CN115311902A - 一种基于多层时序网络的实时航路规划及优化方法 - Google Patents

Abstract

本发明公开了一种基于多层时序网络的实时航路规划及优化方法，包括：获取空域结构信息、航空器信息和气象信息；基于所述气象信息，搭建基于恶劣天气的气象模型；构建基于时序变化的多层时序网络结构；利用所述空域结构信息以及搭建的气象模型，以改航航程最短、跨扇区个数最少，转弯角度最小，安全距离最大，燃油消耗最少为约束目标，在所述多层时序网络结构中构建最优航路模型，通过求解模型得到最优航路；基于航空器性能对生成的实时航路进行航迹修正；查看气象条件是否发生变化，若未发生变化，将修正后的实时航路发送至航空器，使航空器沿着生成的最优实时航路飞行；若气象条件发生变化则重新规划航路。

Description

一种基于多层时序网络的实时航路规划及优化方法

技术领域

本发明属于民用航空器空中交通流量管理技术领域，涉及恶劣天气条件下的航路规划、空管自动化决策支持工具等领域，特别涉及一种基于多层时序网络的实时航路规划及优化方法。

背景技术

随着我国民航运输业的快速发展，航班数量不断增加，民航运输逐渐从低密度模式向高密度模式转变，天气对飞行的影响日益突出。多层时序网络的实时航路规划及优化是空中交通流量管理的应用策略，作用于恶劣天气下的航路实时规划。当航空器在飞行过程中遇到恶劣天气时，其通过机载气象雷达将数据反馈给地面，地面根据机载气象雷达和气象中心的数据对航路进行重新规划，同时将规划的航路发送至机载端，航空器根据新接收的改航路径继续执飞。多层时序网络的实时航路规划及优化能够帮助航空器在确保飞行安全的前提下，实时更新气象信息和航路信息，实现有效减少燃油消耗、降低管制员工作负荷、提高空域利用率的目标，同时能够有效提高恶劣天气下的飞行安全和航班准点率，为未来基于航迹的运行提供有效的航迹预测依据和建议。

航空器在飞行过程中遭遇恶劣天气的影响，出于飞行安全和运行效率的考虑，地面根据机载气象雷达和气象中心的数据，对飞行航路进行重新规划及实时修正。然而当前都是在战略及预战术层面上，基于气象中心发布的信息对航路进行规划，对于飞行过程中遇到时变天气的情况，缺乏实时的航路规划及修正，导致管制员工作负荷和航班延误增加，且管制员协调的航路变更结果可能与机组需求不符，严重影响了航空器运行的安全性和经济性。

发明内容

本发明的目的是提供一种基于多层时序网络的实时航路规划及优化方法，用以克服空域条件的时变性对航路规划的影响，提高了航空器运行的安全性和经济性。

为了实现上述任务，本发明采用以下技术方案：

一种基于多层时序网络的实时航路规划及优化方法，包括：

获取空域结构信息、航空器信息和气象信息；

基于所述气象信息，搭建基于恶劣天气的气象模型；

构建基于时序变化的多层时序网络结构；

利用所述空域结构信息以及搭建的气象模型，以改航航程最短、跨扇区个数最少，转弯角度最小，安全距离最大，燃油消耗最少为约束目标，在所述多层时序网络结构中构建最优航路模型，通过求解模型得到最优航路；

基于航空器性能对生成的实时航路进行航迹修正；

查看气象条件是否发生变化，若未发生变化，将修正后的实时航路发送至航空器，使航空器沿着生成的最优实时航路飞行；若气象条件发生变化则重新规划航路。

进一步地，基于所述气象信息，搭建基于恶劣天气的气象模型，包括：

根据气象雷达回波图，获取飞行区域的雷达气象信息，筛选出影响航路安全的恶劣天气信息，然后对恶劣天气边界进行划定；

灰度处理并筛选划定了恶劣天气边界的雷达回波图，删除反射率小于设定阈值的像素点，得到当前恶劣天气的区域；

将处理后的恶劣天气区域放置在三维坐标系中，选择初始恶劣天气区域外部的任意点作为坐标原点并建立坐标系，以坐标原点为参考点，将恶劣天气区域的边缘各雷达点与坐标原点相连，并分别计算这些雷达点与坐标系X轴之间的夹角，将这些点排序构成边界序列，然后依次相连，同时去除边界序列中的非凸包点，将边界序列中剩余的凸包顶点构建凸包点集，将凸包点集中的所有凸包点依次连接即构成飞行受限区凸多边形；将生成的飞行受限区凸多边形向外拓宽25千米；

利用灰色预测模型，预测未来每一时刻恶劣天气的飞行受限区凸多边形，将其作为最优航路模型中的限制条件；在航路规划时，每一时刻的航路点应避开该时刻对应的飞行受限区凸多边形所在区域。

进一步地，所述飞行受限区凸多边形每个边的修正是通过每个边上的点与恶劣天气的中心位置的偏移量来确定的；根据恶劣天气的中心位置随时间的变化，通过在不同时刻下对飞行受限区凸多边形的不断修正，同时遵循观测时段内凸多边形的每个边上点数固定原则，产生飞行受限区在一定时间范围内，对应每一个时刻的边界点序列集合，从而得到每个时刻的飞行受限区凸多边形；其中边界点是指构成飞行受限区凸多边形的每一条边的点。

进一步地，所述构建基于时序变化的多层时序网络结构，包括：

以航空器起飞机场为三维网络图的坐标原点，正东方向为X轴的正方向，正东偏南90方向为Y轴的正方向，垂直正上方为Z轴的正方向，将起飞机场至目的地机场之间的空域进行网格化处理，建立三维网络模型；其中X，Y表示同一飞行高度的空间地理坐标，Z轴表示时间维度。

进一步地，所述利用所述空域结构信息以及搭建的气象模型，以改航航程最短、跨扇区个数最少，转弯角度最小，安全距离最大，燃油消耗最少为约束目标，在所述多层时序网络结构中构建最优航路模型，包括：

构建改航路径的航程归一化模型：

其中：C_L表示改航路径的航程指标；A_i表示航路上第i个航路点，i＝1,2,…,n；n表示航路点的个数；l()表示括号内两个航路点间的距离；

构建航段限制模型：

l(A_i,A_i+1)≥7.4Km，i＝1,2，...,n

s.t.(A_i,A_i+1)∩S_j＝φ,i＝1,...,n j＝1,...,m

其中：S_j表示规划时刻的飞行受限区凸多边形，m表示飞行受限区凸多边形的个数；

构建改航路径的跨扇区个数指标归一化模型：

其中：M(A_i,A_i+1)表示A_i,A_i+1之间的航段所经历扇区个数；M_max表示航段允许的最大跨扇区数量；

构建跨扇区约束模型：

构建改航路径的平均转弯角度归一化模型：

其中：T_i表示改航路径上第i个转弯点；θ_i表示第i个转弯点的转弯角度；

构建转弯角度限制模型：

θ_HC≤90°

Q≤Q_max

其中：Q_max表示转弯数量的最大阈值，Q表示转弯数量，θ_HC表示转弯角度；

构建改航路径的安全距离归一化模型：

其中：R_S表示改航路径和FFA区的横向间隔；S(A_i,A_i+1)表示第i个航段的距飞行受限区凸多边形的安全距离；

表示第j条规划航路的安全性指标；FFA_x表示规划航路需要绕飞的第x个FFA区；

表示改航路径距第x个FFA区的最短距离；D_R表示规划的整体改航路径的安全半径；

构建改航路径距离限制模型：

h≤h_max

其中：h表示改行路径距离，h_max表示航线间设置的最大间隔；

构建燃油消耗归一化模型：

其中，C_O表示改航路径的燃油消耗指标；ν_TAS表示表示航空器真空速度；C_f1及C_f2为BADA模型中计算燃油消耗率的相关系数；T_i表示航空器在第i个航段的推力；

构建最优航路模型：

C＝min{aC_L+bC_T+cC_A+dC_S+eC_O}

其中：C表示各指标归一化处理后的最小代价总值，即最优路径；a，b，c，d，e分别表示改航路径的航程权重系数、跨扇区个数权重系数、平均转弯角度权重系数、安全距离权重系数、燃油消耗权重系数。

进一步地，所述基于航空器性能对生成的实时航路进行航迹修正，包括：

基于航空器性能，利用水平运动模型，通过旁切转弯形式对实时航路中的转弯点进行精细化处理；同时考虑高空风的影响，利用高空风的气象模型，通过对转入/转出的飞行姿态调整，对生成的航路中的转弯点进行弧形修正处理。

进一步地，所述水平运动模型表示为：

ψ_DA＝arcsin((ν_wind/ν_TAS)sinθ_WA)

ν_GS＝ν_TAS cos(ψ_DA)+ν_wind cos(θ_WA)

Δd＝ν_GSΔt

β_MH＝δ_MC+ψ_DA

其中：

表示风向；ν_wind表示风速；ψ_DA表示偏流；ν_TAS表示表示航空器真空速度；ν_GS表示地速；Δd表示飞行距离；β_MH表示航向；θ_WA表示风角；δ_MC表示航线角；Δt表示预测步长。

进一步地，所述高空风的气象模型的构建方法为：

(1)根据温度偏差和气压高度，确定大气温度T：

T＝T₀+ΔT+β_T.H_p

其中，T₀表示国际标准大气条件下在平均海平面处的温度；ΔT表示温度偏差；H_p表示气压高度；β_T表示温度垂直递减率；

(2)根据大气温度T，确定大气压力p：

其中，p₀表示国际标准大气条件下的空气压力；g表示重力加速度；R表示空气常数；

(3)根据温度T与压力p，确定大气密度ρ：

(4)根据气象预报中的风向风速，结合大气温度、大气压力和大气密度，建立航空器运行的高空风气象模型。

采用上述方案后，本发明提出的基于多层时序网络的实时航路规划及优化方法，通过结合恶劣天气的时变性和空域结构对航班运行的影响，对航空器的飞行航路提供实时的路径修正及优化，具体而言，本发明具有如下有益效果：

(1)本发明考虑了恶劣天气的时变性对航班飞行航路的影响，填补了当前航班改航策略在实施层面的不足。

(2)本发明在进行最优航路规划时考虑了改航航程、跨扇区个数，转弯角度，安全距离，燃油消耗等影响因素，提高了规划航路的可接受度。

(3)本发明提出的多层时序网络的实时航路规划及优化能够帮助航空器在确保飞行安全的前提下，实时更新气象信息和航路信息，实现有效减少燃油消耗和管制员工作负荷，有效提高空域利用率的目标。

(4)本发明提出的多层时序网络的实时航路规划及优化能够提高恶劣天气下的飞行安全和航班准点率，提高航空器运行的智能化和经济性，为未来基于航迹的运行提供有效的航迹预测依据和建议。

附图说明

图1为实施例中恶劣天气区域的示意图；

图2为实施例中一个飞行受限区凸多边形的示意图；

图3为实施例中对实时航路进行修正的示意图；

图4为本发明方法的流程示意图。

具体实施方式

本发明公开一种基于多层时序网络的实时航路规划及优化方法，包含了多层时序网络结构的构建、多目标最优的改航路径规划、基于航空器性能的最优航迹修正等三部分内容，其中多层时序网络结构的构建涉及基于时间的恶劣天气气象模型的建立，多目标最优的改航路径规划涉及基于多种约束条件的多目标参数计算及归一化处理，基于航空器性能的最优航迹修正涉及水平运动模型和高空风气象模型的搭建。此种方法考虑了恶劣天气的实时变化因素，依据航空器、环境及空域结构等三层网络结构，对航空器在恶劣天气下随时间变化的运行轨迹进行切片处理，形成闭环的相互作用关系，克服空域运行条件的时变性对航路规划的影响，提高了航空器在巡航阶段运行的安全性和经济性。

参见附图，本发明的一种基于多层时序网络的实时航路规划及优化方法，包括以下步骤：

步骤1，获取空域结构信息、航空器信息和气象信息。

该步骤中，通过空管部门、航空器、气象部门获取空域结构信息、航空器的机身参数信息和气象信息。

步骤2，基于所述气象信息，搭建基于恶劣天气的气象模型。

步骤2.1，根据气象雷达回波图，获取飞行区域的雷达气象信息，筛选出影响航路安全的恶劣天气信息，然后利用Graham扫描法对恶劣天气边界进行划定。

步骤2.2，获取恶劣天气区域

灰度处理并筛选划定了恶劣天气边界的雷达回波图，删除反射率小于41dBZ的像素点，得到当前恶劣天气的区域，如图1所示。

步骤2.3，获得飞行受限区凸多边形

将处理后的恶劣天气区域放置在三维坐标系中，选择初始恶劣天气区域外部的任意点作为坐标原点O，正东方向为X轴的正方向，正东偏南90方向为Y轴的正方向，垂直正上方为Z轴正方向。使用Graham算法，以坐标原点为参考点，在某一时刻，将恶劣天气区域的边缘各雷达点与坐标原点相连，并分别计算这些雷达点与X轴之间的夹角，将这些点排序构成边界序列，然后依次相连，同时去除边界序列中的非凸包点(凸包是指相对于恶劣天气区域向外凸)，将边界序列中剩余的凸包顶点构建凸包点集，将凸包点集中的所有凸包点依次连接即构成飞行受限区凸多边形，如图2所示。考虑飞行安全，根据国家雷暴绕飞相关规定，将生成的飞行受限区凸多边形向外拓宽25千米生成新的飞行受限区凸多边形，从而保证航空器在飞行过程与恶劣天气保持安全距离。

步骤2.4，利用灰色预测模型，预测未来每一时刻恶劣天气的飞行受限区凸多边形，将其作为后续最优航路模型中航段限制模型的限制条件；在航路规划时，每一时刻的航路点应避开该时刻对应的飞行受限区凸多边形所在区域。

在T时刻，飞行受限区凸多边形的边数由n-1变为n，则T-1时刻的边数为n，同理若在T时刻，飞行受限区凸多边形的边数由n变为n-1，则T-1时刻的边数为n-1，其中，飞行受限区凸多边形每个边的修正是通过每个边上的点与恶劣天气的中心位置的偏移量来确定的；根据恶劣天气的中心位置随时间的变化，通过在不同时刻下对飞行受限区凸多边形的不断修正，同时遵循特定观测时段内凸多边形的每个边上点数固定原则，产生飞行受限区在一定时间范围内，对应每一个时刻的边界点序列集合，从而得到每个时刻的飞行受限区凸多边形；其中边界点是指构成飞行受限区凸多边形的每一条边的点。

步骤3，构建基于时序变化的多层时序网络结构。

以航空器起飞机场为三维网络图的坐标原点P0(0,0,0)，正东方向为X轴的正方向，正东偏南90方向为Y轴的正方向，垂直正上方为Z轴的正方向，将起飞机场至目的地机场之间的空域进行网格化处理，建立三维网络模型，赋予航路点空间坐标Pi(xi,yi,ti)，其中X，Y表示同一飞行高度的空间地理坐标，Z轴表示时间维度。

步骤4，利用所述空域结构信息以及搭建的气象模型，以改航航程最短、跨扇区个数最少，转弯角度最小，安全距离最大，燃油消耗最少为约束目标，在所述多层时序网络结构中构建最优航路模型，通过求解模型得到最优航路。

步骤4.1，构建改航路径的航程归一化模型：

其中：C_L表示改航路径的航程指标；A_i表示航路上第i个航路点，i＝1,2,…,n；n表示航路点的个数；l(A_i,A_i+1)表示航路点间的距离。

步骤4.2，构建航段限制模型：

l(A_i,A_i+1)≥7.4Km，i＝1,2，…,n

s.t.(A_i,A_i+1)∩S_j＝φ,i＝1,...,n j＝1,...,m

其中：S_j表示规划时刻的飞行受限区凸多边形，表示航段与气象云图中的危险区域不能有交集，m表示飞行受限区的个数。

步骤4.3，构建改航路径的跨扇区个数指标归一化模型：

其中：M(A_i,A_i+1)表示A_i,A_i+1之间的航段所经历扇区个数；M_max表示航段允许的最大跨扇区数量。

步骤4.4，构建跨扇区约束模型：

步骤4.5，构建改航路径的平均转弯角度归一化模型：

其中：T_i表示改航路径上第i个转弯点；θ_i表示第i个转弯点的转弯角度。步骤4.6，构建转弯角度限制模型：

θ_HC≤90°

Q≤Q_max

其中：Q_max表示转弯数量的最大阈值；Q表示转弯数量；θ_HC表示转弯角度。

步骤4.7，构建改航路径的安全距离归一化模型：

其中：C_s表示改航路径的安全距离归一化指标；R_S表示改航路径和FFA区的横向间隔；S(A_i,A_i+1)表示第i个航段的距飞行受限区凸多边形的安全距离；

表示第j条规划航路的安全性指标；FFA_x表示规划航路需要绕飞的第x个FFA区；

表示改航路径距第x个FFA区的最短距离；D_R表示规划的整体改航路径的安全半径。

步骤4.8，构建改航路径距离限制模型：

h≤h_max

其中：h表示改行路径距离，h_max表示航线间设置的最大间隔。

步骤4.9，构建燃油消耗归一化模型：

其中，C_O表示改航路径的燃油消耗指标；ν_TAS表示表示航空器真空速度；C_f1及C_f2为BADA模型中计算燃油消耗率的相关系数；T_i表示航空器在第i个航段的推力。

步骤4.10，构建最优航路模型：

C＝min{aC_L+bC_T+cC_A+dC_S+eC_O}

其中：C表示各指标归一化处理后的最小代价总值，即最优路径；a，b，c，d，e分别表示改航路径的航程权重系数、跨扇区个数权重系数、平均转弯角度权重系数、安全距离权重系数、燃油消耗权重系数；a，b，c，d，e总和为1，具体数值根据对于航路的实际需求确定

步骤5，基于航空器性能对生成的实时航路进行航迹修正。

步骤5.1，水平运动模型

ψ_DA＝arcsin((ν_wind/ν_TAS)sinθ_WA)

ν_GS＝ν_TAS cos(ψ_DA)+ν_wind cos(θ_WA)

Δd＝ν_GSΔt

β_MH＝δ_MC+ψ_DA

其中：

表示风向；ν_wind表示风速；ψ_DA表示偏流；ν_GS表示地速；Δd表示飞行距离；β_MH表示航向；θ_WA表示风角；δ_MC表示航线角；Δt表示预测步长。

图3中，P是转弯航路点，α是转弯角度，R是转弯半径，L_in是转入航段的长度，L是转弯起始点至转弯点之间的距离。若航空器当前地理位置与P点之间的距离小于等于L_in+L时，则航空器立即进入转弯程序，此时航空器启用转弯率R实施转弯操作。

其中，φ为滚转角；当航空器的转弯角度大于等于α时，航空器完成转弯程序，开始进行下一段航段。

步骤5.2，基于高空风的气象模型构建方法是：

(1)根据温度偏差和气压高度，确定大气温度T：

T＝T₀+ΔT+β_T·H_p

其中，T₀＝288.15K，表示国际标准大气条件下在平均海平面处的温度；ΔT表示温度偏差；H_p表示气压高度；β_T＝-0.0065K/m，表示温度垂直递减率；

(2)根据大气温度T，确定大气压力p：

其中，p₀＝101325Pa，表示国际标准大气条件下的空气压力；g＝9.80665m/s²，表示重力加速度；R＝287.05287m²/(K·s²)，表示空气常数；

(3)根据温度T与压力p，确定大气密度ρ：

(4)根据气象预报中的风向风速，结合大气温度、大气压力和大气密度，建立航空器运行的高空风气象模型。

基于航空器性能，利用水平运动模型，通过旁切转弯形式对实时航路中的转弯点进行精细化处理；同时考虑高空风的影响，利用高空风的气象模型，通过对转入/转出的飞行姿态调整，对生成的航路中的转弯点进行弧形修正处理。

步骤6，查看气象条件是否发生变化，若未发生变化，将修正后的实时航路发送至航空器，使航空器沿着生成的最优实时航路飞行，若气象条件发生变化则重新规划航路。

以上实施例仅用于说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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，或者对其中部分技术特征进行同等替换；而这些修改或替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (8)

1.一种基于多层时序网络的实时航路规划及优化方法，其特征在于，包括：

获取空域结构信息、航空器信息和气象信息；

基于所述气象信息，搭建基于恶劣天气的气象模型；

构建基于时序变化的多层时序网络结构；

利用所述空域结构信息以及搭建的气象模型，以改航航程最短、跨扇区个数最少，转弯角度最小，安全距离最大，燃油消耗最少为约束目标，在所述多层时序网络结构中构建最优航路模型，通过求解模型得到最优航路；

基于航空器性能对生成的实时航路进行航迹修正；

查看气象条件是否发生变化，若未发生变化，将修正后的实时航路发送至航空器，使航空器沿着生成的最优实时航路飞行；若气象条件发生变化则重新规划航路。

2.根据权利要求1所述的基于多层时序网络的实时航路规划及优化方法，其特征在于，基于所述气象信息，搭建基于恶劣天气的气象模型，包括：

根据气象雷达回波图，获取飞行区域的雷达气象信息，筛选出影响航路安全的恶劣天气信息，然后对恶劣天气边界进行划定；

灰度处理并筛选划定了恶劣天气边界的雷达回波图，删除反射率小于设定阈值的像素点，得到当前恶劣天气的区域；

将处理后的恶劣天气区域放置在三维坐标系中，选择初始恶劣天气区域外部的任意点作为坐标原点并建立坐标系，以坐标原点为参考点，将恶劣天气区域的边缘各雷达点与坐标原点相连，并分别计算这些雷达点与坐标系X轴之间的夹角，将这些点排序构成边界序列，然后依次相连，同时去除边界序列中的非凸包点，将边界序列中剩余的凸包顶点构建凸包点集，将凸包点集中的所有凸包点依次连接即构成飞行受限区凸多边形；将生成的飞行受限区凸多边形向外拓宽25千米；

利用灰色预测模型，预测未来每一时刻恶劣天气的飞行受限区凸多边形，将其作为最优航路模型中的限制条件；在航路规划时，每一时刻的航路点应避开该时刻对应的飞行受限区凸多边形所在区域。

3.根据权利要求2所述的基于多层时序网络的实时航路规划及优化方法，其特征在于，所述飞行受限区凸多边形每个边的修正是通过每个边上的点与恶劣天气的中心位置的偏移量来确定的；根据恶劣天气的中心位置随时间的变化，通过在不同时刻下对飞行受限区凸多边形的不断修正，同时遵循观测时段内凸多边形的每个边上点数固定原则，产生飞行受限区在一定时间范围内，对应每一个时刻的边界点序列集合，从而得到每个时刻的飞行受限区凸多边形；其中边界点是指构成飞行受限区凸多边形的每一条边的点。

4.根据权利要求1所述的基于多层时序网络的实时航路规划及优化方法，其特征在于，所述构建基于时序变化的多层时序网络结构，包括：

以航空器起飞机场为三维网络图的坐标原点，正东方向为X轴的正方向，正东偏南90方向为Y轴的正方向，垂直正上方为Z轴的正方向，将起飞机场至目的地机场之间的空域进行网格化处理，建立三维网络模型；其中X，Y表示同一飞行高度的空间地理坐标，Z轴表示时间维度。

5.根据权利要求1所述的基于多层时序网络的实时航路规划及优化方法，其特征在于，所述利用所述空域结构信息以及搭建的气象模型，以改航航程最短、跨扇区个数最少，转弯角度最小，安全距离最大，燃油消耗最少为约束目标，在所述多层时序网络结构中构建最优航路模型，包括：

构建改航路径的航程归一化模型：

其中：C_L表示改航路径的航程指标；A_i表示航路上第i个航路点，i＝1,2,…,n；n表示航路点的个数；l()表示括号内两个航路点间的距离；

构建航段限制模型：

l(A_i,A_i+1)≥7.4Km，i＝1,2，…,n

s.t.(A_i,A_i+1)∩S_j＝φ,i＝1,...,n j＝1,...,m

其中：S_j表示规划时刻的飞行受限区凸多边形，m表示飞行受限区凸多边形的个数；

构建改航路径的跨扇区个数指标归一化模型：

其中：M(A_i,A_i+1)表示A_i,A_i+1之间的航段所经历扇区个数；M_max表示航段允许的最大跨扇区数量；

构建跨扇区约束模型：

构建改航路径的平均转弯角度归一化模型：

其中：T_i表示改航路径上第i个转弯点；θ_i表示第i个转弯点的转弯角度；

构建转弯角度限制模型：

θ_HC≤90°

Q≤Q_max

其中：Q_max表示转弯数量的最大阈值，Q表示转弯数量，θ_HC表示转弯角度；

构建改航路径的安全距离归一化模型：

其中：R_S表示改航路径和FFA区的横向间隔；S(A_i,A_i+1)表示第i个航段的距飞行受限区凸多边形的安全距离；

表示第j条规划航路的安全性指标；FFA_x表示规划航路需要绕飞的第x个FFA区；

表示改航路径距第x个FFA区的最短距离；D_R表示规划的整体改航路径的安全半径；

构建改航路径距离限制模型：

h≤h_max

其中：h表示改行路径距离，h_max表示航线间设置的最大间隔；

构建燃油消耗归一化模型：

其中，C_O表示改航路径的燃油消耗指标；ν_TAS表示表示航空器真空速度；C_f1及C_f2为BADA模型中计算燃油消耗率的相关系数；T_i表示航空器在第i个航段的推力；

构建最优航路模型：

C＝min{aC_L+bC_T+cC_A+dC_S+eC_O}

其中：C表示各指标归一化处理后的最小代价总值，即最优路径；a，b，c，d，e分别表示改航路径的航程权重系数、跨扇区个数权重系数、平均转弯角度权重系数、安全距离权重系数、燃油消耗权重系数。

6.根据权利要求1所述的基于多层时序网络的实时航路规划及优化方法，其特征在于，所述基于航空器性能对生成的实时航路进行航迹修正，包括：

基于航空器性能，利用水平运动模型，通过旁切转弯形式对实时航路中的转弯点进行精细化处理；同时考虑高空风的影响，利用高空风的气象模型，通过对转入/转出的飞行姿态调整，对生成的航路中的转弯点进行弧形修正处理。

7.根据权利要求6所述的基于多层时序网络的实时航路规划及优化方法，其特征在于，所述水平运动模型表示为：

ψ_DA＝arcsin((ν_wind/ν_TAS)sinθ_WA)

ν_GS＝ν_TAScos(ψ_DA)+ν_windcos(θ_WA)

Δd＝ν_GSΔt

β_MH＝δ_MC+ψ_DA

其中：

表示风向；ν_wind表示风速；ψ_DA表示偏流；ν_TAS表示表示航空器真空速度；ν_GS表示地速；Δd表示飞行距离；β_MH表示航向；θ_WA表示风角；δ_MC表示航线角；Δt表示预测步长。

8.根据权利要求6所述的基于多层时序网络的实时航路规划及优化方法，其特征在于，所述高空风的气象模型的构建方法为：

(1)根据温度偏差和气压高度，确定大气温度T：

T＝T₀+ΔT+β_T.H_p

其中，T₀表示国际标准大气条件下在平均海平面处的温度；ΔT表示温度偏差；H_p表示气压高度；β_T表示温度垂直递减率；

(2)根据大气温度T，确定大气压力p：

其中，p₀表示国际标准大气条件下的空气压力；g表示重力加速度；R表示空气常数；

(3)根据温度T与压力p，确定大气密度ρ：

(4)根据气象预报中的风向风速，结合大气温度、大气压力和大气密度，建立航空器运行的高空风气象模型。

Images