CN113570910B - 空中交通流量管理方法、装置和电子设备 - Google Patents
空中交通流量管理方法、装置和电子设备 Download PDFInfo
- Publication number
- CN113570910B CN113570910B CN202110738501.XA CN202110738501A CN113570910B CN 113570910 B CN113570910 B CN 113570910B CN 202110738501 A CN202110738501 A CN 202110738501A CN 113570910 B CN113570910 B CN 113570910B
- Authority
- CN
- China
- Prior art keywords
- information
- flight area
- flight
- aircraft
- flow
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 88
- 238000007781 pre-processing Methods 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 22
- 239000000126 substance Substances 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 6
- 238000003058 natural language processing Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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]
- G08G5/003—Flight plan management
-
- 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
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Aviation & Aerospace Engineering (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种空中交通流量管理方法、装置和电子设备，涉及计算机技术领域，具体涉及大数据、自然语言处理和深度学习等人工智能技术领域。具体实现方案为：获取空中环境数据；对空中环境数据进行预处理，以获取飞行区域的观测信息；调用流量决策模型对观测信息进行处理以生成飞行区域的流量决策信息；以及根据流量决策信息对飞行区域内的飞行器进行流量管理。由此，能够实现对空中交通有效的管理，从而提高空中通行效率，避免出现空中交通拥堵。
Description
技术领域
本申请涉及计算机技术领域，具体涉及大数据、自然语言处理和深度学习等人工智能技术领域，尤其涉及一种空中交通流量管理方法、装置和电子设备。
背景技术
随着社会经济的持续增长，人们的生活水平不断提升，对于交通运输的需求在逐渐增加。空中交通运输是现代运输系统中的重要组成部分，针对空中交通流量进行有效控制，已经逐渐成为当前空中交通管理工作的重要内容。
空中交通流量控制和管理工作，是开展流量管理工作的主要措施之一，相关技术中，当前空中管制主要通过空管局的流控管制员发布。管制员综合当前的天气因素、军事演习等情况，根据经验确定各个飞行区域的容量(区域内在保持飞行安全距离前提下，能容纳的最大的飞机数量)，然后通过对当前空中交通拥堵情况以及航班排班情况，综合决定流控策略。
发明内容
本申请提供了一种空中交通流量管理方法、装置和电子设备。
根据本申请的一方面，提供了一种空中交通流量管理方法，包括：
获取空中环境数据；
对所述空中环境数据进行预处理，以获取飞行区域的观测信息；
调用流量决策模型对所述观测信息进行处理以生成所述飞行区域的流量决策信息；以及
根据所述流量决策信息对所述飞行区域内的飞行器进行流量管理。
根据本申请的另一方面，提供了一种空中交通流量管理装置，包括：
第一获取模块，用于获取空中环境数据；
预处理模块，用于对所述空中环境数据进行预处理，以获取飞行区域的观测信息；
第一处理模块，用于调用流量决策模型对所述观测信息进行处理以生成所述飞行区域的流量决策信息；以及
管理模块，用于根据所述流量决策信息对所述飞行区域内的飞行器进行流量管理。
根据本申请的另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述一方面实施例所述的空中交通流量管理方法
根据本申请的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述一方面实施例所述的空中交通流量管理方法。
根据本申请的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述一方面实施例所述的空中交通流量管理方法。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请实施例提供的一种空中交通流量管理方法的流程示意图；
图2是根据本申请具体实施例提供的一种空中交通流量管理方法的时序图；
图3是根据本申请实施例提供的另一种空中交通流量管理方法的流程示意图；
图4是根据本申请实施例提供的另一种空中交通流量管理方法的流程示意图；
图5是根据本申请具体实施例提供的另一种空中交通流量管理方法的时序图；
图6是根据本申请实施例提供的另一种空中交通流量管理方法的流程示意图；
图7是根据本申请实施例提供的一种空中交通流量管理装置的结构示意图；以及
图8是根据本申请实施例的空中交通流量管理方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的空中交通流量管理方法、装置和电子设备。
人工智能是研究使用计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术领域也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术包括计算机视觉技术、语音识别技术、自然语言处理技术以及深度学习、大数据处理技术、知识图谱技术等几大方向。
大数据(big data)，IT行业术语，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。其中，在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法(抽样调查)这样捷径，而采用所有数据进行分析处理。大数据的5V特点(IBM提出)：Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性)。
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。
深度学习是机器学习领域中一个新的研究方向。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
本申请实施例提供的空中交通流量管理方法，可以由电子设备来执行，该电子设备可为PC(Personal Computer，个人计算机)电脑、平板电脑、掌上电脑或服务器等，此处不做任何限定。
在本申请实施例中，电子设备中可以设置有处理组件、存储组件和驱动组件。可选的，该驱动组件和处理组件可以集成设置，该存储组件可以存储操作系统、应用程序或其他程序模块，该处理组件通过执行存储组件中存储的应用程序来实现本申请实施例提供的空中交通流量管理方法。
图1是本申请实施例提供的一种空中交通流量管理方法的流程示意图。
本申请实施例的空中交通流量管理方法，还可由本申请实施例提供的空中交通流量管理装置执行，该装置可配置于电子设备中，以实现对获取到的空中环境数据进行预处理，以获取飞行区域的观测信息，并调用流量决策模型对观测信息进行处理以生成飞行区域的流量决策信息，以及根据流量决策信息对飞行区域内的飞行器进行流量管理，从而能够实现对空中交通有效的管理，提高空中通行效率，避免出现空中交通拥堵。
作为一种可能的情况，本申请实施例的空中交通流量管理方法还可以在服务器端执行，服务器可以为云服务器，可以在云服务器执行该空中交通流量管理方法。
如图1所示，该空中交通流量管理方法，可包括：
步骤S101，获取空中环境数据。
需要说明的是，该实施例中所描述的空中环境数据可为一定时间内(例如，2小时、4小时、12小时或24小时等)的空中环境数据，该空中环境数据可为飞行区域内的空中环境数据，其中，该空中环境数据可包括飞行区域内的障碍物信息，例如，障碍物的位置信息，障碍物的大小信息等，飞行区域内全部飞行器的坐标信息，其中，飞行器可为飞机，飞行区域内的天气信息，飞行区域内的事件信息，例如，军事演习划分禁飞区域的事件等。
在本申请实施例中，可将所有飞行器经过的空中区域划分为若干个(多个)飞行区域(扇区)，每个飞行区域能够容纳若干飞行器。每个飞行区域的容量和飞行环境可能不同，在对空中交通流量进行管理时需要掌握每个飞行区域的容量和每个飞行区域内的飞行环境情况。空中环境数据可以反映飞行环境情况，可通过电子设备获取空中环境数据，包括禁飞区、云团和其他飞行器等障碍物。
其中，每个飞行区域的容量可为飞行区域内在保持飞行安全距离前提下，能容纳的最大飞行器数量，可根据实际情况具体设置容量阈值，并保证该飞行区域的飞行器数量不能超过该阈值。
需要说明的是，上述实施例中所描述的飞行区域有一个或多个特定的出入口。其中，一个飞机场可管理一个或多个飞行区域。
步骤S102，对空中环境数据进行预处理，以获取飞行区域的观测信息。
在本申请实施例中，可根据预设的预处理算法对空中环境数据进行预处理，以获取飞行区域的观测信息。其中，预设的预处理算法可根据实际情况进行标定。
具体地，电子设备在获取到空中环境数据之后，可根据预设的预处理算法对空中环境数据进行预处理，以获取飞行区域的观测信息。其中，该观测信息可包括飞行区域信息、飞行区域内的障碍物信息，以及进入飞行区域和待进入飞行区域的飞行器的相关信息等。
作为一种可能的情况，电子设备还可根据预处理模型对空中环境数据进行预处理，以获取飞行区域的观测信息。应说明的是，该实施例中所描述的预处理模型可以是提前训练好的，并将其预存在电子设备的存储空间中，以方便调取应用。
其中，该预处理模型的训练与生成均可由相关的训练服务器执行，该训练服务器可以是云端服务器，也可以是一台电脑的主机，该训练服务器与可执行申请实施例提供的空中交通流量管理方法的电子设备之间，建立有通信连接，该通信连接可以是无线网络连接和有线网络连接的至少一种。该训练服务器可将训练完成的预处理模型发送给该电子设备，以便该电子设备在需要时调用，从而大大减少该电子设备的计算压力。
具体地，电子设备在获取到空中环境数据之后，可从自身的存储空间中调出预处理模型，并将该空中环境数据输入至该预处理模型，从而通过该预处理模型预处理该空中环境数据，以得到该预处理模型输出的飞行区域的观测信息。
作为另一种可能的情况，电子设备还可使用预处理工具(例如，插件、仿真器等)，对空中环境数据进行预处理，以获取飞行区域的观测信息。
进一步地，在本申请实施例中，上述的飞行区域的观测信息可为多个时间片内的飞行区域的观测信息，其中，该时间片可为按照一定时间间隔(例如，每5分钟、10分钟或30分钟等为一个时间片)进行时间划分。
步骤S103，调用流量决策模型对观测信息进行处理以生成飞行区域的流量决策信息。
需要说明的是，该实施例中所描述的流量决策模型可以是提前训练好的，并将其预存在电子设备的存储空间中，以方便调取应用。
具体地，电子设备在获取到飞行区域的观测信息之后，可从自身的存储空间中调出流量决策模型，并将该飞行区域的观测信息输入该流量决策模型，从而通过该流量决策模型处理该飞行区域的观测信息，以得到该流量决策模型输出的该飞行区域的流量决策信息，进而为飞行器的流量管理提供依据和数据参考等。
其中，针对上述的流量决策模型，本申请可进行不定期的强化训练，从而不断优化该流量决策模型，进而提高该流量决策模型的精确度，提供更加精确合理的流量决策信息，进一步提高空中通行效率，避免出现空中交通拥堵。
需要说明的是，该实施例中所描述的流量决策信息可包括飞行区域的出入口的飞行器经过的时间/数量的限制、飞行器的实际起飞时间信息等。
步骤S104，根据流量决策信息对飞行区域内的飞行器进行流量管理。
具体地，电子设备在得到飞行区域的流量决策信息之后，可对该流量决策信息进行解析，并根据解析结果对飞行区域内的飞行器进行流量管理，例如，确定待起飞飞行器的实际起飞时间，控制飞行区域的出入口在一定时间内经过飞行器的数量等。
进一步地，在本申请实施例中，可根据上述流量决策信息管理一定时间内(例如，4小时)经过飞行区域出入口的飞行器数量和时间，判断是否允许飞行器进入下一个飞行区域的入口，并预测飞行器进入下一个飞行区域入口的时间等。
举例而言，若某个飞行区域的飞行器数量较多，密度较大，可根据流量决策信息对该飞行区域进行流量管理，禁止其他飞行区域的飞行器飞入该飞行区域，或者减少一定时间内飞入该飞行区域的飞行器数量，即，减小该飞行区域的入口流量，增大出口流量。
另外，该实施例的空中交通流量管理方法还可应用于机场，即，机场可作为一个飞行区域(扇区)，用于管理机场飞机的起飞和降落，可通过上述的方法计算出机场的流量决策信息，以管理机场出入口流量，判断是否允许机场飞机起飞，并预测机场飞机起飞的时间，若机场飞机累计12小时内无法起飞，则取消该航班。
进一步地，在本申请实施例中，电子设备可将流量决策信息利用相关的API(Application Programming Interface，应用程序接口)接口转换为仿真环境数据，并将该仿真环境数据通过相关的屏幕进行显示提供给相关的管制员，该管制员可根据显示的信息对飞行区域内的飞行器进行流量管理，例如，通过语音通信播报的方式通知相关飞行器的驾驶员。
在本申请实施例中，首先获取空中数据，并对空中环境数据进行预处理，以获取飞行区域的观测信息，然后调用流量决策模型对观测信息进行处理以生成飞行区域的流量决策信息，最后根据流量决策信息对飞行区域内的飞行器进行流量管理。由此，能够实现对空中交通有效的管理，提高空中通行效率，避免出现空中交通拥堵。
为了清楚说明上一实施例，在本申请的一个实施例中，获取空中环境数据，可包括通过仿真器模拟飞行区域内的飞行环境，以得到空中环境数据。应说明的是，该实施例中所描述的仿真器可实现基础物理环境。
在本申请实施例中，飞行器的飞行区域内可能会存在一些禁飞区(例如，军事演习区域，异常天气区域等)、云团和其他飞行器等障碍物，以及正在飞行或待进入的飞行器等。为了清楚地掌握飞行区域内的飞行环境情况，可通过仿真器进行模拟，将现实飞行环境的场景在仿真器中进行还原，即，将飞行区域的障碍物信息、飞行区域的飞行器信息等输入至仿真器中，该仿真器可根据上述的输入信息生成空中环境数据。由此，为流量决策提供充足的数据保障。
进一步地，在本申请实施例中，障碍物可能会按照一定的方向和速度(例如，km/h)进行移动，即，障碍物的位置(坐标信息)随着时间的移动而变化，即障碍物的信息是一个动态信息。因此，可按照一定时间间隔(例如，每5分钟、10分钟或30分钟等)模拟障碍物的动态信息，并将其输入至障碍物的。
作为一种可能的情况，在本申请实施例中，参见图2，仿真器模拟的仿真环境还可用于前端展示空中交通情况以及展示流控决策效果，例如，通过屏幕显示飞行区域内的所有飞行器、障碍物、飞行器的飞行轨迹、飞行时间和预测航线等视觉信息，从而能够通过仿真环境更加直观的了解空中交通情况和流控决策效果。
进一步地，在本申请的一个实施例中，如图3所示，对空中环境数据进行预处理，以获取飞行区域的观测信息，可包括：
步骤301，对空中环境数据进行解析，以获取飞行区域、飞行区域内的障碍物信息和飞行器的飞行时间。
在本申请实施例中，仿真器可通过相关的API接口实现对空中环境数据进行解析，以获取飞行区域、飞行区域内的障碍物信息和飞行器的飞行时间。
具体地，参见图2，电子设备在通过仿真器得到空中环境数据之后，还可通过仿真器中相关的API接口对对空中环境数据进行解析，以获取飞行区域、飞行区域内的障碍物信息和飞行器的飞行时间。
需要说明的是，该实施例中所描述的飞行器的飞行时间可为当天(模拟的日期)所有航班的飞行器的飞行时间，其中，该飞行时间可通过航班信息表获取。该实施例中所描述的飞行区域内的障碍物信息可包括障碍物的边界和顶点信息。
步骤302，将飞行区域网格化，以获取飞行区域内每个网格的坐标信息。
在本申请实施例中，为了明确飞行区域的位置信息，可将飞行区域网格化，以获取飞行区域内每个网格的坐标信息。应说明的是，该实施例中网格化得到的坐标信息，可以是经纬度信息为基准获取到的。
具体地，电子设备在获取到飞行区域、飞行区域内的障碍物信息和飞行器的飞行时间之后，可将飞行区域按照飞行器最小间隔(例如，30*30平方公里)进行网格化，以获取飞行区域内每个网格的坐标信息。其中，飞行器最小间隔可根据实际进行标定。
障碍物的坐标信息需要说明的是，该实施例中所描述的网格可根据需求自定义划分，此处不做任何限定。若飞行区域按照飞行器最小间隔进行网格化，则飞行器所处的网格内不允许出现其它飞行器，保证飞行器之间处于安全距离。
步骤303，根据障碍物信息和每个网格的坐标信息，计算障碍物的坐标信息。
在本申请实施例中，可根据障碍物的边界和顶点和每个网格的坐标信息计算障碍物的坐标信息。应说明的是，该实施例中所描述的障碍物可能为不规则图形，例如，云团，通过障碍物的边界和顶点在个网格的坐标信息可以计算得到障碍物的坐标信息，从而得到该障碍物在飞行区域的大小及位置。
具体地，电子设备在获取到飞行区域内每个网格的坐标信息之后，可根据障碍物的边界和定点信息，以及每个网格的坐标信息，计算障碍物的坐标信息，即障碍物的网格坐标信息。
