CN113030978B - 机场超低空鸟类探测与智能警示系统及方法 - Google Patents
机场超低空鸟类探测与智能警示系统及方法 Download PDFInfo
- Publication number
- CN113030978B CN113030978B CN202110177500.2A CN202110177500A CN113030978B CN 113030978 B CN113030978 B CN 113030978B CN 202110177500 A CN202110177500 A CN 202110177500A CN 113030978 B CN113030978 B CN 113030978B
- Authority
- CN
- China
- Prior art keywords
- bird
- sound field
- aircraft
- curve
- activities
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/933—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
- G01S13/934—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft on airport surfaces, e.g. while taxiing
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M29/00—Scaring or repelling devices, e.g. bird-scaring apparatus
- A01M29/16—Scaring or repelling devices, e.g. bird-scaring apparatus using sound waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/886—Radar or analogous systems specially adapted for specific applications for alarm systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Birds (AREA)
- Insects & Arthropods (AREA)
- Pest Control & Pesticides (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Environmental Sciences (AREA)
- Traffic Control Systems (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明提供了机场超低空鸟类探测与智能警示系统及方法,系统包括:鸟类活动探测子系统:用于探测鸟类活动数据,并将鸟类活动数据发送给信息处理中心;鸟类活动探测子系统包括全景视频探测单元、雷达探测单元和视频追踪拍摄单元;警示子系统,包括声场阵列;声场阵列包括按照特定方式分布在跑道两侧的多个声场单元;信息处理中心:用于接收来自鸟类活动探测子系统的鸟类活动数据,并在智能分析计算得到的最佳实施时间到达时,控制声场阵列以警示方式运行,直到飞行器经过。该系统对高风险鸟类活动模式进行智能检测,控制警示子系统在时间和空间上精确实施声音提醒,让鸟类注意飞行器,利用鸟类躲避飞行器的天性实现避撞。
Description
技术领域
本发明属于机场低空运行安全技术领域,具体涉及机场超低空鸟类探测与智能警示系统及方法。
背景技术
飞行器与鸟类发生碰撞(简称鸟击)是人类飞向蓝天以后一直面临的问题。飞行器的起飞和降落过程是最容易发生鸟击的时候。所以机场及其附近空域是鸟击事故防控的关键区域。其中一种典型的鸟击模式是跑道及附近草丛中的鸟群(以雀形目为主)惊飞与起降或者滑行的飞行器碰撞。因鸟群数量大,易被吸入发动机,可能造成严重的事故。
对这种鸟击模式的防控是机场鸟击防范工作的难点。如果不处置这些鸟类,存在很大的安全隐患。而煤气炮、全向/定向声波等手段,按照固定时间间隔运行,没有驱赶效力。而用猎枪、鞭炮等手段时(人工实施),容易造成鸟类惊飞,反而更容易碰撞飞行器。从根本上讲,以驱赶为目的的工作方式从自然规律看就存在固有缺陷。
发明内容
针对现有技术中的缺陷,本发明提供一种机场超低空鸟类探测与智能警示系统及方法,对高风险鸟类活动模式进行智能检测,控制警示子系统在时间和空间上精确实施声音提醒,让鸟类注意飞行器,利用鸟类躲避飞行器的天性实现避撞。
第一方面,一种机场超低空鸟类探测与智能警示系统,包括:
鸟类活动探测子系统:用于探测鸟类活动数据,并将鸟类活动数据发送给信息处理中心;鸟类活动探测子系统包括全景视频探测单元、雷达探测单元和视频追踪拍摄单元;
警示子系统,包括声场阵列;声场阵列包括按照特定方式分布在跑道两侧的多个声场单元;
信息处理中心:用于接收来自鸟类活动探测子系统的鸟类活动数据,并在智能分析计算得到的最佳实施时间到达时,控制声场阵列以警示方式运行,直到飞行器经过。
优选地,所述最佳实施时间结合当前鸟类活动数据和鸟类活动模式学习到的参数计算得到;
所述信息处理中心通过控制声场阵列以警示方式运行,提醒鸟群提前升空,在鸟群发现飞行器后并进行躲避,从而降低鸟击风险。
优选地,所述信息处理中心具体用于:
接收来自所述鸟类活动探测子系统的鸟类活动数据,构成参数学习样本库;
从参数学习样本库中筛选出鸟群惊飞活动,分别计算出每个鸟种的距离辨识能力曲线;所述距离辨识能力曲线为鸟类辨识飞行器能力与飞行器距离的曲线;
从参数学习样本库中筛选出鸟群惊飞活动,针对每个鸟种分别统计出惊飞活动的飞行速度。
优选地,所述信息处理中心具体用于:
接收来自所述鸟类活动探测子系统的鸟类活动数据,得到实时鸟情,并记录每个所述声场单元的鸟群活动区域及鸟种类型;
在飞行器进行起降活动之前,按照当前飞行器的计划飞行速度,将距离辨识能力曲线转换为到达辨识能力曲线,所述到达辨识能力曲线为鸟类辨识飞行器能力与飞行器到达时间的曲线;
根据鸟群活动区域、鸟种类型和所述惊飞活动的飞行速度,生成躲避能力曲线;
定义躲避能力曲线和到达辨识能力曲线的交点为所述最佳实施时间。
优选地,所述距离辨识能力曲线通过以下方法得到:
将筛选出的所述惊飞活动按照与飞行器的距离,分成若干个区间;
在每个区间,统计惊飞活动中远离跑道方向活动占全部活动的比例;
按照预设的线性关系,将每个区间的比例值转换为辨识能力值;
对全部区间的辨识能力值进行曲线模型拟合,得到所述距离辨识能力曲线。
优选地,所述躲避能力曲线通过以下方法得到:
针对每个所述声场单元的所有鸟群,方向按照45度斜穿跑道,速度按照惊飞活动最低正常飞行速度,计算全部鸟群穿越跑道所需的时间,定义该时间为躲避最大时间提前量,躲避能力值为1;
针对每个所述声场单元的所有鸟群,方向按照垂直穿过跑道,速度按照惊飞活动最高正常飞行速度,计算全部鸟群穿越跑道所需的时间,定义该时间为躲避最小时间提前量,躲避能力值为0;
按照躲避最大时间提前量到躲避最小时间提前量的躲避能力值从1到0线性衰减,生成所述躲避能力曲线。
优选地,所述声场阵列中,将高分呗的声场单元靠近跑道设置,将低分呗的声场单元远离跑道设置,并调整所有声场单元的声波方向为同一个方向;
所述信息处理中心具体用于在计算出每个声场单元的最佳实施时间后,整体调整所有声场单元的最佳实施时间,使得飞行器先到达的声场单元先播放提示音,制造整体上近似于飞行器通过的音场效果。
第二方面,一种机场超低空鸟类探测与智能警示方法,包括以下步骤:
鸟类活动探测子系统探测鸟类活动数据,并将鸟类活动数据发送给信息处理中心;
信息处理中心接收来自鸟类活动探测子系统的鸟类活动数据,并在智能分析计算得到的最佳实施时间到达时,控制声场阵列以警示方式运行,直到飞行器经过。
优选地,该方法所述信息处理中心在预设的最佳实施时间到达之前,还包括:
接收来自所述鸟类活动探测子系统的鸟类活动数据,构成参数学习样本库;
从参数学习样本库中筛选出鸟群惊飞活动,分别计算出每个鸟种的距离辨识能力曲线;所述距离辨识能力曲线为鸟类辨识飞行器能力与飞行器距离的曲线;
从参数学习样本库中筛选出鸟群惊飞活动,针对每个鸟种分别统计出惊飞活动的飞行速度;
接收来自所述鸟类活动探测子系统的鸟类活动数据,得到实时鸟情,并记录每个所述声场单元的鸟群活动区域及鸟种类型;
在飞行器进行起降活动之前,按照当前飞行器的计划飞行速度,将距离辨识能力曲线转换为到达辨识能力曲线,所述到达辨识能力曲线为鸟类辨识飞行器能力与飞行器到达时间的曲线;
根据鸟群活动区域、鸟种类型和所述惊飞活动的飞行速度,生成躲避能力曲线;
定义躲避能力曲线和到达辨识能力曲线的交点为所述最佳实施时间。
优选地,所述距离辨识能力曲线通过以下方法得到:
将筛选出的所述惊飞活动按照与飞行器的距离,分成若干个区间;
在每个区间,统计惊飞活动中远离跑道方向活动占全部活动的比例;
按照预设的线性关系,将每个区间的比例值转换为辨识能力值;
对全部区间的辨识能力值进行曲线模型拟合,得到所述距离辨识能力曲线;所述躲避能力曲线通过以下方法得到:
针对每个所述声场单元的所有鸟群,方向按照45度斜穿跑道,速度按照惊飞活动最低正常飞行速度,计算全部鸟群穿越跑道所需的时间,定义该时间为躲避最大时间提前量,躲避能力值为1;
针对每个所述声场单元的所有鸟群,方向按照垂直穿过跑道,速度按照惊飞活动最高正常飞行速度,计算全部鸟群穿越跑道所需的时间,定义该时间为躲避最小时间提前量,躲避能力值为0;
按照躲避最大时间提前量到躲避最小时间提前量的躲避能力值从1到0线性衰减,生成所述躲避能力曲线。
由上述技术方案可知,本发明提供的一种机场超低空鸟类探测与智能警示系统及方法,对高风险鸟类活动模式进行智能检测,控制警示子系统在时间和空间上精确实施声音提醒,让鸟类注意飞行器,利用鸟类躲避飞行器的天性实现避撞。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例一提供的系统的模块框图。
图2为本发明实施例一提供的系统中最佳实施时间确定方法的原理图。
图3为本发明实施例二提供的方法的流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
实施例一:
一种机场超低空鸟类探测与智能警示系统,参见图1,包括:
鸟类活动探测子系统:用于探测鸟类活动数据,并将鸟类活动数据发送给信息处理中心;鸟类活动探测子系统包括全景视频探测单元、雷达探测单元和视频追踪拍摄单元;
警示子系统,包括声场阵列;声场阵列包括按照特定方式分布在跑道两侧的多个声场单元;
信息处理中心:用于接收来自鸟类活动探测子系统的鸟类活动数据,并在智能分析计算得到的最佳实施时间到达时,控制声场阵列以警示方式运行,直到飞行器经过。
具体地,鸟类活动数据包括鸟类活动视频、鸟类活动轨迹等等。全景视频探测单元用于拍摄跑道周边的视频,视频追踪拍摄单元用于对鸟类进行追踪拍摄,雷达探测单元用于获取鸟类活动轨迹。警示子系统中声场单元工作时,播放预设的警示音,提醒鸟类即将有飞行器起飞或降落,鸟类听到警示音后,会因为其天性躲避飞行器。声场单元沿着跑道两侧设置,用于提醒跑道两侧的鸟类及时避撞。信息处理中心控制声场单元工作时,只需要控制飞行器当前经过或者即将经过的声场单元工作,如果飞行器已经经过某个声场单元,则控制该声场单元停止工作,这样就达到警示飞行器当前位置或即将到达的位置的鸟类的目的。
该系统可以对高风险鸟类活动模式进行智能检测,控制警示子系统在时间和空间上精确实施声音提醒,让鸟类注意飞行器,利用鸟类躲避飞行器的天性实现避撞。
优选地,所述最佳实施时间结合当前鸟类活动数据和鸟类活动模式学习到的参数计算得到;
所述信息处理中心通过控制声场阵列以警示方式运行,提醒鸟群提前升空,在鸟群发现飞行器后并进行躲避,从而降低鸟击风险。
具体地,鸟群惊飞活动包括三个阶段,分别是受惊升空、观察环境和执行躲避。该系统通过警示音对鸟类进行提前提醒,让鸟群提前升空,这样鸟群就有充分的时间发现飞行器并进行躲避,从而降低鸟击风险。
但是警示音的提醒的时间不宜过早,否则当鸟类受惊升空后,鸟类难以发现飞行器,从而难以建立鸟类对警示音的条件反射。警示音的提醒的时间不宜过晚,否则当鸟类受惊升空后,鸟类来不及躲避飞行器。因此系统通过学习鸟类活动模式计算最佳的最佳实施时间,得到最佳的提醒效果。
该系统的学习过程包括参数学习过程和飞行器起降警示过程。参数学习过程主要是掌握鸟类对飞行器撞击风险的辨识距离,以及在躲避运动中可以实现的飞行速度等参数。飞行器起降警示过程主要是根据实时鸟类活动和飞行器起降活动,计算声场单元的控制参数并实施声音提醒。这两个学习过程同时运行。
1、参数学习过程。
1)接收来自所述鸟类活动探测子系统的鸟类活动数据,构成参数学习样本库;这样参数学习样本库就能因为系统长期运行积累充分的样本数据。
2)从参数学习样本库中筛选出鸟群惊飞活动,分别计算出每个鸟种的距离辨识能力曲线;所述距离辨识能力曲线为鸟类辨识飞行器能力与飞行器距离的曲线;
3)从参数学习样本库中筛选出鸟群惊飞活动,针对每个鸟种分别统计出惊飞活动的飞行速度。
具体地,参数学习过程是对机场本地鸟类活动样本进行学习,而不是使用经验参数,这样能更贴近实际,且能反应出鸟类行为的演进过程,以及环境适应过程。
2、飞行器起降警示过程。
1)接收来自所述鸟类活动探测子系统的鸟类活动数据,得到实时鸟情,并记录每个所述声场单元的鸟群活动区域及鸟种类型;
2)在飞行器进行起降活动之前,按照当前飞行器的计划飞行速度,将距离辨识能力曲线转换为到达辨识能力曲线,所述到达辨识能力曲线为鸟类辨识飞行器能力与飞行器到达时间的曲线;
3)根据鸟群活动区域、鸟种类型和所述惊飞活动的飞行速度,生成躲避能力曲线;
4)定义躲避能力曲线和到达辨识能力曲线的交点为所述最佳实施时间,参见图2。
具体地,警示音提醒的时间不宜过早,过早鸟类难以发现飞行器从而难以建立对警示声音的条件反射。提醒的声音不宜过晚,过晚鸟类来不及躲避飞行器。因此分别建立辨识能力曲线和躲避能力曲线,描述鸟类发现飞行器的能力和躲避飞行器的能力。两条曲线的交点是两个能力乘积最大的时刻,是提醒鸟类躲避飞行器的最佳时机。
优选地,所述距离辨识能力曲线通过以下方法得到:
将筛选出的所述惊飞活动按照与飞行器的距离,分成若干个区间;
在每个区间,统计惊飞活动中远离跑道方向活动占全部活动的比例;
按照预设的线性关系,将每个区间的比例值转换为辨识能力值;
对全部区间的辨识能力值进行曲线模型拟合,得到所述距离辨识能力曲线。
具体地,预设的线性关系可以是以下关系:统计鸟群惊飞活动中远离跑道方向活动占全部活动的比例,比例值为50%对应辨识能力0,比例值为100%对应辨识能力1。
在鸟类无法辨识飞行器碰撞风险时,鸟类飞行方向随机,因此远离跑道方向活动的比例约占50%。在鸟类能完全辨识飞行器碰撞风险时,鸟类飞行方向远离跑道,因此占比约100%。对同一目标的辨识能力基本与距离成线性关系,因此建立线性变化曲线。
优选地,所述躲避能力曲线通过以下方法得到:
针对每个所述声场单元的所有鸟群,方向按照45度斜穿跑道,速度按照惊飞活动最低正常飞行速度,计算全部鸟群穿越跑道所需的时间,定义该时间为躲避最大时间提前量,躲避能力值为1;
针对每个所述声场单元的所有鸟群,方向按照垂直穿过跑道,速度按照惊飞活动最高正常飞行速度,计算全部鸟群穿越跑道所需的时间,定义该时间为躲避最小时间提前量,躲避能力值为0;
按照躲避最大时间提前量到躲避最小时间提前量的躲避能力值从1到0线性衰减,生成所述躲避能力曲线。
具体地,理想情况下,鸟类接收提示信息,远离跑道,不构成风险。但是存在鸟类受惊乱飞的可能,风险评估中应以受惊乱飞进行估算。最低躲避能力是以最坏情况计算躲避所需时间。最坏情况即鸟类未识别警示信息受惊乱飞,飞行时间按合理范围内最长估算,即影响范围内最远的鸟群按照最低飞行速度45度斜穿跑道。反之,最高躲避能力的飞行时间按合理范围内最短估算。
优选地,所述声场阵列中,将高分呗的声场单元靠近跑道设置,将低分呗的声场单元远离跑道设置,并调整所有声场单元的声波方向为同一个方向;
所述信息处理中心具体用于在计算出每个声场单元的最佳实施时间后,整体调整所有声场单元的最佳实施时间,使得飞行器先到达的声场单元先播放提示音,制造整体上近似于飞行器通过的音场效果。
具体地,声场阵列组成过程中,可以将更高分呗的声场单元靠近跑道分布,更低分呗的声场单元远离跑道分布,同时调整全部的声场单元为定向声波方向,使得距离跑道越近分呗越高,形成声音是从跑道上发出的声场效果。
实施例二:
一种机场超低空鸟类探测与智能警示方法,参见图3,包括以下步骤:
鸟类活动探测子系统探测鸟类活动数据,并将鸟类活动数据发送给信息处理中心;
信息处理中心接收来自鸟类活动探测子系统的鸟类活动数据,并在智能分析计算得到的最佳实施时间到达时,控制声场阵列以警示方式运行,直到飞行器经过。
优选地,该方法所述信息处理中心在预设的最佳实施时间到达之前,还包括:
接收来自所述鸟类活动探测子系统的鸟类活动数据,构成参数学习样本库;
从参数学习样本库中筛选出鸟群惊飞活动,分别计算出每个鸟种的距离辨识能力曲线;所述距离辨识能力曲线为鸟类辨识飞行器能力与飞行器距离的曲线;
从参数学习样本库中筛选出鸟群惊飞活动,针对每个鸟种分别统计出惊飞活动的飞行速度;
接收来自所述鸟类活动探测子系统的鸟类活动数据,得到实时鸟情,并记录每个所述声场单元的鸟群活动区域及鸟种类型;
在飞行器进行起降活动之前,按照当前飞行器的计划飞行速度,将距离辨识能力曲线转换为到达辨识能力曲线,所述到达辨识能力曲线为鸟类辨识飞行器能力与飞行器到达时间的曲线;
根据鸟群活动区域、鸟种类型和所述惊飞活动的飞行速度,生成躲避能力曲线;
定义躲避能力曲线和到达辨识能力曲线的交点为所述最佳实施时间。
优选地,所述距离辨识能力曲线通过以下方法得到:
将筛选出的所述惊飞活动按照与飞行器的距离,分成若干个区间;
在每个区间,统计惊飞活动中远离跑道方向活动占全部活动的比例;
按照预设的线性关系,将每个区间的比例值转换为辨识能力值;
对全部区间的辨识能力值进行曲线模型拟合,得到所述距离辨识能力曲线;所述躲避能力曲线通过以下方法得到:
针对每个所述声场单元的所有鸟群,方向按照45度斜穿跑道,速度按照惊飞活动最低正常飞行速度,计算全部鸟群穿越跑道所需的时间,定义该时间为躲避最大时间提前量,躲避能力值为1;
针对每个所述声场单元的所有鸟群,方向按照垂直穿过跑道,速度按照惊飞活动最高正常飞行速度,计算全部鸟群穿越跑道所需的时间,定义该时间为躲避最小时间提前量,躲避能力值为0;
按照躲避最大时间提前量到躲避最小时间提前量的躲避能力值从1到0线性衰减,生成所述躲避能力曲线。
该方法可以对高风险鸟类活动模式进行智能检测,控制警示子系统在时间和空间上精确实施声音提醒,让鸟类注意飞行器,利用鸟类躲避飞行器的天性实现避撞。
本发明实施例所提供的方法,为简要描述,实施例部分未提及之处,可参考前述实施例中相应内容。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (7)
1.一种机场超低空鸟类探测与智能警示系统,其特征在于,包括:
鸟类活动探测子系统:用于探测鸟类活动数据,并将鸟类活动数据发送给信息处理中心;鸟类活动探测子系统包括全景视频探测单元、雷达探测单元和视频追踪拍摄单元;
警示子系统,包括声场阵列;声场阵列包括按照特定方式分布在跑道两侧的多个声场单元;
信息处理中心:用于接收来自鸟类活动探测子系统的鸟类活动数据,并在智能分析计算得到的最佳实施时间到达时,控制声场阵列以警示方式运行,直到飞行器经过;
所述信息处理中心具体用于:
接收来自所述鸟类活动探测子系统的鸟类活动数据,构成参数学习样本库;
从参数学习样本库中筛选出鸟群惊飞活动,分别计算出每个鸟种的距离辨识能力曲线;所述距离辨识能力曲线为鸟类辨识飞行器能力与飞行器距离的曲线;
从参数学习样本库中筛选出鸟群惊飞活动,针对每个鸟种分别统计出惊飞活动的飞行速度;
所述信息处理中心具体用于:
接收来自所述鸟类活动探测子系统的鸟类活动数据,得到实时鸟情,并记录每个所述声场单元的鸟群活动区域及鸟种类型;
在飞行器进行起降活动之前,按照当前飞行器的计划飞行速度,将距离辨识能力曲线转换为到达辨识能力曲线,所述到达辨识能力曲线为鸟类辨识飞行器能力与飞行器到达时间的曲线;
根据鸟群活动区域、鸟种类型和所述惊飞活动的飞行速度,生成躲避能力曲线;
定义躲避能力曲线和到达辨识能力曲线的交点为所述最佳实施时间。
2.根据权利要求1所述机场超低空鸟类探测与智能警示系统,其特征在于,
所述最佳实施时间结合当前鸟类活动数据和鸟类活动模式学习到的参数计算得到;
所述信息处理中心通过控制声场阵列以警示方式运行,提醒鸟群提前升空,在鸟群发现飞行器后并进行躲避,从而降低鸟击风险。
3.根据权利要求1所述机场超低空鸟类探测与智能警示系统,其特征在于,
所述距离辨识能力曲线通过以下方法得到:
将筛选出的所述惊飞活动按照与飞行器的距离,分成若干个区间;
在每个区间,统计惊飞活动中远离跑道方向活动占全部活动的比例;
按照预设的线性关系,将每个区间的比例值转换为辨识能力值;
对全部区间的辨识能力值进行曲线模型拟合,得到所述距离辨识能力曲线。
4.根据权利要求1所述机场超低空鸟类探测与智能警示系统,其特征在于,
所述躲避能力曲线通过以下方法得到:
针对每个所述声场单元的所有鸟群,方向按照45度斜穿跑道,速度按照惊飞活动最低正常飞行速度,计算全部鸟群穿越跑道所需的时间,定义该时间为躲避最大时间提前量,躲避能力值为1;
针对每个所述声场单元的所有鸟群,方向按照垂直穿过跑道,速度按照惊飞活动最高正常飞行速度,计算全部鸟群穿越跑道所需的时间,定义该时间为躲避最小时间提前量,躲避能力值为0;
按照躲避最大时间提前量到躲避最小时间提前量的躲避能力值从1到0线性衰减,生成所述躲避能力曲线。
5.根据权利要求1所述机场超低空鸟类探测与智能警示系统,其特征在于,
所述声场阵列中,将高分呗的声场单元靠近跑道设置,将低分呗的声场单元远离跑道设置,并调整所有声场单元的声波方向为同一个方向;
所述信息处理中心具体用于在计算出每个声场单元的最佳实施时间后,整体调整所有声场单元的最佳实施时间,使得飞行器先到达的声场单元先播放提示音,制造整体上近似于飞行器通过的音场效果。
6.一种机场超低空鸟类探测与智能警示方法,其特征在于,包括以下步骤:
鸟类活动探测子系统探测鸟类活动数据,并将鸟类活动数据发送给信息处理中心;
信息处理中心接收来自鸟类活动探测子系统的鸟类活动数据,并在智能分析计算得到的最佳实施时间到达时,控制声场阵列以警示方式运行,直到飞行器经过;
该方法所述信息处理中心在预设的最佳实施时间到达之前,还包括:
接收来自所述鸟类活动探测子系统的鸟类活动数据,构成参数学习样本库;
从参数学习样本库中筛选出鸟群惊飞活动,分别计算出每个鸟种的距离辨识能力曲线;所述距离辨识能力曲线为鸟类辨识飞行器能力与飞行器距离的曲线;
从参数学习样本库中筛选出鸟群惊飞活动,针对每个鸟种分别统计出惊飞活动的飞行速度;
接收来自所述鸟类活动探测子系统的鸟类活动数据,得到实时鸟情,并记录每个声场单元的鸟群活动区域及鸟种类型;
在飞行器进行起降活动之前,按照当前飞行器的计划飞行速度,将距离辨识能力曲线转换为到达辨识能力曲线,所述到达辨识能力曲线为鸟类辨识飞行器能力与飞行器到达时间的曲线;
根据鸟群活动区域、鸟种类型和所述惊飞活动的飞行速度,生成躲避能力曲线;
定义躲避能力曲线和到达辨识能力曲线的交点为所述最佳实施时间。
7.根据权利要求6所述机场超低空鸟类探测与智能警示方法,其特征在于,所述距离辨识能力曲线通过以下方法得到:
将筛选出的所述惊飞活动按照与飞行器的距离,分成若干个区间;
在每个区间,统计惊飞活动中远离跑道方向活动占全部活动的比例;
按照预设的线性关系,将每个区间的比例值转换为辨识能力值;
对全部区间的辨识能力值进行曲线模型拟合,得到所述距离辨识能力曲线;
所述躲避能力曲线通过以下方法得到:
针对每个所述声场单元的所有鸟群,方向按照45度斜穿跑道,速度按照惊飞活动最低正常飞行速度,计算全部鸟群穿越跑道所需的时间,定义该时间为躲避最大时间提前量,躲避能力值为1;
针对每个所述声场单元的所有鸟群,方向按照垂直穿过跑道,速度按照惊飞活动最高正常飞行速度,计算全部鸟群穿越跑道所需的时间,定义该时间为躲避最小时间提前量,躲避能力值为0;
