CN112347090A - Rvsm运行偏差事件分析获取方法及系统 - Google Patents
Rvsm运行偏差事件分析获取方法及系统 Download PDFInfo
- Publication number
- CN112347090A CN112347090A CN202011190828.XA CN202011190828A CN112347090A CN 112347090 A CN112347090 A CN 112347090A CN 202011190828 A CN202011190828 A CN 202011190828A CN 112347090 A CN112347090 A CN 112347090A
- Authority
- CN
- China
- Prior art keywords
- data
- event
- ads
- flight
- lhd
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000010006 flight Effects 0.000 claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 238000000926 separation method Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 10
- 230000009191 jumping Effects 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 2
- 238000011160 research Methods 0.000 claims description 2
- 239000013589 supplement Substances 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000012502 risk assessment Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000006835 compression Effects 0.000 description 6
- 238000007906 compression Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/29—Geographical information databases
-
- 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Remote Sensing (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
RVSM运行偏差事件分析获取方法及系统，实现LHD事件的自动化采集，从而减轻一线事件采集人员的工作负荷，提高事件采集数量和采集效率，改善数据报告不足的局面，提高RVSM空域风险评估有效性和准确性。方法包括：(1)获得融合后的基于ADS‑B的航迹数据；(2)对融合后的ADS‑B监视数据以天为单位，并以航班号为标识存在于文件夹中，根据情况对一个文件出现多个航班进行判断并分离不同航班；(3)设定航空器ADS‑B监视数据时长，时长以下的数据则被视为数据点丢失，数据质量不满足分析需求；(4)若ADS‑B监控数据出现较多时间或位置不连续点，数据被视为失效；(5)根据LHD事件判定规则，判断基于ADS‑B的航迹数据是否为疑似LHD事件。
Description
技术领域
本发明涉及民航空域数据处理的技术领域，尤其涉及RVSM运行偏差事件分析获取方法，还涉及RVSM运行偏差事件分析获取系统。
背景技术
RVSM运行偏差事件(原称为大高度偏差事件：LHD)是指RVSM空域内，航空器在飞行时出现的实际高度偏离许可高度达到或超过90米(300英尺)的情况；同时也包含其他导致航空器未按管制员要求出现在正确的位置(高度、时间)的运行偏差情况。RVSM运行偏差事件是开展RVSM空域安全评估的重要数据源，及时准确地获取RVSM运行偏差事件，对于空域安全评估开展的有效性和准确性、及时发现空域的运行风险和隐患具有重要意义。
我国自RVSM实施以来，就建立了覆盖全国管制单位和航空公司的数据报告机制，但是受到数据源获取和分析技术的限制，一直缺乏有效的自动化事件采集分析手段，数据采集一直停留在人为报告的阶段。近年来的数据采集问题已多次表明，基于人为报告的数据采集机制存在两个明显的缺陷：首先，人为报告必然会增加一线人员的工作负荷，尤其是对于管制单位而言，管制人员的工作负荷已经较重，而RVSM运行偏差事件的发现和报告需要记录很多必要信息，这对于以提供安全间隔和维护飞行秩序为主的管制工作来，无疑是增加了数据报告的难度；其次，目前基于人为报告的数据采集方式缺乏有效的验证手段，同时在当前的安全文化氛围下，无惩罚性的问题报告机制还尚未全面建立，一线人员对于安全问题相关的报告对自身可能产生的不利影响还存在多层面的顾忌，单纯依靠人为报告很难确保数据采集的全面性。目前我国和周边国家或地区就边境地区LHD事件报告分享不够及时，很多数据的分享周期超过三个月，造成相关管制部门进行事件确认及反馈存在延迟，从而影响了对事件的分析及安全评估。