进一步地，在本申请实施例中，障碍物可能会按照一定的方向和速度(例如，30km/h)进行移动，即，障碍物的位置(坐标信息)随着时间的移动而变化。由此，电子设备得到的障碍物的坐标信息可为多个时间片内障碍物的位置随着时间的移动而变化的坐标信息。
步骤304，根据每个网格的坐标信息、障碍物的坐标信息和飞行器的飞行时间，生成观测信息。
具体地，电子设备在得到障碍物的坐标信息之后，可根据每个网格的坐标信息、障碍物的坐标信息和飞行器的飞行时间，生成观测信息。由此，可为流量决策模型提供充足的输入信息，从而能够通过大数据以及流量决策模型综合考虑多方因素，进行综合决策，在确保空中通行安全的前提下最大程度提升空中通勤效率。
进一步地，每个飞行器受油耗和航班时间的影响在空中飞行的时间有限，除了考虑飞行区域出入口流量问题还需考虑飞行器飞行路径，更好飞行路径可保证飞行器的安全以及航班的准确性，在本申请的一个实施例中，如图4所示，该空中交通流量管理方法，还可包括：
步骤401，根据每个网格的坐标信息，获取飞行区域内正在飞行的飞行器的坐标信息。
具体地，参见图5，电子设备为了明确飞行区域内在飞行的飞行器的位置，可以标注飞行区域内正在飞行的飞行器在每个网格的坐标信息。应说明的是，飞行器会按照一定的方向和速度(例如，900km/h)进行移动，即，飞行器的位置(坐标信息)随着时间的移动而变化。由此，电子设备得到的飞行器的坐标信息可为多个时间片内飞行器的位置随着时间的移动而变化的坐标信息。
步骤402，根据正在飞行的飞行器的坐标信息、障碍物的坐标信息和流量决策信息，生成寻路输入信息。
步骤403，调用寻路模型对寻路输入信息进行处理以生成飞行区域的寻路信息。
需要说明的是，该实施例中所描述的流量决策模型可以是提前训练好的，并将其预存在电子设备的存储空间中，以方便调取应用。
具体地，参加图5，电子设备在获取到飞行区域内正在飞行的飞行器的坐标信息之后，可先根据正在飞行的飞行器的坐标信息、障碍物的坐标信息和流量决策信息，生成寻路输入信息，并可从自身的存储空间中调出寻路模型，以及将该寻路输入信息输入该寻路模型，从而通过该寻路模型处理该寻路输入信息，以得到该寻路模型输出的该飞行区域的寻路信息，进而为该飞行区域内的飞行器的飞行路径提供依据和数据参考等。
需要说明的是，该实施例中所描述的寻路模型可以飞行区域(扇区)为单位，统计不同方向飞行器进入扇区的先后顺序，按照进入扇区的先后顺序，依次对飞行器进行寻路。其中，该寻路模型可通过一下步骤进行寻路：
①、飞行器所在网格可以选择向邻接的8个网格移动(上、下、左、右、左上、左下、右上、右下)，航线路过的网格是寻路出口；
②、寻路的路线飞行器不能进入障碍物区域，并且任意两架飞机的航线不能在同一时间片中出现在同一个格子内；
③、当飞行器由于流控策略/云团遮挡，扇区无法找到出口时，在原始网格或等待点附近停留，模拟飞行器空中盘旋的业务场景；
④、在出发机场的飞行器的起飞状态，由邻近扇区寻路结果决定，若无结果时，飞行器在出发机场等待，模拟飞行器就地等待业务场景，计算总耗时，不计算最小安全距离。
步骤404，根据寻路信息对飞行区域内的飞行器进行路径规划。
具体地，参见图5，电子设备在得到寻路模型输出的该飞行区域的寻路信息之后，可对该寻路信息进行解析，并根据该解析结果对飞行区域内的飞行器进行路径规划，例如，确定飞行器的最佳飞行路径。
进一步地，在本申请实施例中，参见图5，可将寻路信息利用相关的API接口转换为仿真寻路数据，并将该仿真寻路数据通过相关的屏幕进行显示提供给相关的管制员，该管制员可根据显示的信息对飞行区域内的飞行器进行路径规划，例如，通过语音通信播报的方式通知相关飞行器的驾驶员。
由此，能够实现为飞行器在飞行区域内寻找最佳路径，进一步提高空中交通的通勤效率。
在本申请的一个实施例中，如图6所示，流量决策模型可通过以下方式生成：
步骤601，获取样本观测信息和样本观测信息对应的标签信息。
在本申请实施例中，流量决策模型可通过不断的训练得到优化，以生成更精确的流量决策策略，而流量决策模型的训练需要训练样本。其中，获取样本观测信息的途径有多条，例如，可通过仿真器来获取样本观测信息，或者通过获取飞行器的真实飞行数据以及飞行区域的真实环境信息来获取样本观测信息。
具体地，在获取到样本观测信息之后，还可获取样本观测信息对应的标签信息，其中，该标签信息可包括但不限于飞行区域内飞行器的总耗时、累计航程、航线偏离度和最小安全距离。
需要说明的是，该实施例中所描述的标签信息可为相关人员直接人工标定的，或者通过相关的工具进行标定的，此处不做任何限定。
步骤602，将样本观测信息输入流量决策模型以生成预测的流量决策信息。
步骤603，根据预测的流量决策信息和标签信息生成损失值，并根据损失值对流量决策模型进行训练。
具体地，在获取到样本观测信息和样本观测信息对应的标签信息之后，可将样本观测信息输入流量决策模型以生成预测的流量决策信息，并根据预测的流量决策信息和标签信息生成损失值，以及根据损失值对流量决策模型进行训练，从而优化流量决策模型，提高处理的准确度。
图7是本申请实施例提供的一种空中交通流量管理装置的方框示意图。
本申请实施例的空中交通流量管理装置，可配置于电子设备中，以实现对获取到的空中环境数据进行预处理，以获取飞行区域的观测信息，并调用流量决策模型对观测信息进行处理以生成飞行区域的流量决策信息，以及根据流量决策信息对飞行区域内的飞行器进行流量管理，从而能够实现对空中交通有效的管理，提高空中通行效率，避免出现空中交通拥堵。
如图7所示，该空中交通流量管理装置700包括：第一获取模型710、预处理模型720、第一处理模型730和管理模型740。
其中，第一获取模型710用于获取空中环境数据。
需要说明的是，该实施例中所描述的空中环境数据可为一定时间内(例如，2小时、4小时、12小时或24小时等)的空中环境数据，该空中环境数据可为飞行区域内的空中环境数据，其中，该空中环境数据可包括飞行区域内的障碍物信息，例如，障碍物的位置信息，障碍物的大小信息等，飞行区域内全部飞行器的坐标信息，其中，飞行器可为飞机，飞行区域内的天气信息，飞行区域内的事件信息，例如，军事演习划分禁飞区域的事件等。
在本申请实施例中，可将所有飞行器经过的空中区域划分为若干个(多个)飞行区域(扇区)，每个飞行区域能够容纳若干飞行器。每个飞行区域的容量和飞行环境可能不同，在对空中交通流量进行管理时需要掌握每个飞行区域的容量和每个飞行区域内的飞行环境情况。空中环境数据可以反映飞行环境情况，可通过第一获取模型710获取空中环境数据，包括禁飞区、云团和其他飞行器等障碍物。
其中，每个飞行区域的容量可为飞行区域内在保持飞行安全距离前提下，能容纳的最大飞行器数量，可根据实际情况具体设置容量阈值，并保证该飞行区域的飞行器数量不能超过该阈值。
需要说明的是，上述实施例中所描述的飞行区域有一个或多个特定的出入口。其中，一个飞机场可管理一个或多个飞行区域。
预处理模型720用于对空中环境数据进行预处理，以获取飞行区域的观测信息。
在本申请实施例中，可根据预设的预处理算法对空中环境数据进行预处理，以获取飞行区域的观测信息。其中，预设的预处理算法可根据实际情况进行标定。
具体地，在第一获取模型710获取到空中环境数据之后，预处理模型720可根据预设的预处理算法对空中环境数据进行预处理，以获取飞行区域的观测信息。其中，该观测信息可包括飞行区域信息、飞行区域内的障碍物信息，以及进入飞行区域和待进入飞行区域的飞行器的相关信息等。
作为一种可能的情况，预处理模型720还可根据预处理模型对空中环境数据进行预处理，以获取飞行区域的观测信息。应说明的是，该实施例中所描述的预处理模型可以是提前训练好的，并将其预存在电子设备的存储空间中，以方便调取应用。
其中，该预处理模型的训练与生成均可由相关的训练服务器执行，该训练服务器可以是云端服务器，也可以是一台电脑的主机，该训练服务器与可执行申请实施例提供的空中交通流量管理方法的电子设备之间，建立有通信连接，该通信连接可以是无线网络连接和有线网络连接的至少一种。该训练服务器可将训练完成的预处理模型发送给该电子设备，以便该电子设备在需要时调用，从而大大减少该电子设备的计算压力。
具体地，在第一获取模型710获取到空中环境数据之后，预处理模型720可从电子设备的存储空间中调出预处理模型，并将该空中环境数据输入至该预处理模型，从而通过该预处理模型预处理该空中环境数据，以得到该预处理模型输出的飞行区域的观测信息。
作为另一种可能的情况，预处理模型720还可使用预处理工具(例如，插件、仿真器等)，对空中环境数据进行预处理，以获取飞行区域的观测信息。
进一步地，在本申请实施例中，上述的飞行区域的观测信息可为多个时间片内的飞行区域的观测信息，其中，该时间片可为按照一定时间间隔(例如，每5分钟、10分钟或30分钟等为一个时间片)进行时间划分。
第一处理模型730用于调用流量决策模型对观测信息进行处理以生成飞行区域的流量决策信息。
需要说明的是，该实施例中所描述的流量决策模型可以是提前训练好的，并将其预存在电子设备的存储空间中，以方便调取应用。
具体地，在预处理模型720获取到飞行区域的观测信息之后，第一处理模型730可从电子设备的存储空间中调出流量决策模型，并将该飞行区域的观测信息输入该流量决策模型，从而通过该流量决策模型处理该飞行区域的观测信息，以得到该流量决策模型输出的该飞行区域的流量决策信息，进而为飞行器的流量管理提供依据和数据参考等。
其中，针对上述的流量决策模型，本申请可进行不定期的强化训练，从而不断优化该流量决策模型，进而提高该流量决策模型的精确度，提供更加精确合理的流量决策信息，进一步提高空中通行效率，避免出现空中交通拥堵。
需要说明的是，该实施例中所描述的流量决策信息可包括飞行区域的出入口的飞行器经过的时间/数量的限制、飞行器的实际起飞时间信息等。
管理模型740用于根据流量决策信息对飞行区域内的飞行器进行流量管理。
具体地，在第一处理模型730得到飞行区域的流量决策信息之后，管理模型740可对该流量决策信息进行解析，并根据解析结果对飞行区域内的飞行器进行流量管理，例如，确定待起飞飞行器的实际起飞时间，控制飞行区域的出入口在一定时间内经过飞行器的数量等。
进一步地，在本申请实施例中，管理模型740可根据上述流量决策信息管理一定时间内(例如，4小时)经过飞行区域出入口的飞行器数量和时间，判断是否允许飞行器进入下一个飞行区域的入口，并预测飞行器进入下一个飞行区域入口的时间等。
举例而言，若某个飞行区域的飞行器数量较多，密度较大，可根据流量决策信息对该飞行区域进行流量管理，禁止其他飞行区域的飞行器飞入该飞行区域，或者减少一定时间内飞入该飞行区域的飞行器数量，即，减小该飞行区域的入口流量，增大出口流量。
另外，该实施例的空中交通流量管理装置还可应用于机场，即，机场可作为一个飞行区域(扇区)，用于管理机场飞机的起飞和降落，可通过上述的方法计算出机场的流量决策信息，以管理机场出入口流量，判断是否允许机场飞机起飞，并预测机场飞机起飞的时间，若机场飞机累计12小时内无法起飞，则取消该航班。
进一步地，在本申请实施例中，管理模型740可将流量决策信息利用相关的API(Application Programming Interface，应用程序接口)接口转换为仿真环境数据，并将该仿真环境数据通过相关的屏幕进行显示提供给相关的管制员，该管制员可根据显示的信息对飞行区域内的飞行器进行流量管理，例如，通过语音通信播报的方式通知相关飞行器的驾驶员。
在本申请实施例中，首先通过第一获取模块获取空中数据，并通过预处理模块对空中环境数据进行预处理，以获取飞行区域的观测信息，然后通过第一处理模块调用流量决策模型对观测信息进行处理以生成飞行区域的流量决策信息，最后通过管理模块根据流量决策信息对飞行区域内的飞行器进行流量管理。由此，能够实现对空中交通有效的管理，提高空中通行效率，避免出现空中交通拥堵。
在本申请的一个实施例中，第一获取模块710具体用于通过仿真器模拟飞行区域内的飞行环境，以得到环境数据。
在本申请的一个实施例中，预处理模块710，具体用于：对空中环境数据进行解析，以获取飞行区域、飞行区域内的障碍物信息和飞行器的飞行时间；将飞行区域网格化，以获取飞行区域内每个网格的坐标信息；根据障碍物信息和每个网格的坐标信息，计算障碍物的坐标信息；根据每个网格的坐标信息、障碍物的坐标信息和飞行器的飞行时间，生成观测信息。
在本申请的一个实施例中，如图7所示，空中交通流量管理装置700还包括：第二获取模块750、生成模块760、第二处理模块770和路径规划模块780。
其中，第二获取模块750，用于根据每个网格的坐标信息，获取飞行区域内正在飞行的飞行器的坐标信息；
生成模块760，用于根据正在飞行的飞行器的坐标信息、障碍物的坐标信息和流量决策信息，生成寻路输入信息；
第二处理模块770，用于调用寻路模型对寻路输入信息进行处理以生成飞行区域的寻路信息；
路径规划模块780，用于根据寻路信息对飞行区域内的飞行器进行路径规划。
在本申请的一个实施例中，空中交通流量管理装置700还包括训练模块790，其中，训练模块790用于通过以下方式生成流量决策模型：
获取样本观测信息和样本观测信息对应的标签信息；
将样本观测信息输入流量决策模型以生成预测的流量决策信息；
根据预测的流量决策信息和标签信息生成损失值，并根据损失值对流量决策模型进行训练。
需要说明的是，前述对空中交通流量管理方法实施例的解释说明也适用于该实施例的空中交通流量管理装置，此处不再赘述。
本申请实施例的空中交通流量管理装置，，首先通过第一获取模块获取空中数据，并通过预处理模块对空中环境数据进行预处理，以获取飞行区域的观测信息，然后通过第一处理模块调用流量决策模型对观测信息进行处理以生成飞行区域的流量决策信息，最后通过管理模块根据流量决策信息对飞行区域内的飞行器进行流量管理。由此，能够实现对空中交通有效的管理，提高空中通行效率，避免出现空中交通拥堵。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本申请的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如空中交通流量管理方法。例如，在一些实施例中，空中交通流量管理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的空中交通流量管理方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行空中交通流量管理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (10)
1.一种空中交通流量管理方法，包括：
获取空中环境数据；
对所述空中环境数据进行预处理，以获取飞行区域的观测信息；
调用流量决策模型对所述观测信息进行处理以生成所述飞行区域的流量决策信息；以及
根据所述流量决策信息对所述飞行区域内的飞行器进行流量管理；
其中，所述观测信息包括所述飞行区域的信息、所述飞行区域内的障碍物信息和进入所述飞行区域和待进入所述飞行区域的飞行器的相关信息；
所述流量决策信息包括所述飞行区域的出入口的飞行器经过的时间/数量的限制、所述飞行器的实际起飞时间信息；
所述流量决策模型通过以下方式生成：
获取样本观测信息和所述样本观测信息对应的标签信息；
将所述样本观测信息输入所述流量决策模型以生成预测的流量决策信息；
根据所述预测的流量决策信息和所述标签信息生成损失值，并根据所述损失值对所述流量决策模型进行训练。
2.根据权利要求1所述的方法，其中，所述获取空中环境数据，包括：
通过仿真器模拟所述飞行区域内的飞行环境，以得到所述空中环境数据。
3.根据权利要求1所述的方法，其中，所述对所述空中环境数据进行预处理，以获取飞行区域的观测信息，包括：
对所述空中环境数据进行解析，以获取所述飞行区域、所述飞行区域内的障碍物信息和飞行器的飞行时间；
将所述飞行区域网格化，以获取所述飞行区域内每个网格的坐标信息；
根据所述障碍物信息和所述每个网格的坐标信息，计算所述障碍物的坐标信息；
根据所述每个网格的坐标信息、所述障碍物的坐标信息和所述飞行器的飞行时间，生成所述观测信息。
4.根据权利要求3所述的方法，还包括：
根据所述每个网格的坐标信息，获取所述飞行区域内正在飞行的飞行器的坐标信息；
根据所述正在飞行的飞行器的坐标信息、所述障碍物的坐标信息和所述流量决策信息，生成寻路输入信息；
调用寻路模型对所述寻路输入信息进行处理以生成所述飞行区域的寻路信息；
根据所述寻路信息对所述飞行区域内的飞行器进行路径规划。
5.一种空中交通流量管理装置，包括：
第一获取模块，用于获取空中环境数据；
预处理模块，用于对所述空中环境数据进行预处理，以获取飞行区域的观测信息；
第一处理模块，用于调用流量决策模型对所述观测信息进行处理以生成所述飞行区域的流量决策信息；以及
管理模块，用于根据所述流量决策信息对所述飞行区域内的飞行器进行流量管理；
其中，所述观测信息包括所述飞行区域的信息、所述飞行区域内的障碍物信息和进入所述飞行区域和待进入所述飞行区域的飞行器的相关信息；
所述流量决策信息包括所述飞行区域的出入口的飞行器经过的时间/数量的限制、所述飞行器的实际起飞时间信息；
所述装置还包括训练模块，用于通过以下方式生成所述流量决策模型：
获取样本观测信息和所述样本观测信息对应的标签信息；
将所述样本观测信息输入所述流量决策模型以生成预测的流量决策信息；
根据所述预测的流量决策信息和所述标签信息生成损失值，并根据所述损失值对所述流量决策模型进行训练。
6.根据权利要求5所述的装置，其中，所述第一获取模块，具体用于：
通过仿真器模拟所述飞行区域内的飞行环境，以得到所述空中环境数据。
7.根据权利要求5所述的装置，其中，所述预处理模块，具体用于：
对所述空中环境数据进行解析，以获取所述飞行区域、所述飞行区域内的障碍物信息和飞行器的飞行时间；
将所述飞行区域网格化，以获取所述飞行区域内每个网格的坐标信息；
根据所述障碍物信息和所述每个网格的坐标信息，计算所述障碍物的坐标信息；
根据所述每个网格的坐标信息、所述障碍物的坐标信息和所述飞行器的飞行时间，生成所述观测信息。
8.根据权利要求7所述的装置，还包括：
第二获取模块，用于根据所述每个网格的坐标信息，获取所述飞行区域内正在飞行的飞行器的坐标信息；
生成模块，用于根据所述正在飞行的飞行器的坐标信息、所述障碍物的坐标信息和所述流量决策信息，生成寻路输入信息；
第二处理模块，用于调用寻路模型对所述寻路输入信息进行处理以生成所述飞行区域的寻路信息；
路径规划模块，用于根据所述寻路信息对所述飞行区域内的飞行器进行路径规划。
9.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的空中交通流量管理方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-4中任一项所述的空中交通流量管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110738501.XA CN113570910B (zh) | 2021-06-30 | 2021-06-30 | 空中交通流量管理方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110738501.XA CN113570910B (zh) | 2021-06-30 | 2021-06-30 | 空中交通流量管理方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113570910A CN113570910A (zh) | 2021-10-29 |
| CN113570910B true CN113570910B (zh) | 2022-09-27 |
Family
ID=78163193
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110738501.XA Active CN113570910B (zh) | 2021-06-30 | 2021-06-30 | 空中交通流量管理方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113570910B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114550505B (zh) * | 2022-01-21 | 2023-08-04 | 北京大学 | 一种基于立体剖分网格的动态低空空域网格流量管理方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4706198A (en) * | 1985-03-04 | 1987-11-10 | Thurman Daniel M | Computerized airspace control system |
| CN102074126A (zh) * | 2011-01-19 | 2011-05-25 | 清华大学 | 基于历史雷达数据的空中交通流量分析系统与方法 |
| CN109448445A (zh) * | 2018-09-05 | 2019-03-08 | 南京航空航天大学 | 基于长短期记忆神经网络的航班延误分级预警方法 |
| CN110648560A (zh) * | 2019-09-27 | 2020-01-03 | 中国民用航空飞行学院 | 一种基于分布式决策模型的fab的流量管理方法 |
| CN110728857A (zh) * | 2019-10-21 | 2020-01-24 | 飞牛智能科技（南京）有限公司 | 一种基于可垂直起降无人机的低空隔离空域交通管理方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100483477C (zh) * | 2007-12-20 | 2009-04-29 | 四川川大智胜软件股份有限公司 | 基于实时雷达和飞行情报的短期空中交通流量预测方法 |
| JP7036013B2 (ja) * | 2016-08-18 | 2022-03-15 | 日本電気株式会社 | 航空管制支援システム、航空管制支援方法、及び、プログラム |
| WO2020103034A1 (zh) * | 2018-11-21 | 2020-05-28 | 深圳市道通智能航空技术有限公司 | 一种无人机路径规划方法、装置及无人机 |
| US11054280B2 (en) * | 2018-11-30 | 2021-07-06 | International Business Machines Corporation | Displaying weather-based flight information in vertical profile |
| US11645927B2 (en) * | 2019-07-22 | 2023-05-09 | The Boeing Company | Predictive flight diversion management |
| CN110633875A (zh) * | 2019-11-20 | 2019-12-31 | 南京萨利智能科技有限公司 | 航路流量预测方法、装置及计算机存储介质 |
-
2021
- 2021-06-30 CN CN202110738501.XA patent/CN113570910B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4706198A (en) * | 1985-03-04 | 1987-11-10 | Thurman Daniel M | Computerized airspace control system |
| CN102074126A (zh) * | 2011-01-19 | 2011-05-25 | 清华大学 | 基于历史雷达数据的空中交通流量分析系统与方法 |
| CN109448445A (zh) * | 2018-09-05 | 2019-03-08 | 南京航空航天大学 | 基于长短期记忆神经网络的航班延误分级预警方法 |
| CN110648560A (zh) * | 2019-09-27 | 2020-01-03 | 中国民用航空飞行学院 | 一种基于分布式决策模型的fab的流量管理方法 |
| CN110728857A (zh) * | 2019-10-21 | 2020-01-24 | 飞牛智能科技（南京）有限公司 | 一种基于可垂直起降无人机的低空隔离空域交通管理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113570910A (zh) | 2021-10-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11501039B2 (en) | Optimizing aircraft flows at airports using data driven predicted capabilities | |
| Erzberger et al. | Automated conflict resolution, arrival management, and weather avoidance for air traffic management | |
| Bennell et al. | Airport runway scheduling | |
| Čokorilo et al. | Aircraft safety analysis using clustering algorithms | |
| Cruciol et al. | Reward functions for learning to control in air traffic flow management | |
| Netjasov et al. | Developing a generic metric of terminal airspace traffic complexity | |
| US9310204B2 (en) | Route modeler for improving desired environmental and economic flight characteristics | |
| US20160210868A1 (en) | Integrated departure and arrival management for airport runways | |
| CN106927056A (zh) | 飞行器中的气象数据的显示 | |
| CN113470439B (zh) | 基于人工智能的中小机场管制冲突解决方法及系统 | |
| US20210125512A1 (en) | Aircraft parking stand assignment prediction | |
| Cook et al. | Complexity science in air traffic management | |
| CN114494776A (zh) | 一种模型训练方法、装置、设备以及存储介质 | |
| CN113570910B (zh) | 空中交通流量管理方法、装置和电子设备 | |
| Kochenderfer et al. | A comprehensive aircraft encounter model of the national airspace system | |
| US10283001B2 (en) | Optimizing real-time and planned air-traffic | |
| CN113706931B (zh) | 空域的流控策略推荐方法、装置、电子设备及存储介质 | |
| Yang et al. | Stochastic scheduling of ground movement problem integrated with taxiway routing and gate/stand allocation | |
| CN116518979B (zh) | 一种无人机路径规划方法、系统、电子设备及介质 | |
| US20170254658A1 (en) | Fuel consumption predictions using associative memories | |
| Schmitt et al. | Simulation-supported aviation cyber-security risk analysis: a case study | |
| Laurain et al. | Design of an on-board 3D weather situation awareness system | |
| Clark et al. | The use of aircraft tracking GPS data to develop models of the use of airtankers in forest fire management | |
| CN113627781A (zh) | 任务信息生成方法、装置、设备、存储介质和程序产品 | |
| Bouarfa et al. | Airport Performance Modeling using an agent-based Approach |
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 |