CN112083734B - 一种利用概率天气预报的集合飞行路径规划方法 - Google Patents
一种利用概率天气预报的集合飞行路径规划方法 Download PDFInfo
- Publication number
- CN112083734B CN112083734B CN201910504720.4A CN201910504720A CN112083734B CN 112083734 B CN112083734 B CN 112083734B CN 201910504720 A CN201910504720 A CN 201910504720A CN 112083734 B CN112083734 B CN 112083734B
- Authority
- CN
- China
- Prior art keywords
- flight
- path
- stage
- point
- planning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000008859 change Effects 0.000 claims description 4
- 238000004804 winding Methods 0.000 claims description 4
- 239000012467 final product Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 3
- 231100001261 hazardous Toxicity 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Abstract
本发明公开了一种利用概率天气预报的集合飞行路径规划方法,包括:首先利用概率天气预报,建立概率化的二维空域网格模型以进行水平方向上的路径规划。将路径规划分为多个阶段,除第一阶段外,每个阶段分别规划完全避开可能的危险天气区域的绕飞路径和穿越可能的危险天气区域的穿越路径,最终得到包含多条规划路径的飞行路径集合。在路径规划的代价函数中引入危险天气现象的出现概率,且出现概率越大代价函数值越大。各阶段的路径规划采用A*算法。本方法规划得到的飞行路径集合,可供飞行员临近飞行或飞行中根据实际的天气情况进行选择,也可供飞行员在飞行前对可能的飞行路径进行针对性的准备。
Description
技术领域
本发明涉及路径规划技术领域,尤其涉及一种利用概率天气预报的集合飞行路径规划方法。
背景技术
飞机飞行路径规划可以帮助航空运营商或飞行员制定安全经济的飞行路径。天气是影响飞行的重要因素,现有涉及天气的飞行路径规划方法多采用确定性天气预报进行路径规划。但天气预报与实际天气状况有时并不一致,可能出现预报的危险天气区域没有如期而至,带来不必要的绕飞和飞行距离的增加。
利用概率定量化描述天气预报的不确定性,并据此规划飞行路径有望获得更优结果,当前已有一些相关研究。例如利用马尔可夫链模型定量化建模危险天气区域的发生概率,进而进行飞行路径规划,这类方法针对运输航空设计,路径规划局限于航路内,应用于通用航空时路径规划的灵活性不够;再如通过统计运输航空航路上在特定观测天气数据附近飞行员改航和不改航的比例,建立概率化的对流天气规避模型,进而进行飞行路径规划,由于飞行员改航的决策除天气因素外还受其它多种因素的制约,这一模型还可进一步完善。此外,这一模型是在运输航空飞机的基础上建立的,通用航空由于许多飞机在性能上与运输航空飞机有巨大差异,面对同一天气状态运输航空飞机改航比例对通用航空飞机的参考价值也有限;又如利用集合天气预报建立基于区域的危险天气模型,将每个预报成员的可信度转换为危险系数,进而进行飞行路径规划,该方法使用分块常数的多边形建模危险天气区域还不够细致,基于多边形的路径规划限制了路径规划的灵活性。
随着技术的进步,目前国内外均已能够提供概率天气预报产品,利用概率天气预报产品进行通用航空飞行路径规划有望获得有益的结果。
发明内容
为解决通用航空飞行实际天气与天气预报不一致时根据确定性天气预报所规划飞行路径效益低的问题,本发明的目的在于提供一种利用概率天气预报的集合飞行路径规划方法,在保证安全性的前提下,得到比现有方法在统计意义上的期望飞行距离更小的规划飞行路径集合。
为实现上述目的,本发明提供了一种利用概率天气预报的集合飞行路径规划方法,包括按顺序进行的下列步骤:
步骤一:建立空域危险天气区域模型。将三维空域用二维网格模型来表示以进行水平方向上的路径规划,每个网格为有一定长度、宽度的矩形,每个网格点赋以一个0到1之间的值,表示该网格点附近出现威胁飞行安全的危险天气现象的概率pj。
步骤二:确定分阶段路径规划从飞行起点A到飞行终点B所划分的阶段数k(k为正整数)。
步骤三:进行第1阶段完全绕飞可能的危险天气区域的路径规划。首先确定从飞行起点A出发的第1阶段飞行范围,将第1阶段飞行范围内所有危险天气现象的概率pj大于0的网格点的pj强制置为1,然后进行代价函数最小的路径规划。该代价函数为一包含pj的函数,且pj越大,代价函数值越大。所规划路径与第1阶段飞行范围边界的交点为第2阶段的起始决策点S21,所规划的路径为AS21B。
步骤四:从第2阶段的起始决策点出发分别规划绕飞和穿越两条路径。首先从第2阶段的起始决策点S21开始,确定从起始决策点S21出发的第2阶段飞行范围,将从起始决策点S21出发的第2阶段飞行范围内所有危险天气现象的概率pj大于0的网格点的pj强制置为1然后进行与步骤三相同的代价函数最小的路径规划。该路径与第2阶段飞行范围边界的交点为第3阶段的第一个起始决策点S31,所规划路径为本阶段完全避开可能的危险天气区域的绕飞路径AS21S31B,步骤三规划的路径AS21B与第2阶段飞行范围边界的交点为第3阶段的第二个起始决策点S32,对应的路径为本阶段穿越可能的危险天气区域的穿越路径AS21S32B。
步骤五:第3阶段开始各阶段从每个起始决策点出发分别规划绕飞和穿越两条路径。依次从第3阶段及后续每个阶段的每个起始决策点开始,用与步骤四相同的方法,分别确定从每个起始决策点出发的本阶段飞行范围,并分别规划绕飞路径和穿越路径两条不同的路径。若起始决策点位置处危险天气现象的概率pj大于0,或从起始决策点位置无法规划得到绕飞路径,则对起始决策点的位置进行微调。
步骤六:最终得到最多包含2k-1条路径的飞行路径集合。
在上述技术方案中,优选地,在步骤一中,所述的每个网格点赋以一个0到1之间的值的具体方法为,利用由集合数值天气预报得到的网格化的概率天气预报中的概率值,经插值得到所需网格分辨率的二维网格模型。
在上述技术方案中,优选地,在步骤三中确定从飞行起点A出发的第1阶段飞行范围、在步骤四中确定从起始决策点S21出发的第2阶段飞行范围、在步骤五中分别确定从每个起始决策点出发的本阶段飞行范围的具体方法为:设s1为飞行起点A到飞行终点B的直线距离,r1=s1/k,第1阶段飞行范围为以飞行起点A为圆心,半径为r1的圆。第一阶段的飞行路径AS21与该圆交于第2阶段的起始决策点S21。设s21为第2阶段的起始决策点S21到飞行终点B的直线距离,r21=s21/(k-1),从起始决策点S21出发的第2阶段飞行范围为以S21为圆心,半径为r21的圆。依次类推,确定后续阶段从每个起始决策点出发的本阶段飞行范围。最后一个阶段不限定飞行范围。
在上述技术方案中,优选地,在步骤三中,所用的代价函数为
式中lj为飞行路径上从前一网格点(第j-1个网格点)到当前网格点(第j个网格点)的欧氏距离,pj为当前网格点(第j个网格点)出现危险天气现象的概率。
在上述技术方案中,优选地,在步骤三和步骤四中,所用的代价函数最小的路径规划方法为A*方法,其优化代价函数为
f(n)=g(n)+h(n) (2)
式中f(n)代表由飞行起点A到达当前节点n,再由当前节点n到达飞行终点B的估计代价函数,g(n)为由飞行起点A到达当前节点n的实际代价函数,h(n)为启发函数,为当前节点n到达飞行终点B的估计代价函数。其中实际代价函数为
式中各符号的含义与式(1)相同。
在上述技术方案中,优选地,在步骤五中,对起始决策点的位置进行微调的方法为,从该起始决策点开始沿已有路径逐个网格点向飞行终点B方向移动,直到移动到的位置处危险天气现象的概率pj为0,且能够规划得到绕飞路径为止,此时移动到的位置为微调后的起始决策点位置。
在上述技术方案中,优选地,在步骤三和步骤四中,在代价函数最小的路径规划方法中,所用的约束条件为
式中Vn表示飞行路径上前一网格点到当前网格点n的方向向量,Vn+1表示飞行路径上当前网格点n到下一网格点的方向向量,θ为相邻网格点间飞行方向变化的约束阈值。
在上述技术方案中,优选地,在步骤三和步骤四中,在代价函数最小的路径规划方法中,所用A*方法的优化代价函数式(2)中,所用的启发函数h(n)为当前节点n到飞行终点B的欧氏距离。即
式中(xn,yn),(xt,yt)分别为当前节点n和飞行终点B的二维坐标。
与现有技术相比,本发明的有益效果为:通过本发明提供的利用概率天气预报的集合飞行路径规划方法所规划的飞行路径集合,在保证安全性的前提下,与利用确定性天气预报规划的飞行路径相比,在统计意义上的期望飞行距离显著减小。
附图说明
图1为本发明一种实施例公开的利用概率天气预报的集合飞行路径规划方法的流程示意图;
图2为本发明一种实施例公开的飞行路径规划的阶段划分方法图;
图3为本发明一种实施例所规划飞行路径的集合示例。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图对本发明做进一步的详细描述:
如图1所示,根据本发明提供的一种利用概率天气预报的集合飞行路径规划方法包括按顺序进行的下列步骤:
步骤一:建立空域危险天气区域模型。将三维空域用二维网格模型来表示以进行水平方向上的路径规划,每个网格为有一定长度、宽度的矩形,每个网格点赋以一个0到1之间的值,表示该网格点附近出现威胁飞行安全的危险天气现象的概率pj。
每个网格点pj的值利用由集合数值天气预报得到的网格化的概率天气预报中的概率值得到,现有的概率天气预报常以网格形式给出结果,只是网格分辨率一般较低,例如使用40km×40km网格或32km×32km,需使用二维插值的方法得到所需网格分辨率(例如10km×10km)的二维网格模型。
步骤二:确定分阶段路径规划从飞行起点A到飞行终点B所划分的阶段数k(k为正整数)。最终得到的飞行路径集合最多包含2k-1条不同的路径,k的选择应使飞行路径集合不过于复杂,一般取k=3或k=4。
步骤三:进行第1阶段完全绕飞可能的危险天气区域的路径规划。
如图2所示,首先确定从飞行起点A出发的第1阶段飞行范围。设s1为飞行起点A到飞行终点B的直线距离,r1=s1/k,第1阶段飞行范围为以飞行起点A为圆心,半径为r1的圆。第一阶段的飞行路径AS21与该圆交于第2阶段的起始决策点S21。
将第1阶段飞行范围内所有危险天气现象的概率pj大于0的网格点的pj强制置为1,然后进行代价函数最小的路径规划。所规划路径与第1阶段飞行范围边界的交点为第2阶段的起始决策点S21,所规划的路径为AS21B。
步骤四:从第2阶段的起始决策点出发分别规划绕飞和穿越两条路径。
如图2所示,从第2阶段的起始决策点S21开始,首先确定从起始决策点S21出发的第2阶段飞行范围,设s21为第2阶段的起始决策点S21到飞行终点B的直线距离,r21=s21/(k-1),从起始决策点S21出发的第2阶段飞行范围为以S21为圆心,半径为r21的圆。
将从起始决策点S21出发的第2阶段飞行范围内所有危险天气现象的概率pj大于0的网格点的pj强制置为1然后进行与步骤三相同的代价函数最小的路径规划。该路径与第2阶段飞行范围边界的交点为第3阶段的第一个起始决策点S31,所规划路径为本阶段完全避开可能的危险天气区域的绕飞路径AS21S31B,步骤三规划的路径AS21B与第2阶段飞行范围边界的交点为第3阶段的第二个起始决策点S32,对应的路径为本阶段穿越可能的危险天气区域的穿越路径AS21S32B。
步骤五:第3阶段开始各阶段从每个起始决策点出发分别规划绕飞和穿越两条路径。依次从第3阶段及后续每个阶段的每个起始决策点开始,用与步骤四相同的方法,分别确定从每个起始决策点出发的本阶段飞行范围,并分别规划绕飞路径和穿越路径两条不同的路径。最后一个阶段不限定飞行范围。若起始决策点位置处危险天气现象的概率pj大于0,或从起始决策点位置无法规划得到绕飞路径,则对起始决策点的位置进行微调。微调的方法为,从该起始决策点开始沿已有路径逐个网格点向飞行终点B方向移动,直到移动到的位置处危险天气现象的概率pj为0,且能够规划得到绕飞路径为止,此时移动到的位置为微调后的起始决策点位置。
在上述实施例中,优选地,在步骤三、步骤四和步骤五中,所用的代价函数最小的路径规划方法均为A*方法,其优化代价函数为
f(n)=g(n)+h(n) (6)
式中f(n)代表由飞行起点A到达当前节点n,再由当前节点n到达飞行终点B的估计代价函数,g(n)为由飞行起点A到达当前节点n的实际代价函数,h(n)为启发函数,为当前节点n到达飞行终点B的估计代价函数。其中实际代价函数
式中lj为飞行路径上从前一网格点(第j-1个网格点)到当前网格点(第j个网格点)的欧氏距离,wj为飞经当前网格点(第j个网格点)的风险系数,为一距离加权系数,pj为当前网格点(第j个网格点)出现危险天气现象的概率。
在上述实施例中,优选地,所用A*方法的优化代价函数式(6)中,所用的启发函数h(n)为当前节点n到飞行终点B的欧氏距离。即
式中(xn,yn),(xt,yt)分别为当前节点n和飞行终点B的二维坐标。
在上述实施例中,优选地,所用的约束条件为
式中Vn表示飞行路径上前一网格点到当前网格点n的方向向量,Vn+1表示飞行路径上当前网格点n到下一网格点的方向向量,θ为相邻网格点间飞行方向变化的约束阈值。
步骤六:最终得到最多包含2k-1条路径的飞行路径集合。
最终得到的一个飞行路径集合的示例如图3所示。图中左下方空心圆点为飞行起点A,右上方空心圆点为飞行终点B。图中各区域不同位置的不同灰度表示由概率天气预报得到的空域危险天气区域二维网格模型中不同位置处发生危险天气现象的概率,概率值最小为0最大为1,图中白色区域表示发生危险天气现象的概率为0的区域。图中飞行路径中的实心圆点表示各阶段的起始决策点。本示例中所划分的阶段数k=4。最终得到的飞行路径集合中最多包含2k-1=8条飞行路径。本示例中,由于第2阶段的绕飞路径与穿越路径相同,因此二叉树结构的飞行路径集合中减少了一个分支,第3阶段仅有1个位置不同的起始决策点,第4阶段有2个位置不同的起始决策点。第3阶段和第4阶段在起始决策点处都有绕飞路径与穿越路径两条不同的飞行路径。最终得到的飞行路径集合中包含4条不同的飞行路径。
所规划飞行路径集合在统计意义上的期望飞行距离为
E[L]=∑mPmLm (10)
式中Lm为所规划飞行路径集合中第m个成员路径的飞行距离,Pm为飞行该条成员路径的概率。
飞行某条成员路径的概率Pm由如下方法计算。除第1阶段外,后续每个阶段的起始决策点都有绕飞和穿越危险天气区域两条不同的飞行路径,因此不同的飞行路径是一个二叉树结构。设空域危险天气区域二维网格模型中每个网格点(x,y)处发生危险天气的概率为p(x,y),对于第m个成员路径,设其第i个阶段(i不等于1)的起始决策点为Dmi,则在全部飞行路径的集合中从Dmi出发在第i个阶段内会有穿越危险天气区域的飞行路径Cmi和绕飞的飞行路径C’mi两条不同的飞行路径。可以取该阶段内穿越危险天气区域的飞行路径Cmi上所有p(x,y)的最大值,作为穿越路径Cmi出现危险天气不能穿越的概率,也就是在决策点Dmi处选择绕飞路径的概率。于是可得第m个成员路径中第i个阶段的分段路径实际飞行中飞行的概率为
实际飞行中飞行第m个成员路径的概率Pm为
将本发明提供的利用概率天气预报的集合飞行路径规划方法所规划的飞行路径集合,与利用确定性天气预报规划的完全绕飞可能的危险天气区域的飞行路径进行比较,图3示例中使用本发明方法规划的飞行路径集合期望飞行距离为1135.6km,而利用确定性天气预报规划的完全绕飞可能的危险天气区域的飞行路径的飞行距离为1234.9km。此外,对于20组随机分布的危险天气区域的实验的比较结果如表1,可以看到本发明提供的方法在统计意义上的期望飞行距离显著减小。
表1本发明方法与利用确定性天气预报规划的完全绕飞可能的危险天气区域的结果比较表
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种利用概率天气预报的集合飞行路径规划方法,其特征在于,包括按顺序进行的下列步骤:
步骤一:建立空域危险天气区域模型:将三维空域用二维网格模型来表示以进行水平方向上的路径规划,每个网格为有一定长度、宽度的矩形,每个网格点赋以一个0到1之间的值,表示该网格点附近出现威胁飞行安全的危险天气现象的概率pj;
步骤二:确定分阶段路径规划从飞行起点A到飞行终点B所划分的阶段数k,k为正整数;
步骤三:进行第1阶段完全绕飞可能的危险天气区域的路径规划:首先确定从飞行起点A出发的第1阶段飞行范围,将第1阶段飞行范围内所有危险天气现象的概率pj大于0的网格点的pj强制置为1,然后进行代价函数最小的路径规划,该代价函数为一包含pj的函数,且pj越大,代价函数值越大,所规划路径与第1阶段飞行范围边界的交点为第2阶段的起始决策点S21,所规划的路径为AS21B,其中,所用的代价函数为
式中lj为飞行路径上从前一网格点到当前网格点的欧氏距离,pj为当前网格点出现危险天气现象的概率;
步骤四:从第2阶段的起始决策点出发分别规划绕飞和穿越两条路径:首先从第2阶段的起始决策点S21开始,确定从起始决策点S21出发的第2阶段飞行范围,将从起始决策点S21出发的第2阶段飞行范围内所有危险天气现象的概率pj大于0的网格点的pj强制置为1然后进行与步骤三相同的代价函数最小的路径规划,该路径与第2阶段飞行范围边界的交点为第3阶段的第一个起始决策点S31;所规划路径为本阶段完全避开可能的危险天气区域的绕飞路径AS21S31B,步骤三规划的路径AS21B与第2阶段飞行范围边界的交点为第3阶段的第二个起始决策点S32,对应的路径为本阶段穿越可能的危险天气区域的穿越路径AS21S32B;
步骤五:第3阶段开始各阶段从每个起始决策点出发分别规划绕飞和穿越两条路径:依次从第3阶段及后续每个阶段的每个起始决策点开始,用与步骤四相同的方法,分别确定从每个起始决策点出发的本阶段飞行范围,并分别规划绕飞路径和穿越路径两条不同的路径,若起始决策点位置处危险天气现象的概率pj大于0,或从起始决策点位置无法规划得到绕飞路径,则对起始决策点的位置进行微调;
步骤六:最终得到最多包含2k-1条路径的飞行路径集合。
2.根据权利要求1所述的利用概率天气预报的集合飞行路径规划方法,其特征在于,在步骤一中,所述的每个网格点赋以一个0到1之间的值的具体方法为,利用由集合数值天气预报得到的网格化的概率天气预报中的概率值,经插值得到所需网格分辨率的二维网格模型。
3.根据权利要求1所述的利用概率天气预报的集合飞行路径规划方法,其特征在于,在步骤三中确定从飞行起点A出发的第1阶段飞行范围、在步骤四中确定从起始决策点S21出发的第2阶段飞行范围、在步骤五中分别确定从每个起始决策点出发的本阶段飞行范围的具体方法为:设s1为飞行起点A到飞行终点B的直线距离,r1=s1/k,第1阶段飞行范围为以飞行起点A为圆心,半径为r1的圆;第一阶段的飞行路径AS21与该圆交于第2阶段的起始决策点S21;设s21为第2阶段的起始决策点S21到飞行终点B的直线距离,r21=s21/(k-1),从起始决策点S21出发的第2阶段飞行范围为以S21为圆心,半径为r21的圆;依次类推,确定后续阶段从每个起始决策点出发的本阶段飞行范围;最后一个阶段不限定飞行范围。
4.根据权利要求1所述的利用概率天气预报的集合飞行路径规划方法,其特征在于,在步骤三和步骤四中,所用的代价函数最小的路径规划方法为A*方法,其优化代价函数为
f(n)=g(n)+h(n) (2)
式中f(n)代表由飞行起点A到达当前节点n,再由当前节点n到达飞行终点B的估计代价函数,g(n)为由飞行起点A到达当前节点n的实际代价函数,h(n)为启发函数,为当前节点n到达飞行终点B的估计代价函数,其中实际代价函数为
式中各符号的含义与式(1)相同。
5.根据权利要求1所述的利用概率天气预报的集合飞行路径规划方法,其特征在于,在步骤五中,对起始决策点的位置进行微调的方法为,从该起始决策点开始沿已有路径逐个网格点向飞行终点B方向移动,直到移动到的位置处危险天气现象的概率pj为0,且能够规划得到绕飞路径为止,此时移动到的位置为微调后的起始决策点位置。
6.根据权利要求4所述的利用概率天气预报的集合飞行路径规划方法,其特征在于,所用的约束条件为
式中Vn表示飞行路径上前一网格点到当前网格点n的方向向量,Vn+1表示飞行路径上当前网格点n到下一网格点的方向向量,θ为相邻网格点间飞行方向变化的约束阈值。
7.根据权利要求4所述的利用概率天气预报的集合飞行路径规划方法,其特征在于,所用A*方法的优化代价函数式(2)中,所用的启发函数h(n)为当前节点n到飞行终点B的欧氏距离,即
式中(xn,yn),(xt,yt)分别为当前节点n和飞行终点B的二维坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910504720.4A CN112083734B (zh) | 2019-06-12 | 2019-06-12 | 一种利用概率天气预报的集合飞行路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910504720.4A CN112083734B (zh) | 2019-06-12 | 2019-06-12 | 一种利用概率天气预报的集合飞行路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112083734A CN112083734A (zh) | 2020-12-15 |
CN112083734B true CN112083734B (zh) | 2024-03-05 |
Family
ID=73733283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910504720.4A Active CN112083734B (zh) | 2019-06-12 | 2019-06-12 | 一种利用概率天气预报的集合飞行路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112083734B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792922A (zh) * | 2021-09-08 | 2021-12-14 | 浙江水利水电学院 | 一种沙漠行走动态规划方法 |
CN114034301A (zh) * | 2021-10-21 | 2022-02-11 | 北京航空航天大学杭州创新研究院 | 一种基于决策树的实时航路规划方法 |
CN115795697B (zh) * | 2023-01-31 | 2023-04-21 | 中国电子科技集团公司第二十八研究所 | 一种基于空间网格的复杂环境下野外机动通道生成方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001033271A (ja) * | 1999-06-30 | 2001-02-09 | Gya Min-Chun | 汎用航空機用の飛行経路計画、地形の回避、及び、状況認識システム |
CN101136080A (zh) * | 2007-09-13 | 2008-03-05 | 北京航空航天大学 | 基于满意决策蚁群智能无人作战飞机自适应航路规划方法 |
CN102880186A (zh) * | 2012-08-03 | 2013-01-16 | 北京理工大学 | 基于稀疏a*算法和遗传算法的航迹规划方法 |
CN104075717A (zh) * | 2014-01-21 | 2014-10-01 | 武汉吉嘉伟业科技发展有限公司 | 一种基于改进a*算法的无人机航线规划算法 |
CN106323295A (zh) * | 2016-08-29 | 2017-01-11 | 中国船舶重工集团公司第七0九研究所 | 一种基于气象雷达数据的危险气象条件下的航空器改航方法 |
CN107632616A (zh) * | 2017-09-05 | 2018-01-26 | 华中科技大学 | 一种基于三维空间曲线的无人机协同路径规划方法 |
CN107677275A (zh) * | 2017-09-15 | 2018-02-09 | 北京航空航天大学 | 一种混合空域异质飞行器路径规划方法及装置 |
CN107830864A (zh) * | 2017-11-01 | 2018-03-23 | 飞友科技有限公司 | 一种民航飞机恶劣天气绕飞路线规划系统和方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970648B (zh) * | 2017-04-19 | 2019-05-14 | 北京航空航天大学 | 城市低空环境下无人机多目标路径规划联合搜索方法 |
-
2019
- 2019-06-12 CN CN201910504720.4A patent/CN112083734B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001033271A (ja) * | 1999-06-30 | 2001-02-09 | Gya Min-Chun | 汎用航空機用の飛行経路計画、地形の回避、及び、状況認識システム |
CN101136080A (zh) * | 2007-09-13 | 2008-03-05 | 北京航空航天大学 | 基于满意决策蚁群智能无人作战飞机自适应航路规划方法 |
CN102880186A (zh) * | 2012-08-03 | 2013-01-16 | 北京理工大学 | 基于稀疏a*算法和遗传算法的航迹规划方法 |
CN104075717A (zh) * | 2014-01-21 | 2014-10-01 | 武汉吉嘉伟业科技发展有限公司 | 一种基于改进a*算法的无人机航线规划算法 |
CN106323295A (zh) * | 2016-08-29 | 2017-01-11 | 中国船舶重工集团公司第七0九研究所 | 一种基于气象雷达数据的危险气象条件下的航空器改航方法 |
CN107632616A (zh) * | 2017-09-05 | 2018-01-26 | 华中科技大学 | 一种基于三维空间曲线的无人机协同路径规划方法 |
CN107677275A (zh) * | 2017-09-15 | 2018-02-09 | 北京航空航天大学 | 一种混合空域异质飞行器路径规划方法及装置 |
CN107830864A (zh) * | 2017-11-01 | 2018-03-23 | 飞友科技有限公司 | 一种民航飞机恶劣天气绕飞路线规划系统和方法 |
Non-Patent Citations (3)
Title |
---|
不确定强对流天气下动态改航路径规划;孟令航;徐肖豪;李善梅;耿增显;;西南交通大学学报(第04期);686-691 * |
复杂多约束条件通航飞行垂直剖面规划方法;王晓亮;马亚冰;王鹏;吴仁彪;;北京航空航天大学学报(06);1126-1133 * |
航班改航路径规划研究综述;李雄;徐肖豪;;航空计算技术(第01期);19-23 * |
Also Published As
Publication number | Publication date |
---|---|
CN112083734A (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112083734B (zh) | 一种利用概率天气预报的集合飞行路径规划方法 | |
CN108958285B (zh) | 一种基于分解思想的高效多无人机协同航迹规划方法 | |
CN105867421B (zh) | 一种基于ph曲线的无人机路径规划方法 | |
US8082102B2 (en) | Computing flight plans for UAVs while routing around obstacles having spatial and temporal dimensions | |
US9520066B2 (en) | Determining landing sites for aircraft | |
CN111678524B (zh) | 一种基于飞行安全的救援航空器路径规划方法及系统 | |
EP3550394B1 (en) | Efficient flight profiles with multiple rta constraints | |
CN104991895A (zh) | 一种基于三维空域网格的低空救援航空器航迹规划方法 | |
CN107462243A (zh) | 一种基于高精度地图的云控自动驾驶任务生成方法 | |
US20030093219A1 (en) | Four-dimensional route planner | |
EP3470786A1 (en) | A computer-implemented method and a system for generating a 3d path to a landing location for an aerial vehicle | |
CA2944025A1 (en) | System and method for routing decisions in a separation management system | |
CN108255192A (zh) | 一种小型舰载无人机回收航路规划管理方法 | |
US11854407B2 (en) | System and method for airspace planning | |
EP3120111B1 (en) | Path planning | |
Mokhtarimousavi et al. | Multi-objective mathematical modeling of aircraft landing problem on a runway in static mode, scheduling and sequence determination using NSGA-II | |
CN114034301A (zh) | 一种基于决策树的实时航路规划方法 | |
Malaek et al. | Dynamic based cost functions for TF/TA flights | |
CN112925342A (zh) | 基于改进相互速度障碍法的无人机动态避障方法 | |
CN104216416B (zh) | 飞行器冲突解脱方法及设备 | |
KR101155708B1 (ko) | 컴퓨터를 이용한 항공기의 실시간 지형추종 비행경로 생성 방법 | |
US11037455B1 (en) | Autonomous judgmental oversteering determination system for aircraft taxiing | |
CN113470441B (zh) | 一种高机动试飞航空器实时智能防相撞检测方法 | |
CN114115354A (zh) | 一种异质平台协同路径规划方法 | |
Ali et al. | Feature selection-based decision model for UAV path planning on rough terrains |
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 |