发明内容
为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种RVSM运行偏差事件分析获取方法，其实现LHD事件的自动化采集，从而减轻一线事件采集人员的工作负荷，提高事件采集数量和采集效率，改善数据报告不足的局面，提高RVSM空域风险评估有效性和准确性。
本发明的技术方案是：这种RVSM运行偏差事件分析获取方法，其包括以下步骤：
(1)获得融合后的基于ADS-B的航迹数据；
(2)对融合后的ADS-B监视数据以天为单位，并以航班号为标识存在于文件夹中，根据情况对一个文件出现多个航班进行判断并分离不同航班；
(3)设定航空器ADS-B监视数据时长，时长以下的数据则被视为数据点丢失，数据质量不满足分析需求；
(4)若ADS-B监控数据出现较多时间或位置不连续点，数据被视为失效；
(5)根据LHD事件判定规则，判断基于ADS-B的航迹数据是否为疑似LHD事件。
本发明通过数据获取、航班信息分离、数据时长筛选、数据失效筛选、LHD事件判定，从而实现LHD事件的自动化采集，从而减轻一线事件采集人员的工作负荷，提高事件采集数量和采集效率，改善数据报告不足的局面，提高RVSM空域风险评估有效性和准确性。
还提供了一种RVSM运行偏差事件分析获取系统，其包括：
数据获取模块，其配置来获得融合后的基于ADS-B的航迹数据；
航班信息分离模块，其配置来对融合后的ADS-B监视数据以天为单位，并以航班号为标识存在于文件夹中，根据情况对一个文件出现多个航班进行判断并分离不同航班；
数据时长筛选模块，其配置来设定航空器ADS-B监视数据时长，时长以下的数据则被视为数据点丢失，数据质量不满足分析需求；
数据失效筛选模块，其配置为若ADS-B监控数据出现较多时间或位置不连续点，数据被视为失效；
LHD事件判定模块，其配置为根据LHD事件判定规则，判断基于ADS-B的航迹数据是否为疑似LHD事件。
附图说明
图1为90米趋势偏差示意图。
图2为疑似折返高度层LHD事件示意图。
图3为疑似不连贯趋势LHD事件示意图。
图4为根据本发明的RVSM运行偏差事件分析获取方法的流程图。
图5为同一文件下多航班分离示意图。
图6为判断数据跳点示意图。
图7为移交类事件分离高度航班流程示意图。
图8为系统框架结构设计示意图。
图9为系统功能模块设计示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了使本揭示内容的叙述更加详尽与完备，下文针对本发明的实施方式与具体实施例提出了说明性的描述；但这并非实施或运用本发明具体实施例的唯一形式。实施方式中涵盖了多个具体实施例的特征以及用以建构与操作这些具体实施例的方法步骤与其顺序。然而，亦可利用其它具体实施例来达成相同或均等的功能与步骤顺序。
如图4所示(图4中示出了步骤(1)-(4)而未示出步骤(5))，这种RVSM运行偏差事件分析获取方法，其包括以下步骤：
(1)获得融合后的基于ADS-B的航迹数据；
(2)对融合后的ADS-B监视数据以天为单位，并以航班号为标识存在于文件夹中，根据情况对一个文件出现多个航班进行判断并分离不同航班；
(3)设定航空器ADS-B监视数据时长，时长以下的数据则被视为数据点丢失，数据质量不满足分析需求；
(4)若ADS-B监控数据出现较多时间或位置不连续点，数据被视为失效；
(5)根据LHD事件判定规则，判断基于ADS-B的航迹数据是否为疑似LHD事件。
本发明通过数据获取、航班信息分离、数据时长筛选、数据失效筛选、LHD事件判定，从而实现LHD事件的自动化采集，从而减轻一线事件采集人员的工作负荷，提高事件采集数量和采集效率，改善数据报告不足的局面，提高RVSM空域风险评估有效性和准确性。
优选地，所述步骤(1)中，融合后的基于ADS-B的航迹数据为28000英尺以上的巡航航班位置信息，时间间隔为一秒左右的连续时间点。
正常的ADS-B航班航迹数据应该是以一天的航班号为单位，包含时间、经纬度、高度等航空器数据信息。但是存在公务机航班号即为航空器注册号，并在一天之内重复使用的问题，ADS-B数据融合时将这种情况的数据融合至同一航班号下的文件夹中。
为了解决这一问题，将对同一文件夹下存在的多个航班信息进行分离，以便系统可以对每个航班航迹信息进行单独分析。
系统将通过ADS-B数据查找航班飞行计划数据，并检索ADS-B数据时间是否符合航班计划时间，以分离不同航班。根据一般飞行规则，并从管制及飞行专家经验出发可知：航班起飞至巡航阶段需要30分钟左右，下降需要30分钟左右，打扫卫生及上客也需30分钟左右。同时考虑小机场及公务机起降迅速等情况，所以将同一文件下多航班的分离时间定为60分钟，即同一文件下时间间隔超过60分钟就被系统分离为两个航班。
因此，如图5所示，所述步骤(2)中，通过ADS-B数据查找航班飞行计划数据，并检索ADS-B数据时间是否符合航班计划时间，以分离不同航班；将同一文件下多航班的分离时间定为60分钟，同一文件下时间间隔超过60分钟被分离为两个航班。在实际航班中，因公务机飞行的航班号使用公务机的注册号代替，所以数据中会存在一个文件包含多个航班的情况。系统根据情况对一个文件出现多个航班进行判断并分离不同航班。
从实际的空中交通管制情况及历史LHD数据出发，并根据管制及飞行专家经验可得，在总航班时长至少接近1小时及以上且巡航阶段超过20分钟的航班一般会被允许进入RVSM空域，航班巡航时间越长并且管制区跨度越多发生LHD事件的概率越大。优选地，所述步骤(3)中，航空器ADS-B监视数据时长为20分钟。
图6是一个判断数据跳点示意图。
正常的ADS-B航班航迹数据应该是一秒左右的航班连续位置信息，但由于原始数据记录以及融合数据会出现解析和录入错误，导致数据信息丢点或解析不准确。由此可能产生航班航迹数据的跳点，以致降低数据的质量无法判断LHD事件。
因此，所述步骤(4)中，针对时间、高度、经纬度数据质量进行数据质量的把关，排除因数据质量问题而造成的程序运行效率低下和RVSM运行偏差伪事件发生的概率；对于事件算法优先级，判断时间跳点优于高度跳点又优于经纬度跳点；三类跳点判定比例计算，若发生其中之一，视为数据无效。优选地，所述步骤(4)和(5)之间还包括：移交类事件检索方法(如图7所示)，其采用数据统计离群值的方式，以某时间段为单位统计某一航路移交点的航班过点高度信息并进行统计，分离出高度统计值在5％以下的航班信息，以便事件采集人员核实。分离的百分比默认为5％，事件采集人员可根据航班统计结果再进行具体情况分析。
优选地，所述移交类事件检索方法以天为单位统计。
管制与飞行专家认为航空器移交情况复杂，航空器可随着管制员对各项管制移交情况做出判断后，临时在本方责任区内改变移交高度位置及时间信息。故算法中所涉及的统计离群值方式以及判断移交类RVSM运行偏差事件的判断算法的方式，需要在系统运行之后对照真实移交类事件进行匹配与统计，之后可更新移交类事件算法的各项参数，可研究是否可以细化各地区，各区域及相关事件的逻辑以及对应的判断标准，最后对系统的移交类事件判断算法进行补充或更改。因此，所述移交类事件检索方法在运行之后对照真实移交类事件进行匹配与统计，之后更新移交类事件算法的各项参数，研究是否可以细化各地区，各区域及相关事件的逻辑以及对应的判断标准，最后对系统的移交类事件判断算法进行补充或更改。
航空器许可高度偏差事件，主要指航空器在RVSM空域运行时发生了实际偏差90米(300英尺，ft)或以上的情况(如图1所示)。根据历史的LHD事件采集情况，并且结合现有融合后的ADS-B航班航迹数据进行判断，从技术数据实现角度现将高度偏离事件分为两类：一是航空器上升下降折返类(如图2所示)，二是航空器上升下降趋势不连贯类(如图3所示)。
优选地，所述步骤(5)中，判定规则包括：
航空器上升下降折返类，航空器在一高度层保持不到1分钟，且在此保持高度相邻两端有飞行趋势变换的情况发生时，提取此航迹片段为疑似LHD事件；
航空器上升下降趋势不连贯类，航空器从一高度层到达另一高度层(大于起始高度层90米，300ft)并保持平飞超过30秒不到1分钟后，又继续延此前趋势上升或下降到另一高度层，则提取此航迹片段为疑似LHD事件。
本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，包括上述实施例方法的各步骤，而所述的存储介质可以是：ROM/RAM、磁碟、光盘、存储卡等。因此，与本发明的方法相对应的，本发明还同时包括一种RVSM运行偏差事件分析获取系统，该系统通常以与方法各步骤相对应的功能模块的形式表示。该系统包括：
数据获取模块，其配置来获得融合后的基于ADS-B的航迹数据；
航班信息分离模块，其配置来对融合后的ADS-B监视数据以天为单位，并以航班号为标识存在于文件夹中，根据情况对一个文件出现多个航班进行判断并分离不同航班；
数据时长筛选模块，其配置来设定航空器ADS-B监视数据时长，时长以下的数据则被视为数据点丢失，数据质量不满足分析需求；
数据失效筛选模块，其配置为若ADS-B监控数据出现较多时间或位置不连续点，数据被视为失效；
LHD事件判定模块，其配置为根据LHD事件判定规则，判断基于ADS-B的航迹数据是否为疑似LHD事件。
图8是一个系统框架结构设计示意图。
本方法采用目前成熟框架SSH的架构，前台采用Html+Css+Jquery框架，后台应用SpringMVC+Spring+Hibernate的框架。并考虑到只对错误数据的保存，在最后数据存储方面数据量并不是十分庞大，所以采用单服务器oracle的存储方式，数据库采用oracle进行存储。
SpringMVC快速的注入属性与参数,提高开发效率；
Spring是为了解决企业应用开发的复杂性而创建的，Spring是一个轻量级的控制反转(IoC)和面向切面(AOP)的容器框架，对程序的解耦有很大作用；
