CN116052481B - 航空对流规避区识别处理方法、系统和存储介质 - Google Patents
航空对流规避区识别处理方法、系统和存储介质 Download PDFInfo
- Publication number
- CN116052481B CN116052481B CN202310061573.4A CN202310061573A CN116052481B CN 116052481 B CN116052481 B CN 116052481B CN 202310061573 A CN202310061573 A CN 202310061573A CN 116052481 B CN116052481 B CN 116052481B
- Authority
- CN
- China
- Prior art keywords
- avoidance
- matrix
- value
- flight
- probability
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 135
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 239000007788 liquid Substances 0.000 claims description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 21
- 238000007781 pre-processing Methods 0.000 claims description 19
- 238000010586 diagram Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 12
- 239000003086 colorant Substances 0.000 claims description 5
- 230000010006 flight Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 230000024703 flight behavior Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 43
- 238000004590 computer program Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
- G08G5/0091—Surveillance aids for monitoring atmospheric conditions
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种航空对流规避区识别处理方法、系统和存储介质。该方法在所述模型网格矩阵的平面坐标系中对应范围的飞行轨迹在当前网格中进行计数；根据所述飞行轨迹在当前网格中进行计数结果，针对每一个矩阵格点(即矩阵网格点)计算规避概率，在完成计算以后即获得规避矩阵；根据所述规避矩阵确定规避概率r值，构建关于所述规避矩阵的矩阵特征坐标系；根据所述矩阵特征坐标系进行有条件的拟合计算求取规避概率曲线；根据规避概率曲线取得到对应的规避概率的数值。通过上述方法可以实现提升规避区识别精度，保障航空器的飞行安全。
Description
技术领域
本发明涉及气象预测技术领域，尤其涉及一种航空对流规避区识别处理方法、系统和存储介质。
背景技术
随着我国航空运输业急速发展，迅猛增长的空中交通流量加剧了空管系统的运行压力。天气对空域内航空器飞行安全的影响越来越大，对经济效益的影响也越来越凸显。同时，航空气象用户对航空气象服务产品的精细化、集约化和辅助决策能力等方面的需求日益增长。
国内外统计分析表明，在所有影响航空飞行的天气中，强对流天气居于首位，造成航班延误、取消、返航备降及绕航数量最多，对空管运行，尤其是流量管理决策带来很大压力。然而，由于强对流天气受不同尺度天气系统的共同影响，发生、发展演变较快，截止目前要准确预报尚存在很多难点。因此，强对流天气的预报服务工作就成为航空气象的重中之重。如何将强对流预报预警产品更有效地与空管运行决策进行融合，如何将气象产品转化为对航空飞行的量化影响，从而为空管运行决策提供强有力的支持，在中国民航当前的实际业务中存在很多的空白。
美国在其国家天空系统(NAS)中引入了对流规避区的概念，将强对流天气的探测/预报结果，转换为航空器是否需要绕飞的区域，即对流规避区。在民航运行中直观的表征了对流天气对区域飞行的影响。而将强对流天气的气象信息转换为民航运行中规避区的模型即为对流规避模型。美国最新的对流规避区模型是基于对流云垂直液态水含量(VIL)，航空器高度与对流云顶高差值的线性模型。
参见图1所示的航空器高度与对流云顶高差值的线性模型，其横坐标为对流云垂直液态水含量(VIL)，纵坐标为航空器飞行高度与对流云顶高的差值，上部深色区域为非规避区，即在此情况下航空器可以直接穿过对流云区，下部浅色区域为规避区，即在此情况下，航空器必须要绕行对流云区做规避飞行。其中方块为实际的航空器绕飞或者穿行的情况。VIL与航空器飞行高度与对流云顶高的差值是线性关系。
进一步研究分析发现，我国的民航飞行状况与美国差异较大，航空公司规定、空管要求以及航路结构都大大不同，因此说美国模型在我国的并不适用。
发明内容
为了解决上述技术问题，本发明提供了一种航空对流规避区识别处理方法、系统和存储介质，提高航空器对流规避区的识别精度用以提升规避区识别精度，保障航空器的飞行安全。
本发明实施例提供了一种航空对流规避区识别处理方法，该方法包括：
对航迹数据进行预处理获得飞行轨迹，根据所述飞行轨迹获得飞行轨迹对应的雷达数据：
其中，所述航迹数据为筛选截取的航迹数据的航班在预设高度以上的航路飞行的航迹数据；所述雷达数据为雷达监测的覆盖预设范围内的预设分辨率的对流云顶高及垂直液态水含量数据；
对所述雷达数据进行预处理，构建与雷达观测一致的网格矩阵，即基于所述飞行轨迹以及其对应的雷达数据形成的背景场划分多个网格，多个网格形成网格矩阵；不断对所有网格内的对流云顶高以及所述垂直液态水含量进行求取，将所述对流云顶高取当前网格10海里范围内最高值，对所述垂直液态水含量取当前网格10海里范围内最大值；
对所述飞行轨迹对应的雷达观测的目标点进行参数取值；
基于所述雷达观测的目标点的VIL值以及飞机与对流云相对高度来构建模型网格矩阵的平面坐标系；在所述模型网格矩阵的平面坐标系中对应范围的飞行轨迹在当前网格中进行计数；
根据所述飞行轨迹在当前网格中进行计数结果，针对每一个矩阵格点(即矩阵网格点)计算规避概率，在完成计算以后即获得规避矩阵；
根据所述规避矩阵确定规避概率r值，构建关于所述规避矩阵的矩阵特征坐标系；根据所述矩阵特征坐标系进行有条件的拟合计算求取规避概率曲线；
根据规避概率曲线取得到对应的规避概率的数值。
优选的，作为一种可实施方式；所述筛选截取的航迹数据的航班在预设高度以上的航路飞行的航迹数据，其中包括对航迹数据进行筛选截取，即对航迹数据中的起飞和降落的过程产生的航班进行删除过滤，得到中段航班在预设高度以上的航路飞行的航迹数据。
优选的，作为一种可实施方式；所述预设高度为3000米。
优选的，作为一种可实施方式；所述对所述飞行轨迹对应的雷达观测的目标点进行参数取值，具体包括：
首先根据所述飞行轨迹判断当前飞行行为是否为规避绕行；
如果判定为不规避，则对于判定不规避的飞机航迹，取航迹点上对流云高度最高点为目标点，确定目标点的对流云顶高，VIL值以及飞机飞行高度值；
如果判定为规避，则对于判定规避的飞机航迹，取绕行起止点连线上对流云高度最高点为目标点，确定目标点的对流云顶高，VIL值以及飞机飞行高度值；
