CN112687128A - 航迹预估到达时刻的预测方法、装置及自动预测系统 - Google Patents
航迹预估到达时刻的预测方法、装置及自动预测系统 Download PDFInfo
- Publication number
- CN112687128A CN112687128A CN202011355792.6A CN202011355792A CN112687128A CN 112687128 A CN112687128 A CN 112687128A CN 202011355792 A CN202011355792 A CN 202011355792A CN 112687128 A CN112687128 A CN 112687128A
- Authority
- CN
- China
- Prior art keywords
- time
- prediction
- aircraft
- predicted
- arrival time
- 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.)
- Granted
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本公开披露一种航迹预估到达时刻的预测方法、装置及自动预测系统,其中该方法包括:获取进入预测区域的航空器的实时位置信息;根据航空器的实时位置信息,触发预先建立的预测模型中的电子围栏,计算航空器当前所在电子围栏至收到对准跑道信号所需耗时的第一预测时间Td;根据航空器的对准跑道信息,获取从收到对准跑道信号至实际落地所需耗时的第二预测时间Ts;根据第一预测时间Td和第二预测时间Ts,基于当前时刻取和计算得到航空器的到达时刻。因此,通过实施本公开的预测方案,可以有效降低了由突发因素导致的预测偏差,提升了机场航班到达时刻预估精度,避免浪费机场保障资源,消除因到达时刻预测不准带来的安全隐患。
Description
技术领域
本公开涉及民航机场航班指挥协调领域,尤其涉及一种航迹预估到达时刻的预测方法、装置及自动预测系统。
背景技术
目前,机场所有航班地面保障服务均以航班到达时刻为基准点,所有保障服务的准备工作依据航班计划时刻或预计到达时刻进行安排。
通常,航班预计到达时刻的计算方式采用的是:航班前站实际起飞时刻加航站间固定飞行时长。这种方式缺陷在于未参考航路、航空器速度等因素,导致预计到达与实际到达时刻相差大,甚至出现30分钟以上的误差,造成机场的运行成本升高。
然而,航班预计到达时刻不准,会给各保障单位提供错误的排班依据,至少造成以下问题:
1)保障人员长时间等待飞机落地,导致地面调度混乱,机场保障资源浪费;
2)飞机落地后没有人员保障航班,这不仅会拉低旅客服务质量水平,还会产生安全隐患。
由此可见,机场的信息集成系统提供一个及时、准确、可靠的航班预计到达时刻尤为重要。因此,如何实现更准确地计算航班预计到达时刻,以提升预测精度,是一种持续性的技术挑战。
发明内容
有鉴于此,本公开提供一种航迹预估到达时刻的预测方法、装置及自动预测系统,能精准预测到达时刻,至少部分解决现有技术中存在的问题。
为此,本公开披露一种航迹预估到达时刻的预测方法,该方法包括:获取进入预测区域的航空器的实时位置信息;根据所述航空器的实时位置信息,利用预先建立的预测模型中的电子围栏,获取所述航空器当前所在电子围栏至收到对准跑道信号所需耗时的第一预测时间Td;根据所述航空器的对准跑道信息,获取从收到所述对准跑道信号至实际落地所需耗时的第二预测时间Ts;根据所述第一预测时间Td和所述第二预测时间Ts,基于当前时刻取和计算得到所述航空器的到达时刻。
作为一种可选实施方案,上述航迹预估到达时刻的预测方法还可包括:
根据所述航空器的跑道和停机位信息,获取所述航空器滑行至所述停机位耗时的第三预测时间Th;
根据所述航空器的实际落地时刻Ta和所述第三预测时间Th,计算得到所述航空器推入停机位的时刻。
可选地,上述预测模型的建立和训练过程可进一步包括:
建立以机场为中心点的二维平面坐标系,并设置预测区域;
建立第一分段预测模块,利用所述预测区域的历史航迹信息,至少包括每60秒记录的坐标位置及其时间戳Tp,直到收到对准跑道信号为止的连续记录,生成历史坐标点A(x,y)集合;所述A(x,y)集合中的坐标点按照其所对应的时间戳Tp升序排序,将所述历史坐标点集合A(x,y)对应转换成电子围栏集合B;通过所述历史航迹信息中收到对准跑道信号的时刻Tr减去其所处当前电子围栏的时间戳Tp,训练得到用于记录每个电子围栏距离收到对准跑道信号所需耗时的第一预测时间Td;
建立第二分段预测模块,根据所述历史航迹信息,提取从收到对准跑道信号的时刻Tr到实际落地时刻的时间差,并计算该时间差的平均值,训练得到所述第二预测时间Ts;
建立综合预测模块,根据所述第一预测时间Td以及所述第二预测时间Ts,基于当前时刻T0生成预测到达时刻Teta,其中,Teta=T0+Td+Ts。
作为一种可选实施方案,上述航迹预估到达时刻的预测方法中,所述将所述历史坐标点集合A(x,y)对应转换成电子围栏集合B可进一步包括:
分别以所述历史坐标点集合A(x,y)中每个坐标点为中心点(X,Y),根据预设边长Le,生成正方形区域;
若新生成的电子围栏与已存在的电子围栏存在重叠,则对应更新所述新生成的电子围栏的对应的第一预测时间Td。
作为一种可选实施方案,上述航迹预估到达时刻的预测方法还可包括:
根据所述航空器实际到达时间进一步训练所述预测模型,将所述预测模型中每个电子围栏预测出的到达时刻与所述航空器的实际到达时刻,分别计算预测精度;
判断所述预测精度是否超过预设的修正阈值,当所述预测精度大于所述修正阈值时,则以线性方式进行重新计算所述第一预测时间Td,并更新所述预测模型中的所述第一预测时间Td。
可选地,上述以线性方式进行重新计算所述第一预测时间Td,并更新所述预测模型中的所述第一预测时间Td进一步包括:
根据本次预测获取的所述第一预测时间Td所对应的当前电子围栏,在所述电子围栏集合B中选取与所述当前电子围栏前后相邻的电子围栏;
根据根据前后相邻的两个电子围栏的第一预测时间预测所述航空器的到达时刻,并分别计算二者预测的到达时刻的预测精准差;
若二者的预测精准差均小于所述修正阈值,则取二者的第一预测时间的平均值,作为当前电子围栏的第一预测时间Td;
若二者的预测精准差中有一个不小于所述修正阈值,则所述当前电子围栏将通过后续获取的航轨数据重新生成的第一预测时间,更新其当前的第一预测时间Td。
作为一种可选实施方案,所述判断所述预测精度是否超过预设的修正阈值,进一步包括:当所述预测精度小于或等于所述修正阈值时,采用所述航空器进入该电子围栏距离收到对准跑道信号的实际耗时,对应更新该电子围栏的所述第一预测时间Td。
相应地,为实现上述方法,本公开还披露一种航迹预估到达时刻的预测装置,该装置包括:
初始化模块,用于设置预测区域及预测参数;
信号接收解析模块,用于根据所述预设区域及所述预测参数,接收并解析目标航空器的实时位置信息、对准跑道信息、以及实际到达时刻信息;
第一分段预测模块,用于根据所述航空器的实时位置信息,通过预先建立的预测模型中的电子围栏,获取所述航空器当前所在电子围栏至收到对准跑道信号所需耗时的第一预测时间Td;
第二分段预测模块,用于根据所述航空器的对准跑道信息,获取从收到所述对准跑道信号至实际落地所需耗时的第二预测时间Ts;
第三分段预测模块,用于根据所述航空器的跑道和停机位信息,获取所述航空器滑行至所述停机位耗时的第三预测时间Th;
综合预测模块,用于根据所述第一预测时间Td和所述第二预测时间Ts,基于当前时刻取和计算得到所述航空器的到达时刻,并输出所预测的到达时刻;所述综合预测模块还用于根据所述航空器的实际落地时刻Ta和所述第三预测时间Th,计算得到所述航空器推入停机位的时刻。
作为一种可选实施方案,上述航迹预估到达时刻的预测装置还可包括:预测参数优化模块,用于根据所述航空器实际到达时间计算本次预测精度,并基于所述本次预测精度进一步训练优化所述预测模型的第一预测时间。
此外,本公开还披露一种航迹预估到达时刻自动预测系统,该系统包括:
ADS-B基站,用于自动接收航空器发出的ADS-B广播信号;
ADS-B信号接收装置,用于接收经所述ADS-B基转发的所述ADS-B广播信号,获取所述航空器的实时位置信息;
二次雷达,用于发出所述航空器的对准跑道信号和实际到达时刻信息;
如前述任一种的航迹预估到达时刻的预测装置,与所述ADS-B信号接收装置和所述二次雷达通信连接,用于获取所述航空器的实时位置信息、对准跑道信号和实际到达时刻信息,预测所述航空器的到达时刻和/或推入停机位的时刻。
作为一种可选的实现方式,所述预测装置的信号接收解析模块,与所述ADS-B信号接收装置连接,用于接收并解析ADS-B广播信号,所述ADS-B广播信号包含目标航空器应答机编码、经纬度及时间戳信息,所述信号接收解析模块用于通过应答机编码字典自动将编码转换成所述目标航空器的机号,将所述ADS-B广播信号绑定到对应的航班上,获取并解析得到所述目标航空器的实时位置信息;
所述信号接收解析模块与所述二次雷达经中间件按照预先约定的通信协议进行数据传输,以获取所述目标航空器的航班号、二次雷达状态和状态变更时间信息;
所述信号接收解析模块获取所述二次雷达状态发生变化的信息时,触发所述第一分段预测模块、所述第二分段预测模块和/或第三分段预测模块自动预测所述航空器的到达时刻和/或推入停机位的时刻。
与现有技术相比,本公开的航迹预估到达时刻的预测方法、装置及系统具有以下技术效果:
本公开利用历史航迹数据,建立预测模型,设置电子围栏,通过融合ADS-B和二次雷达数据,对进入预测区域的航空器的落地时刻进行精准预测。通过实施本公开的预测方案,至少能够在预测目标实际落地的前30分钟,开始预测航班到达时刻。本公开采用的预测方法经过长时间大量历史航迹数据的训练,不仅降低了流控、天气等突发因素对航班造成的干扰,有效降低了由突发因素导致的预测偏差,能够将预测的航班到达时刻与实际到达时刻差值控制在±3分钟之内,大幅提升了机场航班到达时刻预估精度。
此外,通过实施本公开的预测方案,可协助地面有序调度机场保障资源,避免浪费,提高服务质量,消除因航班到达时刻预测不准带来的安全隐患。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本公开实施例披露的一种航迹预估到达时刻的预测系统组成示意图;
图2为本公开实施例披露的一种航迹预估到达时刻的预测装置组成示意图;
图3为本公开实施例披露的另一种航迹预估到达时刻的预测装置的组成示意图;
图4为本公开实施例披露的一种航迹预估到达时刻的预测方法流程示意图;
图5为本公开实施例中预测精度效果示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合;并且,基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
针对上述问题,本公开实施例提出一种融合ADS-B和二次雷达预测航班到达时刻的方法和装置。
产品实施例:
参照图1,其示出了本公开实施例披露的一种航迹预估到达时刻自动预测系统组成,该航迹预估到达时刻自动预测系统包括:ADS-B基站、ADS-B信号接收装置、二次雷达以及航迹预估到达时刻的预测装置,其中:
ADS-B基站,用于自动接收航空器发出的ADS-B广播信号;
ADS-B信号接收装置用于接收经ADS-B基转发的ADS-B广播信号,获取航空器的实时位置信息;
二次雷达用于发出航空器的对准跑道信号和实际到达时刻信息;
航迹预估到达时刻的预测装置与ADS-B信号接收装置和二次雷达通信连接,用于获取航空器的实时位置信息、对准跑道信号和实际到达时刻信息,预测航空器的到达时刻和/或推入停机位的时刻。
本实施例中,ADS-B信号接收装置用于通过ADS-B接收基站自动接收到航空器ADS-B广播信号,设置于目标航空器上的ADS-B广播装置,用于发送航空器的实时位置信息,至少包括航空器应答机编码、航空器实时所处的经度、纬度、高度以及对应的时间戳等身份及位置信息。ADS-B广播信号通过ADS-B基站内置程序经网络发送UDP报文信号到ADS-B信号接收装置上。ADS-B信号接收装置实时如每秒接收航空器ADS-B信号,信号解析程序通过应答机编码字典自动将编码转换成机号,进而将信号绑定到对应的航班上。
二次雷达用于发出航空器的对准跑道信号和实际到达时刻信息。信号解析程序与二次雷达通过消息中间件传递数据,传递的数据是事先双方预定义好的协议。协议核心信息有航班号、二次雷达状态和状态变更时间等。
本实施例中,二次雷达状态包括但不限于相关区、管制区、进近区、对准跑道、即将降落、落地。相应地,预测区域可以是自航班进入预测范围的渐缩区域,例如:相关区——管制区——进近区——对准跑道区——即将降落区——落地区,甚至直到停机位。
当航班二次雷达状态发生变化时,例如:从进近区转到对准跑道时,二次雷达会自动推送对准跑道消息到中间件,信号解析程序再从获取、解析,并触发计算预计时间。
航迹预估到达时刻的预测装置与ADS-B信号接收装置和二次雷达通信连接,获取航空器的位置及时间戳信息、以及对准跑道信号和实际到达时刻信息,预测航空器的到达时刻和/或推入停机位的时刻。
本实施例的航迹预估到达时刻的预测系统,通过ADS-B和二次雷达结合预测航班到达时刻,利用历史航迹数据,建立预测模型,设置电子围栏,对进入预测区域的航空器的落地时刻进行精准预测。
以民航航班为例,通过本实施例的预测系统,至少能够在航班实际落地前30分钟,开始预测航班到达时刻。本实施例的预测系统采用的预测方法经过长时间大量历史航迹数据的训练,不仅降低了流控、天气等突发因素对航班造成的干扰,还解决了因突发因素导致的预测值偏差过大的问题,能够将预测精度控制在±3分钟以内,即预测的航班到达时刻与实际到达时刻差值小于±3分钟。
作为一种可选的实施例,上述航迹预估到达时刻自动预测系统中,预测装置的信号接收解析模块,与ADS-B信号接收装置连接,用于于接收并解析ADS-B广播信号,ADS-B广播信号包含目标航空器应答机编码、经纬度及时间戳信息,信号接收解析模块用于通过应答机编码字典自动将编码转换成目标航空器的机号,将ADS-B广播信号绑定到对应的航班上,获取并解析得到目标航空器的实时位置信息。
信号接收解析模块与二次雷达经中间件按照预先约定的通信协议进行数据传输,以获取目标航空器的航班号、二次雷达状态和状态变更时间信息;二次雷达状态包括相关区、管制区、进近区、对准跑道、即将降落、落地
信号接收解析模块获取二次雷达状态发生变化的信息时,触发第一分段预测模块、第二分段预测模块和/或第三分段预测模块自动预测航空器的到达时刻和/或推入停机位的时刻。
参照图2,其示出了本公开实施例披露的一种航迹预估到达时刻的预测装置的组成结构。
作为一种可选的实现方式,上述实施例中的航迹预估到达时刻的预测装置可进一步包括以下组成模块:初始化模块、信号接收解析模块、第一分段预测模块、第二分段预测模块以及综合预测模块。其中:
初始化模块与信号接收解析模块、第一分段预测模块、第二分段预测模块以及综合预测模块数据连接,初始化模块用于设置预测区域及预测参数。
信号接收解析模块用于根据所述预设区域及所述预测参数,接收并解析目标航空器的实时位置信息、对准跑道信息、以及实际到达时刻信息。
第一分段预测模块根据信号接收解析模块获取的航空器的实时位置信息,通过其预先建立的预测模型中的电子围栏,获取航空器当前所在电子围栏至收到对准跑道信号所需耗时的第一预测时间Td。
第二分段预测模块根据信号接收解析模块获取的航空器的对准跑道信息,获取从收到对准跑道信号至实际落地所需耗时的第二预测时间Ts。
综合预测模块,用于根据第一预测时间Td和第二预测时间Ts,基于当前时刻取和计算得到航空器的到达时刻,并输出所预测的到达时刻。例如,根据所述第一预测时间Td以及所述第二预测时间Ts,基于当前时刻T0生成预测到达时刻Teta,其中,Teta=T0+Td+Ts。
上述实施例中,通过电子围栏的基础数据,进入预测区域的待预测航班,进入其中一个电子围栏时,则基于当前时刻,将该电子围栏的第一预测时间Td以及第二预测时间Ts进行加和,得到该航班的预计到达时刻ETA。目标航班每进入一个电子围栏,本实施例的预测装置都会对应生成一个预测的ETA。并且,本实施例的预测装置预测航班到达时刻的方法能够降低流控、天气等突发因素对航班造成的干扰,预测精度高,预测的航班到达时刻与实际到达时刻的差值小于±3分钟。
参照图3,其示出了另一种航迹预估到达时刻的预测装置组成结构。
作为一种可选的实现方式,本实施例中,该航迹预估到达时刻的预测装置除了上述实施例披露的组成之外,还可包括第三分段预测模块,该第三分段预测模块用于根据上述信号接收解析模块获取的航空器的跑道和停机位信息,计算得到航空器滑行至停机位耗时的第三预测时间Th。本实施例中,综合预测模块还用于根据航空器的实际落地时刻Ta和第三预测时间Th,计算得到航空器推入停机位的时刻。
作为一种可选的实现方式,本实施例中,该航迹预估到达时刻的预测装置除了上述实施例披露的组成之外,还可包括预测参数优化模块,该测参数优化模块用于根据航空器实际到达时间计算本次预测精度,并基于本次预测精度进一步训练优化预测模型的第一预测时间。
本实施例中,电子围栏的基础数据建好后,待预测航班进入预测区域,进入其中一个电子围栏时,使用当前时刻+该电子围栏的Td+Ts,得到该航班的预计到达时刻ETA。对于航空器异常情况,导致Td准确率降低的情况,该航迹预估到达时刻的预测装置可以进一步对电子围栏基础数据进行实时训练,以保证预测精准度的持续提升。
例如,一种可选的训练方式为:航班落地后对每个电子围栏预测出的到达时刻与实际时刻进行比对,如果二者差值在3分钟及以内的,将以实际Td对应更新预测模型中的Td,即:采用所述航空器进入该电子围栏距离收到对准跑道信号的实际耗时,对应更新该电子围栏的所述第一预测时间Td。
对于预测值与实际值差值大于3分钟的,以线性方式进行重新评估其预达时长,进一步来讲,在顺序集合中找到与该电子围栏相邻的上一个和下一个电子围栏,如果两个相邻的电子围栏精准度都小于3分钟,则取两个围栏的Td的平均值作为当前电子围栏的Td;否则,例如两个围栏精准度都大于3分钟,该电子围栏的Td将通过后续航班轨迹数据重新生成用于更新优化的Td。
上述任一实施例中的航迹预估到达时刻的预测装置,可采用预测模型与ADS-B、二次雷达的数据相融合,通过精密的电子围栏,分时分段对进入预测区域的航空器的落地时刻进行精准预测。并且,上述实施例的航迹预估到达时刻的预测装置至少能够在实际落地之前的30-40分钟,开始预测航班的到达时刻,不仅降低了流控、天气等突发因素对航班造成的干扰,还解决了因突发因素导致的预测值偏差过大的问题。
因此,上述任一种航迹预估到达时刻的预测装置可协助地面有序调度机场保障资源,避免浪费,提高服务质量,消除因航班到达时刻预测不准带来的安全隐患。
方法实施例:
上面介绍了航迹预估到达时刻的预测装置及系统,下面对上述预测装置采用的预测方法作进一步说明,该航迹预估到达时刻的预测方法包括以下步骤:
S100:获取进入预测区域的航空器的实时位置信息;
S200:根据航空器的实时位置信息,利用预先建立的预测模型中的电子围栏,获取航空器当前所在电子围栏至收到对准跑道信号所需耗时的第一预测时间Td;
S300:根据航空器的对准跑道信息,获取从收到对准跑道信号至实际落地所需耗时的第二预测时间Ts;
S400:根据第一预测时间Td和第二预测时间Ts,基于当前时刻取和计算得到航空器的到达时刻。
作为一种可选的实现方式,上述航迹预估到达时刻的预测方法还可进一步包括以下步骤:
S500:根据航空器的跑道和停机位信息,获取航空器滑行至停机位耗时的第三预测时间Th;
S600:根据航空器的实际落地时刻Ta和第三预测时间Th,计算得到航空器推入停机位的时刻。
在一可选实施例中,上述预测模型的建立和训练过程可进一步包括:
S10:建立以机场为中心点的二维平面坐标系,并设置预测区域;
本步骤中,可以选择机场为中心点,将中心点经纬度转为平面坐标,转换方式如下:
1)定义赤道半径R=6378137,常量圆周率PI=3.1415926。初始化输入的数据为经度lon和纬度lat;
2)X的转换方法为R*lon*cos(lat/180*PI)/180*PI;
3)Y的转换方法为R*lat/180*PI。通过上述两个公式得到平面坐标XY。
例如,建立以机场为中心点的二维平面坐标系,比例尺可设置为1:1000,选择机场周边400公里左右的区域作为预测区域。进入预测区域的航班将通过航迹预测其到达时刻。
本实施例选择400公里至500公里设置预测区域,基于以下两点考虑,一是,单个ADS-B接收器最大接收范围在400-450公里;二是,进入400公里范围的航班,在25-40分钟到达机场,符合本公开技术方案预达目标要求,即落地前30分钟左右开始预测航班到达时刻。需要说明的是,本实施例可根据实际需求,灵活设置预测区域,可选用400公里±100公里的范围,如300、350、400、450、500公里等之间任一数值。
S20:建立第一分段预测模块;
利用预测区域的历史航迹信息,至少包括每60秒记录的坐标位置及其时间戳Tp,直到收到对准跑道信号为止的连续记录,生成历史坐标点A(x,y)集合。A(x,y)集合中的坐标点按照其所对应的时间戳Tp升序排序,将历史坐标点集合A(x,y)对应转换成电子围栏集合B。通过历史航迹信息中收到对准跑道信号的时刻Tr减去其所处当前电子围栏的时间戳Tp,训练得到用于记录每个电子围栏距离收到对准跑道信号所需耗时的第一预测时间Td。
S30:建立第二分段预测模块;
根据历史航迹信息,提取从收到对准跑道信号的时刻Tr到实际落地时刻的时间差,并计算该时间差的平均值,训练得到第二预测时间Ts;
S40:建立综合预测模块;
根据第一预测时间Td以及第二预测时间Ts,基于当前时刻生成预测到达时刻。也就是说,根据所述第一预测时间Td以及所述第二预测时间Ts,基于当前时刻T0生成预测到达时刻Teta。例如,根据被预测目标航空器进入的电子围栏,调取上述第一分段预测模块预测的第一预测时间Td,根据对准的跑道信息对应调取第二预测时间Ts,因此,Teta=T0+Td+Ts。
在一可选实施例中,上述S20中,将历史坐标点集合A(x,y)对应转换成电子围栏集合B的步骤可进一步包括:
S21:分别以历史坐标点集合A(x,y)中每个坐标点为中心点(X,Y),根据预设边长Le,生成正方形区域。
S22:若新生成的电子围栏与已存在的电子围栏存在重叠,则对应更新新生成的电子围栏的对应的第一预测时间Td。
例如,单个电子围栏左上角的坐标为(StartX,StartY),StartX等于所述中心点横坐标X-Le/2,StartY等于所述中心点纵坐标Y+Le/2。
本实施例中,通过建立电子围栏基础数据,使用“对准跑道”时刻Tr减去电子围栏的记录的时间戳Tp,得到每个电子围栏距离“对准跑道”的时差Td。实时分段预测,可以进一步提升精度。
作为一种可选的实现方式,上述航迹预估到达时刻的预测方法还可包括以下步骤:
S700:根据航空器实际到达时间进一步训练预测模型,比较预测模型预测出的到达时刻与航空器的实际到达时刻,计算预测精度。
S800:判断预测精度是否超过预设的修正阈值,当预测精度大于修正阈值时,则以线性方式进行重新计算第一预测时间Td,并更新预测模型中的第一预测时间Td。
作为一种可选的实现方式,上述以线性方式进行重新计算第一预测时间Td,并更新预测模型中的第一预测时间Td,可进一步包括:
S810:根据本次预测获取的第一预测时间Td所对应的当前电子围栏,在电子围栏集合B中选取与当前电子围栏前后相邻的电子围栏。
S820:根据根据前后相邻的两个电子围栏的第一预测时间预测航空器的到达时刻,并分别计算二者预测的到达时刻的预测精准差。
S830:若二者的预测精准差均小于修正阈值,则取二者的第一预测时间的平均值,作为当前电子围栏的第一预测时间Td。
S840:若二者的预测精准差中有一个不小于修正阈值,则当前电子围栏将通过后续获取的航轨数据重新生成的第一预测时间,更新其当前的第一预测时间Td。
在一可选实施例中,上述航迹预估到达时刻的预测方法中,判断预测精度是否超过预设的修正阈值的步骤可进一步包括:
S900:当预测精度小于或等于修正阈值时,采用航空器预测达到时刻时所处的电子围栏距离收到对准跑道信号的实际耗时,更新对应的第一预测时间Td。
因此,上述实施例的预测方法可以在航班实际落地前30分钟,开始预测航班到达时刻,不仅能够降低流控、天气等突发因素对航班造成的干扰,还降低了因突发因素导致的预测值偏差。本实施例的预测方法经过长时间训练,预测精度在3分钟以内,即预测的航班到达时刻与实际到达时刻差值小于±3分钟。
下面结合一个实例,对上述预测装置及方法做示例性说明:
参照图4,其示出了本公开披露的一种航迹预估到达时刻的预测方法流程,该方法包括如下步骤:
步骤1、选择机场为中心点,将中心点经纬度转为平面坐标,转换方式如下。
首先定义赤道半径R=6378137,常量圆周率PI=3.1415926。输入的数据为经度lon和纬度lat。X的转换方法为R*lon*cos(lat/180*PI)/180*PI;Y的转换方法为R*lat/180*PI。通过上述两个公式得到平面坐标XY。
步骤2、建立以机场为中心点的二维平面坐标系,比例尺设置为1:1000,即平面上的1个单位代表1米。选择机场周边400公里左右的区域作为预测范围。进入区域的航班将通过航迹预测其到达时刻。选择400公里基于以下两点考虑,一是单个ADS-B接收器最大接收范围在400-450公里;二是进入400公里范围的航班,基本在25-40分钟到达机场。符合本公开目标要求的落地前30分钟左右开始预测航班到达时刻。
步骤3、针对进入预测区域的航班,每60秒记录该航班的的坐标位置以及时间戳Tp,持续记录到直到二次雷达“对准跑道”为止,形成坐标点A(x,y)集合。并将A(x,y)集合点以Tp升序排序。
步骤4、接收航班二次雷达“对准跑道”信号,记录收到时间Tr,将该航班历史坐标点集合A(x,y)转换成电子围栏集合B。转换方式为以每个坐标点为中心,生成10公里边长的正方形。单个电子围栏计算左上角的坐标StartX等于中心点坐标X-10000/2,StartY等于中心点坐标Y+10000/2,长宽10000。
步骤5、建立电子围栏基础数据,使用“对准跑道”时刻Tr减去电子围栏的记录的时间戳Tp,得到每个电子围栏距离“对准跑道”的时差Td。新生成的电子围栏与已存在的电子围栏存在重叠,则只更新该围栏的Td。
步骤6、统计从“对准跑道”Tr到实际落地的平均值Ts。
步骤7、电子围栏的基础数据建好后,待预测航班进入预测区域,进入其中一个电子围栏时,使用当前时刻+该围栏的Td+Ts,得到该航班的预计到达时刻ETA。
步骤8、针对航空器异常情况,导致Td准确率降低。针对上述情况,系统对电子围栏基础数据进行训练,以保证预测精准度持续提升。
具体训练方式:航班落地后对每个电子围栏预测出的到达时刻与实际时刻进行比对,差值3分钟及以内的,将以实际Td更新模型中的Td;
步骤9、对于预测值与实际值差值大于3分钟的,以线性方式进行重新评估其预达时长。在步骤3中电子围栏会按照Tp排序,因此评估方式为在顺序集合中找到该围栏的上一个和下一个围栏,如果两个围栏精准度都小于3分钟,则取两个围栏的Td的平均值作为当前围栏的Td;否则,两个围栏精准度不小于3分钟,该围栏将通过后续航班轨迹数据重新生成Td。
以上所述,为本公开的具体技术方案,展示了通过ADS-B和二次雷达结合预测航班到达时刻的方法,下面通过流程图表达预测过程。
这里,为进一步说明上述方法,选取某国内某大型枢纽机场实际运营情况与预测数据做对比,验证计算模型的可行性,展开说明如下:
由于ADS-B数据的接收特性,每间隔1-2秒,会收到一个航空器的实时坐标。因此,可以在预测系统中开辟一块缓存区域,该缓存区域可实时记录航班最新转换过后的XY坐标位置。同时,启动一个线程每分钟截取一次所有航空器坐标的快照。记录信息包括航空器的身份信息如机号、XY坐标、时间戳Tp。
表1 ADS-B历史记录表
当航班收到二次雷达对跑道时,根据ADS-B历史记录表数据生成的电子围栏,调用当前电子围栏对应的Td。
表2电子围栏表
根据二次雷达数据,记录每条跑道从“对准跑道”到落地的时长Ts。
表3对准跑道-落地时长表
当航班进入电子围栏后,根据当前时间+Td+Ts预测航班到达时刻。
表4以航班G54888为例,该航班再2020-03-03 23:12:05计算预测第一次到达时间,该时间距离实际到达23:37:00提前24分钟,预测出的到达时刻23:41:05,与实际到达偏差4分钟。
表4航班预测到达时刻记录表
通过后续的不断修正,偏差值将逐步收敛,最终都在3分钟以内,参照图5,其示出了本预测方法的精度效果,图中头部深色部分条形表示预达时刻3分钟误差的占比。
从统计分析表可以看出,本方案落地前5分钟,预测到达时刻误差3分钟以内占比100%;落地前18分钟,预测到达时刻误差3分钟以内占比85%以上;落地前30分钟,预测到达时刻误差3分钟以内占比65%以上。
这里,结合一具体示例,对本公开的上述航迹预估到达时刻的预测方法实施例做进一步说明:
ADS-B接收基站,可自动接收到航空器ADS-B广播信号,该信号包含航空器应答机编码、经纬度等信息,通过ADS-B基站内置程序经网络发送UDP报文信号到ADS-B信号接收装置上。
ADS-B信号接收装置每秒接收航空器ADS-B信号,信号解析程序通过应答机编码字典自动将编码转换成机号,进而将信号绑定到对应的航班上。
信号解析程序与二次雷达通过消息中间件传递数据,传递的数据是事先双方预定义好的协议。协议核心信息有航班号、二次雷达状态和状态变更时间等。二次雷达状态包括相关区、管制区、进近区、对准跑道、即将降落、落地。
当航班二次雷达状态发生变化时,例如:从进近区转到对准跑道时,二次雷达会自动推送对准跑道消息到中间件,信号解析程序再从获取、解析,并触发计算预计时间。
以下是二次雷达信号样例:
<AWCD>CCA</AWCD><FLNO>1439</FLNO><CFNO>B5325</CFNO><CHTM>2015-11-2116:41:02</CHTM><SRST>C</SRST>
其中:
AWCD:代表航空公司三字码;
FLNO:代表航班号;
CFNO:代表机号;
CHTM:代表消息变更时间;
SRST:代表二次雷达状态
代码含义:A相关区、B管制区、F进近区、C对准跑道、E即将降落、D落地。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种航迹预估到达时刻的预测方法,其特征在于,包括:
获取进入预测区域的航空器的实时位置信息;
根据所述航空器的实时位置信息,触发预先建立的预测模型中的电子围栏,计算所述航空器当前所在电子围栏至收到对准跑道信号所需耗时的第一预测时间Td;
根据所述航空器的对准跑道信息,触发计算从收到所述对准跑道信号至实际落地所需耗时的第二预测时间Ts;
根据所述第一预测时间Td和所述第二预测时间Ts,基于当前时刻取和计算得到所述航空器的到达时刻。
2.根据权利要求1所述的航迹预估到达时刻的预测方法,其特征在于,该方法还包括:
根据所述航空器的跑道和停机位信息,获取所述航空器滑行至所述停机位耗时的第三预测时间Th;
根据所述航空器的实际落地时刻Ta和所述第三预测时间Th,计算得到所述航空器推入停机位的时刻。
3.根据权利要求1或2所述的航迹预估到达时刻的预测方法,其特征在于,所述预测模型的建立和训练过程,进一步包括:
建立以机场为中心点的二维平面坐标系,并设置预测区域;
建立第一分段预测模块,利用所述预测区域的历史航迹信息,至少包括每60秒记录的坐标位置及其时间戳Tp,直到收到对准跑道信号为止的连续记录,生成历史坐标点A(x,y)集合;所述A(x,y)集合中的坐标点按照其所对应的时间戳Tp升序排序,将所述历史坐标点集合A(x,y)对应转换成电子围栏集合B;通过所述历史航迹信息中收到对准跑道信号的时刻Tr减去其所处当前电子围栏的时间戳Tp,训练得到用于记录每个电子围栏距离收到对准跑道信号所需耗时的第一预测时间Td;
建立第二分段预测模块,根据所述历史航迹信息,提取从收到对准跑道信号的时刻Tr到实际落地时刻的时间差,并计算该时间差的平均值,训练得到所述第二预测时间Ts;
建立综合预测模块,根据所述第一预测时间Td以及所述第二预测时间Ts,基于当前时刻T0生成预测到达时刻Teta,其中,Teta=T0+Td+Ts。
4.根据权利要求3所述的航迹预估到达时刻的预测方法,其特征在于,所述将所述历史坐标点集合A(x,y)对应转换成电子围栏集合B,进一步包括:
分别以所述历史坐标点集合A(x,y)中每个坐标点为中心点(X,Y),根据预设边长Le,生成正方形区域;
若新生成的电子围栏与已存在的电子围栏存在重叠,则对应更新所述新生成的电子围栏的对应的第一预测时间Td。
5.根据权利要求3所述的航迹预估到达时刻的预测方法,其特征在于,该方法还包括:
根据所述航空器实际到达时间进一步训练所述预测模型,将所述预测模型中每个电子围栏预测出的到达时刻与所述航空器的实际到达时刻,分别计算预测精度;
判断所述预测精度是否超过预设的修正阈值,当所述预测精度大于所述修正阈值时,则以线性方式进行重新计算所述第一预测时间Td,并更新所述预测模型中的所述第一预测时间Td。
6.根据权利要求5所述的航迹预估到达时刻的预测方法,其特征在于,所述以线性方式进行重新计算所述第一预测时间Td,并更新所述预测模型中的所述第一预测时间Td,进一步包括:
根据本次预测获取的所述第一预测时间Td所对应的当前电子围栏,在所述电子围栏集合B中选取与所述当前电子围栏前后相邻的电子围栏;
根据根据前后相邻的两个电子围栏的第一预测时间预测所述航空器的到达时刻,并分别计算二者预测的到达时刻的预测精准差;
若二者的预测精准差均小于所述修正阈值,则取二者的第一预测时间的平均值,作为当前电子围栏的第一预测时间Td;
若二者的预测精准差中有一个不小于所述修正阈值,则所述当前电子围栏将通过后续获取的航轨数据重新生成的第一预测时间,更新其当前的第一预测时间Td。
7.根据权利要求6所述的航迹预估到达时刻的预测方法,其特征在于,所述判断所述预测精度是否超过预设的修正阈值,进一步包括:
当所述预测精度小于或等于所述修正阈值时,采用所述航空器进入该电子围栏距离收到对准跑道信号的实际耗时,对应更新该电子围栏的所述第一预测时间Td。
8.一种航迹预估到达时刻的预测装置,其特征在于,包括:
初始化模块,用于设置预测区域及预测参数;
信号接收解析模块,用于根据所述预设区域及所述预测参数,接收并解析目标航空器的实时位置信息、对准跑道信息、以及实际到达时刻信息;
第一分段预测模块,用于根据所述航空器的实时位置信息,通过预先建立的预测模型中的电子围栏,获取所述航空器当前所在电子围栏至收到对准跑道信号所需耗时的第一预测时间Td;
第二分段预测模块,用于根据所述航空器的对准跑道信息,获取从收到所述对准跑道信号至实际落地所需耗时的第二预测时间Ts;
第三分段预测模块,用于根据所述航空器的跑道和停机位信息,获取所述航空器滑行至所述停机位耗时的第三预测时间Th;
综合预测模块,用于根据所述第一预测时间Td和所述第二预测时间Ts,基于当前时刻取和计算得到所述航空器的到达时刻,并输出所预测的到达时刻;以及用于根据所述航空器的实际落地时刻Ta和所述第三预测时间Th,计算得到所述航空器推入停机位的时刻;
预测参数优化模块,用于根据所述航空器实际到达时间计算本次预测精度,并基于所述本次预测精度进一步训练优化所述预测模型的第一预测时间。
9.一种航迹预估到达时刻自动预测系统,其特征在于,包括:
ADS-B基站,用于自动接收航空器发出的ADS-B广播信号;
ADS-B信号接收装置,用于接收经所述ADS-B基转发的所述ADS-B广播信号,获取所述航空器的实时位置信息;
二次雷达,用于发出所述航空器的对准跑道信号和实际到达时刻信息;
如权利要求8所述的航迹预估到达时刻的预测装置,与所述ADS-B信号接收装置和所述二次雷达通信连接,用于获取所述航空器的实时位置信息、对准跑道信号和实际到达时刻信息,预测所述航空器的到达时刻和/或推入停机位的时刻。
10.根据权利要求9所述的航迹预估到达时刻自动预测系统,其特征在于:
所述预测装置的信号接收解析模块,与所述ADS-B信号接收装置连接,用于接收解析ADS-B广播信号,所述ADS-B广播信号包含目标航空器应答机编码、经纬度及时间戳信息,所述信号接收解析模块用于通过应答机编码字典自动将编码转换成所述目标航空器的机号,将所述ADS-B广播信号绑定到对应的航班上,获取并解析得到所述目标航空器的实时位置信息;
所述信号接收解析模块与所述二次雷达经中间件按照预先约定的通信协议进行数据传输,以获取所述目标航空器的航班号、二次雷达状态和状态变更时间信息;
所述信号接收解析模块获取所述二次雷达状态发生变化的信息时,触发所述第一分段预测模块、所述第二分段预测模块和/或第三分段预测模块自动预测所述航空器的到达时刻和/或推入停机位的时刻。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011355792.6A CN112687128B (zh) | 2020-11-27 | 2020-11-27 | 航迹预估到达时刻的预测方法、装置及自动预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011355792.6A CN112687128B (zh) | 2020-11-27 | 2020-11-27 | 航迹预估到达时刻的预测方法、装置及自动预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112687128A true CN112687128A (zh) | 2021-04-20 |
CN112687128B CN112687128B (zh) | 2022-06-03 |
Family
ID=75446860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011355792.6A Active CN112687128B (zh) | 2020-11-27 | 2020-11-27 | 航迹预估到达时刻的预测方法、装置及自动预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112687128B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1539125A (zh) * | 2001-10-11 | 2004-10-20 | ɽ�¶���ά�����˹����˾ | 用于减少错误taws预警并通过着陆通道的方法和装置 |
CN104332073A (zh) * | 2014-10-27 | 2015-02-04 | 重庆布伦坦茨航空技术进出口有限公司 | 智能空中交通管制系统 |
CN105303896A (zh) * | 2015-09-07 | 2016-02-03 | 合肥飞友网络科技有限公司 | 航班预计到达时间精确预估方法 |
CN105644785A (zh) * | 2015-12-31 | 2016-06-08 | 哈尔滨工业大学 | 一种基于光流法和地平线检测的无人机着陆方法 |
US20160343259A1 (en) * | 2013-03-15 | 2016-11-24 | Us Airways, Inc. | Departure sequencing systems and methods |
WO2017218469A1 (en) * | 2016-06-13 | 2017-12-21 | Global Infrastructure Management, LLC | Runway optimization system and method |
CN109325896A (zh) * | 2018-07-10 | 2019-02-12 | 青岛民航凯亚系统集成有限公司 | 一种航空器可变滑行时间的计算方法 |
CN109615937A (zh) * | 2019-01-18 | 2019-04-12 | 南京航空航天大学 | 航段运行时间优化计算装置 |
US20190156682A1 (en) * | 2017-11-22 | 2019-05-23 | The Boeing Company | Dynamically determining runway conditions |
EP3534354A1 (en) * | 2018-02-28 | 2019-09-04 | Honeywell International Inc. | Method and system for optimization of aircraft operations using uplink weather data |
CN110400492A (zh) * | 2018-04-25 | 2019-11-01 | 空中客车运营简化股份公司 | 辅助飞行器驾驶以遵守所需要的到达时间的方法和装置 |
KR20200013362A (ko) * | 2018-07-30 | 2020-02-07 | 전자부품연구원 | 다변측정 감지시스템의 중앙처리장치 및 이를 이용한 항공기 위치 산출방법 |
CN111008669A (zh) * | 2019-12-10 | 2020-04-14 | 北京航空航天大学 | 一种基于深度学习的重着陆预测方法 |
CN111401601A (zh) * | 2019-12-23 | 2020-07-10 | 南京航空航天大学 | 一种面向延误传播的航班起降时间预测方法 |
CN111583725A (zh) * | 2020-05-27 | 2020-08-25 | 中航信移动科技有限公司 | 一种多数据源航班起飞时间校正方法 |
CN111626519A (zh) * | 2020-06-01 | 2020-09-04 | 北京博能科技股份有限公司 | 一种航班到达时间预测方法、装置和电子设备 |
CN111652427A (zh) * | 2020-05-29 | 2020-09-11 | 航科院中宇(北京)新技术发展有限公司 | 一种基于数据挖掘分析的航班到达时刻预测方法及系统 |
-
2020
- 2020-11-27 CN CN202011355792.6A patent/CN112687128B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1539125A (zh) * | 2001-10-11 | 2004-10-20 | ɽ�¶���ά�����˹����˾ | 用于减少错误taws预警并通过着陆通道的方法和装置 |
US20160343259A1 (en) * | 2013-03-15 | 2016-11-24 | Us Airways, Inc. | Departure sequencing systems and methods |
CN104332073A (zh) * | 2014-10-27 | 2015-02-04 | 重庆布伦坦茨航空技术进出口有限公司 | 智能空中交通管制系统 |
CN105303896A (zh) * | 2015-09-07 | 2016-02-03 | 合肥飞友网络科技有限公司 | 航班预计到达时间精确预估方法 |
CN105644785A (zh) * | 2015-12-31 | 2016-06-08 | 哈尔滨工业大学 | 一种基于光流法和地平线检测的无人机着陆方法 |
WO2017218469A1 (en) * | 2016-06-13 | 2017-12-21 | Global Infrastructure Management, LLC | Runway optimization system and method |
US20190156682A1 (en) * | 2017-11-22 | 2019-05-23 | The Boeing Company | Dynamically determining runway conditions |
EP3534354A1 (en) * | 2018-02-28 | 2019-09-04 | Honeywell International Inc. | Method and system for optimization of aircraft operations using uplink weather data |
CN110400492A (zh) * | 2018-04-25 | 2019-11-01 | 空中客车运营简化股份公司 | 辅助飞行器驾驶以遵守所需要的到达时间的方法和装置 |
CN109325896A (zh) * | 2018-07-10 | 2019-02-12 | 青岛民航凯亚系统集成有限公司 | 一种航空器可变滑行时间的计算方法 |
KR20200013362A (ko) * | 2018-07-30 | 2020-02-07 | 전자부품연구원 | 다변측정 감지시스템의 중앙처리장치 및 이를 이용한 항공기 위치 산출방법 |
CN109615937A (zh) * | 2019-01-18 | 2019-04-12 | 南京航空航天大学 | 航段运行时间优化计算装置 |
CN111008669A (zh) * | 2019-12-10 | 2020-04-14 | 北京航空航天大学 | 一种基于深度学习的重着陆预测方法 |
CN111401601A (zh) * | 2019-12-23 | 2020-07-10 | 南京航空航天大学 | 一种面向延误传播的航班起降时间预测方法 |
CN111583725A (zh) * | 2020-05-27 | 2020-08-25 | 中航信移动科技有限公司 | 一种多数据源航班起飞时间校正方法 |
CN111652427A (zh) * | 2020-05-29 | 2020-09-11 | 航科院中宇(北京)新技术发展有限公司 | 一种基于数据挖掘分析的航班到达时刻预测方法及系统 |
CN111626519A (zh) * | 2020-06-01 | 2020-09-04 | 北京博能科技股份有限公司 | 一种航班到达时间预测方法、装置和电子设备 |
Non-Patent Citations (2)
Title |
---|
李贤惠: "基于到达时刻的航班滑行时间预测方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
李贤惠: "基于到达时刻的航班滑行时间预测方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》, no. 1, 15 January 2018 (2018-01-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN112687128B (zh) | 2022-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9159240B2 (en) | Methods and systems for tailored allocation of arrivals | |
US8560148B2 (en) | Method and apparatus for air traffic trajectory synchronization | |
US6885340B2 (en) | Correlation of flight track data with other data sources | |
US7612716B2 (en) | Correlation of flight track data with other data sources | |
EP2541529B1 (en) | Meteorological data selection along an aircraft trajectory | |
CA2793457C (en) | Methods and systems for inferring aircraft parameters | |
EP2541530A2 (en) | Weather data selection relative to an aircraft trajectory | |
US20100152931A1 (en) | Meteorological Modelling Method for Calculating an Aircraft Flight Plan | |
Prats Menéndez et al. | Identifying the sources of flight inefficiency from historical aircraft trajectories. A set of distance-and fuel-based performance indicators for post-operational analysis. | |
CN107209270B (zh) | 用于监测飞行器位置的装备 | |
CN110751858B (zh) | 适用于连乘航班状态信息异常的多元运行信息关联方法 | |
Denery et al. | The center-tracon automation system: Simulation and field testing | |
Windhorst et al. | Validation of simulations of airport surface traffic with the surface operations simulator and scheduler | |
CN110349444B (zh) | 基于大数据的空中交通流量管理方法 | |
Kamal Keerthi Chandan et al. | A real-time traffic signal control strategy under partially connected vehicle environment | |
US8108088B2 (en) | Method and device for automatically guiding an aircraft during a spacing flight with a landing | |
CN102831487A (zh) | 基于历史航班运行数据分析的流量预测结果验证方法 | |
CN112687128B (zh) | 航迹预估到达时刻的预测方法、装置及自动预测系统 | |
RU2666091C1 (ru) | Способ автоматизированного управления эксплуатацией беспилотного воздушного судна при полетах в общем воздушном пространстве, объединяющий все этапы жизненного цикла | |
Calvo et al. | A new method to validate the route extension metric against fuel efficiency | |
Saifutdinov et al. | An emulation oriented method and tool for test of ground traffic control systems at airports | |
Jung et al. | Develpment of the Surface Management System Integrated with CTAS Arrival Tool | |
CN111611299B (zh) | 一种航班执飞飞机更换判断方法 | |
JP7232673B2 (ja) | 列車運転制御装置および列車運転制御方法 | |
RU2669478C1 (ru) | Способ автоматизированного управления эксплуатацией беспилотного воздушного судна в общем воздушном пространстве для обеспечения безопасного санкционированного трафика полета |
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 |