CN105956790B - 低空飞行态势安全性评估指标及其评估方法 - Google Patents
低空飞行态势安全性评估指标及其评估方法 Download PDFInfo
- Publication number
- CN105956790B CN105956790B CN201610349299.0A CN201610349299A CN105956790B CN 105956790 B CN105956790 B CN 105956790B CN 201610349299 A CN201610349299 A CN 201610349299A CN 105956790 B CN105956790 B CN 105956790B
- Authority
- CN
- China
- Prior art keywords
- low
- altitude
- safety
- aircraft
- flight
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Fuzzy Systems (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Traffic Control Systems (AREA)
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
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;
所述汇聚态势迫近程度ApTij:表示低空空域汇聚态势下航空器i和j间的迫近程度;
所述碰撞风险强度CSi: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;
其中,η为位置增益系数,Di(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rjk:
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,…,XI)T
Xi=(xi1,xi2,…,xij),i=1,2,…,I
其中,Xi为第i个时间样本序列,xij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
(2)初始化隶属度矩阵U:
建立初始隶属度矩阵U,令
其中,uni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Cn:
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:
其中,dni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:
其中,dni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:
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:
其中,f(x,y,z)为高度为z时低空空域水平截面表达式;fci(x,y,z)、fri(x,y,z)、fsi(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Pi的经度、纬度和高度;分别为地形障碍物Oi的经度、纬度和高度;Ωi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(xi(t),yi(t),zi(t),vi(t),hi(t),Ci(t),Statei(t),Typei)。
其中,xi(t)、yi(t)、zi(t)、vi(t)、hi(t)分别表示t时刻航空器i的经度、纬度、高度、速度、航向;Ci(t)表示t时刻航空器i的冲突状态,且Ci(t)=0表示航空器i无飞行冲突,Ci(t)=1表示航空器i有飞行冲突;Statei(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;Typei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rjk:
(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:
④汇聚态势迫近程度ApTij:
再计算航空器i和j的汇聚态势迫近程度ApTij,
⑤碰撞风险强度CSi:
先计算t时刻航空器i与最近航空器(或障碍物)j的距离Di(t),
其中,(xi,yi,zi)、(xj,yj,zj)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CSi,
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,…,XI)T
Xi=(xi1,xi2,…,xij),i=1,2,…,I
其中,Xi为第i个时间样本序列,xij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:
其中,xij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xij标准化:
从而得到第j个指标的标准化数据向量Rj=(r1j,r2j,…,rIj)。
(2)初始化隶属度矩阵U:
建立初始隶属度矩阵U,令
其中,uni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Cn:
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dni:
dni=||Cn-xi||
计算价值函数J:
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:
其中,dni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:
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 (3)
1.低空飞行态势安全性评估方法,其特征在于,低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;
所述汇聚态势迫近程度ApTij:表示低空空域汇聚态势下航空器i和j间的迫近程度;
所述碰撞风险强度CSi: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;
其中,η为位置增益系数,Di(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;
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;
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;
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rjk:
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,...,XI)T
Xi=(xi1,xi2,...,xij),i=1,2,...,I
其中,Xi为第i个时间样本序列,xij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
(2)初始化隶属度矩阵U:
建立初始隶属度矩阵U,令
其中,uni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Cn:
其中,m为加权指数;
(4)计算FCM价值函数J:
其中,dni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:
其中,dni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);
2.根据权利要求1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。
3.根据权利要求1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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610349299.0A CN105956790B (zh) | 2016-05-24 | 2016-05-24 | 低空飞行态势安全性评估指标及其评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610349299.0A CN105956790B (zh) | 2016-05-24 | 2016-05-24 | 低空飞行态势安全性评估指标及其评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105956790A CN105956790A (zh) | 2016-09-21 |
CN105956790B true CN105956790B (zh) | 2021-09-17 |
Family
ID=56909632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610349299.0A Active CN105956790B (zh) | 2016-05-24 | 2016-05-24 | 低空飞行态势安全性评估指标及其评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105956790B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805175A (zh) * | 2018-05-21 | 2018-11-13 | 郑州大学 | 一种飞机的飞行姿态聚类分析方法和分析系统 |
