CN107622699B - 基于时序的全时段空域冲突探测与解脱方法 - Google Patents
基于时序的全时段空域冲突探测与解脱方法 Download PDFInfo
- Publication number
- CN107622699B CN107622699B CN201710878924.5A CN201710878924A CN107622699B CN 107622699 B CN107622699 B CN 107622699B CN 201710878924 A CN201710878924 A CN 201710878924A CN 107622699 B CN107622699 B CN 107622699B
- Authority
- CN
- China
- Prior art keywords
- aircraft
- point
- state
- current
- moment
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种新型、高效的基于时序进行推演的全时段冲突探测与解脱方法。旨在结合航班计划和空域结构特征,推演生成有序的无冲突航班流信息,该方法首先搜集指定空域的数据信息,建立航班计划集合和空域点集合,然后基于时序、空域点、点航空器序列的三级循环推演,通过空域内航空器的状态转化,实现冲突探测与解脱。本发明方法充分考虑了管制工作流程,弱化冲突探测与解脱过程中航空器个体行为,更加关注整体空域中航空器之间的相互影响,贴近实际管制工作流程,消除了当前冲突探测与解脱算法中不同尺度的预排序策略对于推演结果的不确定性影响,从而使推演结果稳定可靠,并且采用无回溯的算法流程,提高了算法的执行效率。
Description
技术领域
本发明涉及一种全时段空域冲突探测与解脱方法,特别是大范围多节点空域的全时段冲突探测与解脱方法。
背景技术
空域冲突探测与解脱作为一项基础技术,广泛应用于4D轨迹预测、航迹规划、空域容量评估、场面运行规划、进离场航班运行管理等方面,其研究能够提升和改善当前的空域管理和流量管理相关运行系统整体性能。尤其是近年来,随着交通需求的迅猛增长引发的空域供需矛盾、空域安全隐患等问题不断凸显,国内外对空域和流量管理相关技术研究的力度不断加大。当前大部分研究通常依据不同的优化目标构建优化模型,并筛选合适的智能算法进行求解,包括决策树、NSGA-II遗传算法、粒子群算法等;该类方法能够较好地实现飞行冲突解脱,但同时存在算法过于复杂、计算效率低下,模型过度抽象等问题。此外,大部分研究通常针对终端区、扇区、航路等空域环境,只考虑了某种特定类型的空域或某指定空域内的单架航班的运行情况,而在实际运行中需要整体考虑空域系统内所有航班的运行情况。
发明内容
发明目的:本发明从实际运行需求出发,结合实际管制流程,提出了高效、实用的全时段空域冲突探测与解脱方法。针对空域内所有航空器,从宏观角度对空域内运行的航空器进行全时段冲突探测与解脱,生成有序无冲突的航班流信息,为后续的理论研究和系统应用提供可靠的数据支撑。
技术方案:为实现上述目的,本发明采用如下技术方案:
一种基于时序的全时段空域冲突探测与解脱方法,包括以下步骤:
(1)搜集指定空域的数据信息,建立航班计划集合和空域点集合;
(2)以时序为第一级循环、空域点集合为第二级循环、点航空器序列为第三级循环进行航空器冲突探测与解脱,并保存每一个推演时刻空域内所有航空器的状态以及4D信息;其中,第三级循环中在当前推演时刻以当前空域点为下一目标点的当前航空器进行冲突探测与解脱的方法为:若在当前推演时刻,航空器状态为延误消解态则执行步骤(2.1);航空器状态为航段飞行态则执行步骤(2.2);航空器状态为冲突探测与解脱态则执行步骤(2.3);
(2.1)若处于延误消解态的航空器的航段启动时间为当前推演时刻,则航空器由延误消解态转换为航段飞行态,执行步骤(2.2);若处于延误消解态的航空器的航段结束时间为当前推演时刻,则航空器由延误消解态转换为冲突探测与解脱态,执行步骤(2.3);若不满足上述两个条件,则保存当前推演时刻当前航空器为延误消解态,4D信息为上一推演时刻的4D信息,进行下一航空器的推演;
(2.2)若处于航段飞行态的航空器的航段结束时间为当前推演时刻,则航空器由航段飞行态转换为冲突探测与解脱态,执行步骤(2.3);若处于航段飞行态的航空器的航段开始时间为当前推演时刻,则说明航空器在当前时刻转化为航段飞行态,不推演4D信息,否则推演航空器在当前时刻4D信息并保存当前推演时刻的航空器信息;
(2.3)确定当前航空器在下一目标点的前机,计算当前航空器到达下一目标点的预计到达时间,匹配策略库中的策略对象获取管制间隔;若预计到达时间与前机的预计到达时间的差值大于管制间隔的约束,或者未找到满足符合条件的前机,则表明航空器在下一目标点处未探知到冲突,从下一推演时刻开始,航空器进入航段飞行态;否者表明航空器在下一目标点处探知到冲突,计算在当前航段匀减速飞行的末速度,若满足最大减速限度约束则进行匀减速飞行,从下一推演时刻开始,航空器进入航段飞行态,否则进行冲突消解,航空器以最大加速度飞行下一航段,并计算所需消解的延误时间,从下一推演时刻开始,航空器进入延误消解态;更新航空器的信息,删除存储在当前点航空器序列中当前航空器的信息,并将航空器加入到下一目标点的航空器序列中;保存当前推演时刻当前航空器的状态和4D信息,进行下一航空器的推演。
作为优选,若在当前推演时刻,存在初始态航空器在当前时刻进入仿真空域,则先将当前时刻已在空域内的所有航空器的4D信息计算完毕后,再对处于初始态的航空器进行两次冲突探测与解脱,包括在移交点处的第一次冲突探测与解脱和在加入到移交点航空器队列后的第二次冲突探测与解脱。
作为优选,步骤(2.3)中依据预计到达时间匹配策略库中的策略对象为下一目标点的管制策略,获取对应的管制间隔,若策略库中未能匹配成功,则管制间隔默认为雷达间隔,若匹配到同一策略对象的两个策略,则根据策略优先级决定所要执行的策略。
作为优选,步骤(2.3)中当前航空器在下一目标点的前机满足的条件为:在当前推演时刻,前机在下一目标点的航空器序列中;前机在下一目标点的过点高度与当前航空器相同;以及,在当前推演时刻,在所有以当前航空器的下一目标点为目标点飞行的航空器中,前机的预计到点时间最大。
作为优选,航空器的4D信息包括:航空器经、纬度坐标、航空器高度和航空器速度。
作为优选,步骤(2)中推演全时段时间范围为24小时,时序增量为1秒。
作为优选,虚拟一个ori点,将初始态航空器保存在ori点航空器序列中,对当前初始态航空器进行冲突探测与解脱的方法为:寻找当前航空器在移交点处的前机,若没有前机或预计到点时间与前机预计到点时间无冲突,则表明可以进行第一航段的飞行冲突探测与解脱,更新航空器信息,将更新信息后的航空器加入移交点航空器队列中,并在ori点航空器序列中删除当前航空器,将航空器转换为冲突探测与解脱态,进行第二次冲突探测与解脱;否则表明不可以进行第一航段的飞行冲突探测与解脱,更新航空器信息,将更新信息后的航空器加入移交点航空器队列中,并在ori点航空器序列中删除当前航空器,将航空器转换为冲突探测与解脱态延误消解态。
有益效果:本发明充分考虑了管制工作流程,弱化冲突探测与解脱过程中航空器个体行为,更加关注整体空域中航空器之间的相互影响,消除了常用算法中不同尺度的预排序策略对于推演结果的不确定性影响,并且采用无回溯的算法流程,提高了算法执行效率,推演结果可靠,能够满足实际应用需求。
附图说明
图1为基于时序的全时段空域冲突探测与解脱方法流程图。
图2为航空器四态模型示意图。
图3为管制策略库结构示意图。
图4为基于时序的全时段空域冲突探测与解脱方法原型系统界面图。
图5为策略影响验证——管制策略库配置界面图。
图6为策略影响验证——延误堆积结果示意图。
图7为策略影响验证——延误高峰结果示意图。
图8为策略影响验证——延误消解结果示意图。
图9为推演结果验证——关键点流量分布结果示意图。
图10为推演结果验证——航段平均飞行时间结果示意图。
具体实施方式:
为了方便了解发明的目的、技术方案和优点,结合附图和以下实例进行说明,此处所描述的具体实施方式仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例公开的一种基于时序的全时段空域冲突探测与解脱算法,所述方法包括以下步骤,流程图如图1所示。
Step 1:搜集数据信息
搜集指定空域的关键点信息,包括经纬度,过点高度,航班计划等数据。航班计划数据包括航空器的过点序列,航空器预计进入指定空域内起点的时间。设定在各个冲突解脱时刻空域内所有航空器的航班号均唯一。由于航班计划是按天制定执行,因此确定进行冲突解脱的全时段时间范围为24小时,可以充分考虑前序时段航班延误堆积对于后续航班的影响,使结果更加真实可靠。
Step 2:确定航班计划集合
根据空域信息,对航班计划信息进行清理筛选,确定进行冲突探测与解脱的航空器信息,包括:航空器在指定空域的过点序列、进入指定空域起点的时间、航空器的过点高度序列、航空器类型等,由于所获取实验数据的不完整性,因此航空器信息中并未包含过点速度序列,以过点速度的形式被包含于空域点信息中。确定航班计划集合为Fs={F1,F2,…,Fi},航班计划是航空器集合,并且以航班号作为集合中航空器的唯一标识。
Fi包含的主要信息说明如下:
Fi state:表示在推演时刻航空器Fi的状态,目前取值有两个MOVE表示处于航段飞行态;WAIT表示处于延误消解状态;
Fi cstime:当前航段Fi进入飞行状态的时刻;
Fi cetime:预计到达下一目标点的时刻;
Fi acc:在当前推演时刻当前航段Fi的加速度,单位为千米/秒;
Fi nlist:Fi的过点序列,并且以过点顺序存储;
Fi hlist:Fi的过点高度序列,与Fi nlist长度相同,且取值一一对应;
Fi sheight:在当前推演时刻Fi所飞行航段起点处过点高度;
Fi eheight:在当前推演时刻Fi所飞行航段终点处过点高度;
Fi cheight:在当前推演时刻Fi的高度,单位为米;
Fi delay:在当前航段Fi的延误消解时间;
Fi evelocity:Fi到达当前航段的终点的速度
Fi velocity:在当前推演时刻当前航段Fi的飞行速度,单位为千米/小时;
Fi dx:在当前推演时刻Fi的经度;
Fi dy:在当前推演时刻Fi的纬度;
Fi direction:在当前推演时刻Fi的航向;
Step 3:确定空域点集合
根据算法设计思路,冲突探测与解脱是逐点进行的,因此弱化推演空域的航路航线网络结构,将空域抽象为点的集合,各个航空器根据过点序列感知在空域中的运行轨迹,空域中对于航空器运行的限制与约束通过点属性作用于过点航空器。空域点属性包括:各类型航空器过点速度(以重中轻分类)、过点间隔、移交间隔等。确定空域点集合为Ns={Ns1,Ns2,…,Nsj}。
Nsj包含的主要信息说明如下:
Nsj点的名称,在指定空域中点名称是唯一的,可作为点标识
当前推演时刻以Nsj为目标点的航空器集合,并以航空器预计到点时间升序排序;
航空器的过点速度要求,按机型的重、中、轻三类进行区分;
航空器过点间隔的要求,单位为千米,各个航空器需根据过点时刻从策略库中匹配获取;
Nsj点的经度;
Nsj点的纬度;
Nsj点的类型,ROUTE表示为航路点,TERMINAL表示为终端区点。
Step 4:时序循环
根据Step 1中冲突探测与解脱时间范围的设定,将时间范围抽象为全局推演的内部时间轴TimeSlice=[0,24×60×60),并且为每个推演时刻建立一个存放推演结果的“帧”,用于储存当前推演时刻空域内所有航空器的状态以及4D信息。设定算法中时序起点为第0秒,时序增量为1秒,当前推演时刻为第ct秒,若ct∈TimeSlice则进行该时刻的推演执行Step 5,否则执行算法执行结束。时序循环是算法中的第一级循环,是全局时间轴的推进。
Step 5:点集合循环
根据Step 2确定的空域点集合为Ns,当前进行冲突解脱的点为Nsj,若Nsj∈Ns则对该点进行ct时刻的推演,执行Step 6,否则表示当前时刻ct点集合中所有点已推演完毕,则考虑将Fs中处于初始态的航空器加入推演空域中,执行Step 8。点集合循环是算法中的二级循环,是在ct时刻对点集合中所有点依次进行冲突探测与解脱,是指定时序下推演空域内所有点的遍历。
Step 6:点航空器序列循环
是ct时刻以Nsj点为目标点进行冲突探测与解脱的航空器序列,确定在ct时刻对Nsj点进行冲突探测与解脱的航空器为Fij(其中i表示第i个推演时刻,j表示第j个目标点),若则对该航空器进行冲突探测与解脱,执行Step 7,否则表示Nsj点的航空器序列在ct时刻已经推演完毕,执行Step 5。点航空器序列循环是算法的第三级循环,是在ct时刻在空域中以Nsj为下一目标点的所有航空器依次进行推演,是指定时序下指定点的航空器序列的遍历。
Step 7:航空器冲突探测与解脱
确定当前进行冲突探测与解脱的航空器为Fij,通过Fij在上一推演时刻的状态以及空域内其他与Fij有关联的航空器的状态计算出在当前推演时刻Fij的状态以及4D信息。执行Step 7.1。
Step 7.1:延误消解态
若为WAIT,并且则表示在ct时刻Fij将由延误消解态转换为航段飞行态,执行Step 7.2。
若为WAIT,并且则表示在ct时刻Fij将由延误消解态转换为冲突探测与解脱态,执行Step 7.3。
若为WAIT,并且则表示在ct时刻Fij仍处于延误消解态,不需要更新4D信息,将4D信息保存到第ct帧中,跳回执行Step 6。
Step 7.2:航段飞行态
目前算法设计中航段飞行态支持两种飞行形式:1)匀速飞行,则)匀减速飞行,则具体的飞行形式由Fij在航段起点,处于冲突探测与解脱态时的计算结果决定。
若为MOVE,并且则表示在ct时刻Fij将由航段飞行态转换为冲突探测与解脱态,执行Step 7.3。
若为MOVE,并且则表示在ct时刻Fij处于航段飞行态。若说明Fij在当前时刻转化为航段飞行态ct时刻不需要推演Fij的4D信息,否则一定成立,推演ct时刻Fij的4D信息:
1.计算在下一个推演粒度内航空器的移动距离
Pers为推演粒度,当前设置为1秒
2.计算航空器经纬度坐标
其中L为每经/纬度的长度,可近似处理为111公里;
3.计算航空器的高度
4.计算航空器速度
5.将Fij更新后的4D信息保存到第ct帧中,跳回执行Step 6。
Step 7.3:冲突探测与解脱态
由于抽象了航路航线结构,因此各个航空器需要在当前航段结束时各自感知下一目标点,从而确定飞行轨迹。进入冲突探测与解脱态说明航空器行驶到了某个航段的终点Nsj,要在终点处对下一航行目标点Nsk进行冲突探测与解脱,从而确定下一航段的飞行状态。设定到达终点后,根据机型获取过点速度,作为航段初始速度并将航空器的经纬度信息更新为Nsj点的经纬度。执行Step 7.3.1。
Step 7.3.1:冲突探测
若则表明该航空器在空域内的飞行结束,跳回执行Step 6。
Index(Nsk):表示Nsk点在中的索引。
若Nsk∈Ns,且Index(Nsk)-Index(Nsj)=1,则表明Nsk为Fij的下一目标点。需在ct时刻Nsj处探知Nsk处的冲突,首先确定Fij在Nk点处的前机PF,由于航空器在各个空域点处严格执行先到先服务的策略,因此寻找前机考虑以下条件:
1.在ct时刻
2.PF在Nsk点处过点高度与Fij相同;
3.在ct时刻,在所有以Nsk点为目标点飞行的航空器中,PF的预计到点时间最大。
进行冲突探测的流程如下所示:
1.计算纬度差:
2.计算经度差:
3.计算下一行段飞行距离:
其中Rearth为地球赤道处半径,近似处理为6378.137公里。
4.航空器在实际飞行过程中航向会受到侧风等因素的影响,由于侧风数据难以获取故暂不考虑,以航线航向作为Fij在下一航段的航向
5.优先考虑匀速飞行形式,计算Fij预计到达Nsk点的时间 表示的是航空器Fij到达Nsk点的最早到达时间。
依据匹配策略库中的策略对象为Nsk的管制策略,获取对应的管制间隔若策略库中未能匹配成功,则为雷达间隔(10公里)。
若或者未找到满足上述条件的前机PF,则表明Fij在下一目标点处未探知到冲突,可以进行匀速飞行,从ct+1时刻开始,航班进入航段飞行态。刷新Fij相关参数如下: 以航班号为标识删除存储在中Fij的信息,并将更新信息后的Fij加入到中,并根据判断在中的插入位置。将Fij更新后的4D信息保存到第ct帧中,跳回执行Step 6。
若则表明Fij在下一目标点处探知到冲突,需进行冲突解脱,执行Step 7.3.2。
Step 7.3.2:冲突解脱
冲突解脱方式有两种:1)匀减速飞行,2)延误消解。优先考虑匀减速飞行方式,执行Step 7.3.2.1
Step 7.3.2.1:匀减速飞行
1.计算Fij在下一航段的最大飞行时间:
2.根据最大飞行时间计算所需加速度
3.计算预计到点速度
由于航空器在飞行过程中不能无限制减速,根据航空器性能,设定最大减速限度为原速度的20%。
若则表明满足航空器性能,可以进行匀减速飞行,从ct+1时刻开始,航空器进入航段飞行态。刷新Fij相关参数如下: (取上述公式计算结果值),以航班号为标识删除存储在中Fij的信息,并将更新信息后的Fij加入到中,并根据判断在中的插入位置。将Fij更新后的4D信息保存到第ct帧中,跳回执行Step 6。
若说明根据当前加速度会超出最大减速范围,即匀减速飞行无法消解下一目标点对Fij造成的延误,因此需进行冲突消解,执行Step 7.3.2.2。
Step 7.3.2.2:延误消解态
延误消解是指由于目标节点累计的延误无法在下一段依靠减速策略完全消解,因此需要在实际管制指挥过程中,根据空域内航空器的分布以及运行状态,通过执行管制策略消解掉航空器的部分延误时间。
根据Step 7.3.2.1中的描述,最大减速限度为原速度的20%,因此处于延误消解态的航空器需要消除航段所能消耗最大延误之外的延误,即航空器需要以最大加速度飞行下一航段。
1.计算航空器的最大加速度
2.计算航空器的航段飞行时间
3.计算航空器的预计到点时间
4.计算航空器的航段起始时间
5.计算所需延误消解
航空器Fij需要在下一航段进行秒延误消解,即从ct+1时刻开始,航空器进入延误消解态。刷新Fij相关参数如下: (取上述公式计算结果值)。以航班号为标识删除存储在中Fij的信息,并将更新信息后的Fij加入到中,并根据判断在中的插入位置。将Fij更新后的4D信息保存到第ct帧中。
Step 7.3.1,Step 7.3.2执行结束后,若Fij为空域内处于冲突探测与解脱态的航空器,则跳回执行Step 6。若Fij为初始态航空器进行的第二次冲突探测与解脱态的航空器(详见Step 8),则跳回执行Step 8。
Step 8:初始态航空器进入推演空域
在算法内部虚拟一个经纬度为(0,0)的ori点,Fs可以认为是ori点的航空器序列。Fk∈Fs,则表明航空器Fk处于初始态,初始态航空器具有以下特点:为计划进入空域时间,Fk当前航段的起点为ori,Fk的下一目标点为进入推演空域的移交点,并且
若则跳回执行Step 4,进行ct+1时刻的推演。
若Fk∈Fs并且说明在ct时刻Fk计划进入推演空域,Nsks为Fk进入空域移交点Nsks∈Ns,在ct时刻Fk不参与推演空域内的冲突探测与解脱,因此需要先将ct时刻已在空域内的所有航空器的4D信息计算完毕后,再考虑处于初始态的航空器。处于初始态的航空器Fk需要进行两次冲突探测与解脱态,首先考虑ct时刻在移交点处的第一次冲突探测与解脱,特别需要注意的是此时关注的是Fk加入Nsks航空器队列时的状态和启动时间等信息,并不关注由ori到Nsks这段虚拟航线的飞行过程,因此区别于Step 7.3中描述的空域内处于冲突探测与解脱态的航空器;其次考虑的是当加入到Nsks航空器队列后,若Fk不处于延误消解态,则需进行第二次冲突探测与解脱态(执行Step 7.3),确定起始航段的飞行状态。
第一次冲突探测与解脱态具体处理流程如下:
1.寻找航空器Fk在点Nsks处的前机PFk,PFk同样需满足Step 7.3.1中描述的约束。
2.更新Fk的相关信息:并根据机型确定Fk的初始速度
3.若没有前机或则表明Fk在ct时刻,可以进行第一航段的飞行冲突探测与解脱,更新Fk信息为: 将更新信息后的Fk加入Nsks点航空器队列中,并在Fs中删除Fk,将Fk转换为冲突探测与解脱态,执行Step 7.3,进行第二次冲突探测与解脱。
若则表明Fk在ct时刻,不可以进行第一航段的飞行冲突探测与解脱,更新Fk信息为: 将更新信息后的Fk加入Nsks点航空器队列中,并在Fs中删除Fk信息,Fk转换为延误消解态。将Fij更新后的4D信息保存到第ct帧中,跳回执行Step 8。
根据本发明设计思路,开发和实现了基于时序的全时段空域冲突探测与解脱方法原型系统,其运行界面如图4所示,并选取三亚飞行情报区某典型日运行数据进行实例验证,输入航班计划数据(1629条)和全国空域点数据,按照权利要求说明书的详细步骤进行仿真推演,生成86400“帧”(每秒一帧),每帧包含当前时刻在仿真区域内的所有航空器信息,包括:速度、高度、经度、纬度、航向,以及各个关键点的平均延误和流量。推演计算结束后,会按时段(目前设置时段为1小时)统计关键点/航段的流量、延误、平均飞行时间等指标。仿真计算耗时15~20秒。
为说明本发明方法策略实施的影响,突出管制策略库的作用效果,设置策略影响仿真场景如下:GIVIL点过点0:00~12:00过点间隔为90公里,12:00~24:00过点间隔为30公里,设定策略库如图3所示,其余点的过点间隔按当天管制移交间隔执行,未明确指定的过点间隔默认为10公里(如图5所示)。下面从流量和延误两个角度对GIVIIL点的策略影响进行分析,当推演时刻尚处于0:00~12:00时,执行过点间隔90公里策略,7:20起由于航空器数量开始增加造成延误开始堆积(如图6所示),11:30时平均延误达到高峰,高达6000秒,此刻由于GIVIL点的策略影响造成堆积航空器数量高达30架次(如图7所示)。当推演时刻处于12:00~24:00时,执行过点间隔30公里,此时航空器的延误开始消散,直至14:00消散结束(如图8所示),该场景的设定表明策略库对于仿真过程的影响,说明可以通过策略库的配置能够真实模拟实际管制过程中的运行限制。
为验证仿真结果的可靠性,设置运行场景如下:各点过点策略均按所选取的典型日的管制移交间隔进行设置,仿真结束后选取最具代表性的过点流量分布(如图9所示)以及航段平均飞行时间(如图10所示)进行分析,选取分析对象为A1航路(BUNTA点移交),分析可知,BUNTA点的运行高峰为北京时间0:00~5:00,22:00~24:00航空器数量约占全天航空器总量的42.3%,且时段内航空器分布比较均匀,约19.1架次(实际统计值为21.5架次),其余时段的平均架次为13.0架次(实际统计值为12.1架次),与实际运行统计结果分析相吻合,且A1航路BUNTA-LENKO航段平均飞行时间约为10.9分钟(实际统计值为12.7分钟),与实际统计相差不大,表明算法的推演过程贴合实际,推演结果真实可靠。
Claims (6)
1.一种基于时序的全时段空域冲突探测与解脱方法,其特征在于,包括以下步骤:
(1)搜集指定空域的数据信息,建立航班计划集合和空域点集合;
(2)以时序为第一级循环、空域点集合为第二级循环、点航空器序列为第三级循环进行航空器冲突探测与解脱,并保存每一个推演时刻空域内所有航空器的状态以及4D信息;其中,第三级循环中在当前推演时刻以当前空域点为下一目标点的当前航空器进行冲突探测与解脱的方法为:若在当前推演时刻,航空器状态为延误消解态则执行步骤(2.1);航空器状态为航段飞行态则执行步骤(2.2);航空器状态为冲突探测与解脱态则执行步骤(2.3);
(2.1)若处于延误消解态的航空器的航段启动时间为当前推演时刻,则航空器由延误消解态转换为航段飞行态,执行步骤(2.2);若处于延误消解态的航空器的航段结束时间为当前推演时刻,则航空器由延误消解态转换为冲突探测与解脱态,执行步骤(2.3);若不满足上述两个条件,则保存当前推演时刻当前航空器为延误消解态,4D信息为上一推演时刻的4D信息,进行下一航空器的推演;
(2.2)若处于航段飞行态的航空器的航段结束时间为当前推演时刻,则航空器由航段飞行态转换为冲突探测与解脱态,执行步骤(2.3);若处于航段飞行态的航空器的航段开始时间为当前推演时刻,则说明航空器在当前时刻转化为航段飞行态,不推演4D信息,否则推演航空器在当前时刻4D信息并保存当前推演时刻的航空器信息;
(2.3)确定当前航空器在下一目标点的前机,计算当前航空器到达下一目标点的预计到达时间,匹配策略库中的策略对象获取管制间隔;若预计到达时间与前机的预计到达时间的差值大于管制间隔的约束,或者未找到满足符合条件的前机,则表明航空器在下一目标点处未探知到冲突,从下一推演时刻开始,航空器进入航段飞行态;否则表明航空器在下一目标点处探知到冲突,计算在当前航段匀减速飞行的末速度,若满足最大减速限度约束则进行匀减速飞行,从下一推演时刻开始,航空器进入航段飞行态,否则进行冲突消解,航空器以最大加速度飞行下一航段,并计算所需消解的延误时间,从下一推演时刻开始,航空器进入延误消解态;更新航空器的信息,删除存储在当前点航空器序列中当前航空器的信息,并将航空器加入到下一目标点的航空器序列中;保存当前推演时刻当前航空器的状态和4D信息,进行下一航空器的推演。
2.根据权利要求1所述的一种基于时序的全时段空域冲突探测与解脱方法,其特征在于,若在当前推演时刻,存在初始态航空器在当前时刻进入仿真空域,则先将当前时刻已在空域内的所有航空器的4D信息计算完毕后,再对处于初始态的航空器进行两次冲突探测与解脱,包括在移交点处的第一次冲突探测与解脱和在加入到移交点航空器队列后的第二次冲突探测与解脱。
3.根据权利要求1所述的一种基于时序的全时段空域冲突探测与解脱方法,其特征在于,步骤(2.3)中依据预计到达时间匹配策略库中的策略对象为下一目标点的管制策略,获取对应的管制间隔,若策略库中未能匹配成功,则管制间隔默认为雷达间隔,若匹配到同一策略对象的两个策略,则根据策略优先级决定所要执行的策略。
4.根据权利要求1所述的一种基于时序的全时段空域冲突探测与解脱方法,其特征在于,步骤(2.3)中当前航空器在下一目标点的前机满足的条件为:在当前推演时刻,前机在下一目标点的航空器序列中;前机在下一目标点的过点高度与当前航空器相同;以及,在当前推演时刻,在所有以当前航空器的下一目标点为目标点飞行的航空器中,前机的预计到点时间最大。
5.根据权利要求1所述的一种基于时序的全时段空域冲突探测与解脱方法,其特征在于,航空器的4D信息包括:航空器经、纬度坐标、航空器高度和航空器速度。
6.根据权利要求2所述的一种基于时序的全时段空域冲突探测与解脱方法,其特征在于,虚拟一个ori点,将初始态航空器保存在ori点的航空器序列中,对当前初始态航空器进行冲突探测与解脱的方法为:寻找当前航空器在移交点处的前机,若没有前机或预计到点时间与前机预计到点时间无冲突,则表明可以进行第一航段的飞行冲突探测与解脱,更新航空器信息,将更新信息后的航空器加入移交点航空器队列中,并在ori点航空器序列中删除当前航空器,将航空器转换为冲突探测与解脱态,进行第二次冲突探测与解脱;否则表明不可以进行第一航段的飞行冲突探测与解脱,更新航空器信息,将更新信息后的航空器加入移交点航空器队列中,并在ori点航空器序列中删除当前航空器,将航空器转换为冲突探测与解脱态延误消解态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710878924.5A CN107622699B (zh) | 2017-09-26 | 2017-09-26 | 基于时序的全时段空域冲突探测与解脱方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710878924.5A CN107622699B (zh) | 2017-09-26 | 2017-09-26 | 基于时序的全时段空域冲突探测与解脱方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107622699A CN107622699A (zh) | 2018-01-23 |
CN107622699B true CN107622699B (zh) | 2019-07-09 |
Family
ID=61090657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710878924.5A Active CN107622699B (zh) | 2017-09-26 | 2017-09-26 | 基于时序的全时段空域冲突探测与解脱方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107622699B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4001110A4 (en) * | 2019-07-19 | 2022-10-26 | Sony Group Corporation | INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD AND PROGRAM |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109191925B (zh) * | 2018-10-17 | 2020-07-14 | 中国电子科技集团公司第二十八研究所 | 一种面向四维航迹运行的多空域轨迹规划与协商方法 |
CN109739255B (zh) * | 2018-11-29 | 2020-11-24 | 北京航空航天大学 | 无人机的航行轨迹规划方法、装置及系统 |
CN111009154B (zh) * | 2019-10-18 | 2020-11-03 | 中国电子科技集团公司第二十八研究所 | 基于航班流预排序的终端区空域冲突探测与解脱算法 |
CN113470439B (zh) * | 2021-06-30 | 2022-05-24 | 中国民用航空飞行学院 | 基于人工智能的中小机场管制冲突解决方法及系统 |
CN113806900B (zh) * | 2021-09-22 | 2024-02-13 | 中国电子科技集团公司第二十八研究所 | 一种面向全国枢纽的高空航路网络规划方法 |
CN116580602B (zh) * | 2023-07-13 | 2023-10-03 | 四川大学 | 一种场面飞机滑行冲突预测与可视化方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101692315A (zh) * | 2009-09-25 | 2010-04-07 | 民航总局空管局技术中心 | 基于实时雷达数据的高精度4d飞机航迹分析方法 |
CN101923790A (zh) * | 2010-08-11 | 2010-12-22 | 清华大学 | 空中交通管制扇区动态调整系统及方法 |
CN102651175A (zh) * | 2011-02-22 | 2012-08-29 | 通用电气公司 | 用于管理空中交通的方法和系统 |
JP2012174276A (ja) * | 2011-02-22 | 2012-09-10 | General Electric Co <Ge> | 航空交通を管理する方法およびシステム |
CN103530704A (zh) * | 2013-10-16 | 2014-01-22 | 南京航空航天大学 | 一种终端空域空中交通动态容量预测系统及其方法 |
CN104050506A (zh) * | 2014-06-24 | 2014-09-17 | 电子科技大学 | 一种基于Spiking神经网络的飞机冲突检测方法 |
CN105679102A (zh) * | 2016-03-03 | 2016-06-15 | 南京航空航天大学 | 一种全国飞行流量时空分布预测推演系统及方法 |
US9424752B1 (en) * | 2012-12-26 | 2016-08-23 | Google Inc. | Methods and systems for performing fleet planning based on coarse estimates of regions |
-
2017
- 2017-09-26 CN CN201710878924.5A patent/CN107622699B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101692315A (zh) * | 2009-09-25 | 2010-04-07 | 民航总局空管局技术中心 | 基于实时雷达数据的高精度4d飞机航迹分析方法 |
CN101923790A (zh) * | 2010-08-11 | 2010-12-22 | 清华大学 | 空中交通管制扇区动态调整系统及方法 |
CN102651175A (zh) * | 2011-02-22 | 2012-08-29 | 通用电气公司 | 用于管理空中交通的方法和系统 |
JP2012174276A (ja) * | 2011-02-22 | 2012-09-10 | General Electric Co <Ge> | 航空交通を管理する方法およびシステム |
US9424752B1 (en) * | 2012-12-26 | 2016-08-23 | Google Inc. | Methods and systems for performing fleet planning based on coarse estimates of regions |
CN103530704A (zh) * | 2013-10-16 | 2014-01-22 | 南京航空航天大学 | 一种终端空域空中交通动态容量预测系统及其方法 |
CN104050506A (zh) * | 2014-06-24 | 2014-09-17 | 电子科技大学 | 一种基于Spiking神经网络的飞机冲突检测方法 |
CN105679102A (zh) * | 2016-03-03 | 2016-06-15 | 南京航空航天大学 | 一种全国飞行流量时空分布预测推演系统及方法 |
Non-Patent Citations (2)
Title |
---|
Prediction model for testing conflict detection & resolution algorithms for Air Traffic Management;Saam N. Hasan等;《IEEE》;20101231;第1-6页 |
相关进近模式下多跑道时空资源优化调度方法;尹嘉男 等;《航空学报》;20141231;第35卷(第11期);第3064-3073页 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4001110A4 (en) * | 2019-07-19 | 2022-10-26 | Sony Group Corporation | INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD AND PROGRAM |
Also Published As
Publication number | Publication date |
---|---|
CN107622699A (zh) | 2018-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107622699B (zh) | 基于时序的全时段空域冲突探测与解脱方法 | |
CN110930770B (zh) | 一种基于管制意图和飞机性能模型的四维航迹预测方法 | |
CN112000131B (zh) | 基于人工势场法的无人机集群路径规划方法及系统 | |
CN109254588A (zh) | 一种基于交叉变异鸽群优化的无人机集群协同侦察方法 | |
CN106959700B (zh) | 一种基于上限置信区间算法的无人机群协同巡逻追踪轨迹规划方法 | |
Dantu et al. | Programming micro-aerial vehicle swarms with karma | |
CN110703802A (zh) | 基于多无人机协同作业的桥梁自动检测方法及系统 | |
CN112925350B (zh) | 一种多无人机分布式协同目标搜索方法 | |
CN105679102B (zh) | 一种全国飞行流量时空分布预测推演系统及方法 | |
CN107808552A (zh) | 航班行为检测方法和装置 | |
CN110597286B (zh) | 一种利用智慧机库实现输电线路无人机自主巡检的方法 | |
CN101694752A (zh) | 空域运行仿真中冲突的自动检测和调解系统及方法 | |
CN103093649A (zh) | 用于推断飞行器参数的方法和系统 | |
CN109615163A (zh) | 一种基于时序仿真的空地联合容量计算方法 | |
CN110349445A (zh) | 具有多个rta约束的有效飞行剖面 | |
CN108762296A (zh) | 一种基于蚁群算法的无人机欺骗路线规划方法 | |
CN109275099A (zh) | 水下无线传感器网络中基于voi的多auv高效数据收集方法 | |
CN113485421A (zh) | 一种无人机飞行巡检方法、系统、设备及介质 | |
CN115657721A (zh) | 一种基于改进蚁群算法的空间环境无人机轨迹规划方法 | |
Wei et al. | High-performance UAV crowdsensing: A deep reinforcement learning approach | |
CN114326827A (zh) | 一种无人机集群多任务动态分配方法及系统 | |
CN113485409A (zh) | 一种面向地理公平性的无人机路径规划分配方法及系统 | |
CN114610064A (zh) | 基于动态目标搜索的空地协同任务分配方法及相关设备 | |
CN116805015B (zh) | 一种基于gps跟踪数据的鸟类迁飞路线图论建模方法 | |
CN107610531A (zh) | 基于4d航迹和航路飞行经验数据的航班过点时刻预估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |