}_{\mathrm{\α},i}^{t_0-t_1}}{m_{\mathrm{\α}}^{t_0-t_1}}$

其中，Ω_j表示给定空域，且α为航空器活动类型，为t₀-t₁时段内α类航空器总数，为第i架α类航空器在t₀-t₁时段内的冲突解脱时间；

所述冲突解脱行为比低空一定时空内飞行活动的航空器中进行安全冲突解脱行为的航空器数量比，用以衡量该类航空器群体受到的飞行活动影响程度；

$C_{{\mathrm{\Ω}}_j}^t=\frac{{\mathrm{\Σ}}_a{\mathrm{Action}}_{{\mathrm{\Ω}}_j,\mathrm{\α}}^s\left(t\right)+{\mathrm{Action}}_{{\mathrm{\Ω}}_j,\mathrm{\α}}^h\left(t\right)+{\mathrm{Action}}_{{\mathrm{\Ω}}_j,\mathrm{\α}}^d\left(t\right)}{{\mathrm{\Σ}}_a{m}_{\mathrm{\α}}^{{\mathrm{\Ω}}_j}\left(t\right)}$

其中，Ω_j表示给定空域，且α为航空器活动类型， 分别表示t时刻空域Ω_j内α类航空器中进行调速、改变航向、改变高度的航空器数量，表示t时刻空域Ω_j中α类航空器总数；

所述汇聚态势迫近程度ApT_ij：表示低空空域汇聚态势下航空器i和j间的迫近程度；

${\mathrm{ApT}}_{ij}=\mathrm{\Σ}\frac{|\stackrel{\‾}{d_{ij}}{|}^2}{(\stackrel{\‾}{d_{ij}},\stackrel{\‾}{V_{ij}})}$

其中，分别为航空器i和j的相对位置矢量和相对速度矢量；为矢量内积；

所述碰撞风险强度CS_i：表示航空器之间或者航空器与障碍物之间的危险接近强度，用以衡量航空器之间或者航空器与障碍物之间的碰撞风险；

${\mathrm{CS}}_i=\left\{\begin{array}{cc}\frac{\mathrm{\η}}{{D_i}^2\left(t\right)}(\frac{1}{D_i\left(t\right)}-\frac{1}{D_0}),& D_i\left(t\right)\≤D_0\\ 0,& D_i\left(t\right)>D_0\end{array}\right.$

其中，η为位置增益系数，D_i(t)为t时刻航空器i与最近航空器或障碍物的距离，D₀为航空器i的最小安全间隔。

2.利用权利要求1所述的低空飞行态势安全性评估指标实现的低空飞行态势安全性评估方法，其特征在于，具体步骤如下：

步骤一、分析低空空域运行环境，提取低空空域运行环境特征要素信息，建立低空空域运行环境信息数据库；

步骤二、提取低空飞行态势运行数据，建立低空空域航空器运行动态数据库；

步骤三、采用相关系数分析法对权利要求1构建的低空飞行态势安全性评估指标进行相关性分析，具体分析如下：

首先，计算各指标间的相关系数r_jk：

$r_{jk}=\frac{\underset{i=1}{\overset{I}{\Σ}}(x_{ij}-\stackrel{\‾}{x_j})(x_{ik}-\stackrel{\‾}{x_k})}{\sqrt{\underset{i=1}{\overset{I}{\Σ}}{(x_i-\stackrel{\‾}{x_j})}^2}\sqrt{\underset{i=1}{\overset{I}{\Σ}}{(x_{ik}-\stackrel{\‾}{x_k})}^2}}$

其中，x_ij、x_ik分别为第j、第k个指标的第i个时间序列样本值，分别为第j、k个指标的样本均值，I为样本个数；

之后，基于步骤二中提取的航空器实时运行数据，计算低空飞行态势安全性评估指标，获取指标值序列样本X：

X＝(X₁,X₂,…,X_I)^T

X_i＝(x_i1,x_i2,…,x_ij),i＝1,2,…,I

其中，X_i为第i个时间样本序列，x_ij为第j个指标的第i个时间序列样本值，I为样本个数；

步骤四：基于模糊数学的隶属度理论，采用模糊C均值聚类算法对低空飞行态势安全性进行归类；具体步骤包括：

(1)标准化指标数据：

将步骤三中计算的低空飞行态势安全性评估指标值进行标准化，令

$r_{ij}=\frac{x_{ij}-\stackrel{\‾}{x_j}}{Std\left(x_j\right)}$

其中，x_ij为第j个指标的第i个时间序列值，为第j个指标的样本均值，Std(x_j)为第j个指标的样本标准差；

(2)初始化隶属度矩阵U：

建立初始隶属度矩阵U，令

U＝(u_ni)_N×I,且

其中，u_ni表示第i个指标样本序列隶属于第n个安全等级分类的程度，N为低空飞行态势安全性等级分类数；取N＝5，将低空飞行态势安全性等级分为安全、较安全、安全性一般、较不安全、不安全五类，即：

Class＝{安全,较安全,安全性一般,较不安全,不安全}

(3)计算N个分类的聚类中心C_n：

$C_n=\frac{\underset{i=1}{\overset{I}{\Σ}}{u}_{ni}^m{X}_i}{\underset{i=1}{\overset{I}{\Σ}}{u}_{ni}^m},n=1,2,...,N$

其中，m为加权指数；

(4)计算FCM价值函数J：

$J(U,c_1,c_2,...c_n)=\underset{n=1}{\overset{N}{\Σ}}{J}_n=\underset{n=1}{\overset{N}{\Σ}}\underset{i=1}{\overset{I}{\Σ}}{u}_{ni}^m{d}_{ni}^2$

其中，d_ni为第n个分类的聚类中心与第i个数据之间的欧氏距离，m为加权指数，J的值反映类内紧致性，J越小，表明聚类越紧致；

将前后两次的价值函数值J进行比较，若价值函数值改变量ΔJ小于阈值ε，转步骤(6)，否则转步骤(5)；

(5)更新隶属矩阵U：

$u_{ni}=\frac{1}{\underset{k=1}{\overset{N}{\Σ}}{\left(\frac{d_{ni}}{d_{ki}}\right)}^{\frac{2}{m-1}}}$

其中，d_ni为第n个分类的聚类中心与第i个数据之间的欧氏距离，m为加权指数；重复步骤(3)、(4)；

(6)导出隶属矩阵U，依据最大隶属度原则将各数据点进行归类，即：

$X_i^{class}=Class\left(n\right),if{u}_{ni}=max(u_{1i},u_{2i},...,u_{Ni})$

其中，为第i个低空飞行态势安全性指标时间样本序列的安全等级，u_ni表示第i个指标样本值对第n个分类的隶属度；

(7)输出低空飞行态势实时安全等级：

3.根据权利要求2所述的低空飞行态势安全性评估方法，其特征在于，步骤一所述低空空域运行环境特征要素信息包括低空空域结构信息、机场位置信息、障碍物位置信息、航空气象条件信息。

4.根据权利要求2所述的低空飞行态势安全性评估方法，其特征在于，步骤二所述低空飞行态势运行数据包括任意时刻每架航空器的位置、速度、航向、冲突状态、飞行状态。

5.根据权利要求2所述的低空飞行态势安全性评估方法，其特征在于，所述步骤四中，取m＝2。