按照躲避最大时间提前量到躲避最小时间提前量的躲避能力值从1到0线性衰减,生成所述躲避能力曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110177500.2A CN113030978B (zh) | 2021-02-07 | 2021-02-07 | 机场超低空鸟类探测与智能警示系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110177500.2A CN113030978B (zh) | 2021-02-07 | 2021-02-07 | 机场超低空鸟类探测与智能警示系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113030978A CN113030978A (zh) | 2021-06-25 |
CN113030978B true CN113030978B (zh) | 2023-07-18 |
Family
ID=76460711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110177500.2A Active CN113030978B (zh) | 2021-02-07 | 2021-02-07 | 机场超低空鸟类探测与智能警示系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113030978B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114638975A (zh) * | 2022-05-12 | 2022-06-17 | 天津滨海国际机场有限公司 | 一种用于机场的鸟类和非鸟类驱赶方法及系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8988230B2 (en) * | 2011-10-25 | 2015-03-24 | Accipiter Radar Technologies Inc. | Device and method for smart, non-habituating, automatic bird deterrent system |
JP6190140B2 (ja) * | 2012-06-21 | 2017-08-30 | 古野電気株式会社 | 物標探知装置および物標探知方法 |
CN202979160U (zh) * | 2012-12-14 | 2013-06-05 | 安徽水天信息科技有限公司 | 基于全景点智能视频监控的机场跑道监控系统 |
CN203467518U (zh) * | 2013-10-06 | 2014-03-12 | 邢台学院 | 全智能超声波驱鸟器 |
CN203930467U (zh) * | 2014-03-24 | 2014-11-05 | 山东师范大学 | 智能可编程群体驱鸟电子炮阵网络控制系统 |
CN104977566B (zh) * | 2014-04-09 | 2017-12-15 | 启碁科技股份有限公司 | 用于一调频连续波雷达感测系统的信号处理方法及装置 |
CN105739335A (zh) * | 2015-12-29 | 2016-07-06 | 中国民航科学技术研究院 | 一种机场鸟类探测预警与驱赶联动系统 |
CN106839882B (zh) * | 2017-01-22 | 2018-12-28 | 张红彬 | 特殊区域入侵无人机预警拦截控制系统 |
CN107066993B (zh) * | 2017-05-13 | 2021-01-05 | 西安费斯达自动化工程有限公司 | 全景和精准图像及球冠可变励磁调幅调频鸟鸣声自动探测方法 |
CN207966128U (zh) * | 2018-04-13 | 2018-10-12 | 中科润程(北京)物联科技有限责任公司 | 雷达探测机构以及系统 |
CN109077050A (zh) * | 2018-08-23 | 2018-12-25 | 武汉腾路智行科技有限公司 | 一种基于机器视觉的驱鸟系统 |
CN209913833U (zh) * | 2019-07-17 | 2020-01-07 | 苏剑 | 低空飞行器防御系统 |
-
2021
- 2021-02-07 CN CN202110177500.2A patent/CN113030978B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113030978A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2021201585B2 (en) | Imaging array for bird or bat detection and identification | |
EP3715901B1 (en) | Detection and classification of unmanned aerial vehicles | |
EP3537875B1 (en) | System and method for detecting flying animals | |
US20150130618A1 (en) | Dynamic alarm zones for bird detection systems | |
CN113030978B (zh) | 机场超低空鸟类探测与智能警示系统及方法 | |
CN113014866B (zh) | 机场低空鸟类活动监视与风险报警系统 | |
CN106546975A (zh) | 一种基于雷达数据的轻小型无人机与飞鸟分类识别方法 | |
CN111583083B (zh) | 低空飞行的非合作目标对要地威胁程度的确定方法及系统 | |
CN116907282B (zh) | 基于人工智能算法的无人靶机超低空飞行控制方法 | |
CN114491979A (zh) | 一种防范持续盘旋飞行鸟类碰撞飞行器的方法及系统 | |
CN115064009A (zh) | 一种终端区无人机与有人机冲突风险等级划分方法 | |
CN110907945A (zh) | 一种兼顾无人机室内外飞行的定位方法 | |
CN108507577A (zh) | 一种基于数据链和飞机敏感性的任务规划方法 | |
CN110501680B (zh) | 基于雷达系统的目标监控系统以及目标监控方法 | |
Chen et al. | Intelligent decision-making with bird-strike risk assessment for airport bird repellent | |
GB2576306A (en) | Wildlife intercept system and method of operating | |
RU2750924C1 (ru) | Устройство захвата беспилотных летательных аппаратов | |
WO2023286186A1 (ja) | 不審機対処装置、不審機対処システム、不審機対処方法およびプログラム記憶媒体 | |
CN116880573B (zh) | 载弹无人机与探测无人机的协同控制方法及系统 | |
EP3779925A1 (en) | Camera-based angle tracking of swarms for collision avoidance | |
CN118077676A (zh) | 一种基于智能探测的机场鸟情信息的驱鸟方法及系统 | |
CN116796286A (zh) | 基于机器博弈的六自由度无人作战机近距格斗方法及系统 | |
CN116363412A (zh) | 一种基于质心运动特征的飞鸟和无人机分类模型构建方法及系统 | |
Petr et al. | Eagle Take Minimization System | |
CN117687022A (zh) | 一种探鸟雷达气象目标识别方法 |
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 |