其中，一段航迹有且只有一个对应的目标点，由此确定一个目标点有且只有一个对应的对流云顶高，VIL值以及飞机飞行高度值。
优选的，作为一种可实施方式；所述基于所述雷达观测的目标点的VIL值以及飞机与对流云相对高度来构建模型网格矩阵的平面坐标系；在所述模型网格矩阵的平面坐标系中对应范围的飞行轨迹在当前网格中进行计数，具体包括：
获取当前一段航迹对应的目标点的对流云顶高，VIL值以及飞机飞行高度值；
根据目标点的飞机飞行高度值和对流云顶高计算飞机与对流云相对高度；其中，所述飞机与对流云相对高度＝飞机飞行高度值-对流云顶高；
基于所述目标点的VIL值与所述飞机与对流云相对高度来构建模型网格矩阵的平面坐标系；
其中，横坐标为目标点的VIL值且限定横坐标为VIL值范围为10到80，且横坐标单位长度间隔为1；其中，纵坐标为飞机与对流云相对高度的数值，且纵坐标单位长度间隔为100米；
在所述模型网格矩阵的平面坐标系中对应范围的飞行轨迹在当前网格中目标点进行统计计数。
优选的，作为一种可实施方式；根据所述规避矩阵确定规避概率r值，构建关于所述规避矩阵的矩阵特征坐标系；根据所述矩阵特征坐标系进行有条件的拟合计算求取规避概率曲线，具体包括：
针对每一个矩阵网格点计算当前网格点的规避概率，根据所述规避矩阵确定规避概率r值；
在所有矩阵网格点的规避概率r值完成计算之后获得规避矩阵的矩阵特征坐标系；
确定矩阵特征坐标系的纵坐标为Iy，即Iy为规避矩阵中各列大于等于r值的最大值；确定矩阵特征坐标系的横坐标为Ix，即矩阵横坐标为VIL值，VIL值范围为10到80，且横坐标单位长度间隔为1；
按照预设条件(即有条件的)筛选规避概率r值处于0.6到0.8的规避概率；
基于筛选后的规避概率在所述矩阵特征坐标系中Ix与Iy按照指数拟合y＝a*log(x)+b进行拟合，即得到规避概率曲线。
优选的，作为一种可实施方式；所述规避概率的数值通过如下公式计算获得：
所述规避概率＝(当前格点绕飞航班量/所有格点绕飞总量)/((当前格点穿云航班量/所有格点穿云总量)+(当前格点绕飞航班量/所有格点绕飞总量))。
优选的，作为一种可实施方式；所述根据规避概率曲线取得到对应的规避概率的数值，包括：
筛选规避概率r值处于0.6到0.8的多条规避概率曲线，使用不同颜色对不同的规避概率曲线进行标识表示得到规避概率曲线组图；
待当前航路上有重要天气发生时，根据当时航空器所处的相对对流云云顶的高度以及VIL值，依据所述规避概率曲线组图求取得到对应的规避概率的数值。
本发明提供了一种航空对流规避区识别处理系统，包括航迹数据预处理模块、雷达数据预处理模块、目标点拾取模块、计数模块、规避矩阵处理模块、拟合处理模块，计算处理模块，其中：
航迹数据预处理模块，用于对航迹数据进行预处理获得飞行轨迹，根据所述飞行轨迹获得飞行轨迹对应的雷达数据：其中，所述航迹数据为筛选截取的航迹数据的航班在预设高度以上的航路飞行的航迹数据；所述雷达数据为雷达监测的覆盖预设范围内的预设分辨率的对流云顶高及垂直液态水含量数据；
雷达数据预处理模块，用于对所述雷达数据进行预处理，构建与雷达观测一致的网格矩阵，即基于所述飞行轨迹以及其对应的雷达数据形成的背景场划分多个网格，多个网格形成网格矩阵；不断对所有网格内的对流云顶高以及所述垂直液态水含量进行求取，将所述对流云顶高取当前网格10海里范围内最高值，对所述垂直液态水含量取当前网格10海里范围内最大值；
目标点拾取模块，用于对所述飞行轨迹对应的雷达观测的目标点进行参数取值；
计数模块，用于基于所述雷达观测的目标点的VIL值以及飞机与对流云相对高度来构建模型网格矩阵的平面坐标系；在所述模型网格矩阵的平面坐标系中对应范围的飞行轨迹在当前网格中进行计数；
规避矩阵处理模块，用于根据所述飞行轨迹在当前网格中进行计数结果，针对每一个矩阵格点(即矩阵网格点)计算规避概率，在完成计算以后即获得规避矩阵；
拟合处理模块，用于根据所述规避矩阵确定规避概率r值，构建关于所述规避矩阵的矩阵特征坐标系；根据所述矩阵特征坐标系进行有条件的拟合计算求取规避概率曲线；
计算处理模块，用于根据规避概率曲线取得到对应的规避概率的数值。
相应地，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行航空对流规避区识别处理方法的步骤。
本发明实施例具有以下技术效果：
本发明实施例提供了一种航空对流规避区识别处理系统、方法及存储介质；其中方法包括：对航迹数据进行预处理获得飞行轨迹，根据所述飞行轨迹获得飞行轨迹对应的雷达数据：
对所述雷达数据进行预处理，构建与雷达观测一致的网格矩阵，即基于所述飞行轨迹以及其对应的雷达数据形成的背景场划分多个网格，多个网格形成网格矩阵；不断对所有网格内的对流云顶高以及所述垂直液态水含量进行求取，将所述对流云顶高取当前网格10海里范围内最高值，对所述垂直液态水含量取当前网格10海里范围内最大值；
对所述飞行轨迹对应的雷达观测的目标点进行参数取值；基于所述雷达观测的目标点的VIL值以及飞机与对流云相对高度来构建模型网格矩阵的平面坐标系；
在所述模型网格矩阵的平面坐标系中对应范围的飞行轨迹在当前网格中进行计数；根据所述飞行轨迹在当前网格中进行计数结果，针对每一个矩阵格点(即矩阵网格点)计算规避概率，在完成计算以后即获得规避矩阵；根据所述规避矩阵确定规避概率r值，构建关于所述规避矩阵的矩阵特征坐标系；根据所述矩阵特征坐标系进行有条件的拟合计算求取规避概率曲线；根据规避概率曲线取得到对应的规避概率的数值。
通过上述方法可以实现提升规避区识别精度，保障航空器的飞行安全。
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，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是现有技术中的航空器高度与对流云顶高差值的线性模型的示意图；
图2是本发明实施例提供的一种航空对流规避区识别处理方法的主要流程示意图；
图3是本发明实施例中的实际航迹与实际雷达分布示意图；
图4是本发明实施例中的图3的放大结构示意图；
图5是本发明实施例提供的一种航空对流规避区识别处理方法中步骤S300的具体处理流程图；
图6是本发明实施例提供的一种航空对流规避区识别处理方法中步骤S400的具体处理流程图；
图7是本发明实施例提供的一种航空对流规避区识别处理方法中步骤S600的具体处理流程图；
图8是本发明实施例提供的规避概率曲线示意图；
图9是本发明实施例提供的一种航空对流规避区识别处理方法中步骤S700的具体处理流程图；
图10示意了本发明实施例不同颜色的等值线代表不同的规避概率曲线形成的规避概率曲线组图；
图11是本发明实施例提供的一种航空对流规避区识别处理系统的原理图；
图12是本发明实施例提供的一种航空对流规避区识别处理系统与现有技术的处理模型的对比效果示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行清楚、完整的描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
下面结合附图对本发明实施例提供航空对流规避区识别处理方法、系统以及存储介质作进一步描述。
本发明提供的一种航空对流规避区识别处理方法，是基于实际数据建立的航空对流规避区模型，该航空对流规避区模型是基于我国5年航迹数据以及雷达数据。
关于航迹数据：起飞和降落的过程并不属于本发明关注的范畴，因此截取了航迹数据中段航班3000米以上的航路飞行部分。
关于雷达数据：同时对雷达数据进行获取，该雷达数据为覆盖我国的0.01度分辨率(需要说明的是，我国的雷达拼图分辨率最高就是0.01度，这个分辨率越高越好，但是目前我国雷达拼图分辨率最高就达到这个水平，对此本发明实施例优选使用上述分辨率)的对流云顶高及垂直液态水含量数据。