Hibernate是对象关系映射框架，它对JDBC进行了非常轻量级的对象封装，可以更方便的使用对象编程思维来操纵数据库。
图9是一个系统程序功能模块设计示意图。
该系统主要功能模块有5个功能，分别是：高度偏离事件分析功能，移交类事件分析功能，高度偏离事件结果查看功能，移交类事件结果查看功能，基础信息配置功能。
本方法的操作步骤包括：
步骤一：点击【浏览】按钮，选择上传的数据(融合后的ADS-B数据)文件压缩包；
步骤二：选定压缩包后，点击【上传分析】按钮，即可上传选择的压缩包文件到服务器，并对上传的数据文件按照图1、图2及图3所示的技术流程进行预处理分析.
步骤三：选择原始数据日期，点击【上传分析】按钮，对所选择日期下的文件按照图4、图5及图6所示的LHD事件判定规则进行分析处理；
步骤四：分析结束后，点击【查询】按钮，即可查看已经分析完毕的90米运行偏差事件数据信息；
步骤五：查询出数据后，点击【结果】列，可以查看该数据对应的90米偏差事件数据分析分析图。
本方法的另外一种操作步骤包括：
步骤一：点击【浏览】按钮，选择上传的数据(融合后的ADS-B数据)文件压缩包；
步骤二：选定压缩包后，点击【上传分析】按钮，即可上传选择的压缩包文件到服务器，并对上传的数据文件按照图1、图2及图3所示的技术流程进行预处理分析。
步骤三：选择移交点数据，选择起止日期，点击【开始分析】按钮，即可对所选择日期范围内的文件按照图7所示的移交类事件判定算法进行分析；
步骤四：分析结束后，点击【查询】按钮，可查看已经分析完毕的管制移交类事件数据列表；
步骤五：查询出数据后，点击【结果】列，可以查看该数据对应的管制移交类事件分析图。
本系统通过对空管监视数据的分析自动采集LHD事件，可改变单纯依靠人工采集LHD事件的被动局面，提高事件采集工作效率，减轻一线数据采集人员的工作负荷；改善事件报告不足局面，减少事件确认及反馈周期；改善事件分析效果，提高RVSM空域风险评估的有效性和准确性；有效反映RVSM空域运行问题，为局方提供相关改进举措。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属本发明技术方案的保护范围。
Claims (10)
1.RVSM运行偏差事件分析获取方法，其特征在于：该方法包括：
(1)获得融合后的基于ADS-B的航迹数据；
(2)对融合后的ADS-B监视数据以天为单位，并以航班号为标识存在于文件夹中，根据情况对一个文件出现多个航班进行判断并分离不同航班；
(3)设定航空器ADS-B监视数据时长，时长以下的数据则被视为数据点丢失，数据质量不满足分析需求；
(4)若ADS-B监控数据出现较多时间或位置不连续点，数据被视为失效；
(5)根据LHD事件判定规则，判断基于ADS-B的航迹数据是否为疑似LHD事件。
2.根据权利要求1所述的RVSM运行偏差事件分析获取方法，其特征在于：所述步骤(1)中，融合后的基于ADS-B的航迹数据为28000英尺以上的巡航航班位置信息，时间间隔为一秒左右的连续时间点。
3.根据权利要求2所述的RVSM运行偏差事件分析获取方法，其特征在于：所述步骤(2)中，通过ADS-B数据查找航班飞行计划数据，并检索ADS-B数据时间是否符合航班计划时间，以分离不同航班；将同一文件下多航班的分离时间定为60分钟，同一文件下时间间隔超过60分钟被分离为两个航班。
4.根据权利要求3所述的RVSM运行偏差事件分析获取方法，其特征在于：所述步骤(3)中，航空器ADS-B监视数据时长为20分钟。
5.根据权利要求4所述的RVSM运行偏差事件分析获取方法，其特征在于：所述步骤(4)中，针对时间、高度、经纬度数据质量进行数据质量的把关，排除因数据质量问题而造成的程序运行效率低下和RVSM运行偏差伪事件发生的概率；对于事件算法优先级，判断时间跳点优于高度跳点又优于经纬度跳点；三类跳点判定比例计算，若发生其中之一，视为数据无效。
6.根据权利要求5所述的RVSM运行偏差事件分析获取方法，其特征在于：所述步骤(4)和(5)之间还包括：移交类事件检索方法，其采用数据统计离群值的方式，以某时间段为单位统计某一航路移交点的航班过点高度信息并进行统计，分离出高度统计值在5％以下的航班信息，以便事件采集人员核实。
7.根据权利要求6所述的RVSM运行偏差事件分析获取方法，其特征在于：所述移交类事件检索方法以天为单位统计。
8.根据权利要求7所述的RVSM运行偏差事件分析获取方法，其特征在于：所述移交类事件检索方法在运行之后对照真实移交类事件进行匹配与统计，之后更新移交类事件算法的各项参数，研究是否可以细化各地区，各区域及相关事件的逻辑以及对应的判断标准，最后对系统的移交类事件判断算法进行补充或更改。
9.根据权利要求8所述的RVSM运行偏差事件分析获取方法，其特征在于：所述步骤(5)中，判定规则包括：
航空器上升下降折返类，航空器在一高度层保持不到1分钟，且在此保持高度相邻两端有飞行趋势变换的情况发生时，提取此航迹片段为疑似LHD事件；
航空器上升下降趋势不连贯类，航空器从一高度层到达另一高度层并保持平飞超过30秒不到1分钟后，又继续延此前趋势上升或下降到另一高度层，则提取此航迹片段为疑似LHD事件。
10.RVSM运行偏差事件分析获取系统，其特征在于：其包括：
数据获取模块，其配置来获得融合后的基于ADS-B的航迹数据；航班信息分离模块，其配置来对融合后的ADS-B监视数据以天为单位，并以航班号为标识存在于文件夹中，根据情况对一个文件出现多个航班进行判断并分离不同航班；
数据时长筛选模块，其配置来设定航空器ADS-B监视数据时长，时长以下的数据则被视为数据点丢失，数据质量不满足分析需求；
数据失效筛选模块，其配置为若ADS-B监控数据出现较多时间或位置不连续点，数据被视为失效；
LHD事件判定模块，其配置为根据LHD事件判定规则，判断基于ADS-B的航迹数据是否为疑似LHD事件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011190828.XA CN112347090A (zh) | 2020-10-30 | 2020-10-30 | Rvsm运行偏差事件分析获取方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011190828.XA CN112347090A (zh) | 2020-10-30 | 2020-10-30 | Rvsm运行偏差事件分析获取方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112347090A true CN112347090A (zh) | 2021-02-09 |
Family
ID=74356729
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011190828.XA Pending CN112347090A (zh) | 2020-10-30 | 2020-10-30 | Rvsm运行偏差事件分析获取方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112347090A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030093187A1 (en) * | 2001-10-01 | 2003-05-15 | Kline & Walker, Llc | PFN/TRAC systemTM FAA upgrades for accountable remote and robotics control to stop the unauthorized use of aircraft and to improve equipment management and public safety in transportation |
| CN101013529A (zh) * | 2007-01-29 | 2007-08-08 | 北京航空航天大学 | 缩小垂直间隔空域的运行安全数据处理系统及方法 |
| US20190054937A1 (en) * | 2017-08-15 | 2019-02-21 | Bnsf Railway Company | Unmanned aerial vehicle system for inspecting railroad assets |
| CN110335507A (zh) * | 2019-06-12 | 2019-10-15 | 中国电子科技集团公司第二十八研究所 | 基于空管航迹大数据的航班运行态势规律分析方法 |
| CN110362559A (zh) * | 2019-07-04 | 2019-10-22 | 南京航空航天大学 | 基于局部遍历密度聚类的ads-b航迹清洗与校准方法 |
-
2020
- 2020-10-30 CN CN202011190828.XA patent/CN112347090A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030093187A1 (en) * | 2001-10-01 | 2003-05-15 | Kline & Walker, Llc | PFN/TRAC systemTM FAA upgrades for accountable remote and robotics control to stop the unauthorized use of aircraft and to improve equipment management and public safety in transportation |
| CN101013529A (zh) * | 2007-01-29 | 2007-08-08 | 北京航空航天大学 | 缩小垂直间隔空域的运行安全数据处理系统及方法 |