CN108803656B (zh) * | 2018-06-12 | 2020-09-08 | 南京航空航天大学 | 一种基于复杂低空的飞行控制方法及系统 |
CN109993225B (zh) * | 2019-03-29 | 2021-03-23 | 北京航空航天大学 | 一种基于无监督学习的空域复杂度分类方法及装置 |
CN110659797B (zh) * | 2019-08-09 | 2022-08-16 | 中国船舶重工集团公司第七0九研究所 | 一种飞行冲突解脱管制指令的评估方法及系统 |
CN110991502B (zh) * | 2019-11-21 | 2020-10-13 | 北京航空航天大学 | 一种基于类别激活映射技术的空域安全态势评估方法 |
CN111951613B (zh) * | 2020-07-24 | 2021-08-31 | 北京航空航天大学 | 空地协同的广域空域安全态势评估方法 |
CN112466103B (zh) * | 2020-11-12 | 2021-10-01 | 北京航空航天大学 | 航空器飞行威胁演化预警方法、装置、设备及存储介质 |
CN115206135B (zh) * | 2022-06-16 | 2024-02-13 | 中国电子科技集团公司第二十八研究所 | 一种不确定爬升率的航空器指令高度规划方法 |
CN115630531B (zh) * | 2022-12-19 | 2023-03-14 | 中南大学 | 无人机控制系统自动化安全评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004102505A2 (fr) * | 2003-05-14 | 2004-11-25 | Jacques Villiers | Dispositif et procede d’assistance automatisee aux controleurs de la circulation aerienne |
CN101201870A (zh) * | 2007-12-20 | 2008-06-18 | 四川川大智胜软件股份有限公司 | 空中交通飞行态势动态仿真的方法 |
CN102682626A (zh) * | 2011-02-22 | 2012-09-19 | 通用电气公司 | 用于管理空中交通的方法和系统 |
CN103473469A (zh) * | 2013-09-25 | 2013-12-25 | 南京航空航天大学 | 一种基于客观指标的扇区交通态势多层次模糊评价方法 |
CN104537895A (zh) * | 2015-01-08 | 2015-04-22 | 中国航空无线电电子研究所 | 一种实现4d轨迹飞行的方法及装置 |
-
2016
- 2016-05-24 CN CN201610349299.0A patent/CN105956790B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004102505A2 (fr) * | 2003-05-14 | 2004-11-25 | Jacques Villiers | Dispositif et procede d’assistance automatisee aux controleurs de la circulation aerienne |
CN101201870A (zh) * | 2007-12-20 | 2008-06-18 | 四川川大智胜软件股份有限公司 | 空中交通飞行态势动态仿真的方法 |
CN102682626A (zh) * | 2011-02-22 | 2012-09-19 | 通用电气公司 | 用于管理空中交通的方法和系统 |
CN103473469A (zh) * | 2013-09-25 | 2013-12-25 | 南京航空航天大学 | 一种基于客观指标的扇区交通态势多层次模糊评价方法 |
CN104537895A (zh) * | 2015-01-08 | 2015-04-22 | 中国航空无线电电子研究所 | 一种实现4d轨迹飞行的方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于Agent复杂低空飞行行为建模与仿真;张翔宇等;《航空计算技术》;20160131;第46卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105956790A (zh) | 2016-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105956790B (zh) | 低空飞行态势安全性评估指标及其评估方法 | |
Shi et al. | LSTM-based flight trajectory prediction | |
Kochenderfer et al. | Airspace encounter models for estimating collision risk | |
CN113486938B (zh) | 基于多分支时间卷积网络的重着陆的分析方法和装置 | |
Bari et al. | Machine-learning regression applied to diagnose horizontal visibility from mesoscale NWP model forecasts | |
Odisho et al. | Applying machine learning to enhance runway safety through runway excursion risk mitigation | |
CN115064009B (zh) | 一种终端区无人机与有人机冲突风险等级划分方法 | |
Sridhar | Applications of machine learning techniques to aviation operations: Promises and challenges | |
CN113362604A (zh) | 一种基于扇区动态交通特征的管制员工作负荷评估方法 | |
Kochenderfer et al. | A comprehensive aircraft encounter model of the national airspace system | |
CN107909106A (zh) | 一种飞机飞行过程环境的检测方法 | |
Weijun et al. | Deep learning for aircraft wake vortex identification | |
Gil et al. | E-pilots: A system to predict hard landing during the approach phase of commercial flights | |
Bleu-Laine et al. | Predicting adverse events and their precursors in aviation using multi-class multiple-instance learning | |
Su et al. | A comprehensive flight plan risk assessment and optimization method considering air and ground risk of UAM | |
CN111175852B (zh) | 一种基于长短时记忆算法的机场大雾预报预警方法 | |
Caetano | Aviation accident and incident forecasting combining occurrence investigation and meteorological data using machine learning | |
Gloudemans et al. | A coupled probabilistic wake vortex and aircraft response prediction model | |
Tsai et al. | Risk Assessment of Final Approach Phase with ADS-B Trajectory Data and Weather Information using Artificial Neural Network | |
CN115188223A (zh) | 一种基于机场天气实况的飞机起降安全指数确定方法 | |
Guo et al. | Risk assessment method for controlled flight into terrain of airlines based on QAR data | |
Kuşkapan et al. | Classification of aviation accidents using data mining algorithms | |
Zhang et al. | A genetic algorithm-based BP neural network method for operational performance assessment of ATC sector | |
Bertrand et al. | Feasibility analysis of UAV operations for monitoring of infrastructure networks: A risk-based approach | |
Ortega et al. | Improve decision-making process in Air Command and Control Systems with meteorological data fusion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |