CN111951613B - 空地协同的广域空域安全态势评估方法 - Google Patents

空地协同的广域空域安全态势评估方法 Download PDF

Info

Publication number
CN111951613B
CN111951613B CN202010724240.1A CN202010724240A CN111951613B CN 111951613 B CN111951613 B CN 111951613B CN 202010724240 A CN202010724240 A CN 202010724240A CN 111951613 B CN111951613 B CN 111951613B
Authority
CN
China
Prior art keywords
threat
situation
airspace
weather
wide
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
Application number
CN202010724240.1A
Other languages
English (en)
Other versions
CN111951613A (zh
Inventor
朱衍波
蔡开泉
喻兰辰晖
陈家同
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN202010724240.1A priority Critical patent/CN111951613B/zh
Publication of CN111951613A publication Critical patent/CN111951613A/zh
Application granted granted Critical
Publication of CN111951613B publication Critical patent/CN111951613B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0073—Surveillance aids
    • G08G5/0091—Surveillance aids for monitoring atmospheric conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0004—Transmission of traffic-related information to or from an aircraft
    • G08G5/0013—Transmission of traffic-related information to or from an aircraft with a ground station
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Atmospheric Sciences (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供一种空地协同的广域空域安全态势评估方法。该方法包括：以空地协同的方式获取广域空域态势信息，所述广域空域态势信息至少包括交通类空域态势信息以及天气类空域态势信息；将所述广域空域态势信息输入至空域安全态势评估模型中，得到广域空域安全态势评估结果，所述空域安全态势评估模型用于基于所述交通类空域态势信息和所述天气类空域态势信息的多尺度态势进行广域空域安全态势评估。本申请的提供的方法，实现了空地协同的广域跨尺度空域态势场构建，提高了在广域空域安全态势评估时的评估准确率。

Description

空地协同的广域空域安全态势评估方法
技术领域
本申请涉及空中交通管理技术，尤其涉及一种空地协同的广域空域安全态势评估方法。
背景技术
空域安全态势评估是一种用来处理与分析空域内多元多属性信息的方法，能够辅助发现潜在可能对空域安全有危害的情况，从而确保空中交通安全有序地运行。
在空域安全态势评估领域，有效地感知与处理空域安全态势信息是确保空中交通全有序运行的基本前提，是维系空域运行安全的重要因素，也是合理调整飞行间隔标准、提升空域容量的突破口。基于空域安全态势信息可以进行空域安全态势信息的构建，进而可以得到空域安全态势信息的评估结果。该评估结果是确保空中交通安全、运行高效的重要信息，特别是随着基于空中交通四维航迹运行理念逐步地应用推广与试点实施，构建空域安全态势的能力的重要性日益突出。
目前较为常用的是信息源尺度较为单一的空域安全态势评估方法，该方法仅通过交通类态势信息或者天气类态势信息进行局部空域的特征描述，由于地面探测范围受限、分辨率不高，航班机组难以获取航空器飞行全过程所需的准确安全态势信息，使得这种方法无法准确描述广域空域态势特征，可能导致广域空域安全态势评估结果的准确度较低。
发明内容
本申请提供一种空地协同的广域空域安全态势评估方法，用以解决现有技术在进行广域空域安全态势评估时存在的评估结果不准确的问题。
一方面，本申请提供一种空地协同的广域空域安全态势评估方法，包括：
以空地协同的方式获取广域空域态势信息，所述空地协同的方式是将航空器利用地空数据链将航空器中的机载设备探测到的点态势下传至地面，以补充地面系统探测形成的面态势，所述广域空域态势信息至少包括交通类空域态势信息以及天气类空域态势信息，所述广域空域态势信息具备多尺度多属性的态势特征；
将所述广域空域态势信息输入至空域安全态势评估模型中，得到广域空域安全态势评估结果，其中，所述空域安全态势评估模型通过多尺度的跨尺度重构形成空域安全态势场，所述空域安全态势评估模型用于基于所述交通类空域态势信息和所述天气类空域态势信息的多尺度态势进行广域空域安全态势评估。
其中一项实施例中，所述将所述空域态势信息输入至空域安全态势评估模型中，得到广域空域安全态势评估结果之前，所述方法还包括；
获取多尺度威胁集合，所述多尺度威胁集合包括由所述机载设备探测感知的交通类威胁集合和由所述地面系统综合获取的天气类威胁集合，所述交通类威胁集合与天气类威胁集合均存在多尺度态势特征，所述交通类威胁集合中包括至少一个交通类威胁数据，所述交通类威胁数据用于标识发生交通类威胁时的特征信息，所述天气类威胁集合中包括至少一个天气类威胁数据，所述天气类威胁数据用于标识发生天气类威胁时的特征信息；
根据所述多尺度威胁集合通过跨尺度态势重构确定多层级广域空域安全态势场模型；
根据预设的空域安全态势等级集合和所述多层级广域空域安全态势场模型确定所述空域安全态势评估模型，所述空域安全态势等级集合中包括多个安全态势等级。
其中一项实施例中，所述根据所述多尺度威胁集合通过跨尺度态势重构确定多层级广域空域安全态势场模型，包括：
确定所述交通类威胁集合中交通类威胁数据的属性信息，并进行尺度同一化处理；
确定所述天气类威胁集合中天气类威胁数据的属性信息，并进行尺度同一化处理；
根据所述交通类威胁数据的属性信息以及所述天气类威胁数据的属性信息，对所述交通类威胁数据和所述天气类威胁数据进行叠加，得到跨尺度态势重构后的所述多层级广域空域安全态势场模型。
其中一项实施例中，所述确定所述交通类威胁集合中交通类威胁数据的属性信息，并进行尺度同一化处理，包括：
获取所述交通类威胁集合中交通类威胁数据的属性信息，所述属性信息至少包括：威胁发生时间、威胁发生位置以及威胁类别；
基于冲突探测，确定所述交通类威胁集合中所述交通类威胁数据的威胁影响范围和威胁影响强度。
其中一项实施例中，所述确定所述天气类威胁集合中天气类威胁数据的属性信息，并进行尺度同一化处理，包括：
获取所述天气类威胁集合中天气类威胁数据的属性信息，所述属性信息至少包括：威胁发生时间、威胁发生位置以及威胁类别；
获取所述天气态势特征中第一维度的特征和第二维度的特征之间的关联关系；
根据所述关联关系，确定所述天气类威胁集合中天气类威胁数据的威胁影响范围；
根据所述天气态势特征中的影响强度分布信息，确定所述天气类威胁集合中天气类威胁数据的威胁影响强度。
其中一项实施例中，所述根据所述交通类威胁数据的属性信息以及所述天气类威胁数据的属性信息，对所述交通类威胁数据和所述天气类威胁数据进行叠加，得到跨尺度态势重构后的所述多层级广域空域安全态势场模型，包括：
获取所述交通类威胁集合和所述天气类威胁集合中的威胁类别相同的威胁数据，并依据威胁类别进行威胁数据的整合分类；
以空间位置为基准叠加所述威胁类别相同的威胁数据，得到所述多层级广域空域安全态势场模型；其中，所述叠加用于叠加所述威胁类别相同的威胁数据的威胁影响范围和威胁影响强度。
其中一项实施例中，所述根据预设的空域安全态势等级集合和所述多层级广域空域安全态势场模型确定所述空域安全态势评估模型，包括：
获取所述多层级广域空域安全态势场模型中每个威胁数据的威胁发生位置；
关联每个威胁发生位置和所述空域安全态势等级集合，得到初级空域安全评估模型；
使用插值法对所述初级空域安全评估模型进行平滑处理，得到所述空域安全态势评估模型。
其中一项实施例中，所述使用插值法对所述初级空域安全评估模型进行平滑处理，得到所述空域安全态势评估模型，包括：
使用插值法对所述初级空域安全评估模型进行平滑处理，得到中级空域安全评估模型；
获取所述中级空域安全评估模型中的威胁类别相同的威胁数据；
以空间位置为基准叠加所述中级空域安全评估模型中威胁类别相同的威胁数据，得到所述空域安全态势评估模型；其中，所述叠加用于叠加所述威胁类别相同的威胁数据的安全等级。
另一方面，本申请提供一种空地协同的广域空域安全态势评估装置，包括：
获取模块，用于以空地协同的方式获取广域空域态势信息，所述空地协同的方式是将航空器利用地空数据链将航空器中的机载设备探测到的点态势下传至地面，以补充地面系统探测形成的面态势，所述广域空域态势信息至少包括交通类空域态势信息以及天气类空域态势信息，所述广域空域态势信息具备多尺度多属性的态势特征；
处理模块，用于将所述广域空域态势信息输入至空域安全态势评估模型中，得到广域空域安全态势评估结果，其中，所述空域安全态势评估模型通过多尺度的跨尺度重构形成空域安全态势场，所述空域安全态势评估模型用于基于所述交通类空域态势信息和所述天气类空域态势信息的多尺度态势进行广域空域安全态势评估。
另一方面，本申请提供一种计算机设备，包括存储器，处理器和收发器，所述存储器用于存储指令，所述收发器用于和其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述计算机设备执行如第一方面所述的空地协同的广域空域安全态势评估方法。
另一方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述指令被执行时，使得计算机执行如第一方面所述的空地协同的广域空域安全态势评估方法。
本申请提供的空地协同的广域空域安全态势评估方法，是以空地协同的方式综合机载设备和地面系统所获取的广域空域态势信息，输入至空域安全态势评估模型中得到广域空域安全态势评估结果。需要说明的是，所述空域安全态势评估模型用于基于所述交通类空域态势信息和所述天气类空域态势信息的多尺度态势进行广域空域安全态势评估。即通过将由机载设备获取的交通类空域态势信息以及由地面系统获取的天气类空域态势信息实现“以空补地”式的空地协同，输入至所述空域安全态势评估模型中完成跨尺度态势重构，得到的所述广域空域安全态势评估结果是综合了所述空域安全态势信息的交通类空域态势信息的安全评估结果和所述天气类空域态势信息的安全评估结果的综合评估结果。因此，本申请提供的空地协同的广域空域安全态势评估方法是综合考虑了由机载设备提供的交通类空域态势信息和由地面系统提供的天气类空域态势信息等多尺度多元态势的广域空域安全态势评估，具备以“点”态势补充“面”态势的态势信息获取优势，可以提高在进行广域空域安全态势评估时的评估准确率，解决现有技术在进行空域安全态势评估时存在的评估准确度低的问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1为本申请的一个实施例提供的空地协同的广域空域安全态势评估方法的应用场景示意图。
图2为本申请的一个实施例提供的空地协同的广域空域安全态势评估方法的流程示意图。
图3为本申请的另一个实施例提供的空地协同的广域空域安全态势评估方法的流程示意图。
图4为本申请的又一个实施例提供的空地协同的广域空域安全态势评估方法的流程示意图。
图5为本申请的另一个实施例提供的空地协同的广域空域安全态势评估方法的流程示意图。
图6为本申请的又一个实施例提供的空地协同的广域空域安全态势评估方法的流程示意图。
图7为本申请的另一个实施例提供的空地协同的广域空域安全态势评估方法的流程示意图。
图8为本申请的又一个实施例提供的空地协同的广域空域安全态势评估方法的流程示意图。
图9为本申请的另一个实施例提供的空地协同的广域空域安全态势评估方法的流程示意图。
图10为本申请的一个实施例提供的空地协同的广域空域安全态势评估装置的示意图。
图11为本申请的一个实施例提供的计算机设备的示意图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
空域安全态势评估能够辅助发现潜在可能对空域安全有危害的情况，从而确保空中交通安全有序地运行。空域安全态势评估得到的评估结果是确保空中交通安全、高效运行的重要信息，因此需要保障评估结果的准确率。然而在现有的局域空域安全态势评估方法中，用以进行空域安全态势评估的信息来源较为单一，仅通过交通类态势信息或者是天气类态势信息进行特征描述，进而进行局域空域安全态势评估。该交通类态势信息例如空中多个航空器的航行情况，该天气类态势信息例如天气状况，天气状况中的云团状况等。这种方法过于局限，仅能准确评估局域空域安全态势，无法很全面地考虑到潜在可能对广域空域安全有危害的情况，因此得到的广域空域安全态势评估结果也过于片面，准确率低，无法确保空中交通安全和高效运行。
本申请提供一种空地协同的广域空域安全态势评估方法及系统，由空域安全态势评估模型基于以空地协同的方式综合机载设备和地面系统所获取的包含交通类空域态势信息以及天气类空域态势信息的多尺度态势得到广域空域安全态势评估结果，使得该空域安全态势评估结果是综合了由机载设备提供的交通类态势信息和由地面系统提供的天气类态势信息两类信息的评估结果，从而提高了广域空域安全态势评估的准确率，提高空中交通的安全性，保障空中运行的高效性。其中，广域空域作为提供空中交通管制服务，支持航空器执行目视飞行准则和仪表飞行准则的空域范畴，且空间覆盖范围广泛，在垂直方向可划分为高空、中低空空域，在水平方向涵盖飞行情报区，全管制区等局域空域的范畴。
本申请提供的空地协同的广域空域安全态势评估方法可以应用于电子设备，该电子设备例如计算机、服务器等。图1为本申请提供的空地协同的广域空域安全态势评估方法的应用示意图，如图1所示，计算机分别与地面系统以及航空器群通信连接，计算机可以通过获取的航空器群采集的信息、地面系统采集的信息等，从中获取交通类空域态势信息和天气类空域态势信息，基于该信息得到空域安全态势评估结果，并将空域安全态势的评估结果通过通信链路传送至航空器群。
请参见图2，本申请提供一种空地协同的广域空域安全态势评估方法，包括：
S201，以空地协同的方式获取广域空域态势信息，该空地协同的方式是将航空器利用地空数据链将航空器中的机载设备探测到的点态势下传至地面，以补充地面系统探测形成的面态势，该广域空域态势信息至少包括交通类空域态势信息以及天气类空域态势信息，该广域空域态势信息具备多尺度多属性的态势特征。
该交通类态势信息和该天气类空域态势信息均通过机载设备和地面系统采集并发送至该计算机设备，该机载设备是航空器的重要组成部分。该交通类态势信息例如航空器的四维航迹运行数据信息，航空器的航姿信息，航空器之间的安全间隔保持情况，航空器的机体健康状态，航空器飞行过程中的航路点，航空器飞行过程中的航路段，运行流量等空域态势信息。该航空器的态势信息包含但不仅限于航空器当前运行时的航向，巡航速度，航向角，飞行姿态，颠簸态势等。该天气类空域态势信息例如云团、风场、能见度等数据。该交通类空域态势信息和该天气类空域态势信息均为多元多尺度的信息，该多元多尺度可以理解为针对空域状况的多个信息获取来源。
具体的，该空地协同的方式是将航空器利用地空数据链将机载设备探测到的小尺度“点”态势下传至地面，以该小尺度“点”态势补充地面系统探测形成的大尺度“面”态势。该小尺度“点”态势包括但不仅限于航空器的四维运行数据信息，航姿信息，安全间隔保持情况，机体健康状态等。该大尺度“面”态势例如云团、风场、能见度等数据的基本信息。该交通类空域态势信息和该天气类空域态势信息中均包括该小尺度“点”态势和该大尺度“面”态势。
S202，将该广域空域态势信息输入至空域安全态势评估模型中，得到广域空域安全态势评估结果，其中，该空域安全态势评估模型通过多尺度的跨尺度重构形成空域安全态势场，该空域安全态势评估模型用于基于该交通类空域态势信息和该天气类空域态势信息的多尺度态势进行广域空域安全态势评估。
将该广域空域态势信息输入至该空域安全态势评估模型中，得到该广域空域安全态势评估结果。该广域空域态势信息包括交通类空域态势信息和天气类空域态势信息，该空域安全态势评估模型用于基于该交通类空域态势信息和该天气类空域态势信息进行空域安全态势评估。即通过该空域安全态势评估模型得到的该空域安全态势评估结果是综合考虑了交通类安全态势评估和天气类安全态势评估，可以更加全面得对空域安全态势进行评估，相比于现有技术，提高了空域安全态势评估的准确度。需要说明的是，该空域安全态势评估结果并不是分别根据交通类空域态势信息进行安全态势评估得到一个评估结果，再根据天气类空域态势信息进行安全态势评估得到一个评估结果，再将两个评估结果进行简单的集合得到该空域安全态势评估结果。在本实施例中，该空域安全态势评估结果可以理解为将该交通类空域态势信息和该天气类空域态势信息进行重新处理后得到一个评估结果。该处理结果主要为将该交通类空域态势信息和该天气类空域态势信息的属性信息进行同一化处理，根据同一化处理的结果再处理得到该空域安全态势评估结果。
本实施例提供的空地协同的广域空域安全态势评估方法，在根据该广域空域态势信息进行广域空域安全态势评估时，利用该空域安全态势评估模型综合考虑该广域空域态势信息中的该交通类空域态势信息和该天气类空域态势信息，得到的广域空域安全态势评估结果是综合了交通类评估和天气类的评估结果的评估结果。跟现有技术仅通过交通类态势信息或者天气类态势信息进行特征描述的方法相比，本实施例提供了一种空域安全态势评估模型，基于该空域安全态势评估模型进行广域空域安全态势评估的方法可以很全面地考虑到潜在可能对广域空域安全有危害的情况，因此提高了在进行空域安全态势评估时存在的准确度。
请参见图3，步骤S202之前，该空地协同的广域空域安全态势评估方法还包括：
S301，获取多尺度威胁集合，该多尺度威胁集合包括由该机载设备探测感知的交通类威胁集合和由该地面系统综合获取的天气类威胁集合，该交通类威胁集合与该天气类威胁集合均存在多尺度态势特征，该交通类威胁集合中包括至少一个交通类威胁数据，该交通类威胁数据用于标识发生交通类威胁时的特征信息，该天气类威胁集合中包括至少一个天气类威胁数据，该天气类威胁数据用于标识发生天气类威胁时的特征信息。
需要说明的是，该交通类威胁集合中的交通类威胁数据与该天气类威胁集合中的天气类威胁数据中威胁类别相同的数据可以进行数据叠加，该威胁类别为该交通类威胁数据和该天气类威胁数据中的一个数据的属性标签。该威胁类别例如颠簸威胁、云团威胁、风场威胁等等。该多尺度威胁集合中的威胁数据来源包括小尺度“点”态势信息和大尺度“面”态势信息，因此成为该多尺度威胁集合。该交通类威胁集合中的数据来源也包括小尺度“点”态势信息和大尺度“面”态势信息。该天气类威胁集合中的数据来源也包括小尺度“点”态势信息和大尺度“面”态势信息。
S302，根据该多尺度威胁集合通过跨尺度态势重构确定多层级广域空域安全态势场模型。
该多尺度威胁集合中的威胁数据，即交通类威胁数据和天气类威胁数据中的威胁类别相同的数据可以进行数据叠加，该数据叠加指的是该威胁集合中的威胁数据可以在同一维度上进行叠加，该维度为威胁类别。例如，选取该交通类威胁数据和该天气类威胁数据中的一个威胁类别，获取与属于该威胁类别的该交通类威胁数据和该天气类威胁数据的威胁影响范围。该数据叠加指的就是将威胁类别相同的交通类威胁数据的威胁影响范围和该天气类威胁数据的威胁影响范围进行叠加。
该多层级广域空域安全态势场模型是由该多尺度威胁集合中的威胁类别相同的交通类威胁数据和天气类威胁数据进行叠加得到的，该多层级广域空域安全态势场模型是多层态势场模型，每层态势场都代表一个威胁类别的态势场，该多层态势场模型指的是包括多个威胁类别的态势场的模型。该跨尺度态势重构指的是将小尺度“点”态势信息和大尺度“面”态势信息进行同一化处理，得到该多层级广域空域安全态势场模型。
S303，根据预设的空域安全态势等级集合和该多层级广域空域安全态势场模型确定该空域安全态势评估模型，该空域安全态势等级集合中包括多个安全态势等级。
该预设的空域安全态势等级可以为非常安全、安全、中等、危险、非常危险五个等级。该根据预设的空域安全态势等级集合和该多层级广域空域安全态势场模型确定该空域安全态势评估模型，指的是，将该预设的空域安全态势等级和该多层级广域空域安全态势场模型进行关联，该关联指的是用该空域安全态势等级描述该多层级广域空域安全态势场中的威胁数据的属性，该属性指的是该属性信息中的属性。例如，在该多层级广域空域安全态势场模型中，某一个威胁数据的威胁影响强度属于“危险”等级，则在该多层级广域空域安全评估模型中就可以标识该某一个威胁数据的威胁影响强度属于“危险”等级。该空域安全态势评估模型也可以通过热力图的形式标识不同的安全等级，例如，用蓝色代表非常安全，用红色代表危险，用深红色代表非常危险。则该某一个威胁数据的威胁影响强度属于“危险”等级时，该空域安全态势评估模型可以通过热力图的形式标识该某一个威胁数据在该安全态势场模型中表现形式为深红色。
步骤S202中，将该广域空域态势信息输入指该空域安全态势评估模型，得到的该广域空域安全态势评估结果为非常安全、或安全、或中等、或危险、或非常危险。
请参见图4，在本申请的一个实施例中，步骤S302包括：
S401，确定该交通类威胁集合中交通类威胁数据的属性信息，并进行尺度同一化处理。
该交通类威胁数据的属性信息可以理解为该交通类威胁数据的数据属性，在一个可选的实施例中，该交通类威胁数据的属性信息可以包括该交通类威胁数据的威胁发生时间、威胁发生位置、威胁类别、威胁影响范围和威胁影响强度。该尺度同一化处理指的是将该交通类威胁数据中的小尺度威胁数据和大尺度威胁数据进行尺度同一化处理，该小尺度威胁数据来源于小尺度“点”态势信息，该大尺度威胁数据来源于大尺度“面”态势信息。
S402，确定该天气类威胁集合中天气类威胁数据的属性信息，并进行尺度同一化处理。
该天气类威胁数据的属性信息可以理解为该天气类威胁数据的数据属性，该天气类威胁数据的数据属性和该交通类威胁数据的数据属性相同。在一个可选的实施例中，该天气类威胁数据的属性信息可以包括该天气类威胁数据的威胁发生时间、威胁发生位置、威胁类别、威胁影响范围和威胁影响强度。该尺度同一化处理指的是将该天气类威胁数据中的小尺度威胁数据和大尺度威胁数据进行尺度同一化处理，该小尺度威胁数据来源于小尺度“点”态势信息，该大尺度威胁数据来源于大尺度“面”态势信息。
S403，根据该交通类威胁数据的属性信息以及该天气类威胁数据的属性信息，对该交通类威胁数据和该天气类威胁数据进行叠加，得到跨尺度态势重构后的该多层级广域空域安全态势场模型。
该叠加例如，该交通类威胁数据和该天气类威胁数据的属性信息中的一项为威胁影响强度，在该交通类威胁数据和该天气类威胁数据在威胁类别相同的情况下，就可以基于该威胁影响强度进行数据叠加，在数据叠加后，该威胁数据对应的威胁影响强度等于该威胁数据中的交通类威胁数据的威胁影响强度和天气类威胁数据的威胁影响强度的和。
请参见图5，在本申请的一个实施例中，步骤S401包括：
S501，获取该交通类威胁集合中交通类威胁数据的属性信息，该属性信息至少包括：威胁发生时间、威胁发生位置以及威胁类别。
该交通类威胁数据的属性信息中，该威胁发生时间和该威胁发生位置为一一对应关系，即一个威胁发生时间对应一个威胁发生位置。该威胁类别也于该威胁发生时间和该威胁发生位置关联，即在涉及威胁数据的威胁类别的描述时，需要描述为在该威胁数据的某一个威胁发生时间和于该某一个威胁发生时间对应的威胁发生位置确定时，再确定的该威胁类别。一个威胁类别可能对应多个威胁发生时间。
S502，基于冲突探测，确定该交通类威胁集合中该交通类威胁数据的威胁影响范围和威胁影响强度。
该冲突探测指的是空管领域冲突探测与解脱(Detect and Avoid，简称DAA)问题研究中冲突探测的方法，根据该冲突探测可以确定该交通类威胁集合中该交通类威胁数据的威胁影响范围和威胁影响强度。该威胁影响范围和该威胁影响强度均与该威胁发生时间对应，即一个该威胁发生时间对应一个该威胁影响范围和该威胁影响强度。
在确定该交通类威胁数据的该威胁影响范围和该威胁影响强度之前，需要获取该交通类态势特征的第一维度的特征和第二维度的特征。
该第一维度的特征指的是大尺度背景特征，该大尺度背景特征包括网络背景特征An和图像背景特征Ap，其中，该网络背景特征An由网络背景微观特征Anm和网络背景宏观特征Anl。以信息的运行目标源为划分标准，将网络背景态势中以航班、航空器等为目标源的信息用于描述该网络背景微观特征Anm，以航路点、航路段、运行流量等为目标源的信息用于描述该网络背景宏观特征Anl。再对该网络背景微观特征和该网络背景宏观特征均按照固定格式编码，得到格式构成统一的特征信息，得到该网络背景特征An。该固定格式编码指的是由国际民用航空组织(International Civil Aviation Organization，简称ICAO)在航班信息交换模型中定义的传输消息编码格式。该图像背景特征Ap的来源信息包含但不仅限于卫星云图，天气图，雷达图，风场实况图等天气实况图，从天气实况图中获取包含云团、风场、能见度等数据的基本信息以及二维或者三维的范围，按照该固定编码格式得到该图像背景特征Ap。该网络背景特征An和该图像背景特征Ap共同组成该第一维度的特征，即该大尺度背景特征。
该第二维度的特征指的是小尺度特征。该小尺度特征由航空器下传的各属性小尺度态势信息集得到，具体为获取面向多属性小尺度态势信息的特征描述算法集α(a0，a)，其中，a0是该特征描述算法集的输入，a为该特征描述算法集的输出。a0是航空器下传的各属性小尺度态势信息集，包含但不仅限于航空器的四维运行数据信息，航姿信息，安全间隔保持情况，机体健康状态等。a为该第二维度的特征，即小尺度特征。以小尺度颠簸态势信息为例，航空器传输信息为垂直重力加速度，该垂直重力加速度不仅与颠簸等级有关，也受航空器自身属性影响，因而无法准确描述颠簸的实际强度。考虑航空器自身属性对颠簸观测的影响，采用可以反映处置加速度离散程度的垂直载荷因子作为颠簸特征，此时，该垂直载荷因子即为该特征描述算法集的输出，即为该小尺度特征，该垂直重力加速度即为该特征描述算法集的输入，即为该航空器下传的各属性小尺度态势信息集中的一种信息。
以航空器运行冲突场景为例，对于某个航空器因为某些原因，例如临时变更飞行计划、设备故障、失误操纵等原因闯入空域，可先获取该交通类态势特征的第二维度的特征，即该交通类态势特征的小尺度态势特征a并进行解析，得到该某个航空器的关键运行信息及意图信息，如航空器类型，四维位置数据，航姿信息，飞行速度，飞行计划等，利用冲突探测的方法对潜在的冲突威胁进行判断，得到包含当前运行空域内所有与航空器相关的初始威胁集合，该集合对于威胁的描述存在冗余信息，需要进行筛选整合。于是通过该交通类态势特征中的第一维度的特征中的网络背景特征An，通过航路运行网络所提供的航空空间位置作为辅助信息，以判断该初始威胁结合中存在重复描述的情况。即若存在多架航空器产生的该威胁影响范围存在空间上的交集，则对该多架航空器产生的该威胁影响范围对应的交通类态势特征进行合并，得到一个新的威胁态势，以求信息并集的方式更新该交通类态势特征的特征标签，以此建立待重构航空器闯入威胁集合St。
例如，对于其中第n个威胁Stn，假设存在威胁的航空器，即威胁机的初始时刻的三维位置点为P0，该威胁机的飞行速度为v0，将该威胁机周围存在的航班称为宿主机，这些宿主机的位置为圆域P1，速度为-v0，考虑该威胁机受到的环境影响，引入布朗运动以描述该威胁机周围的宿主机位置的不确定性，可得到该威胁机与宿主机经历t时段后的位置：P0(t)＝P0+v0×t+w0(t)；P1(t)＝P1+v1×t+w1(t)；
其中，w0(t)代表该威胁机位置的不确定性，w1(t)代表该宿主机位置的不确定性。P0(t)代表该威胁机经历t时段后的位置。P1(t)代表该宿主机经历t时段后的位置。P0代表该威胁机的初始位置，P1代表该宿主机的初始位置，v0代表该威胁机的速度，v1代表该宿主机的速度。
定义航空器之间的安全飞行间隔为Dsafe，可推得该威胁机和该宿主机之间可能发生冲突威胁的概率为：
Pconflict＝P{|P0(t)-P1(t)|≤Dsafe}；
其中，Pconflict代表该威胁机和该宿主机之间可能发生冲突威胁的概率。
在得到Pconflict之后，定义该威胁影响范围Stnr为[0，t]时段内，该冲突威胁的概率数值大于零的所有航班起始点位置P1的集合，而该威胁影响强度Stni为该冲突威胁的概率数值Pconflict，即Stni＝Pconflict。由此得到准确描述交通类安全态势特征的该交通类威胁集合
Figure BDA0002601105620000121
且ST中每个元素表示基于冲突探测所获取的一个威胁数据。该交通类威胁集合ST中每个交通类威胁数据的属性信息包括威胁发生时间、威胁发生位置、威胁类别、威胁影响范围和威胁影响强度，即
Figure BDA0002601105620000122
i＝1，2，...M。
请参见图6，在本申请的一个实施例中，步骤S402包括：
S601，获取该天气类威胁集合中天气类威胁数据的属性信息，该属性信息至少包括：威胁发生时间、威胁发生位置以及威胁类别。
该天气类威胁数据的属性信息中，威胁发生时间和该威胁发生位置为一一对应关系，即一个威胁发生时间对应一个威胁发生位置。该威胁类别也于该威胁发生时间和该威胁发生位置关联，即在涉及威胁数据的威胁类别的描述时，需要描述为在该威胁数据的某一个威胁发生时间和于该某一个威胁发生时间对应的威胁发生位置确定时，再确定的该威胁类别。一个威胁类别可能对应多个威胁发生时间。
S602，获取该天气态势特征中第一维度的特征和第二维度的特征之间的关联关系。
该第一维度的特征是基于地理位置所表征的天气属性，在该天气属性的基础上局部区域的某一特征会影响到空域的安全态势，影响的具体表现就是该第一维度的特征。该第一维度的特征会影响到该第二维度的特征，该关联关系指的是在采集空域态势信息的局部区域中该第一维度的特征和该第二维度的特征之间的关联关系。
S603，根据该关联关系，确定该天气类威胁集合中天气类威胁数据的威胁影响范围。
基于气象学知识库和该关联关系，形成影响空域运行安全态势的背景属性与态势属性的关联性映射，从而得到该天气类威胁集合中天气类威胁数据的威胁影响范围。该关联性映射指的是该第一维度的特征和该第二维度的特征之间存在的影响映射，即该第一维度的特征会影响或者决定该第二维度的特征，该关联性映射可以从大量包含第一维度的特征和该第二维度的特征的数据中获取。以态势属性中由波浪云或人字云产生的颠簸态势为例，可以从该第一维度的特征中获取到云团属性Ap-θcloud以及该云团的范围信息Apr，结合气象学知识库β，可以得到颠簸态势的影响范围。即Smnr＝β(Ap-θcloud)，其中，Smnr等于该颠簸态势的影响范围，即该颠簸态势的威胁影响范围。
S604，根据该天气态势特征中的影响强度分布信息，确定该天气类威胁集合中天气类威胁数据的威胁影响强度。
对于未划分等级作为态势特征的场景，首先需要获取该天气态势特征中的影响强度分布情况，进而构造该影响强度分布情况的函数集F，采用最小二乘法进行分布拟合得到接近实际情况的强度变化趋势。在得到强度变化趋势的基础上，通过对该威胁影响范围内各个已知强度点的逼近，得到整个该威胁影响范围内任意点的强度情况Smni。
在得到该天气类威胁数据的属性信息，即该天气类威胁数据的威胁发生时间、威胁发生位置、威胁类别、威胁影响范围和威胁影响强度后，构成该天气类威胁集合，该天气类威胁集合的表达形式可以为
Figure BDA0002601105620000131
其中
Figure BDA0002601105620000132
i＝1，2，......L。
请参见图7，在本申请的一个实施例中，步骤S403包括：
S701，获取该交通类威胁集合和该天气类威胁集合中的威胁类别相同的威胁数据，并依据威胁类别进行威胁类别的整合分类。
该交通类威胁集合ST和该天气类威胁集合SM构成该威胁集合S，按照该威胁集合S中的威胁类别进行威胁数据的整合分类、划分，可以得到多个子威胁集合
Figure BDA0002601105620000133
m表示所划分的第m类别的威胁，n表示该类别威胁集合内第n个子威胁。该子威胁集合
Figure BDA0002601105620000134
中的元素为威胁类别相同的威胁数据。
S702，以空间位置为基准叠加该威胁类别相同的威胁数据，得到多层级广域空域安全态势场模型；其中，该叠加用于叠加该威胁类别相同的威胁数据的威胁影响范围和威胁影响强度。
将威胁类别相同的威胁数据，及一个子威胁集合
Figure BDA0002601105620000135
中的所有威胁数据以空间位置为基准进行威胁数据的威胁影响范围和威胁影响强度进行数值叠加，并将针对一个子威胁集合
Figure BDA0002601105620000136
叠加的数值结果以热力图的形式在同一地理的背景中呈现，不同子威胁集合
Figure BDA0002601105620000137
叠加的数值结果呈现在不同的热力图中，即多层威胁态势的结果呈现，最终得到多层广域安全态势场，即该多层级广域空域安全态势场模型，该多层级广域空域安全态势场模型呈现多层威胁态势的结果。
请参见图8，在本申请的一个实施例中，步骤S303包括：
S801，获取该多层级广域空域安全态势场模型中每个威胁数据的威胁发生位置。
可以理解的是，该多层级广域空域安全态势场模型无法直观得体现空域受威胁的程度，因此需要对该多层级广域空域安全态势场模型中的各威胁类别对应的态势特征进行统一描述，然而不同威胁类别对应的态势量纲不同、含义不同，无法直接进行统一描述。因此需要对该安全态势场模型进行二次重构，得到以空域安全等级为量化结果，态势量纲统一且标签含义相同的该多层级广域空域安全态势场模型。
该多层级广域空域安全态势场模型呈现多层威胁态势的结果，步骤S802是获取每层威胁态势的呈现结果中每个威胁数据的属性信息中的威胁发生位置。
S802，关联每个威胁发生位置和该空域安全态势等级集合，得到初级空域安全评估模型。
在一个可选的实施例中，该空域安全态势等级集合划分为非常安全、安全、中等、危险、非常危险五个等级。其中，采用机器学习或专家系统的方式为空中交通运行场景进行空域危险等级划分，基于足量的空管运行指示与经验作为训练集或基础类，所划分的场景信息中需包括所有若干态势类别，或者说威胁类别，如颠簸、冲突等，以及包括该威胁类别所关联的属性信息，如威胁发生时间，威胁发生位置，威胁影响范围和威胁影响强度等，进而得到该空域安全态势等级的划分标准。
该关联每个威胁发生位置和该空域安全态势等级集合，指的是在每个该威胁发生位置上用安全等级进行标识，例如，在一个威胁发生位置上用“危险”进行标识，在另一个威胁发生位置上用“安全”标识。在确定用什么安全等级标识在威胁发生位置上时，是通过该威胁发生位置上的威胁影响范围和威胁影响强度确定的，例如，若该威胁影响范围和该威胁影响强度均超过预设的安全范围和预设的安全强度，则在该威胁发生位置上用“危险”进行标识。若该威胁影响范围和该威胁影响强度超过该预设的安全范围和该预设的安全强度的程度或者说百分比已经超过于预设的程度或者说百分比，则在该威胁发生位置上用“非常危险”进行标识。若该威胁影响范围和该威胁影响强度均未超过该预设的安全范围和该预设的安全强度，则在该威胁发生位置上用“安全”进行标识。若该威胁影响范围和该威胁影响强度未超过该预设的安全范围和该预设的安全强度的程度或者说百分比超过预设的程度或者说百分比，则在该威胁发生位置上用“非常安全”进行标识。以此类推，关联每个威胁发生位置和该空域安全态势等级集合。
需要说明的是，在选择该威胁发生位置以构建该初级空域安全评估模型时，在该多层级广域空域安全态势场模型中选取的每层的该威胁发生位置需要覆盖该层所有威胁发生位置的80％比例，以满足在构建该初级空域安全评估模型时候的完整性，确保最终构建的空域安全评估模型可以准确得实现评估效果。
S803，使用插值法对该初级空域安全评估模型进行平滑处理，得到该空域安全态势评估模型。
请参见图9，在一个可选的实施例中，步骤S803包括：
S901，使用插值法对该初级空域安全评估模型进行平滑处理，得到中级空域安全评估模型。
该中级空域安全评估模型是使用插值法对该初级空域安全评估模型进行平滑处理后得到的安全评估模型。
S902，获取该中级空域安全评估模型中的威胁类别相同的威胁数据。
在该中级空域安全评估模型中获取的威胁数据都带有安全等级标识。
S903，以空间位置为基准叠加该中级空域安全评估模型中威胁类别相同的威胁数据，得到该空域安全态势评估模型；其中，该叠加用于叠加该威胁类别相同的威胁数据的安全等级。
该空域安全态势评估模型是以安全等级为量化结果，态势量纲统一的空域安全态势场。步骤S202将该空域态势信息输入至该空域安全态势评估模型中，得到该广域空域安全态势评估结果。若该广域空域安全态势评估结果为“危险”或者“非常危险”，则表明需要进行告警，告警后在该广域空域态势信息所属的态势场内或附近运行的航空器需要根据实际情况进行判断，以提前进行避撞机动。
请参见图10，本申请还提供一种空地协同的广域空域安全态势评估装置10，包括：
获取模块11，用于以空地协同的方式获取广域空域态势信息，该空地协同的方式是将航空器利用地空数据链将航空器中的机载设备探测到的点态势下传至地面，以补充地面系统探测形成的面态势，该广域空域态势信息至少包括交通类空域态势信息以及天气类空域态势信息，该广域空域态势信息具备多尺度多属性的态势特征。
处理模块12，用于将该广域空域态势信息输入至空域安全态势评估模型中，得到广域空域安全态势评估结果，其中，该空域安全态势评估模型通过多尺度的跨尺度重构形成空域安全态势场，该空域安全态势评估模型用于基于该交通类空域态势信息和该天气类空域态势信息的多尺度态势进行广域空域安全态势评估。
该获取模块11还用于获取多尺度威胁集合，该多尺度威胁集合包括由该机载设备探测感知的交通类威胁集合和由该地面系统综合获取的天气类威胁集合，该交通类威胁集合与天气类威胁集合均存在多尺度态势特征，该交通类威胁集合中包括至少一个交通类威胁数据，该交通类威胁数据用于标识发生交通类威胁时的特征信息，该天气类威胁集合中包括至少一个天气类威胁数据，该天气类威胁数据用于标识发生天气类威胁时的特征信息；
该安全态势评估装置10还包括：
模型建立模块13，用于根据该多尺度威胁集合通过跨尺度态势重构确定多层级广域空域安全态势场模型。该模型建立模块13具体用于确定该交通类威胁集合中交通类威胁数据的属性信息，并进行尺度同一化处理；确定该天气类威胁集合中天气类威胁数据的属性信息，并进行尺度同一化处理；根据该交通类威胁数据的属性信息以及该天气类威胁数据的属性信息，对该交通类威胁数据和该天气类威胁数据进行叠加，得到跨尺度态势重构后的该多层级广域空域安全态势场模型。
该模型建立模块13具体用于获取该交通类威胁集合中交通类威胁数据的属性信息，该属性信息至少包括：威胁发生时间、威胁发生位置以及威胁类别；基于冲突探测，确定该交通类威胁集合中该交通类威胁数据的威胁影响范围和威胁影响强度。
该模型建立模块13具体用于获取该天气类威胁集合中天气类威胁数据的属性信息，该属性信息至少包括：威胁发生时间、威胁发生位置以及威胁类别；获取该天气态势特征中第一维度的特征和第二维度的特征之间的关联关系；根据该关联关系，确定该天气类威胁集合中天气类威胁数据的威胁影响范围；根据该天气态势特征中的影响强度分布信息，确定该天气类威胁集合中天气类威胁数据的威胁影响强度。
该模型建立模块13具体用于获取该交通类威胁集合和该天气类威胁集合中的威胁类别相同的威胁数据，并依据威胁类别进行威胁数据的整合分类；以空间位置为基准叠加该威胁类别相同的威胁数据，得到该多层级广域空域安全态势场模型；其中，该叠加用于叠加该威胁类别相同的威胁数据的威胁影响范围和威胁影响强度。
该模型建立模块13具体用于获取该多层级广域空域安全态势场模型中每个威胁数据的威胁发生位置；关联每个威胁发生位置和该空域安全态势等级集合，得到初级空域安全评估模型；使用插值法对该初级空域安全评估模型进行平滑处理，得到该空域安全态势评估模型。
该模型建立模块13具体用于使用插值法对该初级空域安全评估模型进行平滑处理，得到中级空域安全评估模型；获取该中级空域安全评估模型中的威胁类别相同的威胁数据；以空间位置为基准叠加该中级空域安全评估模型中威胁类别相同的威胁数据，得到该空域安全态势评估模型；其中，该叠加用于叠加该威胁类别相同的威胁数据的安全等级。
请参见图11，本申请还提供一种电子设备20，包括存储器21，处理器22和收发器23，该存储器21用于存储指令，该收发器23用于和其他设备通信，该处理器22用于执行该存储器21中存储的指令，以使该电子设备执行如上任一项的该空地协同的广域空域安全态势评估方法。
本申请还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机执行指令，当该指令被执行时，使得计算机执行指令被处理器执行时用于实现如上任一项实施例提供的该空地协同的广域空域安全态势评估方法。本申请还提供一种另一种计算机可读存储介质，该计算机可读存储介质中存储有计算机执行指令，当该指令被执行时，使得计算机执行如上任一项实施例提供的空地协同的广域空域安全态势评估方法。
需要说明的是，上述计算机可读存储介质可以是只读存储器(Read Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory，FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory，CD-ROM)等存储器。也可以是包括上述存储器之一或任意组合的各种电子设备，如移动电话、计算机、平板设备、个人数字助理等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所描述的方法。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (9)

1.一种空地协同的广域空域安全态势评估方法，其特征在于，包括：
以空地协同的方式获取广域空域态势信息，所述空地协同的方式是将航空器利用地空数据链将航空器中的机载设备探测到的点态势下传至地面，以补充地面系统探测形成的面态势，所述广域空域态势信息至少包括交通类空域态势信息以及天气类空域态势信息，所述广域空域态势信息具备多尺度多属性的态势特征；
获取多尺度威胁集合，所述多尺度威胁集合包括由所述机载设备探测感知的交通类威胁集合和由所述地面系统综合获取的天气类威胁集合，所述交通类威胁集合与天气类威胁集合均存在多尺度态势特征，所述交通类威胁集合中包括至少一个交通类威胁数据，所述交通类威胁数据用于标识发生交通类威胁时的特征信息，所述天气类威胁集合中包括至少一个天气类威胁数据，所述天气类威胁数据用于标识发生天气类威胁时的特征信息；
根据所述多尺度威胁集合通过跨尺度态势重构确定多层级广域空域安全态势场模型；所述多层级广域空域安全态势场模型是由所述多尺度威胁集合中的威胁类别相同的交通类威胁数据和天气类威胁数据进行叠加得到的，所述多层级广域空域安全态势场模型是多层态势场模型，每层态势场都代表一个威胁类别的态势场，所述多层态势场模型指的是包括多个威胁类别的态势场的模型；
根据预设的空域安全态势等级集合和所述多层级广域空域安全态势场模型确定所述空域安全态势评估模型，所述空域安全态势等级集合中包括多个安全态势等级；其中，所述根据预设的空域安全态势等级集合和所述多层级广域空域安全态势场模型确定所述空域安全态势评估模型为：将预设的空域安全态势等级和所述多层级广域空域安全态势场模型进行关联，所述关联指的是用空域安全态势等级描述所述多层级广域空域安全态势场中的威胁数据的属性，所述属性指的是属性信息中的属性，所述属性信息包括威胁发生时间、威胁发生位置以及威胁类别；
将所述广域空域态势信息输入至空域安全态势评估模型中，得到广域空域安全态势评估结果，其中，所述空域安全态势评估模型通过多尺度的跨尺度重构形成空域安全态势场，所述空域安全态势评估模型用于基于所述交通类空域态势信息和所述天气类空域态势信息的多尺度态势进行广域空域安全态势评估。
2.根据权利要求1所述的方法，其特征在于，所述根据所述多尺度威胁集合通过跨尺度态势重构确定多层级广域空域安全态势场模型，包括：
确定所述交通类威胁集合中交通类威胁数据的属性信息，并进行尺度同一化处理；
确定所述天气类威胁集合中天气类威胁数据的属性信息，并进行尺度同一化处理；
根据所述交通类威胁数据的属性信息以及所述天气类威胁数据的属性信息，对所述交通类威胁数据和所述天气类威胁数据进行叠加，得到跨尺度态势重构后的所述多层级广域空域安全态势场模型。
3.根据权利要求2所述的方法，其特征在于，所述确定所述交通类威胁集合中交通类威胁数据的属性信息，并进行尺度同一化处理，包括：
获取所述交通类威胁集合中交通类威胁数据的属性信息，所述属性信息至少包括：威胁发生时间、威胁发生位置以及威胁类别；
基于冲突探测，确定所述交通类威胁集合中所述交通类威胁数据的威胁影响范围和威胁影响强度。
4.根据权利要求2所述的方法，其特征在于，所述确定所述天气类威胁集合中天气类威胁数据的属性信息，并进行尺度同一化处理，包括：
获取所述天气类威胁集合中天气类威胁数据的属性信息，所述属性信息至少包括：威胁发生时间、威胁发生位置以及威胁类别；
获取天气态势特征中第一维度的特征和第二维度的特征之间的关联关系；
根据所述关联关系，确定所述天气类威胁集合中天气类威胁数据的威胁影响范围；
根据所述天气态势特征中的影响强度分布信息，确定所述天气类威胁集合中天气类威胁数据的威胁影响强度。
5.根据权利要求2所述的方法，其特征在于，所述根据所述交通类威胁数据的属性信息以及所述天气类威胁数据的属性信息，对所述交通类威胁数据和所述天气类威胁数据进行叠加，得到跨尺度态势重构后的所述多层级广域空域安全态势场模型，包括：
获取所述交通类威胁集合和所述天气类威胁集合中的威胁类别相同的威胁数据，并依据威胁类别进行威胁数据的整合分类；
以空间位置为基准叠加所述威胁类别相同的威胁数据，得到所述多层级广域空域安全态势场模型；其中，所述叠加用于叠加所述威胁类别相同的威胁数据的威胁影响范围和威胁影响强度。
6.根据权利要求2所述的方法，其特征在于，所述根据预设的空域安全态势等级集合和所述多层级广域空域安全态势场模型确定所述空域安全态势评估模型，包括：
获取所述多层级广域空域安全态势场模型中每个威胁数据的威胁发生位置；
关联每个威胁发生位置和所述空域安全态势等级集合，得到初级空域安全评估模型；
使用插值法对所述初级空域安全评估模型进行平滑处理，得到所述空域安全态势评估模型。
7.根据权利要求6所述的方法，其特征在于，所述使用插值法对所述初级空域安全评估模型进行平滑处理，得到所述空域安全态势评估模型，包括：
使用插值法对所述初级空域安全评估模型进行平滑处理，得到中级空域安全评估模型；
获取所述中级空域安全评估模型中的威胁类别相同的威胁数据；
以空间位置为基准叠加所述中级空域安全评估模型中威胁类别相同的威胁数据，得到所述空域安全态势评估模型；其中，所述叠加用于叠加所述威胁类别相同的威胁数据的安全等级。
8.一种计算机设备，其特征在于，包括存储器，处理器和收发器，所述存储器用于存储指令，所述收发器用于和其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述计算机设备执行如权利要求1-7任一项所述的空地协同的广域空域安全态势评估方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当所述指令被执行时，使得计算机执行如权利要求1-7中任一项所述的空地协同的广域空域安全态势评估方法。
CN202010724240.1A 2020-07-24 2020-07-24 空地协同的广域空域安全态势评估方法 Active CN111951613B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010724240.1A CN111951613B (zh) 2020-07-24 2020-07-24 空地协同的广域空域安全态势评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010724240.1A CN111951613B (zh) 2020-07-24 2020-07-24 空地协同的广域空域安全态势评估方法

Publications (2)

Publication Number Publication Date
CN111951613A CN111951613A (zh) 2020-11-17
CN111951613B true CN111951613B (zh) 2021-08-31

Family

ID=73338824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010724240.1A Active CN111951613B (zh) 2020-07-24 2020-07-24 空地协同的广域空域安全态势评估方法

Country Status (1)

Country Link
CN (1) CN111951613B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113299120B (zh) * 2021-05-25 2022-05-13 中国电子科技集团公司第二十八研究所 一种边云协同支撑的空中交通态势智能感知系统
CN116543602B (zh) * 2023-07-04 2023-09-01 中国民用航空飞行学院 面向航空器集群的态势复杂性识别方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1761909A1 (en) * 2004-06-29 2007-03-14 Elbit Systems Ltd. Security systems and methods for vehicles
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
CN105956790A (zh) * 2016-05-24 2016-09-21 南京航空航天大学 低空飞行态势安全性评估指标及其评估方法
CN107564340A (zh) * 2017-09-12 2018-01-09 周俊杰 无人值守的航空器飞行信息采集传输地面方法及装置
CN108417097A (zh) * 2018-03-01 2018-08-17 中国航空无线电电子研究所 一种用于初始4d空地协同运行的方法
CN108564136A (zh) * 2018-05-02 2018-09-21 北京航空航天大学 一种基于模糊推理的空域运行态势评估分类方法
CN108573619A (zh) * 2018-04-25 2018-09-25 河南聚合科技有限公司 一种空地协同作业的无人机运管云平台
CN110796901A (zh) * 2019-11-04 2020-02-14 中国民航大学 一种空中交通态势风险热点识别方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100191467A1 (en) * 2009-01-23 2010-07-29 Honeywell International Inc. System and method for generating obstacle position indicator on aircraft display device
US8700298B2 (en) * 2010-09-30 2014-04-15 The Boeing Company Tailored arrivals allocation system clearance generator
RU2541902C2 (ru) * 2013-04-29 2015-02-20 Открытое акционерное общество "Лётно-исследовательский институт имени М.М. Громова" Интеллектуальная система поддержки экипажа
US9473367B2 (en) * 2014-08-19 2016-10-18 Honeywell International Inc. Aircraft monitoring with improved situational awareness
CN105654232A (zh) * 2015-12-24 2016-06-08 大连陆海科技股份有限公司 基于多维度空间融合的海岸监控与防御决策系统及方法
US9932111B2 (en) * 2016-01-29 2018-04-03 The Boeing Company Methods and systems for assessing an emergency situation
CN207367391U (zh) * 2017-08-11 2018-05-15 唐坚 用于低空飞行的监视系统
CN111047912A (zh) * 2018-06-24 2020-04-21 杭州坚果壳科技开发有限公司 基于气象要素的管制指令校准系统及方法
CN109035872A (zh) * 2018-08-08 2018-12-18 湖北河海科技发展有限公司 气象信息与航迹融合显示系统及方法
JP6714668B2 (ja) * 2018-10-15 2020-06-24 Ｈａｐｓモバイル株式会社 飛行体及びシステム
GB2578893B (en) * 2018-11-12 2021-10-06 Ge Aviat Systems Ltd Flight management system and method of updating flight calculations
US11024182B2 (en) * 2018-12-17 2021-06-01 The Boeing Company System and method to forecast flight delay based on real-time data
CN110689763A (zh) * 2019-09-20 2020-01-14 中国飞行试验研究院 一种基于无线接收的机载辅助导航方法、设备及系统
CN110648561A (zh) * 2019-11-04 2020-01-03 中国民航大学 一种基于双层多级网络模型的空中交通态势风险测度方法
CN110968941A (zh) * 2019-11-11 2020-04-07 海丰通航科技有限公司 基于空域安全评估的无人机管控平台及管控方法
CN111105647B (zh) * 2019-12-16 2021-08-31 四川大学 一种基于空管语音识别与合成的管制指令发布系统及方法
CN111210667A (zh) * 2019-12-27 2020-05-29 中国民用航空飞行学院 民航航班安保风险预警系统
CN111429758A (zh) * 2020-03-26 2020-07-17 中国民用航空总局第二研究所 机场场面运行要素的多源感知探测系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1761909A1 (en) * 2004-06-29 2007-03-14 Elbit Systems Ltd. Security systems and methods for vehicles
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
CN105956790A (zh) * 2016-05-24 2016-09-21 南京航空航天大学 低空飞行态势安全性评估指标及其评估方法
CN107564340A (zh) * 2017-09-12 2018-01-09 周俊杰 无人值守的航空器飞行信息采集传输地面方法及装置
CN108417097A (zh) * 2018-03-01 2018-08-17 中国航空无线电电子研究所 一种用于初始4d空地协同运行的方法
CN108573619A (zh) * 2018-04-25 2018-09-25 河南聚合科技有限公司 一种空地协同作业的无人机运管云平台
CN108564136A (zh) * 2018-05-02 2018-09-21 北京航空航天大学 一种基于模糊推理的空域运行态势评估分类方法
CN110796901A (zh) * 2019-11-04 2020-02-14 中国民航大学 一种空中交通态势风险热点识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A strategic flight conflict avoidance approach based on a memetic algorithm;Guan Xiangmin，, Zhang Xuejun，Han Dong，Zhu Yanbo，Lv Ji;《Chinese Society of Aeronautics and Astronautics & Beihang University》;20131208;第27卷(第1期);全文 *
复杂低空飞行安全态势评估指标研究;黄晶晶、张洪海、祝前进、邹依原;《武汉理工大学学报（交通科学与工程版）》;20191231;第43卷(第6期);全文 *

Also Published As

Publication number Publication date
CN111951613A (zh) 2020-11-17

Similar Documents

Publication Publication Date Title
US20220176846A1 (en) Unmanned Aerial Vehicle Remote Flight Planning System
EP3769173B1 (en) Risk assessment for unmanned aerial vehicles
Prevot et al. UAS traffic management (UTM) concept of operations to safely enable low altitude flight operations
EP2081163B1 (en) Multithreat safety and security system and specification method thereof
Kopardekar Unmanned aerial system (UAS) traffic management (UTM): Enabling low-altitude airspace and UAS operations
US9329262B2 (en) Situational awareness personal service
CN111951613B (zh) 空地协同的广域空域安全态势评估方法
WO2017173417A1 (en) Aviation virtual surface systems and methods
Young et al. In-time safety assurance systems for emerging autonomous flight operations
Pathiyil et al. Enabling safe operations of unmanned aircraft systems in an urban environment: a preliminary study
US20230010838A1 (en) Apparatus, systems, and methods for providing surveillance services for unmanned aircraft
Giannitsopoulos et al. Towards the coordinated and fit-for-purpose deployment of Unmanned Aerial Systems (UASs) for flood risk management in England
Tomić et al. ACAS installation on unmanned aerial vehicles: effectiveness and safety issues
Flanigen et al. Current challenges and mitigations for airborne detection of vertical obstacles
Gawade et al. Synthesis of remote air traffic control system and air traffic controllers’ perceptions
Weinert et al. Representative Small UAS Trajectories for Encounter Modeling
Dao et al. A research platform for urban air mobility (UAM) and uas traffic management (UTM) concepts and application
McMullen et al. Emergency management: Exploring hard and soft data fusion modeling with unmanned aerial systems and non-governmental human intelligence mediums
Joos Geographic Information Systems in Defense
Joos GIS in Defense
Dubot et al. Mitigating Air Risk of Drone Operations in Low-level Airspace with a 4D Trajectory U-space Framework
Qamar et al. Framework for Mid-Air Traffic Collision Detection Using Data Analytics
Andreeva-Mori et al. Overview of JAXA and NASA Collaboration on Manned and Unmanned Aircraft Operations Integration in Disaster Response
US20240185729A1 (en) Systems and methods for implementing condition-based actions in an aircraft
Lloyd et al. Safety Assessment Process for UAS Ground-Based Detect And Avoid

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