CN115938163A - 一种基于时空可达空间的自主协同交通复杂性管理方法 - Google Patents
一种基于时空可达空间的自主协同交通复杂性管理方法 Download PDFInfo
- Publication number
- CN115938163A CN115938163A CN202211252964.6A CN202211252964A CN115938163A CN 115938163 A CN115938163 A CN 115938163A CN 202211252964 A CN202211252964 A CN 202211252964A CN 115938163 A CN115938163 A CN 115938163A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- space
- flight
- track
- waypoint
- 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
Images
Classifications
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于时空可达空间的自主协同交通复杂性管理方法,包括:基于相关数据进行航迹预测;依据预测航迹和航空器性能生成栅格化的时空可达空间;依据时空可达空间建立多目标自主四维航迹规划模型;通过多目标自主四维航迹规划模型,利用基于混合集中式和分布式策略的多机集群协同优化算法计算航空器四维航迹。本发明在考虑航空器意图和性能的基础上,依据预测航迹生成航空器水平改航的栅格化时空可达空间,构建了同时考虑航迹复杂性和飞行效率的多目标自主四维航迹规划模型,采用基于混合集中式和分布式策略的多机集群协同优化算法求解多机航迹规划问题,可在合理的时间内为针对复杂性管理的战术航迹规划过程提供更高质量的解。
Description
技术领域
本发明属于空中交通管理技术领域,涉及交通复杂性管理,具体涉及一种基于时空可达空间的自主协同交通复杂性管理方法。
背景技术
随着民航运输业的快速发展,空中交通需求大幅增加,当前地基空中交通管理系统容量逐渐饱和,导致空域拥堵频发,空域运行安全受到严重威胁,系统效率下降等问题。为了提高未来空中交通的可预测性、灵活性和效率并释放额外的系统容量,国际民航组织在航空系统组块升级中提出了交通复杂性管理的运行概念。当前针对复杂性管理的相关研究仅关注降低航班的运行复杂度,未考虑航班的飞行效率目标。同时,相关研究还未考虑航班经过航路点的所需到达时间对于其飞行航迹的约束。当前研究在规划航班飞行航迹时采用完全集中式或分布式的控制策略,然而集中式控制策略存在计算成本高,难以适用于战术规划阶段的问题,分布式控制策略则因缺少全局信息而可能导致系统的最优性降低的问题。
发明内容
发明目的:为了克服现有技术中存在的不足,提供一种基于时空可达空间的自主协同交通复杂性管理方法,在考虑航空器意图和性能的基础上,依据预测航迹生成航空器水平改航的栅格化时空可达空间,并以此为约束构建了同时考虑航迹复杂性和飞行效率的多目标自主四维航迹规划模型,采用基于混合集中式和分布式策略的多机集群协同优化算法求解多机航迹规划问题,可在合理的时间内为针对复杂性管理的战术航迹规划过程提供更高质量的解。
技术方案:为实现上述目的,本发明提供一种基于时空可达空间的自主协同交通复杂性管理方法,包括如下步骤:
S1:基于相关数据进行航迹预测;
S2:依据预测航迹和航空器性能生成栅格化的时空可达空间;
S3:依据时空可达空间建立多目标自主四维航迹规划模型;
S4:通过多目标自主四维航迹规划模型,利用基于混合集中式和分布式策略的多机集群协同优化算法计算航空器四维航迹。
进一步地,所述步骤S1中相关数据包括航班飞行计划,航空器飞行性能,空域信息,航迹预测的方法为:获取航班的飞行计划,航空器飞行性能,空域信息数据,根据获取的数据预测航班的四维航迹,包括航班飞行经过的航路点三维坐标和所需到达时间。
进一步地,所述步骤S2中时空可达空间的生成方法为:
依据预测的四维航迹信息,受所需到达时间的约束,航空器从起始航路点a到目的地航路点b的时空可达空间设定为一个椭圆,椭圆的边界表示为:
式中,(xR,yR)为航空器时空可达空间边界上的点在x-y平面上的坐标,(xa,ya),(xb,yb)分别为航路点a和航路点b的坐标,vmax为航空器的最大飞行速度,Δt=Tb-Ta为航空器从起点航路点到终点航路点的所需飞行时长,其中Ta,Tb分别为航空器到起点航路点a和终点航路点b的所需到达时间;
将空域离散为一组大小相等的正方形栅格单元,每架飞机改航航路点的候选位置为时空可达空间中栅格单元的中心点。
进一步地,所述步骤S3中多目标自主四维航迹规划模型的建立包括:
A1:设定决策变量;
A2:构建目标函数;
A3:设定约束条件。
进一步地,所述步骤A1中设定决策变量包括航空器水平改航机动和航空器飞行高度层分配;
航空器水平改航机动:通过指派飞机改航的可选航路点位置w=(xR,yR)重构飞机的水平飞行轨迹,其中xR和yR分别是x和y轴上的改航路点坐标;
航空器飞行高度层分配:通过分配可选飞行高度层l给飞机以在垂直剖面分隔交通流。
进一步地,所述步骤A2中目标函数的构建包括:
最小化航迹调整成本,即,
min f(w,l)=D+αΨ
其中,f(w,l)是航空器的航迹调整成本;D和Ψ分别是与用户偏好航迹的偏差量和航迹复杂度;α为反映两个目标相对重要性的系数;
其中,用户偏好航迹的偏差量D定义为计划航迹与用户偏好航迹相比的额外飞行距离,即
D=DH(w,l)+DV(w,l)
其中,DH为水平额外飞行距离,DV为垂直额外飞行距离;
采用基于线性动力系统的内禀复杂度指标度量航迹复杂度:以基准航空器i的采样点Pi,k为中心,在周围半径为25NM,高度为2000ft的圆柱体空间内搜索相邻航空器的观测向量,采用最小化最小均方的方法求解与观测值之间的误差最小的动力系统模型,计算动力系统模型的系数矩阵的复数特征值,采样点Pi,k的复杂度指标与复数特征值的负数实部相关,对航迹上所有采样点的复杂性指标进行求和获得航空器i的航迹复杂度。
进一步地,所述步骤A3中约束条件的设定方法依据航路点繁忙程度概率分布拟合曲线基于概率等分的方法对各个航路点的繁忙程度进行分级,约束条件具体包括:
时空可达空间约束,即
最大转弯角度约束,即
最大飞行高度层偏移量约束,即
-ΔlDescend≤l-lorigin≤ΔlClimb
其中,lorigin为航空器的计划飞行高度层,ΔlClimb为爬升最大飞行高度层偏移量,ΔlDescend为下降最大飞行高度层偏移量;
最小安全间隔约束,即
进一步地,所述步骤S4具体为:
根据初始飞行计划(即用户偏好的航迹)探测飞机对之间的成对冲突,若航空器对之间存在冲突则表示航空器对存在相互依赖关系,将存在潜在冲突的航空器划分为一组;
对于不同组的航空器,采用遵循“后进入先调整”的分布式控制策略,即如果预测有两架飞机涉及关键事件(即冲突和高度复杂的情况),则后进入空域的飞机需调整其航迹以避免出现关键事件;
对于同组内的航空器,采用局部的集中式控制策略,通过协调组内飞机以实现协同航迹规划;
对于仅有一架航空器的航空器集群分组,采用遍历搜索算法搜索具有最小航迹调整成本的最优航迹;
对于有多架航空器的航空器集群分组,以最小化所有飞机的总航迹调整成本为目标从全局角度生成所有飞机的最优飞行航迹,即
其中,fg为组g内所有航空器的总航迹调整成本,fi是航空器i的航迹调整成本;采用基于分层策略的可变分辨率搜索算法以在合理的计算时间内逼近最优解。
进一步地,所述采用基于分层策略的可变分辨率搜索算法的求解包括:
以低、中、高三种级别的分辨率生成解空间,对应的网格大小分别为20海里、10海里、5海里;
遍历搜索低分辨率解空间(Wg,Lg)20NM中的所有解,具有最小总航迹调整成本的可行解是当前分辨率水平的最优解;
在中等分辨率解空间(Wg,Lg)10NM中搜索得到的最优解周围的所有解,以优化最优解;
在高分辨率解空间(Wg,Lg)5NM中搜索当前最优解周围的所有解得到近似的最优解。
有益效果:本发明与现有技术相比,在考虑航空器意图和性能的基础上,依据预测航迹生成航空器水平改航的栅格化时空可达空间,并以此为约束构建了同时考虑航迹复杂性和飞行效率的多目标自主四维航迹规划模型,采用基于混合集中式和分布式策略的多机集群协同优化算法求解多机航迹规划问题,可在合理的时间内为针对复杂性管理的战术航迹规划过程提供兼顾了最小化航迹调整成本和最优解。
附图说明
图1是本发明方法的流程示意图;
图2是可选改航航路点的时空可达空间示意图;
图3是多机集群协同优化算法的流程示意图;
图4是可变分辨率搜索算法的流程示意图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供一种基于时空可达空间的自主协同交通复杂性管理方法,如图1所示,其包括如下步骤:
S1:获取航班飞行计划,航空器飞行性能,空域信息等数据,根据获取的数据预测航班的四维航迹,包括航班飞行经过的航路点三维坐标和所需到达时间。
S2:依据预测航迹和航空器性能生成栅格化的时空可达空间:
如图2所示,依据预测的四维航迹信息,受所需到达时间的约束,航空器从起始航路点a到目的地航路点b的时空可达空间设定为一个椭圆,椭圆的边界表示为:
式中,(xR,yR)为航空器时空可达空间边界上的点在x-y平面上的坐标,(xa,ya),(xb,yb)分别为航路点a和航路点b的坐标,vmax为航空器的最大飞行速度,Δt=Tb-Ta为航空器从起点航路点到终点航路点的所需飞行时长,其中Ta,Tb分别为航空器到起点航路点a和终点航路点b的所需到达时间;
将空域离散为一组大小相等的正方形栅格单元,每架飞机改航航路点的候选位置为时空可达空间中栅格单元的中心点。
S3:依据时空可达空间建立多目标自主四维航迹规划模型,包括:
A1:设定决策变量
决策变量包括航空器水平改航机动和航空器飞行高度层分配;
航空器水平改航机动:通过指派飞机改航的可选航路点位置w=(xR,yR)重构飞机的水平飞行轨迹,其中xR和yR分别是x和y轴上的改航路点坐标;
航空器飞行高度层分配:通过分配可选飞行高度层l给飞机以在垂直剖面分隔交通流。
A2:构建目标函数
目标函数的构建包括:
最小化航迹调整成本,即,
min f(w,l)=D+αΨ
其中,f(w,l)是航空器的航迹调整成本;D和Ψ分别是与用户偏好航迹的偏差量和航迹复杂度;α为反映两个目标相对重要性的系数;
其中,用户偏好航迹的偏差量D定义为计划航迹与用户偏好航迹相比的额外飞行距离,即
D=DH(w,l)+DV(w,l)
其中,DH为水平额外飞行距离,DV为垂直额外飞行距离;
采用基于线性动力系统的内禀复杂度指标度量航迹复杂度:以基准航空器的采样点Pi,k为中心,在周围半径为25NM,高度为2000ft的圆柱体空间内搜索相邻航空器的观测向量,即
采用最小化最小均方的方法求解与观测值之间的误差最小的动力系统模型,即
计算矩阵A的复数特征值,采样点Pi,k的复杂度指标与复数特征值的负数实部相关,即
航空器i的航迹复杂度通过对航迹上所有采样点的复杂性指标进行求和获得,即
其中,Ni是航空器i的航迹采样点的数量。
A3:设定约束条件
约束条件具体包括:
时空可达空间约束,即
最大转弯角度约束,即
最大飞行高度层偏移量约束,即
-ΔlDescend≤l-lorigin≤ΔlClimb
其中,lorigin为航空器的计划飞行高度层,ΔlClimb为爬升最大飞行高度层偏移量,ΔlDescend为下降最大飞行高度层偏移量;
最小安全间隔约束,即
S4:通过多目标自主四维航迹规划模型,利用基于混合集中式和分布式策略的多机集群协同优化算法计算航空器四维航迹:
如图3所示,根据初始飞行计划(即用户偏好的航迹)探测飞机对之间的成对冲突,若航空器对之间存在冲突则表示航空器对存在相互依赖关系,将存在潜在冲突的航空器划分为一组;
对于不同组的航空器,采用遵循“后进入先调整”的分布式控制策略,即如果预测有两架飞机涉及关键事件(即冲突和高度复杂的情况),则后进入空域的飞机需调整其航迹以避免出现关键事件;
对于同组内的航空器,采用局部的集中式控制策略,通过协调组内飞机以实现协同航迹规划;
对于仅有一架航空器的航空器集群分组,采用遍历搜索算法搜索具有最小航迹调整成本的最优航迹;
对于有多架航空器的航空器集群分组,以最小化所有飞机的总航迹调整成本为目标从全局角度生成所有飞机的最优飞行航迹,即
其中,fg为组g内所有航空器的总航迹调整成本,fi是航空器i的航迹调整成本;采用基于分层策略的可变分辨率搜索算法以在合理的计算时间内逼近最优解。
如图4所示,采用基于分层策略的可变分辨率搜索算法的求解包括:
以低、中、高三种级别的分辨率生成解空间,对应的网格大小分别为20海里、10海里、5海里;
遍历搜索低分辨率解空间(Wg,Lg)20NM中的所有解,具有最小总航迹调整成本的可行解是当前分辨率水平的最优解;
在中等分辨率解空间(Wg,Lg)10NM中搜索得到的最优解周围的所有解,以优化最优解;
在高分辨率解空间(Wg,Lg)5NM中搜索当前最优解周围的所有解得到近似的最优解。
本实施例还提供一种基于时空可达空间的自主协同交通复杂性管理系统,该系统包括网络接口、存储器和处理器;其中,网络接口,用于在与其他外部网元之间进行收发信息过程中,实现信号的接收和发送;存储器,用于存储能够在所述处理器上运行的计算机程序指令;处理器,用于在运行计算机程序指令时,执行上述共识方法的步骤。
本实施例还提供一种计算机存储介质,该计算机存储介质存储有计算机程序,在处理器执行所述计算机程序时可实现以上所描述的方法。所述计算机可读介质可以被认为是有形的且非暂时性的。非暂时性有形计算机可读介质的非限制性示例包括非易失性存储器电路(例如闪存电路、可擦除可编程只读存储器电路或掩膜只读存储器电路)、易失性存储器电路(例如静态随机存取存储器电路或动态随机存取存储器电路)、磁存储介质(例如模拟或数字磁带或硬盘驱动器)和光存储介质(例如CD、DVD或蓝光光盘)等。计算机程序包括存储在至少一个非暂时性有形计算机可读介质上的处理器可执行指令。计算机程序还可以包括或依赖于存储的数据。计算机程序可以包括与专用计算机的硬件交互的基本输入/输出系统(BIOS)、与专用计算机的特定设备交互的设备驱动程序、一个或多个操作系统、用户应用程序、后台服务、后台应用程序等。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (9)
1.一种基于时空可达空间的自主协同交通复杂性管理方法,其特征在于,包括如下步骤:
S1:基于相关数据进行航迹预测;
S2:依据预测航迹和航空器性能生成栅格化的时空可达空间;
S3:依据时空可达空间建立多目标自主四维航迹规划模型;
S4:通过多目标自主四维航迹规划模型,利用基于混合集中式和分布式策略的多机集群协同优化算法计算航空器四维航迹。
2.根据权利要求1所述的一种基于时空可达空间的自主协同交通复杂性管理方法,其特征在于,所述步骤S1中相关数据包括航班飞行计划,航空器飞行性能,空域信息,航迹预测的方法为:获取航班的飞行计划,航空器飞行性能,空域信息数据,根据获取的数据预测航班的四维航迹,包括航班飞行经过的航路点三维坐标和所需到达时间。
3.根据权利要求2所述的一种基于时空可达空间的自主协同交通复杂性管理方法,其特征在于,所述步骤S2中时空可达空间的生成方法为:
依据预测的四维航迹信息,受所需到达时间的约束,航空器从起始航路点a到目的地航路点b的时空可达空间设定为一个椭圆,椭圆的边界表示为:
式中,(xR,yR)为航空器时空可达空间边界上的点在x-y平面上的坐标,(xa,ya),(xb,yb)分别为航路点a和航路点b的坐标,vmax为航空器的最大飞行速度,Δt=Tb-Ta为航空器从起点航路点到终点航路点的所需飞行时长,其中Ta,Tb分别为航空器到起点航路点a和终点航路点b的所需到达时间;
将空域离散为一组大小相等的正方形栅格单元,每架飞机改航航路点的候选位置为时空可达空间中栅格单元的中心点。
4.根据权利要求1所述的一种基于时空可达空间的自主协同交通复杂性管理方法,其特征在于,所述步骤S3中多目标自主四维航迹规划模型的建立包括:
A1:设定决策变量;
A2:构建目标函数;
A3:设定约束条件。
5.根据权利要求4所述的一种基于时空可达空间的自主协同交通复杂性管理方法,其特征在于,所述步骤A1中设定决策变量包括航空器水平改航机动和航空器飞行高度层分配;
航空器水平改航机动:通过指派飞机改航的可选航路点位置w=(xR,yR)重构飞机的水平飞行轨迹,其中xR和yR分别是x和y轴上的改航路点坐标;
航空器飞行高度层分配:通过分配可选飞行高度层l给飞机以在垂直剖面分隔交通流。
6.根据权利要求4所述的一种基于时空可达空间的自主协同交通复杂性管理方法,其特征在于,所述步骤A2中目标函数的构建包括:
最小化航迹调整成本,即,
min f(w,l)=D+αΨ
其中,f(w,l)是航空器的航迹调整成本;D和Ψ分别是与用户偏好航迹的偏差量和航迹复杂度;α为反映两个目标相对重要性的系数;
其中,用户偏好航迹的偏差量D定义为计划航迹与用户偏好航迹相比的额外飞行距离,即
D=DH(w,l)+DV(w,l)
其中,DH为水平额外飞行距离,DV为垂直额外飞行距离;
采用基于线性动力系统的内禀复杂度指标度量航迹复杂度:以基准航空器的采样点Pi,k为中心,在圆柱体空间内搜索相邻航空器的观测向量,即
采用最小化最小均方的方法求解与观测值之间的误差最小的动力系统模型,即
计算矩阵A的复数特征值,采样点Pi,k的复杂度指标与复数特征值的负数实部相关,即
航空器i的航迹复杂度通过对航迹上所有采样点的复杂性指标进行求和获得,即
其中,Ni是航空器i的航迹采样点的数量。
7.根据权利要求4所述的一种基于时空可达空间的自主协同交通复杂性管理方法,其特征在于,所述步骤A3中约束条件的设定方法依据航路点繁忙程度概率分布拟合曲线基于概率等分的方法对各个航路点的繁忙程度进行分级,约束条件具体包括:
时空可达空间约束,即
最大转弯角度约束,即
最大飞行高度层偏移量约束,即
-ΔlDescend≤l-lorigin≤ΔlClimb
其中,lorigin为航空器的计划飞行高度层,ΔlClimb为爬升最大飞行高度层偏移量,ΔlDescend为下降最大飞行高度层偏移量;
最小安全间隔约束,即
8.根据权利要求1所述的一种基于时空可达空间的自主协同交通复杂性管理方法,其特征在于,所述步骤S4具体为:
根据初始飞行计划探测飞机对之间的成对冲突,若航空器对之间存在冲突则表示航空器对存在相互依赖关系,将存在潜在冲突的航空器划分为一组;
对于不同组的航空器,采用遵循“后进入先调整”的分布式控制策略;
对于同组内的航空器,采用局部的集中式控制策略,通过协调组内飞机以实现协同航迹规划;
对于仅有一架航空器的航空器集群分组,采用遍历搜索算法搜索具有最小航迹调整成本的最优航迹;
对于有多架航空器的航空器集群分组,以最小化所有飞机的总航迹调整成本为目标从全局角度生成所有飞机的最优飞行航迹,即
其中,fg为组g内所有航空器的总航迹调整成本,fi是航空器i的航迹调整成本;采用基于分层策略的可变分辨率搜索算法以在合理的计算时间内逼近最优解。
9.根据权利要求8所述的一种基于时空可达空间的自主协同交通复杂性管理方法,其特征在于,所述采用基于分层策略的可变分辨率搜索算法的求解包括:
以低、中、高三种级别的分辨率生成解空间,对应的网格大小分别为20海里、10海里、5海里;
遍历搜索低分辨率解空间(Wg,Lg)20NM中的所有解,具有最小总航迹调整成本的可行解是当前分辨率水平的最优解;
在中等分辨率解空间(Wg,Lg)10NM中搜索得到的最优解周围的所有解,以优化最优解;
在高分辨率解空间(Wg,Lg)5NM中搜索当前最优解周围的所有解得到近似的最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211252964.6A CN115938163A (zh) | 2022-10-13 | 2022-10-13 | 一种基于时空可达空间的自主协同交通复杂性管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211252964.6A CN115938163A (zh) | 2022-10-13 | 2022-10-13 | 一种基于时空可达空间的自主协同交通复杂性管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115938163A true CN115938163A (zh) | 2023-04-07 |
Family
ID=86649749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211252964.6A Pending CN115938163A (zh) | 2022-10-13 | 2022-10-13 | 一种基于时空可达空间的自主协同交通复杂性管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115938163A (zh) |
-
2022
- 2022-10-13 CN CN202211252964.6A patent/CN115938163A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112116830B (zh) | 一种基于空域网格化的无人机动态地理围栏规划方法 | |
US8781651B2 (en) | Systems and methods providing a fuel-efficient RTA implementation with uncertain winds | |
CN108877298B (zh) | 一种基于四维航迹运行的航班计划安全性判断预警方法 | |
US11566890B2 (en) | Systems and methods for locating ground and air radio antennae for ground-to-air and air-to-air communications networks | |
US9245449B1 (en) | Constraint processing as an alternative to flight management systems | |
US8185298B2 (en) | Hybrid heuristic national airspace flight path optimization | |
US11663921B2 (en) | Flight trajectory multi-objective dynamic planning method | |
CN111968414B (zh) | 基于大数据和ai的4d轨迹预测方法、装置及电子设备 | |
Bulusu et al. | Cooperative and non-cooperative UAS traffic volumes | |
Calvo-Fernández et al. | Conflict-free trajectory planning based on a data-driven conflict-resolution model | |
Breil et al. | Multi-agent systems to help managing air traffic structure | |
Chaimatanan et al. | Aircraft 4D trajectories planning under uncertainties | |
CN111650931A (zh) | 多个移动设备的路径确定的方法、装置与存储介质 | |
CN114446094A (zh) | 一种航班排序信息的时空转换方法 | |
CN111739347A (zh) | 一种应用于自由航路空域的自主航迹规划与冲突解脱方法及装置 | |
Dancila et al. | Vertical flight profile optimization for a cruise segment with RTA constraints | |
Prandini et al. | Air traffic complexity in future Air Traffic Management systems | |
Liu et al. | Hierarchical four-dimensional trajectories planning method for manned and unmanned aircraft integrated airspace | |
CN116070811B (zh) | 基于航迹的航班绕飞判别处理方法、系统和存储介质 | |
CN115938163A (zh) | 一种基于时空可达空间的自主协同交通复杂性管理方法 | |
Rosenow et al. | Multiple Aircraft in a multi-criteria Trajectory Optimization | |
US20220292993A1 (en) | Airspace management systems and methods | |
Pongsakornsathien et al. | A multi-criteria clustering method for UAS traffic management and urban air mobility | |
Idan et al. | Efficient air traffic conflict resolution by minimizing the number of affected aircraft | |
Xu et al. | Data-Driven Departure Flight Time Prediction Based on Feature Construction and Ensemble Learning |
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 |