CN112819993A - 预测飞行数据的系统和方法 - Google Patents
预测飞行数据的系统和方法 Download PDFInfo
- Publication number
- CN112819993A CN112819993A CN202011083430.6A CN202011083430A CN112819993A CN 112819993 A CN112819993 A CN 112819993A CN 202011083430 A CN202011083430 A CN 202011083430A CN 112819993 A CN112819993 A CN 112819993A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- airport
- taxi
- data
- duration
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 239000000446 fuel Substances 0.000 claims abstract description 107
- 238000004891 communication Methods 0.000 claims abstract description 21
- 238000013499 data model Methods 0.000 claims description 125
- 238000012549 training Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000013179 statistical model Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 10
- 230000010006 flight Effects 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000009419 refurbishment Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/02—Automatic approach or landing aids, i.e. systems in which flight data of incoming planes are processed to provide landing data
- G08G5/025—Navigation or guidance aids
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENTS OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
- B64D45/04—Landing aids; Safety measures to prevent collision with earth's surface
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G06Q50/40—
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
- G08G5/0021—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located in the aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
- G08G5/0026—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located on the ground
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/003—Flight plan management
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0043—Traffic management of multiple aircrafts from the ground
-
- 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
- G08G5/0078—Surveillance aids for monitoring traffic from the aircraft
-
- 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
- G08G5/0082—Surveillance aids for monitoring traffic from a ground station
-
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/06—Traffic control systems for aircraft, e.g. air-traffic control [ATC] for control when on the ground
- G08G5/065—Navigation or guidance aids, e.g. for taxiing or rolling
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENTS OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
- B64D2045/0075—Adaptations for use of electronic flight bags in aircraft; Supports therefor in the cockpit
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0065—Navigation or guidance aids for a single aircraft for taking-off
Abstract
本发明涉及预测飞行数据的系统和方法,尤其涉及一种用于飞行数据预测的设备,该设备包括存储器、通信接口以及一个或更多个处理器。存储器被配置成存储出发机场地图。通信接口被配置成接收预期在特定时间范围内到达或离开出发机场的多个飞行器的位置数据。一个或更多个处理器被配置成基于位置数据和出发机场地图来预测多个飞行器中的第一飞行器的滑行持续时间或燃料使用量。一个或更多个处理器还被配置成基于滑行持续时间或燃料使用量生成输出。
Description
技术领域
本公开总体上涉及飞行数据预测。
背景技术
在飞行之前,基于燃料使用量估算值向飞行器加载燃料。燃料使用量估算值基于预期的飞行持续时间和估算的滑行时间。滑行时间可能会因机场和跑道到登机口的路径而变化。例如,更长的跑道到登机口的路径可能与更长的滑行时间相关联。作为另一示例,与很少使用的跑道相比,繁忙的机场跑道可能具有更长的起飞等待时间,并且相应地具有更长的滑行时间。飞行员通常基于先前的经验或机场的固定平均滑行时间来估算滑行时间。基于先前的经验或机场的固定平均滑行时间估算的滑行时间并未考虑实时状况或跑道到登机口路径之间的差异。为了确保飞行器上载有足够的燃料供飞行使用,飞行员会在燃料使用量估算值中添加额外的燃料。多余的燃料会增加飞行器的重量,从而导致更高的燃料消耗。
发明内容
在特定实施方式中,用于飞行数据预测的设备包括存储器、通信接口以及一个或更多个处理器。存储器被配置成存储出发机场地图。通信接口被配置成接收预期在特定时间范围内到达或离开出发机场的多个飞行器的位置数据。所述一个或更多个处理器被配置成基于该位置数据和出发机场地图来预测所述多个飞行器中的第一飞行器的滑行时间或燃料使用量。所述一个或更多个处理器还被配置成基于该滑行持续时间或燃料使用量产生输出。
在另一特定实施方式中,一种用于飞行数据预测的方法包括:在设备处接收预期在特定时间范围内到达或离开到达机场的多个飞行器的飞行计划。该方法还包括基于该飞行计划和到达机场地图,预测所述多个飞行器中的第一飞行器的滑行时间或燃料使用量。该方法还包括在设备处基于该滑行持续时间或燃料使用量产生输出。
在另一特定实施方式中,一种计算机可读存储设备,其存储指令,该指令在由一个或更多个处理器执行时使一个或更多个处理器启动、执行或控制操作以预测飞行数据。所述操作包括接收预期在特定时间范围内到达或离开出发机场的多个飞行器的飞行计划。所述操作还包括基于该飞行计划和出发机场地图来预测所述多个飞行器中的第一飞行器的滑行时间或燃料使用量。所述操作还包括基于该滑行持续时间或燃料使用量产生输出。
本文所描述的特征、功能和优点可以在各种实施方式中独立地实现,或者可以在其它实施方式中进行组合,其更多细节可以参考以下描述和附图来找到。
附图说明
图1是例示被配置成预测飞行数据的系统的图。
图2是被配置成预测滑行持续时间的系统的示例的图。
图3是被配置成预测飞行数据的系统的用户界面的示例的图。
图4是被配置成预测飞行数据的系统的另一示例的图。
图5是被配置成预测飞行数据的系统的另一示例的图。
图6是例示飞行数据预测的方法的示例的流程图的图。
图7是例示包括图1的飞行数据预测器、机场滑行持续时间预测器、飞行数据模型训练器或它们的组合的飞行器的生命周期的流程图。
