CN114078339B - 基于飞行趋势推理的时空概率分布网格飞行冲突检测方法 - Google Patents
基于飞行趋势推理的时空概率分布网格飞行冲突检测方法 Download PDFInfo
- Publication number
- CN114078339B CN114078339B CN202210013478.2A CN202210013478A CN114078339B CN 114078339 B CN114078339 B CN 114078339B CN 202210013478 A CN202210013478 A CN 202210013478A CN 114078339 B CN114078339 B CN 114078339B
- Authority
- CN
- China
- Prior art keywords
- model
- flight
- aircraft
- trend
- point
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/04—Anti-collision 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)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于飞行趋势推理的时空概率分布网格飞行冲突检测方法。针对气象变化、航路动态调整、飞行员操作等多种不确定因素对航空器运动产生干扰的问题,本发明在获取当前空中状态估计的基础上,结合趋势推理和动力学理论揭示空中交通流时变规律,进一步通过构建对栅格化的管制空域进行时空概率分布计算,实现复杂空域环境中多航空器之间以及航空器与空域之间的高效检测,本发明该方法实现了对传统航迹推算模型的优势互补,提升了不确定多因素共同扰动下航迹精细化表征的稳定性和鲁棒性,对于提高空中交通运行效能,保障空中运行安全具有重要意义。
Description
技术领域
本发明属于航空器飞行趋势判断和冲突探测领域,具体涉及一种基于飞行趋势推理的时空概率分布网格飞行冲突检测方法。
背景技术
随着经济和社会水平的不断提升,航空运输因其灵活、高效、便捷的特点,需求不断提高。日益增长的航空运输需求带来空中交通流量的持续增加,一方面加大了航空器冲突风险,另一方面,也导致飞行航路更加拥挤,航班延误愈加严重,进而降低空中交通系统的运行效率。因此,不断探索新技术和新方法在空中交通管理上的应用,及时可靠地探测到潜在的冲突,预防航空器碰撞并保障日益密集的空域环境内航空器运行安全,缩小飞行间隔,始终是航空业发展最为关注的问题之一。
航空器飞行冲突是指在飞行过程中,航空器之间的占有空间发生重叠,重叠区域的大小不同,航空器的危险程度也不同。利用飞行计划及当前时刻的航行诸元预测航空器未来时刻的位置,判断航空器可能存在空间以及航空器之间的间隔是否小于规定的安全值是飞行冲突探测的主要研究内容。近年来,随着空域流量压力的持续增加,飞行冲突探测成为研究热点课题。从已有的飞行冲突探测方法来看,根据探测结果的不同,大致可将飞行探测方法分为确定型(也称几何型)和概率型两种类型。
(1)确定型飞行冲突探测方法
确定型冲突探测方法是根据航空器当前航迹(包括位置、速度等),不考虑其他因素的影响,预测航空器未来航迹并判断是否有冲突发生。该方法的基本思想是根据航空器的预估航迹判断航空器在相遇几何空间内是否存在潜在飞行冲突。确定型方法的特点是以航空器安全间隔为考虑基础,但其他影响因素综合较少,导致精确性较低,存在报警不合理的现象。
(2)概率型飞行冲突探测方法
概率型飞行冲突探测方法是根据预测航迹的期望和误差分布,能够计算得到航空器未来发生冲突的可能性,即航空器的冲突概率。由于风、导航、制导等各种误差的存在,对比确定型航迹预测方法,概率型航空器飞行航迹预测更能够真实地反映航空器实际运行状态。航空器冲突概率是对航空器发生冲突的可能性的量化,是冲突规避的核心。当不确定性变得太复杂而无法推导出确切的概率表达式时,学者们又开始拓展蒙特卡罗模拟方法。但是蒙特卡洛方法计算量很大,不能应用于实际空管系统中。总而言之,概率型冲突探测方法是基于未来某段时间冲突概率的计算,能有效量化冲突发生可能性,普适性较高,但是计算量大,效率较低,容易出现漏警、虚警等现象。
现有的两类方法在进行冲突探测时有利有弊,而多架航空器存在时,计算复杂度指数级上升,两类方法应用时都将会面临计算效率等问题,给复杂空域大批次航班运行飞行冲突探测问题的解决带来了局限性。现有方法主要问题如下:
(1)传统的飞行中长期冲突探测方法仅考虑了距离对飞行冲突的影响,很少考虑飞行趋势对航空器的影响,有必要综合飞行趋势和飞行计划在时间和空间维度的共同约束,提出一种新的概率型的航迹预测方法。
(2)现有的研究方法大多针对两航空器的情况,部分研究多航空器的情况时也是先算两航空器,然后将两航空器的保护区视为一个整体,在此基础上探索第三航空器的情况。针对两航空器冲突模型的算法,在用于多航空器冲突计算时运算难度有所提高,效率大大降低。
(3)现有关于冲突探测与解脱的研究多是针对航空器之间的,较少考虑限制航空器进入的特殊空域、危险天气影响空域等。
因此,结合飞行趋势判断和航班飞行计划,提出可以解决多航空器之间以及航空器与特殊空域之间的飞行冲突探测方法是有必要且重要的。
发明内容
本发明的目的在于解决空中交通飞行安全保障重点问题,提供了一种基于飞行趋势推理的时空概率分布网格飞行冲突检测方法。该方法在获取当前空中状态估计的基础上,结合趋势推理和动力学理论揭示空中交通流时变规律,进一步通过构建对栅格化的管制空域进行时空概率分布计算,实现复杂空域环境中多航空器之间以及航空器与空域之间的高效检测,对于提高空中交通运行效能,保障空中运行安全具有重要意义。
本发明的技术方案如下:
本发明提供了一种基于飞行趋势推理的时空概率分布网格飞行冲突检测方法,其包括如下步骤:
1)将星基协同监视信息进行数据预处理,提取出航空器飞行的实时动态信息,获取当前空域中航空器运行状态估计;
2)提取ADS-B系统监视报告中反映当前航空器飞行意图的信息,将当前状态与监视报告信息相结合对飞行趋势进行概率性推理,寻找当前概率最大的趋势模型,推测出飞行趋势;
3)结合飞行趋势推理结果和飞行计划信息,构造航空器未来一段时间的飞行模型组合,依据飞行动力学理论对航空器飞行模型进行计算,结合航空器所在位置处的气象风信息,推算出航空器未来一段时间的四维航迹精细化表征结果;
4)采用规则立方体结构对管制空域进行栅格化网格划分,使用经纬度、高度、时间四个变量对每个网格进行标记;对时空冲突空域的网格进行时间和空间上的受限建模和危险概率标记;
5)计算获取航空器未来一段表征时间范围内位置预测误差椭圆范围,并对航空器未来一段时间的推算位置误差在经纬度、时间上作高斯分布假设,计算出航空器在管制空域网格内出现的联合概率密度;
6)利用计算出的每个航空器在管制空域网格内出现的联合概率密度,计算出管制空域各时空分布网格内的飞行冲突情况。
作为本发明的优选方案,所述的寻找概率最大的趋势模型,具体为:
对水平维度的趋势模型,当前航向角与候选模型所在向量的航向角比较,设趋势模型航向角和当前航空器航向角之间的差值服从正态分布规律,利用正态分布假设计算出对应的模型概率;
在垂直方向上,利用当前高度和目标高度信息,设趋势模型爬升/下降率和当前航空器爬升/下降率之间的差值服从正态分布规律,利用正态分布假设计算出对应的模型概率;
在速度方向上,利用当前速度和目标速度信息,设趋势模型加速度和当前航空器加速度之间的差值服从正态分布规律,利用正态分布假设计算出对应的模型概率;
当在空间域上对模型进行趋势推理出现概率相同的情况时,选取时间域进行判断,即设当前时刻至趋势模型到达目标航路点的时长服从正态分布,利用正态分布假设计算出模型概率;
对上述得到的模型概率进行加权计算,最终选择概率最大的模型作为唯一的趋势模型。
作为本发明的优选方案,设根据飞行计划得到的运动模型组合为:自航路点P1点采用运动模型M1到达航路点P2,自航路点P2开始采用运动模型M2至航路点P3;
且设当前航空器所在位置点为N点,且按照步骤2)获取到N点的趋势模型为M0,则有:
1)若飞行趋势推理结果显示下一目标航路点为起飞机场或目的机场,则从当前位置N点起按照趋势模型计算后续飞行航迹;
2)若飞行趋势推理结果显示下一目标航路点不是机场,则从当前位置N点起先按照趋势模型计算航迹推算,若计算出的航迹点位置在航路点P2点附近一定阈值内,则认为已过该P2点,依次遍历所有航路点;假设该步骤计算出航空器已过P2点,则后续航空器在完成趋势模型M0后,按照P2至P3的运动模型M2运动至P3;若未过P2点,则后续在完成趋势模型M0后,按照运动模型M1运动至P2,P2之后采用运动模型M2到达P3。
作为本发明的优选方案,所述的步骤3)中,利用运动模型、趋势模型和过渡模型,并耦合环境风信息,依据飞行动力学理论计算获取航空器四维航迹预测结果,即未来每单位间隔时间点的航空器水平位置和高度信息。
与现有技术相比,本发明针对气象变化、航路动态调整、飞行员操作等多种不确定因素对航空器运动产生干扰的问题,通过当前基于航空器飞行状态、监视报告等进行模式识别推测运动趋势模型组,并耦合动力学参数、气象高空风矢量修正等设计出一种基于飞行趋势推理的时空概率分布网格飞行冲突检测方法。该方法实现了对传统航迹推算模型的优势互补,提升了不确定多因素共同扰动下航迹精细化表征的稳定性和鲁棒性,并采用分步计算方式保证了算法运行效率,为空域运行流量精准管控提供一个新思路。
附图说明
图1为本发明基于飞行趋势推理的时空概率分布网格飞行冲突检测方法的总体流程示意图。
图2为本发明航迹精细化表征流程设计图。
图3 为本发明飞行模型组合示意图。
图4 为本发明空域栅格化示意图。
具体实施方式
下面结合具体实施方式对本发明做进一步阐述和说明。本发明中各个实施方式的技术特征在没有相互冲突的前提下,均可进行相应组合。
如图1所示,本发明的总体流程为:基于星基监视信息获取当前飞行状态估计,并进行飞行趋势推理,基于推理获得的飞行趋势模型和航班飞行计划,运用飞行动力学理论获取不确定多因素条件下航空器未来一段时间的航迹进行精细化表征,之后设计使用栅格化的空域网格,对存在障碍物、危险气象以及其他特殊空域的网格进行时间和空间上的受限情况标记,结合航空器飞行航迹预测结果计算网格内时空概率分布,实现飞行冲突情况的准确探测。
结合本发明的一个具体实施例,本发明所述的基于飞行趋势推理的时空概率分布网格飞行冲突检测方法的实施流程包括如下步骤:
1)将ADS-B(Automatic Dependent Surveillance-Broadcast)和TIS-B(TrafficInformation Service-Broadcast)等星基协同监视信息进行数据预处理,通过基于机动特征自适应识别的数据融合算法,提取出航空器飞行的实时动态信息,包括航空器的位置、速度等,获取对当前空域中航空器运行状态估计。
2)在上述实现当前运动状态估计的基础上,进一步提取ADS-B系统监视报告中的目标状态(TS)报告和下一个航迹改变点(TCP+1)报告等反映当前航空器飞行意图的信息,将当前状态与监视报告信息相结合对飞行趋势进行概率性推理,即寻找概率最大的趋势模型,利用正态分布假设,在时间域和空间域进行综合判断,推测所选模型概率是否最大,时间域指基于到达趋势模型终点的时间去判断,空间域则指基于当前的运动状态去判断。最终选择概率最大的趋势模型作为唯一的趋势模型,推测出目标运动趋势。
3)进一步在获取航空器当前状态估计和趋势推理结果之后,构造航空器未来一段时间的飞行模型组合,依据飞行动力学理论对飞行模型进行计算,结合航空器所在位置处的气象风信息,推算出航空器未来一段时间的四维航迹精细化表征结果。
4)进一步考虑特殊空域、飞行受限空域、时空潜在冲突域等时空区域的形状不规则问题,在对航空器飞行冲突探测进行之前,根据航空安全间隔标准,考虑计算精度和计算速度的平衡,采用规则立方体结构对管制空域进行栅格化网格划分,使用经纬度、高度、时间四个变量对每个网格进行标记。对存在障碍物、危险气象以及其他特殊空域的网格进行时间和空间上的受限建模和危险概率标记。
5) 进一步结合步骤2)中获得的航空器未来一段时间的四维航迹精细化表征结果以及步骤3)中获得的各管制空域网格的时空受限情况,采用概率学方法对航空器飞行航迹推算结果进行时空分布网格概率计算。通过计算获取航空器未来一段表征时间范围内位置预测误差椭圆范围,并对航空器未来一段时间的推算位置误差在经纬度、时间上作高斯分布假设,计算出航空器在管制空域网格内出现的联合概率密度。
6)进一步利用计算出的每个航空器在管制空域网格内出现的联合概率密度,利用概率学理论,计算出管制空域各时空分布网格内的飞行冲突情况。具体方法为:假设两类事件(航空器飞入或空域占用)过程为独立事件,则同一时刻在某区域网格内出现事件冲突的概率为各自概率的乘积。通过获取网格概率分布,实现对空域冲突的有效探测。
图2示出了本发明的航迹精细化表征流程设计图,其主要对应于本发明步骤1)-步骤3)的内容。本发明针对气象变化、航路动态调整、飞行员操作等多种不确定因素对航空器运动产生干扰的问题,通过当前基于航空器飞行状态、监视报告等进行模式识别推测出最大概率的趋势模型,并耦合动力学参数、气象高空风矢量修正等设计出一种多因素条件组合建模的航迹精细化表征方法。
在一个可选的实施方式中,所述步骤2)为在已知当前运动状态估计的基础上,利用ADS-B监视报告对飞行趋势模型进行概率性推理,获取概率最大的运动趋势模型。
首先介绍飞行趋势原始模型,飞行趋势模型主要存在两类、三个方向(维度)上的趋势模型,包括位置类(其中包含水平方向H、垂直方向V)和速度类S,航空器飞行领域有一组丰富的原始趋势模型,将其保存在趋势推理知识库中,包括但不限于表1中列出的模型。在原始趋势模型的数据库中保存相关模型的常数和参数。通过创建一个唯一的索引来处理每个趋势模型。
表1 原始趋势模型索引