| US20190054937A1 (en) * | 2017-08-15 | 2019-02-21 | Bnsf Railway Company | Unmanned aerial vehicle system for inspecting railroad assets |
| CN110335507A (zh) * | 2019-06-12 | 2019-10-15 | 中国电子科技集团公司第二十八研究所 | 基于空管航迹大数据的航班运行态势规律分析方法 |
| CN110362559A (zh) * | 2019-07-04 | 2019-10-22 | 南京航空航天大学 | 基于局部遍历密度聚类的ads-b航迹清洗与校准方法 |
Non-Patent Citations (2)
| Title |
|---|
| 潘卫军等: "RVSM空域航空器大高度偏差垂向碰撞风险评估", 中国安全生产科学技术, no. 06, 15 December 2008 (2008-12-15) * |
| 金开研等: "基于ADS-B的航空器测高系统误差评估方法", 北京航空航天大学学报, vol. 43, no. 04, 22 August 2016 (2016-08-22) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3115858B1 (en) | Centralized monitoring system and monitoring method for unmanned aerial vehicle to patrol power transmission line | |
| CN111652427B (zh) | 一种基于数据挖掘分析的航班到达时刻预测方法及系统 | |
| CN109542876B (zh) | 基于Hadoop数据挖掘航空器经验轨迹模型关键因子的提取方法 | |
| CN109448445A (zh) | 基于长短期记忆神经网络的航班延误分级预警方法 | |
| CN105469645A (zh) | 飞行目标通信系统 | |
| WO2021082393A1 (zh) | 基于大数据深度学习的机场场面可变滑出时间预测方法 | |
| CN111009155B (zh) | 基于空域结构和航班流的空中交通流复杂性量化分析方法 | |
| CN107818382A (zh) | 航班到达时间预测方法 | |
| WO2021082394A1 (zh) | 基于大数据深度学习的场面可变滑出时间预测系统 | |
| CN111401601A (zh) | 一种面向延误传播的航班起降时间预测方法 | |
| CN112232722B (zh) | 一种基于建筑信息模型技术的建筑设备管理系统 | |
| CN110827582A (zh) | 一种用于应急自动获取航班降落点的系统和方法 | |
| CN113554898A (zh) | 一种多维度航班放行效能评估方法 | |
| CN109657736A (zh) | 基于聚类特征的航段运行时间计算方法 | |
| CN114819207A (zh) | 一种基于数据循证的航空器持续适航辅助管理系统及方法 | |
| CN111581780A (zh) | 复杂空域场景下机场群空域仿真建模与验证方法及装置 | |
| CN111680833A (zh) | 航班计划自动编排方法 | |
| CN117592759B (zh) | 一种基于无人机的林草资源网格化巡护方法 | |
| CN114331052A (zh) | 航空运行风险的确定方法、计算设备及存储介质 | |
| CN112347090A (zh) | Rvsm运行偏差事件分析获取方法及系统 | |
| US20050080794A1 (en) | Database architecture for an air traffic information system | |
| Abesamis et al. | Improving aviation incidents using association rule mining algorithm and time series analysis | |
| CN106251708A (zh) | 一种航班延误预警系统 | |
| Koelle et al. | Building Back Better–Democratization of Performance Monitoring with Open Data | |
| Li et al. | A Least‐Square Model to Estimate Historical Percentages of Itinerant General Aviation Operations by Aircraft Types and Flight Rules at an Airport |
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 |