图8是被配置成预测飞行数据的飞行器的图。
图9是根据本公开的包括被配置成支持计算机实现的方法和计算机可执行的程序指令(或代码)的各方面的计算设备的计算环境的框图。
具体实施方式
本文所公开的方面提出了用于预测飞行数据的系统和方法。设备使用机场滑行时间数据模型来预测特定机场的航班的滑行时间。在特定示例中,设备检索与飞行相关联的飞行计划。飞行计划指示特定飞行器从出发机场的预期起飞时间以及特定飞行器在到达机场的预期到达时间。
在特定方面,设备使用出发机场滑行持续时间数据模型来确定预测出发滑行时间。例如,该设备检索特定飞行器的飞行器信息、出发机场的机场信息、预期在预期出发时间的第一时间范围内到达或离开出发机场的一个或更多个第一飞行器的飞行器飞行信息、出发机场的天气状况、出发机场的预期出发时间的天气预报或它们的组合。为了说明,飞行器信息包括特定飞行器的飞行器性能数据、飞行器规格或它们的组合。机场信息包括出发机场的地图、出发机场的跑道方向或两者。飞行器飞行信息指示预期在第一时间范围内到达或离开出发机场的第一飞行器的出发机场处的登机口分配、跑道分配或它们的组合。在一些示例中,飞行器飞行信息指示第一飞行器的位置。出发机场滑行时间数据模型使用检索到的信息作为出发输入,并输出预测出发滑行时间。
在另一特定方面,该设备使用到达机场滑行持续时间数据模型来确定预测到达滑行时间。例如,该设备检索特定飞行器的飞行器信息、到达机场的机场信息、预期在预期到达时间的第二时间范围内到达或离开到达机场的一个或更多个第二飞行器的飞行信息、到达机场的天气状况、到达机场的预期到达时间的天气预报或它们的组合。到达机场滑行持续时间数据模型使用检索到的信息作为到达输入,并输出预测到达滑行时间。该设备至少部分基于预测出发滑行时间和预测到达滑行时间来预测飞行的燃料消耗。该设备将预测燃料使用量输出到显示器。预测燃料使用量考虑了实时状况、跑道到登机口的路径或它们的组合,因此是特定飞行器的燃料使用量的更可靠的估算。更可靠的估算可以减少添加的额外燃料量。
在一些示例中,该设备可以基于预测滑行时间与检测滑行时间的比较来更新(例如,训练)出发机场滑行持续时间数据模型、到达机场滑行持续时间数据模型或两者。例如,该设备接收特定飞行器针对航班在出发机场的检测出发滑行时间。该设备可以基于出发输入(用于确定预测出发滑行时间)、预测出发滑行时间和检测出发滑行时间来训练出发机场滑行持续时间数据模型。例如,该设备基于预测出发滑行时间和检测出发滑行时间的比较来确定误差度量,并且基于该误差度量来更新出发机场滑行持续时间数据模型。在特定方面,出发机场滑行持续时间数据模型包括神经网络,并且该设备基于误差度量来更新神经网络的节点的权重。经训练的出发机场滑行持续时间数据模型可以随后用于预测从出发机场出发的其它航班的滑行时间。作为另一个示例,该设备接收特定飞行器针对航班在到达机场的检测到达滑行时间。该设备可以基于到达输入(用于确定预测到达滑行时间)、预测到达滑行时间和检测到达滑行时间来训练到达机场滑行持续时间数据模型。经训练的到达机场滑行时间数据模型可以随后用于预测抵达到达机场的其它航班的滑行时间。基于更新的信息(例如,指示检测出发滑行时间与出发输入相对应,指示检测到达滑行时间与到达输入相对应或两者)来训练数据模型有助于维持或提高数据模型的预测精度。
附图和以下描述例示了具体的示例性实施例。应当理解,本领域技术人员将能够设计出尽管未在本文中明确描述或示出但体现本文所述原理并且包括在该说明书之后的权利要求的范围内的各种布置。此外,本文描述的任何示例旨在帮助理解本公开的原理,并且应被解释为没有限制。因此,本公开不限于以下描述的特定实施例或示例,而是由权利要求书及其等同物限制。
具体实施方式在此参照附图进行描述。在说明书中,在所有附图中,共同的特征由共同的附图标记表示。如本文中所使用的,各种术语仅出于描述特定实施方式的目的而并非旨在进行限制。例如,单数形式的“一”、“一个”和“该”也意图包括复数形式,除非上下文另外明确指出。此外,本文描述的一些特征在一些实施方式中是单数,而在其它实施方式中是复数。为了说明,图1描绘了包括一个或更多个处理器(图1中的“处理器”180)的设备102,其指示在一些实施方式中,设备102包括单个处理器180,而在其它实施方式中,设备102包括多个处理器180。为了便于参考,这种特征通常被引入为“一个或更多个”特征,并且随后以单数形式提及,除非描述了与多个特征相关的方面。
术语“包含(comprise)”可与术语“包括(include)”互换使用。另外,术语“其中(wherein)”与术语“在此(where)”可互换使用。如本文所使用的,“示例性”指示示例、实施方式和/或方面,并且不应被解释为限制或指示偏好或优选实施方式。如本文所使用的,用于修饰诸如结构、组件、操作等的元素的序数术语(例如,“第一”、“第二”、“第三”等)本身并不表示元素相对于另一个元素的任何优先级或顺序,而仅仅是将元素与具有相同名称的另一个元素区分开(但用于序数词)。如本文所使用的,术语“集合”是指一个或更多个元素的分组,并且术语“多个”是指多个元素。
如本文所使用的,除非上下文另外指出,否则“生成”、“计算”、“使用”、“选择”、“访问”和“确定”是可互换的。例如,“生成”、“计算”或“确定”参数(或信号)可以指主动生成、计算或确定参数(或信号),也可以指使用、选择或访问已经由其它组件或设备生成的参数(或信号)。如本文所使用的,“联接”可以包括“通信地联接”、“电联接”或“物理地联接”,并且还可以(或者另选地)包括其任何组合。两个设备(或组件)可以通过一个或更多个其它设备、组件、电线、总线、网络(例如,有线网络、无线网络或它们的组合)直接或间接联接(例如,通信地联接、电联接或物理地联接)。电联接的两个设备(或组件)可以包含在同一设备或不同设备中,并且可以通过电子设备、一个或更多个连接器或感应联接进行连接,如非限制性示例所例示的。在一些实施方式中,通信地联接的两个设备(或组件)(例如,以电通信方式)可以例如经由一根或多根电线、总线、网络等直接或间接发送和接收电信号(数字信号或模拟信号)。如本文所使用的,“直接联接”用于描述无需中间组件而联接(例如,通信地联接、电联接或物理地联接)的两个设备。
图1描绘了被配置成预测飞行数据的系统100的示例。该系统100包括联接至飞行信息系统142、飞行器信息系统162或两者的设备102。在特定示例中,飞行信息系统142包括一个或更多个服务器。在特定示例中,飞行器信息系统162包括一个或更多个服务器。设备102还联接到电子飞行包设备(EFB)140(例如,平板电脑、计算机、移动设备或它们的组合)。在特定方面,设备102经由网络联接至电子飞行包设备140。在特定方面,由设备102执行的本文所述的一个或更多个操作由一个或更多个服务器执行。
应当注意,在下面的描述中,由图1的系统100执行的各种功能被描述为由某些组件或模块执行。但是,组件和模块的这种划分仅用于说明。在另选方面,本文描述的由特定组件或模块执行的功能可以在多个组件或模块中划分。此外,在另选方面,图1的两个或更多个组件或模块可以被集成到单个组件或模块中。图1中所示的各组件或模块可以使用硬件(例如,现场可编程门阵列(FPGA)设备、专用集成电路(ASIC)、数字信号处理器(DSP)、控制器等)、软件(例如,可由处理器执行的指令)或者它们的组合来实现。
设备102包括存储器132、一个或更多个处理器180或它们的组合。存储器132包括计算机可读介质(例如,计算机可读存储设备),其存储可由处理器180执行的指令182。指令182可执行以启动、执行或控制操作以辅助飞行数据预测。
处理器180包括飞行数据预测器134、机场滑行持续时间预测器138、飞行数据模型训练器136或它们的组合,其可以至少部分地由处理器180执行指令182来实现。可以诸如以多核配置、多处理器配置、分布式计算配置、云计算配置或它们的任何组合的形式将处理器180实现为单个处理器或多个处理器。在一些实施方式中,由处理器180使用专用硬件、固件或它们的组合来实现飞行数据预测器134、机场滑行持续时间预测器、飞行数据模型训练器136或它们的组合的一个或更多个部分。
飞行数据模型训练器136被配置成分别基于出发机场历史数据190和到达机场历史数据192来训练出发机场滑行持续时间数据模型194和到达机场滑行持续时间数据模型196。出发机场滑行持续时间数据模型194、到达机场滑行持续时间数据模型196或两者包括神经网络、随机森林、梯度提升决策树、机器学习模型、统计模型或它们的组合。
如参照图2进一步描述的,机场滑行持续时间预测器138被配置成使用机场滑行持续时间数据模型来生成预测滑行持续时间。例如,机场滑行持续时间预测器138被配置成将出发输入数据144作为输入提供至出发机场滑行持续时间数据模型194。出发机场滑行持续时间数据模型194响应于出发输入数据144而生成预测出发滑行持续时间164。作为另一示例,机场滑行持续时间预测器138被配置成将到达输入数据146作为输入提供至到达机场滑行持续时间数据模型196。到达机场滑行持续时间数据模型196响应于到达输入数据146生成预测滑行到达持续时间166。
飞行数据预测器134被配置成生成预测飞行数据122。例如,飞行数据预测器134被配置成至少部分地基于预测出发滑行持续时间164、预测到达滑行持续时间166或两者来生成预测燃料使用量118。
在操作期间,设备102从EFB 140接收航班标识符186(例如,航空信息数据交换(“AIDX”)航班标识符)。例如,飞行员访问EFB 140上的燃料使用量估算应用并进入航班标识符186(例如,航空公司代码、航班号和日期)。EFB 140将航班标识符186发送到设备102。航班标识符186标识飞行器的定期航班。
飞行数据预测器134响应于从EFB 140接收到航班标识符186,从飞行信息系统142请求与航班标识符186相对应的飞行计划。飞行信息系统142响应于确定飞行计划150与航班标识符186所标识的定期航班相关联,将飞行计划150发送给设备102。
飞行数据预测器134确定飞行计划150指示飞行器(由飞行器标识符124指示)已计划在预期的起飞时间从出发机场(由出发机场标识符170指示)出发(ETD 174)。飞行数据预测器134确定飞行计划150指示飞行器被计划在预期的到达时间抵达到达机场(由到达机场标识符172指示)(ETA 176)。
飞行数据预测器134将飞行计划150和出发机场标识符170提供至机场滑行持续时间预测器138。如参照图2进一步描述的,机场滑行持续时间预测器138响应于接收到飞行计划150和出发机场标识符170,基于出发输入数据144和出发机场滑行持续时间数据模型194生成预测滑行持续时间164。飞行数据预测器134将飞行计划150和到达机场标识符172提供至机场滑行持续时间预测器138。如参照图2进一步描述的,机场滑行持续时间预测器138响应于接收到飞行计划150和到达机场标识符172,基于到达输入数据146和到达机场滑行持续时间数据模型196生成预测到达滑行持续时间166。
飞行数据预测器134至少部分地基于预测出发滑行持续时间164、预测到达滑行持续时间166或两者来生成预测燃料使用量118。在特定示例中,飞行数据预测器134响应于确定飞行计划150包括飞行器标识符124,将指示飞行器标识符124的飞行器信息请求发送至飞行器信息系统162。该飞行器信息系统162响应于接收到飞行器信息请求,将由飞行器标识符124指示的飞行器的飞行器规格168、飞行器性能数据128或两者发送至设备102。飞行器规格168指示关于飞行器的组件的信息,例如飞行器的特定类型的发动机、特定类型的轮胎、轮胎数量、飞行器类型或它们的组合。飞行器性能数据128指示关于飞行器的燃料使用量的历史数据。例如,飞行器性能数据128包括指示针对之前的航班在特定机场的登机口与跑道之间的滑行期间检测到的燃料使用量的历史数据。
飞行数据预测器134基于飞行器性能数据128、飞行器规格168或两者来确定平均滑行燃料使用量。例如,飞行数据预测器134确定与由飞行器规格168指示的飞行器部件相关联的平均滑行燃料使用量。作为另一个示例,飞行数据预测器134基于由飞行器性能数据128指示的历史滑行燃料使用量数据确定平均滑行燃料使用量。
飞行数据预测器134基于预测出发滑行持续时间164和平均滑行燃料使用量来确定预测出发滑行燃料使用量(例如,预测出发滑行燃料使用量=预测出发滑行持续时间164*平均滑行燃料使用量)。飞行数据预测器134基于预测到达滑行持续时间166和平均滑行燃料使用量来确定预测到达滑行燃料使用量(例如,预测到达滑行燃料使用量=预测到达滑行持续时间166*平均滑行燃料使用量)。
飞行数据预测器134确定在出发机场起飞与降落在到达机场之间的预测飞行燃料使用量。例如,飞行器性能数据128包括指示针对之前的航班在出发机场起飞与降落在到达机场之间检测到的燃料使用量的历史数据。飞行数据预测器134基于由飞行器性能数据128指示的历史飞行燃料使用量数据来确定预测飞行燃料使用量。
飞行数据预测器134基于预测出发滑行燃料使用量、预测到达滑行燃料使用量、预测飞行燃料使用量或它们的组合来确定预测燃料使用量118(例如,预测燃料使用量118=预测出发滑行燃料使用量+预测到达滑行燃料使用量+预测飞行燃料使用量)。
飞行数据预测器134基于预测飞行数据122生成输出120。例如,该输出120指示建议装载在飞行器上的燃料量,其中该燃料量基于预测燃料使用量118。在特定方面,燃料量等于预测燃料使用量118。在另一方面,燃料量基于预测燃料使用量118和预定的额外燃料量以解决意外事件(例如,燃料量=预测燃料使用量118+预定的额外燃料量)。飞行数据预测器134将输出120提供至EFB 140。
在特定方面,EFB 140将输出120提供至显示器。飞行员或其他机组人员可以使用输出120指示的燃料量作为飞行前为飞行器加油的指南。
在特定的实施方式中,飞行数据模型训练器136使用各种数据模型训练技术,以基于预测滑行持续时间和检测滑行持续时间来更新机场滑行持续时间数据模型。使用飞行前的机场滑行持续时间模型和指示飞行期间的实际滑行持续时间的检测滑行持续时间来确定预测滑行持续时间。在特定示例中,EFB 140从飞行器的飞行数据记录器中检索检测出发滑行持续时间156、检测到达滑行持续时间152或两者,并将检索到的信息转发给设备102。飞行数据模型训练器136响应于接收到检测出发滑行持续时间156,基于出发输入数据144、预测出发滑行持续时间164、检测出发滑行持续时间156或它们的组合来更新出发机场滑行持续时间数据模型194。例如,飞行数据模型训练器136更新出发机场滑行持续时间数据模型194,以减小相同输入数据的预测出发滑行持续时间与检测滑行持续时间之间的差异。在特定实施方式中,出发机场滑行持续时间数据模型194包括神经网络。在该实施方式中,飞行数据模型训练器136基于预测出发滑行持续时间164和检测出发滑行持续时间156的比较来确定误差度量。飞行数据模型训练器136通过基于该误差度量更新神经网络的节点权重来更新出发机场滑行持续时间数据模型194。
在特定方面,飞行数据模型训练器136在更新机场滑行持续时间数据模型(例如,出发机场滑行持续时间数据模型194或到达机场滑行持续时间数据模型196)之前执行可变滤波。例如,飞行数据模型训练器136响应于确定检测滑行持续时间(例如,检测出发滑行持续时间156或检测到达滑行持续时间152)对应于异常值而减小(例如,忽略或调整)用于训练机场滑行时间数据模型的检测滑行持续时间的影响。在特定方面,飞行数据模型训练器136响应于确定在检测滑行持续时间和对应的预测滑行持续时间(例如,预测出发滑行持续时间164或预测到达滑行持续时间166)之间的差大于阈值而确定检测滑行持续时间对应于异常值。作为另一示例,飞行数据模型训练器136响应于确定输入数据(例如,出发输入数据144或到达输入数据146)的至少一部分是非典型的而确定检测滑行持续时间对应于异常值。减小检测滑行持续时间的影响可以防止机场滑行持续时间数据模型被异常值所歪曲。
在特定实施方式中,飞行数据模型训练器136响应于确定误差度量(例如,预测滑行持续时间与检测滑行持续时间之间的差)小于阈值而拒绝基于检测滑行持续时间(例如,检测出发滑行持续时间156或检测到达滑行持续时间152)更新机场滑行持续时间数据模型(例如,出发机场滑行持续时间数据模型194或到达机场滑行持续时间数据模型196)。飞行数据模型训练器136可以通过拒绝基于检测滑行持续时间(该检测滑行持续时间相当接近预期滑行持续时间(例如,预测出发滑行持续时间164或预测到达滑行持续时间166))更新机场滑行持续时间数据模型而节省资源(例如,计算资源和时间)。
飞行数据模型训练器136响应于接收到检测的到达滑行持续时间152,基于到达输入数据146、预测到达滑行持续时间166、检测到达滑行持续时间152或它们的组合来更新到达机场滑行持续时间数据模型196。例如,飞行数据模型训练器136更新到达机场滑行持续时间数据模型196,以减小相同输入数据的预测到达滑行持续时间与检测滑行持续时间之间的差异。基于检测滑行持续时间更新机场滑行持续时间数据模型维持或提高了机场滑行持续时间预测器138的预测准确性。
参照图2,示出了被配置成预测滑行持续时间的系统200的示例。在特定方面,图1的系统100中包括该系统200的一个或更多个组件。
设备102联接到机场信息系统246、天气信息系统238或两者。在特定方面,机场信息系统246包括一个或更多个服务器。在特定方面,天气信息系统238包括一个或更多个服务器。
在操作期间,机场滑行持续时间预测器138从飞行数据预测器134接收飞行计划150和机场标识符270(例如,图1的出发机场标识符170或到达机场标识符172)。在特定方面,机场滑行持续时间预测器138响应于接收到机场标识符270而从数据存储装置中检索针对机场标识符270的机场滑行持续时间数据模型230。在特定方面,多个滑行数据模型(例如出发滑行数据模型和到达滑行数据模型)与机场标识符270相关联。在该方面,响应于确定机场标识符270与飞行计划150中指示的图1的出发机场标识符170匹配,机场滑行持续时间预测器138检索出发滑行数据模型作为机场滑行持续时间数据模型230。另选地,响应于确定机场标识符270与飞行计划150中指示的图1的到达机场标识符172相匹配,机场滑行持续时间预测器138检索到达滑行数据模型作为机场滑行持续时间数据模型230。
飞行计划150指示预期滑行时间284、滑行开始位置280、滑行结束位置282或它们的组合。在特定示例中,如果机场标识符270与出发机场标识符170匹配,则预期滑行时间284、滑行开始位置280和滑行结束位置282分别对应于预期出发时间174、登机口和起飞跑道。另选地,如果机场标识符270与到达机场标识符172相匹配,则预期滑行时间284、滑行开始位置280和滑行结束位置282分别对应于预期到达时间176、到达跑道和到达口。
机场滑行持续时间预测器138基于预期滑行时间284确定时间范围288。在特定示例中,预期在时间范围288内到达或离开机场的其它飞行器可能影响(由飞行器标识符124指示的)飞行器的预期滑行时间284。为了说明,预期在预期滑行时间284之前的第一时间(例如15分钟)之前到达或离开机场的一个或更多个飞行器可能正在使用第一跑道至登机口路径的至少一部分,以使得第一跑道到登机口路径的该部分可能无法供(由飞行器标识符124指示的)飞行器使用。类似地,预期在预期滑行时间284之后的第二时间(例如30分钟)之前到达或离开机场的一个或更多个飞行器可能正在使用第二跑道到登机口路径的至少一部分,因此第二跑道至登机口路径的该部分可能无法供(由飞行器标识符124指示的)飞行器使用。如果(由飞行器标识符124指示的)飞行器要等待第一跑道至登机口路径的一部分、第二跑道至登机口路径的一部分或两者可用,或者如果该飞行器要使用另一跑道至登机口路径,则该飞行器的预期滑行时间284会受到影响。时间范围288是从第一时间(例如,预期滑行时间284之前的15分钟)到第二时间(例如,预期滑行时间284之后的30分钟)。
机场滑行持续时间预测器138生成机场滑行持续时间数据模型230的输入数据224。该输入数据224基于与机场滑行持续时间数据模型230相关联的预期输入变量。例如,机场滑行持续时间预测器138从机场信息系统246检索(例如,请求)由机场标识符270指示的机场的机场跑道方向数据276、机场地图278或它们的组合。在特定方面,机场跑道方向数据276指示在时间范围288内机场的预期跑道方向。机场地图278指示登机口、跑道和机场的登机口与跑道之间的路径(例如,跑道到登机口路径)。在特定方面,机场地图278指示登机口、跑道和路径的可用性。在特定示例中,机场地图278指示由于维修而路径不可用。在特定示例中,机场地图278指示机场的停机位区域。在特定方面,输入数据224包括机场跑道方向数据276、机场地图278或它们的组合。在特定方面,机场滑行持续时间预测器138从机场地图数据库接收机场地图278。
在特定示例中,机场滑行持续时间预测器138在第一时间从天气信息系统238检索(例如,请求)针对时间范围288的(由机场标识符270指示的)机场处的天气预报226、机场处该第一时间的机场天气状况252或两者。在特定方面,机场天气状况252指示在该第一时间之前的最新检测到的天气状况。在特定方面,机场天气状况252指示在该第一时间的阈值持续时间(例如,之前的最多3小时)内在机场处检测到的天气状况。在特定方面,输入数据224包括机场天气预报226、机场天气状况252或它们的组合。
在特定示例中,机场滑行持续时间预测器138从飞行信息系统142检索(例如,请求)预期在时间范围288内从(由机场标识符270指示的)机场起飞或到达该机场的(例如,由飞行器标识符290指示的)多个飞行器的飞行计划216。在特定方面,输入数据224包括飞行计划216。在特定方面,多个飞行器包括(由飞行器标识符124指示的)飞行器。
在特定示例中,机场滑行持续时间预测器138在第一时间从飞行信息系统142检索(例如,请求)指示在该第一时间检测到的(例如,由飞行器标识符290指示的)多个飞行器的位置的飞行器位置数据214。在一个特定方面,飞行器位置数据214指示在第一时间之前最新检测到的(例如,由飞行器标识符290指示的)多个飞行器的位置。在特定方面,飞行器位置数据214指示在第一时间的阈值持续时间内(例如,最多之前1小时)检测到的(例如,由飞行器标识符290指示的)多个飞行器的位置。例如,机场滑行持续时间预测器138在特定时间(例如,8:00AM)接收飞行器位置数据214,其指示在第一时间(例如,7:30AM)在第一位置处最新检测到多个飞行器中的(例如,由飞行器标识符290指示的)第一飞行器,并且在第二时间(例如,7:58AM)在第二位置处最新检测到多个飞行器中的第二飞行器。在特定方面,机场滑行时间预测器138从自动相关监视广播系统、机场表面检测设备模型X系统或两者接收飞行器位置数据214。在特定方面,输入数据224包括飞行器位置数据214。在特定方面,输入数据224包括飞行器性能数据128、飞行器规格168或它们的组合。
机场滑行持续时间预测器138将输入数据224作为输入提供至机场滑行持续时间数据模型230,以生成预测滑行持续时间264。在机场标识符270与图1的出发机场标识符170匹配的示例中,预测滑行持续时间264对应于预测出发滑行持续时间164。在机场标识符270与图1的到达机场标识符172匹配的示例中,预测滑行持续时间264对应于预测到达滑行持续时间166。
在特定方面,机场滑行持续时间预测器138生成(由机场标识符270指示的)机场的机场历史数据258,以指示针对输入数据224生成了与航班标识符186相关联的预测滑行持续时间264。例如,机场滑行持续时间预测器138响应于确定机场标识符270与图1的出发机场标识符170相匹配而更新出发机场历史数据190以包括与航班标识符186相关联的输入数据224、预测出发滑行持续时间164或两者。另选地,机场滑行持续时间预测器138响应于确定机场标识符270与图1的到达机场标识符172相匹配而更新到达机场历史数据192以包括与航班标识符186相关联的输入数据224、预测到达滑行持续时间166或两者。在特定方面,如本文所述,机场历史数据258用于更新(例如,训练)机场滑行持续时间数据模型230。
图1的飞行数据预测器134响应于接收到针对(由航班标识符186指示的)航班在(由机场标识符270指示的)机场的检测滑行持续时间而更新机场历史数据258以指示输入数据224、预测滑行持续时间264或它们的组合与检测滑行持续时间相关联。在特定方面,如参照图1所描述的,飞行数据模型训练器136基于机场历史数据258(例如,输入数据224、预测滑行持续时间264、检测滑行持续时间或它们的组合)来训练机场滑行持续时间数据模型230。
机场滑行持续时间预测器138基于实时或基本实时的数据(例如,输入数据224)生成预测滑行持续时间264。该预测滑行持续时间264基于机场地图278所指示的跑道到登机口路径。与先前经验或机场的固定平均滑行时间相比,预测滑行持续时间264是实际滑行持续时间的更准确的度量。
参照图3,示出了用户界面的示例,并且该用户界面总体上被标记为300。在特定方面,用户界面300由飞行数据预测器134生成。例如,输出120包括用户界面300。在特定方面,用户界面300由电子飞行包设备140生成。
用户界面300指示(由图1的机场标识符270指示的)机场针对航班的跑道到登机口路径(例如,C10与24L之间)的预测滑行持续时间264(例如,图1的预测出发滑行持续时间164或预测到达滑行持续时间166)。在特定方面,用户界面300指示针对(由图1的航班标识符186指示的)航班的预测燃料使用量118。用户界面300因此向预测飞行数据122的用户(例如,飞行员)提供视觉表示。
参照图4,示出了可操作以预测飞行数据的系统,并且该系统总体上被标记为400。在图4中,设备102包括飞行数据模型训练器136,而EFB 140包括飞行数据预测器134、机场滑行持续时间预测器138或两者。
在图4中,设备102可以训练各个机场的机场滑行持续时间数据模型,并且可以将机场滑行持续时间数据模型中的一个或更多个提供给EFB 140。EFB 140可以本地确定预测滑行持续时间和预测燃料使用量并向设备102提供机场历史数据更新。在操作期间,EFB140从设备102接收出发机场滑行持续时间数据模型194、到达机场滑行持续时间数据模型196或两者。飞行数据预测器134生成输出120(如参照图1所描述的)并将该输出120提供至显示设备402。
在特定方面,飞行数据预测器134向设备102提供出发机场历史数据更新490、到达机场历史数据更新492或两者。例如,出发机场历史数据更新490包括图1的出发输入数据144、预测出发滑行持续时间164、检测出发滑行持续时间156或它们的组合。作为另一示例,到达机场历史数据更新492包括到达输入数据146、预测到达滑行持续时间166、检测到达滑行持续时间152或它们的组合。
如参照图1所描述的,飞行数据模型训练器136分别基于出发机场历史数据更新490和到达机场历史数据更新492来更新出发机场滑行持续时间数据模型194和到达机场滑行持续时间数据模型196。
系统400使得设备102能够训练各个机场的机场滑行持续时间数据模型。设备102可以将机场滑行持续时间数据模型提供给多个EFB 140。各EFB 140可以本地确定预测滑行持续时间和预测燃料使用量,并将机场历史数据更新提供给设备102。设备102可以基于从多个EFB 140接收到的机场历史数据更新来更新机场滑行持续时间数据模型。
参照图5,示出了可操作以预测飞行数据的系统,并且该系统总体上被标记为500。在图5中,EFB 140包括飞行数据预测器134、机场滑行持续时间预测器138、飞行数据模型训练器136或它们的组合。
EFB 140可以本地生成预测飞行数据,并且可以本地更新机场滑行持续时间数据模型。在特定示例中,如关于图1所描述的,飞行数据预测器134生成输出120(如参照图1所描述的),并将该输出120提供至显示设备402。飞行数据模型训练器136更新出发机场滑行持续时间数据模型194和到达机场滑行持续时间数据模型196。系统500因此使得EFB 140能够本地训练各个机场的机场滑行持续时间数据模型。各EFB 140可以本地确定预测滑行持续时间和预测燃料使用量,并且可以本地更新机场滑行持续时间数据模型。
图6例示了飞行数据预测的方法600。在特定方面,该方法600的一个或更多个操作由飞行数据预测器134、机场滑行持续时间预测器138、处理器180、设备102、EFB 140、图1的系统100、图2的系统200、图4的系统400、图5的系统500或它们的组合来执行。
方法600包括(在602)接收预期在特定时间范围内到达或离开到达机场的多个飞行器的飞行计划。例如,如参照图2所描述的,图1的机场滑行持续时间预测器138接收预期在时间范围288内到达或离开(由到达机场标识符172指示的)机场的(由飞行器标识符290指示的)多个飞行器的飞行计划216。
方法600还包括(在604)基于飞行计划和到达机场地图来预测多个飞行器中的第一飞行器的滑行持续时间或燃料使用量。例如,如参照图2所描述的,图1的机场滑行持续时间预测器138基于飞行计划216和机场地图278来确定预测滑行持续时间264(例如,预测到达滑行持续时间166)。如参照图1所描述的,图1的飞行数据预测器134至少部分地基于预测到达滑行持续时间166来确定预测燃料使用量118。
方法600还包括(在606)接收出发机场处的第一多个飞行器的位置数据。例如,如参照图2所描述的,图1的机场滑行持续时间预测器138接收在(例如,由出发机场标识符170指示的)出发机场的(由飞行器标识符290指示的)第一多个飞行器的飞行器位置数据214。
方法600还包括(在608)基于位置数据和出发机场地图预测第一飞行器的第一滑行持续时间,例如,如参照图2所描述的,图1的机场滑行持续时间预测器138基于飞行器位置数据214和机场地图278来确定预测滑行持续时间264(例如,预测出发滑行持续时间164)。
方法600还包括(在610)基于第一滑行持续时间并基于滑行持续时间或燃料使用量来生成输出。例如,如参照图1所描述的,图1的飞行数据预测器134基于预测出发滑行持续时间164、预测燃料使用量118、预测到达滑行持续时间166或它们的组合来生成输出120。
方法600还包括(在612)检测第一飞行器的第二滑行持续时间。例如,如参照图1所描述的,图1的飞行数据模型训练器136接收检测出发滑行持续时间156。作为另一示例,如参照图1所描述的,图1的飞行数据模型训练器136接收检测到达滑行持续时间152。
方法600还包括(在614)基于第二滑行持续时间和飞行计划来训练数据模型。例如,如参照图1所描述的,图1的飞行数据模型训练器136基于检测出发滑行持续时间156来训练出发机场滑行持续时间数据模型194。作为另一示例,如参照图1所描述的,图1的飞行数据模型训练器136基于检测到达滑行持续时间152来训练到达机场滑行持续时间数据模型196。
因此,方法600使得能够基于实时数据(例如,飞行计划216、机场地图278以及飞行器位置数据214)确定预测燃料使用量118、预测到达滑行持续时间166、预测出发滑行持续时间164或它们的组合。与机场的飞行员经验或固定平均值相比,预测出发滑行持续时间164、预测到达滑行持续时间166和预测燃料使用量118分别是对实际滑行持续时间和实际燃料使用量的更精确的度量。
尽管方法600包括元素606和元素608,但是在其它实施方式中,方法600的一个或更多个元素被省去。作为示例,在一些实施方式中,方法600省去了元素606和元素608,并且输出120基于预测燃料使用量118或预测到达滑行持续时间166(而不是预测出发滑行持续时间164)。作为另一示例,在一些实施方式中,方法600省去了元素612和元素614。在一些实施方式中,方法600包括元素602、元素604和元素610,并且输出120基于预测燃料使用量118或预期到达滑行持续时间166(而不是预期出发滑行持续时间164)。
参照图7,示出了被配置成预测飞行数据的飞行器的生命周期的流程图,其被标记为700。在预生产期间,示例性方法700包括(在702)飞行器(例如,参照图8描述的飞行器800)的规格和设计。在飞行器的规格和设计期间,方法700可以包括飞行数据预测系统的规格和设计。飞行数据预测系统包括飞行数据预测器134、机场滑行持续时间预测器138、飞行数据模型训练器136或它们的组合。在704,方法700包括物料采购,其可以包括为飞行数据预测系统采购物料。
在生产期间,方法700包括(在706)部件和组件制造以及(在708)飞行器的系统集成。例如,方法700可以包括飞行数据预测系统的部件和组件制造以及飞行数据预测系统的系统集成。在710,方法700包括飞行器的认证和交付,以及在712,使飞行器投入使用。认证和交付可以包括飞行数据预测系统的认证,以使飞行数据预测系统投入使用。当客户使用飞行器时,可以安排飞行器进行例行维护和保养(还可能包括修改、重新配置、翻新等)。在714,方法700包括在飞行器上执行维护和服务,这可以包括在飞行数据预测系统上执行维护和服务。
方法700的各个过程可以由系统集成商、第三方和/或运营商(例如,客户)执行或实施。为了便于说明,系统集成商可以包括但不限于任何数量的飞行器制造商和主要系统分包商;第三方可以包括但不限于任何数量的销售商、分包商和供应商;运营商可以是航空公司、租赁公司、军事实体、服务组织等。
可以在交通工具的示例的背景下描述本公开的各方面。交通工具的特定示例是如图8所示的飞行器800。
在图8的示例中,飞行器800包括具有多个系统820和内部822的机身818。多个系统820的示例包括推进系统824、电气系统826、环境系统828和液压系统830中的一个或更多个。可以包括任何数量的其它系统,诸如飞行数据预测器134、机场滑行持续时间预测器138、飞行数据模型训练器136或它们的组合。
图9是根据本公开的包括被配置成支持计算机实现的方法和计算机可执行程序指令(或代码)的各方面的计算设备910的计算环境900的框图。例如,计算设备910或其部分被配置成执行指令以启动、执行或控制参照图1至图8所描述的一个或更多个操作。在特定方面,计算设备910包括图1的设备102、电子飞行包设备140、一个或更多个服务器、一个或更多个虚拟设备或它们的组合。
计算设备910包括一个或更多个处理器920。在特定方面,处理器920对应于图1的处理器180。处理器920被配置成与系统存储器930、一个或更多个存储设备940、一个或更多个输入/输出接口950、一个或更多个通信接口960或它们的任意组合进行通信。系统存储器930包括易失性存储设备(例如,随机存取存储器(RAM)设备)、非易失性存储设备(例如,只读存储器(ROM)设备、可编程只读存储器和闪存)或两者。系统存储器930存储操作系统932,该操作系统可以包括用于启动计算设备910的基本输入/输出系统以及使该计算设备910能够与用户、其它程序以及其它设备进行交互的完整操作系统。系统存储器930存储系统(程序)数据936,诸如图1的预测飞行数据122、出发输入数据144、到达输入数据146、飞行计划150、到达机场历史数据192、出发机场历史数据190、出发机场滑行持续时间数据模型194、到达机场滑行持续时间数据模型196、飞行器性能数据128、飞行器规格168、检测出发滑行持续时间156/检测到达滑行持续时间152/航班标识符186、输出120、图2的机场滑行持续时间数据模型230、机场历史数据258、时间范围288、飞行器标识符290、输入数据224、机场跑道方向数据276、机场地图278、机场天气预报226、机场天气状况252、飞行计划216、飞行器位置数据214、预测滑行持续时间264、图3的用户界面300或它们的组合。
系统存储器930包括可由处理器920执行的一个或更多个应用934(例如,指令集)。作为示例,所述一个或更多个应用934包括可由处理器920执行以启动、控制或执行参照图1至图8所描述的一个或更多个操作的指令182。为了说明,所述一个或更多个应用934包括可由处理器920执行以启动、控制或执行参照飞行数据预测器134、机场滑行持续时间预测器138、飞行数据模型训练器136或它们的组合所描述的一个或更多个操作的指令182。
在特定实施方式中,系统存储器930包括存储指令182的非暂时性计算机可读介质(例如,计算机可读存储设备),该指令182在由处理器920执行时使处理器920启动、执行或控制操作以预测飞行数据。所述操作包括接收在特定时间范围内预期到达或离开出发机场的多个飞行器的飞行计划。所述操作还包括基于飞行计划和出发机场地图来预测多个飞行器中的第一飞行器的滑行持续时间或燃料使用量。所述操作还包括基于滑行持续时间或燃料使用量产生输出。在特定方面,操作包括接收在特定时间范围内预期到达或离开到达机场的多个飞行器的飞行计划。所述操作还包括基于飞行计划和到达机场地图来预测多个飞行器中的第一飞行器的滑行持续时间或燃料使用量。所述操作还包括基于滑行持续时间或燃料使用量生成输出。
在特定实施方式中,用于飞行数据预测的方法包括在设备处接收预期在特定时间范围内到达或离开出发机场的多个飞行器的飞行计划。该方法还包括基于飞行计划和出发机场地图来预测多个飞行器中的第一飞行器的滑行持续时间或燃料使用量。该方法还包括在设备处基于滑行持续时间或燃料使用量生成输出。
一个或更多个存储设备940包括非易失性存储设备,诸如磁盘、光盘或闪存设备。在特定示例中,存储设备940包括可拆卸和不可拆卸存储设备。存储设备940被配置成存储操作系统、操作系统的图像、应用(例如,一个或更多个应用934)以及程序数据(例如,程序数据936)。在特定方面,系统存储器930、存储设备940或两者包括有形计算机可读介质。在特定方面,存储设备940中的一个或更多个在计算设备910的外部。
一个或更多个输入/输出接口950使计算设备910能够与一个或更多个输入/输出设备970通信以促进用户交互。例如,一个或更多个输入/输出接口950可以包括显示接口、输入接口或两者。例如,输入/输出接口950被适配成从用户接收输入、从另一计算设备接收输入或它们的组合。在一些实施方式中,输入/输出接口950符合一个或更多个标准接口协议,包括串行接口(例如,通用串行总线(USB)接口或电气与电子工程师协会(IEEE)接口标准)、并行接口、显示适配器、音频适配器或自定义接口(“IEEE”是新泽西州皮斯卡塔维(Piscataway)的电气与电子工程师协会的注册商标)。在一些实施方式中,输入/输出设备970包括一个或更多个用户接口设备和显示器,包括按钮、键盘、指示设备、显示器、扬声器、麦克风、触摸屏和其它设备的某种组合。在特定方面,输入/输出设备970包括图4的显示设备402。
处理器920被配置成经由一个或更多个通信接口960与设备或控制器980通信。例如,一个或更多个通信接口960可以包括网络接口。设备或控制器980可以包括例如图1的飞行信息系统142、飞行器信息系统162、电子飞行包设备140、设备102、图2的机场信息系统246、天气信息系统238、一个或更多个其它设备或它们的任何组合。
此外,本公开包括根据以下条款的示例:
条款1.一种用于飞行数据预测的设备,所述设备包括:存储器,所述存储器被配置成存储出发机场地图;通信接口,所述通信接口被配置成接收预期在特定时间范围内到达或离开出发机场的多个飞行器的位置数据;以及一个或更多个处理器,所述一个或更多个处理器被配置成:基于所述位置数据和所述出发机场地图预测所述多个飞行器中的第一飞行器的滑行持续时间或燃料使用量;并基于所述滑行持续时间或所述燃料使用量生成输出。
条款2.根据条款1所述的设备,其中,所述滑行持续时间或所述燃料使用量基于所述出发机场的天气状况、所述多个飞行器的飞行计划、所述第一飞行器的飞行器性能、所述第一飞行器的飞行器规格、所述出发机场的跑道方向或以上项的组合。
条款3.根据条款1所述的设备,其中,所述位置数据是从自动相关监视广播系统、机场表面检测设备模型X系统或这两者接收的,其中,所述出发机场地图是从机场地图数据库接收的。
条款4.根据条款1所述的设备,其中,所述一个或更多个处理器被配置成基于数据模型来预测所述滑行持续时间或所述燃料使用量,基于与所述出发机场相关联的历史数据来训练所述数据模型,其中,所述历史数据包括在所述出发机场的历史滑行持续时间。
条款5.根据条款4所述的设备,其中,所述数据模型包括神经网络、随机森林、梯度提升决策树、机器学习模型、统计模型或以上项的组合。
条款6.根据条款4所述的设备,其中,基于所述出发机场地图来训练所述数据模型,并且其中,所述历史数据指示预期到达或离开所述出发机场的第二多个飞行器的第二位置数据、所述出发机场的历史天气状况、历史天气预报、所述第二多个飞行器的历史飞行计划、所述第二多个飞行器中的第二飞行器的第一检测滑行持续时间、所述第二飞行器的历史飞行器性能、所述第二飞行器的飞行器规格或以上项的组合。
条款7.根据条款4所述的设备,其中,所述一个或更多个处理器还被配置成:检测所述第一飞行器的第一滑行持续时间;并且基于所述第一滑行持续时间和所述位置数据来训练所述数据模型。
条款8.根据条款1所述的设备,其中,所述存储器还被配置成存储所述第一飞行器的飞行器性能数据,并且其中,所述燃料使用量基于所述滑行持续时间和所述飞行器性能数据。
条款9.根据条款1所述的设备,其中,所述输出指示为适应所述滑行持续时间而装载在所述第一飞行器上的燃料量。
条款10.根据条款1所述的设备,其中,所述通信接口还被配置成将所述输出发送至电子飞行包设备,其中,所述存储器、所述一个或更多个处理器和所述通信接口中的至少一者被集成到服务器中。
条款11.根据条款1所述的设备,其中,所述存储器、所述一个或更多个处理器和所述通信接口中的至少一者被集成到电子飞行包设备中,其中,所述通信接口被配置成接收数据模型,并且其中,所述一个或更多个处理器被配置成基于所述数据模型来预测所述滑行持续时间或所述燃料使用量。
条款12.根据条款1所述的设备,其中,所述存储器、所述一个或更多个处理器和所述通信接口中的至少一者被集成到电子飞行包设备或服务器中。
条款13.根据条款1所述的设备,其中,所述存储器还被配置成存储到达机场地图,其中,所述通信接口还被配置成接收与到达机场相关联的第二多个飞行器的飞行计划,其中,所述一个或更多个处理器还被配置成基于所述飞行计划和所述到达机场地图来预测第二滑行持续时间,其中,所述燃料使用量基于所述第二滑行持续时间,并且其中,所述输出基于所述第二滑行持续时间。
条款14.一种飞行数据预测的方法,所述方法包括:在设备处接收预期在特定时间范围内到达或离开到达机场的多个飞行器的飞行计划;基于所述飞行计划和所述到达机场地图预测所述多个飞行器中的第一飞行器的滑行持续时间或燃料使用量;以及在所述设备处基于所述滑行持续时间或所述燃料使用量生成输出。
条款15.根据条款14所述的方法,其中,基于所述到达机场的天气预报、所述第一飞行器的飞行器性能、所述第一飞行器的飞行器规格、所述到达机场的预期跑道方向、所述到达机场的停机位区域或以上项的组合来预测滑行持续时间或燃料使用量。
条款16.根据条款14所述的方法,其中,基于数据模型来预测所述滑行持续时间或所述燃料使用量,基于与所述到达机场相关联的历史数据来训练所述数据模型,并且其中,所述历史数据包括在所述到达机场的历史滑行持续时间。
条款17.根据条款16所述的方法,其中,所述历史数据指示第二多个飞行器的第二飞行计划、以及所述第二多个飞行器的第二飞行器的第二检测滑行持续时间,并且其中,所述第二多个飞行器预期在特定时间范围之前的第一时间范围内到达或离开所述到达机场。
条款18.根据条款16所述的方法,所述方法还包括:检测所述第一飞行器的第二滑行持续时间;以及基于所述第二滑行持续时间和所述飞行计划来训练所述数据模型。
条款19.根据条款14所述的方法,所述方法还包括:在所述设备处接收出发机场处的第一多个飞行器的位置数据;以及基于所述位置数据和出发机场地图预测所述第一飞行器的第一滑行持续时间,其中,所述输出基于所述第一滑行持续时间。
条款20.一种存储指令的计算机可读存储设备,该指令在由一个或更多个处理器执行时使所述一个或更多个处理器执行操作,所述操作包括:接收预期在特定时间范围内到达或离开出发机场的多个飞行器的飞行计划;基于所述飞行计划和出发机场地图预测所述多个飞行器中的第一飞行器的滑行持续时间或燃料使用量;以及基于所述滑行持续时间或所述燃料使用量生成输出。
条款21.根据条款20所述的计算机可读存储设备,其中,所述滑行持续时间或所述燃料使用量基于所述出发机场的天气状况、所述多个飞行器的位置数据、所述第一飞行器的飞行器性能、所述第一飞行器的飞行器规格、所述出发机场的跑道方向或以上项的组合。
条款22.根据条款20所述的计算机可读存储设备,其中,所述操作还包括:接收与到达机场相关联的第二多个飞行器的第二飞行计划;基于所述第二飞行计划和到达机场地图预测所述第一飞行器的第二滑行持续时间,其中,所述输出基于所述第二滑行持续时间。
在一些实施方式中,非暂时性计算机可读介质(例如,计算机可读存储设备)存储指令,该指令在由一个或更多个处理器执行时使所述一个或更多个处理器启动、执行或控制操作以执行上述功能的一部分或全部。例如,所述指令可以是可执行的,以实现图1至图8的操作或方法中的一个或更多个。在一些实施方式中,图1至图8的操作或方法中的一个或更多个的一部分或全部可以由执行指令的一个或更多个处理器(例如,一个或更多个中央处理单元(CPU)、一个或更多个图形处理单元(GPU)、一个或更多个数字信号处理器(DSP))、由专用硬件电路或它们的任何组合来实现。
本文描述的示例的图示旨在提供对各种实施方式的结构的一般理解。这些图示并不旨在用作对利用本文中描述的结构或方法的装置和系统的所有元素和特征的完整描述。在回顾本公开之后,许多其它实施方式对于本领域技术人员而言可能是显而易见的。可以利用其它实施方式并且可以从本公开中得出其它实施方式,从而可以在不脱离本公开范围的情况下进行结构和逻辑上的替换和改变。例如,可以以与图中所示的顺序不同的顺序来执行方法操作,或者可以省去一个或更多个方法操作。因此,本公开和附图应被认为是说明性的而非限制性的。
此外,尽管本文中已经图示和描述了特定示例,但是应当理解,被设计为实现相同或相似结果的任何后续布置可以代替所示的特定实施方式。本公开旨在覆盖各种实施方式的任何和所有随后的修改或变化。通过阅读说明书,以上实施方式的组合以及本文中未具体描述的其它实施方式对于本领域技术人员将是显而易见的。
在披露摘要的前提下,将不被用来解释或限制权利要求的范围或含义。另外,在前面的详细描述中,为了简化本公开的目的,可以将各种特征组合在一起或在单个实施方式中进行描述。以上描述的示例说明但不限制本公开。还应该理解,根据本公开的原理,许多修改和变化是可能的。如以下权利要求所反映的,所要求保护的主题可以针对少于所公开示例中的任何特征的所有特征。因此,本公开的范围由所附权利要求及其等同物限定。
Claims (15)
1.一种用于飞行数据预测的设备(102、140、800、910),所述设备包括:
存储器(132、930),所述存储器被配置成存储出发机场地图(278);
通信接口(960),所述通信接口被配置成接收预期在特定时间范围(288)内到达或离开出发机场(170、270)的多个飞行器(290)的位置数据(214);以及
一个或更多个处理器(180、920),所述一个或更多个处理器被配置成:
基于所述位置数据(214)和所述出发机场地图(278)预测所述多个飞行器(290)中的第一飞行器(124)的滑行持续时间(164)或燃料使用量(118);并且
基于所述滑行持续时间(164)或所述燃料使用量(118)生成输出(120)。
2.根据权利要求1所述的设备(102、140、800、910),其中,限定以下项中的至少一项:
所述滑行持续时间(164)或所述燃料使用量(118)基于所述出发机场(170、270)的天气状况(252)、所述多个飞行器(290)的飞行计划(216)、所述第一飞行器(124)的飞行器性能(128)、所述第一飞行器(124)的飞行器规格(168)、所述出发机场(170、270)的跑道方向(276)或以上项的组合;以及
所述位置数据(214)是从自动相关监视广播系统、机场表面检测设备模型X系统或这两者接收的,并且其中,所述出发机场地图(278)是从机场地图数据库接收的。
3.根据权利要求1所述的设备(102、140、800、910),其中,所述一个或更多个处理器(180、920)被配置成基于数据模型(194、230)来预测所述滑行持续时间(164)或所述燃料使用量(118),所述数据模型(194、230)是基于与所述出发机场(170、270)相关联的历史数据(190)而训练的,其中,所述历史数据(190)包括在所述出发机场(170、270)的历史滑行持续时间(164)。
4.根据权利要求3所述的设备(102、140、800、910),其中,所述数据模型(194、230)包括神经网络、随机森林、梯度提升决策树、机器学习模型、统计模型或以上项的组合。
5.根据权利要求3所述的设备(102、140、800、910),其中,所述数据模型(194、230)是基于所述出发机场地图(278)而训练的,并且其中,所述历史数据(190)指示预期到达或离开所述出发机场(170、270)的第二多个飞行器(290)的第二位置数据(214)、所述出发机场(170、270)的历史天气状况(252)、历史天气预报(226)、所述第二多个飞行器(290)的历史飞行计划(216)、所述第二多个飞行器(290)中的第二飞行器(124)的第一检测滑行持续时间(156)、所述第二飞行器(124)的历史飞行器性能(128)、所述第二飞行器(124)的飞行器规格(168)或以上项的组合。
6.根据权利要求3所述的设备(102、140、800、910),其中,所述一个或更多个处理器(180、920)还被配置成:
检测所述第一飞行器(124)的第一滑行持续时间(156);并且
基于所述第一滑行持续时间(156)和所述位置数据(214)来训练所述数据模型(194、230)。
7.根据权利要求1所述的设备(102、140、800、910),其中,限定以下项中的至少一项:
所述存储器(132、930)还被配置成存储所述第一飞行器(124)的飞行器性能数据(128),并且其中,所述燃料使用量(118)基于所述滑行持续时间(164)和所述飞行器性能数据(128);
所述输出(120)指示为适应所述滑行持续时间(164)而装载在所述第一飞行器(124)上的燃料量;以及
所述通信接口(960)还被配置成将所述输出(120)发送至电子飞行包设备(140),其中,所述存储器(132、930)、所述一个或更多个处理器(180、920)和所述通信接口(960)中的至少一者被集成到服务器中。
8.根据权利要求1所述的设备(102、140、800、910),其中,所述存储器(132、930)、所述一个或更多个处理器(180、920)和所述通信接口(960)中的至少一者被集成到电子飞行包设备(140)中,其中,所述通信接口(960)被配置成接收数据模型(194、230),并且其中,所述一个或更多个处理器(180、920)被配置成基于所述数据模型(194、230)来预测所述滑行持续时间(164)或所述燃料使用量(118)。
9.根据权利要求1所述的设备(102、140、800、910),其中,所述存储器(132、930)、所述一个或更多个处理器(180、920)和所述通信接口(960)中的至少一者被集成到电子飞行包设备(140)或服务器中。
10.一种飞行数据预测的方法(600),所述方法(600)包括:
在设备(102、140、800、910)处接收(602)预期在特定时间范围(288)内到达或离开到达机场(172、270)的多个飞行器(290)的飞行计划(216);
基于所述飞行计划(216)和到达机场地图(278)预测(604)所述多个飞行器(290)中的第一飞行器(124)的滑行持续时间(166)或燃料使用量(118);以及
在所述设备(102、140、800、910)处基于所述滑行持续时间(166)或所述燃料使用量(118)生成(610)输出(120)。
11.根据权利要求10所述的方法,其中,基于所述到达机场(172、270)的天气预报(226)、所述第一飞行器(124)的飞行器性能(128)、所述第一飞行器(124)的飞行器规格(168)、所述到达机场(172、270)的预期跑道方向(276)、所述到达机场(172、270)的停机位区域或以上项的组合来预测所述滑行持续时间(166)或所述燃料使用量(118)。
12.根据权利要求10所述的方法,其中,基于数据模型(196、230)来预测所述滑行持续时间(166)或所述燃料使用量(118),所述数据模型(196、230)是基于与所述到达机场(172、270)相关联的历史数据(192)而训练的,并且其中,所述历史数据(192)包括在所述到达机场(172、270)的历史滑行持续时间(166)。
13.根据权利要求12所述的方法,其中,所述历史数据(192)指示第二多个飞行器(290)的第二飞行计划(216)、以及所述第二多个飞行器(290)中的第二飞行器(124)的第二检测滑行持续时间(152),并且其中,所述第二多个飞行器(290)预期在所述特定时间范围(288)之前的第一时间范围(288)内到达或离开所述到达机场(172、270)。
14.根据权利要求12所述的方法,所述方法还包括:
检测(612)所述第一飞行器(124)的第二滑行持续时间(152);以及
基于所述第二滑行持续时间(152)和所述飞行计划(216)来训练(614)所述数据模型(196、230)。
15.根据权利要求10所述的方法,所述方法还包括:
在所述设备(102、140、800、910)处接收(606)出发机场(170、270)处的第一多个飞行器(290)的位置数据(214);以及
基于所述位置数据(214)和出发机场地图(278)预测(608)所述第一飞行器(124)的第一滑行持续时间(164),其中,所述输出(120)基于所述第一滑行持续时间(164)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19383006.4A EP3822949A1 (en) | 2019-11-15 | 2019-11-15 | Systems and methods for predicting flight data |
EP19383006.4 | 2019-11-15 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112819993A true CN112819993A (zh) | 2021-05-18 |
Family
ID=68610145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011083430.6A Pending CN112819993A (zh) | 2019-11-15 | 2020-10-12 | 预测飞行数据的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210150921A1 (zh) |
EP (1) | EP3822949A1 (zh) |
CN (1) | CN112819993A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230401966A1 (en) * | 2022-06-10 | 2023-12-14 | The Boeing Company | Airport taxi time information |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100185426A1 (en) * | 2009-01-16 | 2010-07-22 | Rajesh Ganesan | Predicting Aircraft Taxi-Out Times |
US20120245836A1 (en) * | 2010-07-15 | 2012-09-27 | Thomas White | System and Method for Airport Surface Management |
US20140278036A1 (en) * | 2013-03-15 | 2014-09-18 | Us Airways, Inc. | Departure sequencing systems and methods |
CN104670508A (zh) * | 2013-11-26 | 2015-06-03 | 空中客车运营简化股份公司 | 飞行器的飞行管理系统 |
US20150279218A1 (en) * | 2014-03-28 | 2015-10-01 | The Boeing Company | Aircraft fuel optimization analytics |
US20160086396A1 (en) * | 2014-09-18 | 2016-03-24 | Honeywell International Inc. | Aircraft electric taxi system diagnostic and prognostic evaluation system and method |
US20190108758A1 (en) * | 2017-10-06 | 2019-04-11 | Tata Consultancy Services Limited | System and method for flight delay prediction |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2940484B1 (fr) * | 2008-12-19 | 2011-03-25 | Thales Sa | Procede d'aide au roulage pour un aeronef |
GB201005202D0 (en) * | 2010-03-29 | 2010-05-12 | Fuel Matrix Ltd | Fueling arrangement and method |
US20130001355A1 (en) * | 2011-03-01 | 2013-01-03 | Borealis Technical Limited | Method of reducing fuel carried by an aircraft in flight |
GB2584625A (en) * | 2019-05-28 | 2020-12-16 | Sita Information Networking Computing Uk Ltd | System and method for flight arrival time prediction |
-
2019
- 2019-11-15 EP EP19383006.4A patent/EP3822949A1/en active Pending
-
2020
- 2020-09-08 US US17/014,334 patent/US20210150921A1/en active Pending
- 2020-10-12 CN CN202011083430.6A patent/CN112819993A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100185426A1 (en) * | 2009-01-16 | 2010-07-22 | Rajesh Ganesan | Predicting Aircraft Taxi-Out Times |
US20120245836A1 (en) * | 2010-07-15 | 2012-09-27 | Thomas White | System and Method for Airport Surface Management |
US20140278036A1 (en) * | 2013-03-15 | 2014-09-18 | Us Airways, Inc. | Departure sequencing systems and methods |
CN104670508A (zh) * | 2013-11-26 | 2015-06-03 | 空中客车运营简化股份公司 | 飞行器的飞行管理系统 |
US20150279218A1 (en) * | 2014-03-28 | 2015-10-01 | The Boeing Company | Aircraft fuel optimization analytics |
US20160086396A1 (en) * | 2014-09-18 | 2016-03-24 | Honeywell International Inc. | Aircraft electric taxi system diagnostic and prognostic evaluation system and method |
US20190108758A1 (en) * | 2017-10-06 | 2019-04-11 | Tata Consultancy Services Limited | System and method for flight delay prediction |
Also Published As
Publication number | Publication date |
---|---|
US20210150921A1 (en) | 2021-05-20 |
EP3822949A1 (en) | 2021-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11396386B2 (en) | Supporting off-wing maintenance of an engine of an aircraft | |
US10452062B2 (en) | Prognostic rules for predicting a part failure | |
CN108615411B (zh) | 一种实现航班信息处理的方法及装置 | |
US11481634B2 (en) | Systems and methods for training a neural network to control an aircraft | |
US20220139232A1 (en) | Systems and methods for predicting flight data | |
EP3203446A1 (en) | Evaluation of pilot performance using collected avionics system data | |
JP2019051924A (ja) | 性能表のデータリンク機能を有するフライトマネジメントシステム | |
US10032382B2 (en) | Communication of flight management computer data via a wireless interface of a data capture device | |
EP4109360A1 (en) | Systems and methods for determining vehicle capability for dispatch | |
US20210150921A1 (en) | Systems and methods for predicting flight data | |
US20140120500A1 (en) | Integrated flight training and evaluation systems and methods for handheld and portable navigation devices | |
US20160290827A1 (en) | Communication of flight management computer data via a wireless interface of a control display unit | |
US20240067361A1 (en) | Aircraft system operational testing | |
US20200356958A1 (en) | Usage-based maintenance system for vehicles and method of operating the same | |
US11847577B2 (en) | Auxiliary power unit usage prediction | |
US20220348232A1 (en) | Fleet-level av simulation system and method | |
CN112133137B (zh) | Itwr系统与atc系统相关一致性检查方法及装置 | |
EP3716248A1 (en) | Systems and methods for dynamically detecting moving object trajectory conflict using estimated times of arrival | |
CN111079274B (zh) | 机位智能分配方法、计算机装置及存储介质 | |
US20230351901A1 (en) | Systems and methods of updating flight plans based on regulated areas | |
US20230222926A1 (en) | Predicting a reroute for a planned flight of an aircraft | |
CN114840977A (zh) | 一种电动垂直起降航空器的仿真方法、装置、设备及介质 | |
US20240105063A1 (en) | Forecasting using real-time flight leg data | |
CN117854329A (zh) | 飞机降落机场预测方法、系统、电子设备及存储介质 | |
CN115562954A (zh) | 车载预警系统的测试方法及装置、计算设备和介质 |
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 |