其次,ADS-B信息报告中包含有目标状态报告(TS)和航迹改变报告(TC)。TS包含飞行器目标高度、目标航向等短期意图信息;TC包含航迹改变信息以及长期意图信息,改变后航迹通过航迹改变点TCP表达。按照FAA的DO-242A规定,A2水平的ADS-B系统具备目标航向、高度的TS报告和一个改变点的TC报告能力。A3水平设备将在拥有A2水平能力的基础上,TC报告点增加到4个以上。考虑到当前具备A3水平的航空器尚不多,这里仅考虑一个TCP点的情况。
在获取航空器当前飞行状态中的位置信息的基础上,结合ADS-B信息报告和飞行原始趋势模型对航空器飞行趋势进行推理。即利用当前位置信息,和ADS-B报告中的目标高度、目标航向、航路改变点等信息进行预测。
对水平维度的趋势模型,当前航向角与候选模型所在向量的航向角比较,最大趋势模型概率应对应于趋势模型航向角和当前航空器航向角最为接近的情况。假设趋势模型航向角和当前航空器航向角之间的差值服从正态分布规律,即可以利用正态分布假设计算出对应的模型概率。
同样,在垂直方向上,利用当前高度和目标高度信息,假设趋势模型爬升/下降率和当前航空器爬升/下降率之间的差值服从正态分布规律,即可以利用正态分布假设计算出对应的模型概率。
在速度方向上,利用当前速度和目标速度信息,假设趋势模型加速度和当前航空器加速度之间的差值服从正态分布规律,即可以利用正态分布假设计算出对应的模型概率。
在空间域上,对以上模型库进行趋势推理时可能出现概率相同的情况,此时,选取时间域进行判断,即假设当前时刻至趋势模型到达目标航路点的时长服从正态分布,即可利用正态分布假设计算出模型概率。
对上述方法得到的模型在各个维度上的概率进行加权计算,综合判断最终选择概率最大的模型作为唯一的趋势模型。
在本发明的一个可选的实施方式中,所述的步骤3)根据复杂适应系统理论中的积木机制思想,航空器飞行航迹中的高度和速度剖面由一系列基本飞行模型组成,在依据航空器当前状态估计获取飞行趋势模型推理结果之后,将其与航班飞行计划航路相结合,通过运动模型组合获取对航空器未来一段时间飞行情况的建模计算。
例如原始计划中有P1,P2,P3…等航路点。假设根据飞行计划得到的飞行模型组合为:自P1点采用运动模型M1到达P2,自P2开始采用运动模型M2至P3,如图3中的(a)所示。假设当前航空器所在位置点为N点,按照上节方法获取到飞行趋势模型M0后,航空器飞行航迹预测所需的飞行模型组合更改为以下几种情况:
1、飞行趋势推理结果显示下一目标航路点为起飞机场(返程)或目的机场(直接降落)时,从当前位置N点起按照趋势模型计算后续飞行航迹,如图3中的(b)所示;
2、飞行趋势推理结果显示下一目标航路点不是机场时,从当前位置N点起先按照趋势模型计算航迹推算,若计算出的航迹点位置在航路点P2点附近一定阈值内,则认为已过该P2点,依次遍历所有航路点。假设该步骤计算出航空器已过P2点,则后续航空器在完成趋势模型M0后,按照P2至P3运动模型M2运动至P3,如图3中的(c)所示;若未过P2点,则后续在完成趋势模型M0后,按照运动模型M1运动至P2,P2之后采用运动模型M2到达P3,如图3中的(d)所示。同样方法对后续航路点做处理。
另外,为避免在N点运动模型A与推理出的趋势模型B之间切换时出现速度、高度、水平位置不连续的问题,在模型切换过程中增加过渡过程,分别按照水平位置、高度、速度三个方面进行建模:
1、在水平方向上,若模型A为直线运动,模型B为转弯运动,则在N点开始直接切换;反之,模型A为转弯运动,模型B为直线运动,则从N点继续保持模型A转弯至航向角指向模型B直线运动方向。
2、在高度方向上,若采用模型A到N点时的高度或爬升/下降率与趋势模型B的高度或爬升/下降率不相等,则从N点开始采用匀速爬升/下降或爬升/下降率匀速增减的方式调整至模型B的高度或爬升/下降率,之后按照模型B计算;二者爬升/下降率相等,则直接切换。
3、在速度方向上,若采用模型A到N点时速度与趋势模型B的速度要求不相等时,则采用匀加/减速的方式变化至模型B要求的速度;若二者相等,则直接切换。
航迹计算时,综合三个维度的模型变化情况,组成过渡模型。利用运动模型、趋势模型和过渡模型,并耦合环境风等信息,依据飞行动力学理论计算获取航空器四维航迹预测结果,即未来每单位间隔时间点的航空器水平位置(经纬度)和高度信息。
在本发明的一个可选实施例中,考虑到在推算出航空器飞行航迹表征结果基础上,理论上可以通过航迹进行冲突概率计算。但由于涉及特殊空域、飞行受限空域、时空潜在冲突域等时空区域的形状不规则,本发明设计采用网格化方法对管制区域进行划分,实现空域环境与航空器、航空器与航空器冲突的统一计算。要探测空域内的冲突,只需要针对每个同时间同高度层平面内的网格占用情况进行检测即可。
首先,根据航空安全间隔标准,考虑精度和计算速度的平衡,采用规则立方体结构对空域进行栅格化,使用经纬度、高度、时间四个变量对计算空域进行标记,如图4中的(a)所示。
其次,对于特殊空域、飞行受限空域、时空潜在冲突域等,通常是一个三维立体空间,有动态变化的开放时间,航空器的飞越和进入受时间和高度等条件限制。其主要信息包括时间信息和空间信息。时间信息反映限制空域随时间变化及发展过程,空间信息代表这类特殊空域的范围,因此这里称这类空域为时空冲突空域,由于时空冲突空域的边界不一定是规则形状,且其位置可能会随时间发生移动,这会带来计算复杂,耗时长等问题。因此,本发明设计也将这类空域采用栅格化的方式简化处理,首先根据空域的边界范围,采用多边形、圆形、椭圆等近似地方式进行描述,然后根据将其对应标记于计算空域网格内,若圆形椭圆等边界区域对应网格不足一格,则按一格进行处理,时空冲突区域标记示意如图4中的(b)所示。
进一步的,在本发明的一个优选实施例中,考虑到航空器机动还受到飞行员操作、导航精度等多种不确定因素的干扰,直接用确定性航迹表征结果仍然存在计算精度问题。本发明设计采用概率学方法对方案上节中得到的航迹表征结果进行概率分布计算。
由于航空器在飞行过程中受管制约束,巡航过程中高度变化较为稳定。故仅假设在水平位置方向上预测存在误差,利用精细化表征计算得到的航空器相邻两个时间点的水平位置计算结果,采用误差椭圆模型进行计算获取每个时刻的位置误差范围,并根据椭圆范围确定对应的空域网格。
在此基础上,利用航空器精细化表征计算推算位置误差在经纬度、时间上的高斯分布假设,以区域网格中心点为位置参数,计算航空器在区域网格内出现的联合概率密度。多维高斯分布联合概率密度函数如下:
假设两类事件(航空器飞入或空域占用)过程为独立事件,则同一时刻在某区域网格内出现事件冲突的概率为各自概率的乘积。通过对每个时刻每个网格内的事件发生情况进行遍历计算,获取计算每个时刻每个网格冲突概率分布情况,从而可以实现对空域内飞行冲突的有效探测。
本发明解决了复杂空域环境中障碍物、特殊限制、危险气象与大批次航班飞行轨迹快速量化和同步检测的问题,并设计了一种基于时空概率分布网格的飞行冲突检测算法,实现了航空器与空域、航空器与航空器间冲突高效检测,为解决空中飞行安全保障问题提供一种新的技术手段。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于飞行趋势推理的时空概率分布网格飞行冲突检测方法,其特征在于,包括如下步骤:
1)将星基协同监视信息进行数据预处理,提取出航空器飞行的实时动态信息,获取当前空域中航空器运行状态估计;
2)提取ADS-B系统监视报告中反映当前航空器飞行意图的信息,将当前状态与监视报告信息相结合对飞行趋势进行概率性推理,寻找当前概率最大的趋势模型,推测出飞行趋势;
3)结合飞行趋势推理结果和飞行计划信息,构造航空器未来一段时间的飞行模型组合,依据飞行动力学理论对航空器飞行模型进行计算,结合航空器所在位置处的气象风信息,推算出航空器未来一段时间的四维航迹精细化表征结果;
4)采用规则立方体结构对管制空域进行栅格化网格划分,使用经纬度、高度、时间四个变量对每个网格进行标记;对时空冲突空域的网格进行时间和空间上的受限建模和危险概率标记;
5)计算获取航空器未来一段表征时间范围内位置预测误差椭圆范围,并对航空器未来一段时间的推算位置误差在经纬度、时间上作高斯分布假设,计算出航空器在管制空域网格内出现的联合概率密度;
6)利用计算出的每个航空器在管制空域网格内出现的联合概率密度,计算出管制空域各时空分布网格内的飞行冲突情况。
2.根据权利要求1所述的方法,其特征在于,所述步骤1)中,星基协同监视信息包括ADS-B系统监视信息、TIS-B系统监视信息;所述航空器飞行的实时动态信息包括航空器的位置、速度。
3.根据权利要求1所述的方法,其特征在于,所述步骤2)中,所述反映当前航空器飞行意图的信息包括目标状态报告、下一个航迹改变点报告。
4.根据权利要求1所述的方法,其特征在于,所述趋势模型为描述飞行可能运动趋势的一系列原始趋势模型,包括位置类趋势模型和速度类趋势模型,其中位置类趋势模型又包括水平维度和垂直维度的趋势模型。
5.根据权利要求4所述的方法,其特征在于,所述的寻找概率最大的趋势模型,具体为:
对水平维度的趋势模型,当前航向角与候选模型所在向量的航向角比较,设趋势模型航向角和当前航空器航向角之间的差值服从正态分布规律,利用正态分布假设计算出对应的模型概率;
在垂直方向上,利用当前高度和目标高度信息,设趋势模型爬升/下降率和当前航空器爬升/下降率之间的差值服从正态分布规律,利用正态分布假设计算出对应的模型概率;
在速度方向上,利用当前速度和目标速度信息,设趋势模型加速度和当前航空器加速度之间的差值服从正态分布规律,利用正态分布假设计算出对应的模型概率;
当在空间域上对模型进行趋势推理出现概率相同的情况时,选取时间域进行判断,即设当前时刻至趋势模型到达目标航路点的时长服从正态分布,利用正态分布假设计算出模型概率;
对上述得到的模型概率进行加权计算,最终选择概率最大的模型作为唯一的趋势模型。
6.根据权利要求1所述的方法,其特征在于,步骤3)所述的构造航空器未来一段时间的飞行模型组合,具体为:
设根据飞行计划得到的运动模型组合为:自航路点P1点采用运动模型M1到达航路点P2,自航路点P2开始采用运动模型M2至航路点P3;
且设当前航空器所在位置点为N点,且按照步骤2)获取到N点的趋势模型为M0,则有:
1)若飞行趋势推理结果显示下一目标航路点为起飞机场或目的机场,则从当前位置N点起按照趋势模型计算后续飞行航迹;
2)若飞行趋势推理结果显示下一目标航路点不是机场,则从当前位置N点起先按照趋势模型计算航迹推算,若计算出的航迹点位置在航路点P2点附近一定阈值内,则认为已过该P2点,依次遍历所有航路点;假设该步骤计算出航空器已过P2点,则后续航空器在完成趋势模型M0后,按照P2至P3的运动模型M2运动至P3;若未过P2点,则后续在完成趋势模型M0后,按照运动模型M1运动至P2,P2之后采用运动模型M2到达P3。
7.根据权利要求6所述的方法,其特征在于,N点根据飞行计划得到的运动模型A与步骤2)推理出的趋势模型B之间切换过程中增加过渡过程,过渡过程分别按照水平位置、高度、速度三个方面建模,组成过渡模型,具体为:
在水平方向上,若模型A为直线运动,模型B为转弯运动,则在N点开始直接切换;反之,模型A为转弯运动,模型B为直线运动,则从N点继续保持模型A转弯至航向角指向模型B直线运动方向;
在高度方向上,若采用模型A到N点时的高度或爬升/下降率与趋势模型B的高度或爬升/下降率不相等,则从N点开始采用匀速爬升/下降或爬升/下降率匀速增减的方式调整至模型B的高度或爬升/下降率,之后按照模型B计算;二者爬升/下降率相等,则直接切换;
在速度方向上,若采用模型A到N点时速度与趋势模型B的速度要求不相等时,则采用匀加/减速的方式变化至模型B要求的速度;若二者相等,则直接切换。
8.根据权利要求7所述的方法,其特征在于,所述的步骤3)中,利用运动模型、趋势模型和过渡模型,并耦合环境风信息,依据飞行动力学理论计算获取航空器四维航迹预测结果,即未来每单位间隔时间点的航空器水平位置和高度信息。
9.根据权利要求1所述的方法,其特征在于,所述的步骤5)具体为:航空器在飞行过程中受管制约束,巡航过程中高度变化稳定,仅在水平位置方向上预测存在误差;利用精细化表征计算得到的航空器飞行相邻两个时间点的水平位置计算结果,采用误差椭圆模型进行计算获取每个时刻的位置误差范围,并根据椭圆范围确定对应的空域网格;
利用航空器精细化表征计算推算位置误差在经纬度、时间上的高斯分布假设,以区域网格中心点为位置参数,计算航空器在区域网格内出现的联合概率密度。
10.根据权利要求1所述的方法,其特征在于,所述的步骤6)具体为:同一时刻在某区域网格内出现事件冲突的概率为各自概率的乘积,通过对每个时刻每个网格内的事件发生情况进行遍历计算,获取计算每个时刻每个网格冲突概率分布情况,从而实现对空域内飞行冲突的有效探测。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210013478.2A CN114078339B (zh) | 2022-01-07 | 2022-01-07 | 基于飞行趋势推理的时空概率分布网格飞行冲突检测方法 |
PCT/CN2022/089001 WO2023130622A1 (zh) | 2022-01-07 | 2022-04-25 | 基于飞行趋势推理的时空概率分布网格飞行冲突检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210013478.2A CN114078339B (zh) | 2022-01-07 | 2022-01-07 | 基于飞行趋势推理的时空概率分布网格飞行冲突检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114078339A CN114078339A (zh) | 2022-02-22 |
CN114078339B true CN114078339B (zh) | 2022-05-31 |
Family
ID=80284441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210013478.2A Active CN114078339B (zh) | 2022-01-07 | 2022-01-07 | 基于飞行趋势推理的时空概率分布网格飞行冲突检测方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114078339B (zh) |
WO (1) | WO2023130622A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114078339B (zh) * | 2022-01-07 | 2022-05-31 | 北京航空航天大学杭州创新研究院 | 基于飞行趋势推理的时空概率分布网格飞行冲突检测方法 |
WO2023212921A1 (en) * | 2022-05-06 | 2023-11-09 | Qualcomm Incorporated | A mechanism to enable service interaction with external functions for the support of network-based aviation services |
CN116312072B (zh) * | 2023-03-21 | 2024-01-26 | 中国人民解放军93209部队 | 一种基于空域网格的航迹运行冲突解耦控制方法 |
CN117314201B (zh) * | 2023-11-28 | 2024-02-06 | 中国民用航空总局第二研究所 | 一种航班保障服务的关键环节确定方法及系统 |
CN117746693B (zh) * | 2024-02-20 | 2024-05-14 | 中国民用航空飞行学院 | 一种适用机场终端区特定类无人机对空风险判别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109191922A (zh) * | 2018-09-03 | 2019-01-11 | 北京航空航天大学 | 一种大规模四维航迹动态预测方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103336863B (zh) * | 2013-06-24 | 2016-06-01 | 北京航空航天大学 | 基于雷达飞行航迹观测数据的飞行意图识别方法 |
CN106846919A (zh) * | 2017-01-16 | 2017-06-13 | 南京航空航天大学 | 一种基于ads‑b信息更新的四维航迹动态预测方法 |
CN111047914B (zh) * | 2019-11-28 | 2020-11-03 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 一种基于四维航迹运行的fms航迹预测方法 |
WO2021157034A1 (ja) * | 2020-02-06 | 2021-08-12 | Anaホールディングス株式会社 | 航空機危険予測装置および航空機危険予測システム |
CN114078339B (zh) * | 2022-01-07 | 2022-05-31 | 北京航空航天大学杭州创新研究院 | 基于飞行趋势推理的时空概率分布网格飞行冲突检测方法 |
-
2022
- 2022-01-07 CN CN202210013478.2A patent/CN114078339B/zh active Active
- 2022-04-25 WO PCT/CN2022/089001 patent/WO2023130622A1/zh unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109191922A (zh) * | 2018-09-03 | 2019-01-11 | 北京航空航天大学 | 一种大规模四维航迹动态预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114078339A (zh) | 2022-02-22 |
WO2023130622A1 (zh) | 2023-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114078339B (zh) | 基于飞行趋势推理的时空概率分布网格飞行冲突检测方法 | |
CN104485025B (zh) | 空中交通管制系统的飞行冲突预警方法 | |
CN106340208B (zh) | 基于4d航迹运行的空中交通管制系统的工作方法 | |
CN105894862A (zh) | 一种空中交通管制智能化指挥系统 | |
CN111583724A (zh) | 一种面向四维航迹运行的预战术阶段间隔管理方法 | |
Yang et al. | Using intent information in probabilistic conflict analysis | |
CN104504937A (zh) | 空中交通管制系统的航空器轨迹预测方法 | |
CN104504942B (zh) | 一种空中交通管制系统的飞行冲突预警方法 | |
JP2020077387A (ja) | 垂直飛行経路の最適化 | |
Lin et al. | Approach for 4-d trajectory management based on HMM and trajectory similarity | |
US20170011636A1 (en) | Method for integrating a constrained route(s) optimization application into an avionics onboard system with open architecture of client server type | |
Zhang et al. | Empirical study of airport geofencing for unmanned aircraft operation based on flight track distribution | |
Shi et al. | LSTM-Cubic A*-based auxiliary decision support system in air traffic management | |
Rosenow et al. | Multiple Aircraft in a multi-criteria Trajectory Optimization | |
Sui et al. | A Tactical Conflict Detection and Resolution Method for En Route Conflicts in Trajectory‐Based Operations | |
Zhang et al. | Phased flight trajectory prediction with deep learning | |
Enayatollahi et al. | PBN-based time-optimal terminal air traffic control using cellular automata | |
Schaefer et al. | Air traffic complexity as a key concept for multi-sector planning | |
JP6234141B2 (ja) | 移動計画管理システム及び移動計画管理方法及び移動計画管理プログラム | |
Radanovic et al. | Self-reorganized supporting tools for conflict resolution in high-density airspace volumes | |
CN112330982B (zh) | 一种应用于终端区的中期冲突预警方法、设备、存储介质 | |
Roychoudhury et al. | Initial demonstration of the real-time safety monitoring framework for the national airspace system using flight data | |
Paul | Emergency trajectory generation for fixed-wing aircraft | |
Porretta et al. | Strategic conflict detection and resolution using aircraft intent information | |
JP6456442B2 (ja) | 移動計画管理システム、プロファイル管理システム、プロファイル管理プログラム及び移動計画管理プログラム |
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 |