图2是本发明实施例提供的一种航空对流规避区识别处理方法的流程图。参见图2，该航空对流规避区识别处理方法具体包括：
步骤S100：对航迹数据进行预处理获得飞行轨迹，根据所述飞行轨迹获得飞行轨迹对应的雷达数据：
其中，所述航迹数据为筛选截取的航迹数据的航班在预设高度以上的航路飞行的航迹数据；所述雷达数据为雷达监测的覆盖预设范围内的预设分辨率的对流云顶高及垂直液态水含量数据；
步骤S200：对所述雷达数据进行预处理，构建与雷达观测一致的网格矩阵，即基于所述飞行轨迹以及其对应的雷达数据形成的背景场(或称飞行轨迹以及其对应的雷达数据形成的复合平面图)划分多个网格，多个网格形成网格矩阵；不断对所有网格内的对流云顶高以及所述垂直液态水含量进行求取，将所述对流云顶高取当前网格10海里范围内最高值，对所述垂直液态水含量取当前网格10海里范围内最大值；
其中需要说明的是，我国航路宽度约左右10海里，部分航空公司雷暴云绕飞规定中也要求距离10海里左右，即进入雷暴云10海里范围内，可以视作进入雷暴云影响范围，此时则需要绕飞处理；因此：可以考虑构建与雷达观测(有关的)一致的网格矩阵，即将所述对流云顶高取当前网格10海里范围内最高值(当前10海里范围，是指当前网格周围10海里范围；要取最高值至少存在如下方面的技术效果：雷达的数据是0.01度，取最高值就不是将对流云顶高平滑掉，意思就是这个最高值的影响不只是在0.01度的范围内，而是在10海里范围内)，垂直液态水含量取当前网格10海里范围内最大值。示意如下图，详见图3以及图4，其中，图3是本申请一实施例中的实际航迹与实际雷达分布示意图，该图中的横坐标为经度，纵坐标为维度，点云形状为实际雷达分布。图4是图3的放大效果示意图。
步骤S300：对所述飞行轨迹对应的雷达观测的目标点进行参数取值；
步骤S400：基于所述雷达观测的目标点的VIL值以及飞机与对流云相对高度来构建模型网格矩阵的平面坐标系；在所述模型网格矩阵的平面坐标系中对应范围的飞行轨迹在当前网格中进行计数；
步骤S500：根据所述飞行轨迹在当前网格中进行计数结果，针对每一个矩阵格点(即矩阵网格点)计算规避概率，在完成计算以后即获得规避矩阵；
步骤S600：根据所述规避矩阵确定规避概率r值，构建关于所述规避矩阵的矩阵特征坐标系；根据所述矩阵特征坐标系进行有条件的拟合计算求取规避概率曲线；
步骤S700：根据规避概率曲线取得到对应的规避概率的数值。
在本发明实施例中，所述筛选截取的航迹数据的航班在预设高度以上的航路飞行的航迹数据，其中包括对航迹数据进行筛选截取，即对航迹数据中的起飞和降落的过程产生的航班进行删除过滤，得到中段航班在预设高度以上的航路飞行的航迹数据。所述预设高度为3000米。
分析上述技术方案可知，上述航迹(航迹数据)只保留了飞行高度在3000米以上的部分；这样处理完成的航迹大致为处于区域平飞阶段，飞行较为稳定，有利于背景场的分析，起飞和降落的过程并不属于本发明关注的范畴，因此截取了航迹数据中段航班3000米以上的航路飞行部分。
参见图5，在本发明实施例中，所述对所述飞行轨迹对应的雷达观测的目标点进行参数取值，具体包括：
步骤S310：首先根据所述飞行轨迹判断当前飞行行为是否为规避绕行；
步骤S320：如果判定为不规避，则对于判定不规避的飞机航迹，取航迹点上对流云高度最高点为目标点，确定目标点的对流云顶高，VIL值以及飞机飞行高度值；
步骤S330：如果判定为规避，则对于判定规避的飞机航迹，取绕行起止点连线上对流云高度最高点为目标点(上述取绕行起止点连线上对流云高度最高点为目标点的处理，目的就是规避是由于对流云最高(也就是最强)的点所造成的影响)，确定目标点的对流云顶高，VIL值以及飞机飞行高度值；
其中，一段航迹有且只有一个对应的目标点，由此确定一个目标点有且只有一个对应的对流云顶高，VIL值以及飞机飞行高度值。
参见图6，在本发明实施例中，所述基于所述雷达观测的目标点的VIL值以及飞机与对流云相对高度来构建模型网格矩阵的平面坐标系；在所述模型网格矩阵的平面坐标系中对应范围的飞行轨迹在当前网格中进行计数，具体包括：
步骤S410：获取当前一段航迹对应的目标点的对流云顶高，VIL值以及飞机飞行高度值；
步骤S420：根据目标点的飞机飞行高度值和对流云顶高计算飞机与对流云相对高度；其中，所述飞机与对流云相对高度＝飞机飞行高度值-对流云顶高；
步骤S430：基于所述目标点的VIL值与所述飞机与对流云相对高度来构建模型网格矩阵的平面坐标系；
其中，横坐标为目标点的VIL值且限定横坐标为VIL值范围为10到80，且横坐标单位长度间隔为1；其中，纵坐标为飞机与对流云相对高度的数值，且纵坐标单位长度间隔为100米；
在所述模型网格矩阵的平面坐标系中对应范围的飞行轨迹在当前网格中目标点进行统计计数(此处设计了统计计数操作：计数的意思是在横坐标为VIL，纵坐标为相对高度的二维空间中进行点计数，一条航迹最终就是一个点)。
参见图7，在本发明实施例中，根据所述规避矩阵确定规避概率r值，构建关于所述规避矩阵的矩阵特征坐标系；根据所述矩阵特征坐标系进行有条件的拟合计算求取规避概率曲线，具体包括：
步骤S610：针对每一个矩阵网格点计算当前网格点的规避概率，根据所述规避矩阵确定规避概率r值；
所述规避概率的数值通过如下公式计算获得：所述规避概率＝(当前格点绕飞航班量/所有格点绕飞总量)/((当前格点穿云航班量/所有格点穿云总量)+(当前格点绕飞航班量/所有格点绕飞总量))；
步骤S620：在所有矩阵网格点的规避概率r值完成计算之后获得规避矩阵的矩阵特征坐标系；
步骤S630：确定矩阵特征坐标系的纵坐标为Iy，即Iy为规避矩阵中各列大于等于r值的最大值；确定矩阵特征坐标系的横坐标为Ix，即矩阵横坐标为VIL值，VIL值范围为10到80，且横坐标单位长度间隔为1；
步骤S640：按照预设条件(即有条件的)筛选规避概率r值处于0.6到0.8的规避概率；
步骤S650：基于筛选后的规避概率在所述矩阵特征坐标系中Ix与Iy按照指数拟合y＝a*log(x)+b进行拟合，即得到规避概率曲线。参见图8，在有足够样本的情况下，规避矩阵将呈现右下值大，左上值小的特征。计算规避概率曲线：确定规避概率r值，r按照需求可以选择0.6到0.8，如图8的红线即为r＝0.8(至于为什么要优选使用选择0.6到0.8，这个区间有什么特殊意义，对此本发明实施例进行如下说明，其中0.6也就是说60％会规避，就证明是超过一般的大多数，0.8也就是80％会规避，也就是绝大多数，这个在整个全国的流量控制中就是很好的依据。)；Ix为矩阵纵坐标值，即10到80，间隔1，Iy为规避矩阵中，各列大于等于r的最大值。将Ix与Iy按照指数拟合y＝a*log(x)+b，即得到规避概率曲线。
参见图9，在本发明实施例中，所述根据规避概率曲线取得到对应的规避概率的数值，包括：
步骤S710：筛选规避概率r值处于0.6到0.8的多条规避概率曲线，使用不同颜色对不同的规避概率曲线进行标识表示得到规避概率曲线组图；
步骤S720：待当前航路上有重要天气发生时，根据当时航空器所处的相对对流云云顶的高度以及VIL值，依据所述规避概率曲线组图求取得到对应的规避概率的数值。
参见图10，图10示意了不同颜色的等值线代表不同的规避概率曲线形成的规避概率曲线组图。对流规避概率为VIL和相对飞行高度的函数，同VIL正相关，同相对飞行高度负相关。对流规避区模型建立之后，当航路上有重要天气发生时，根据当时航空器所处的相对对流云云顶的高度，以及环境空间VIL值，依据上图10可以得到规避概率，这对保证航班安全、效率地飞行有着重要的指示意义。
实施例二
参见图11，本发明提供了一种航空对流规避区识别处理系统，包括航迹数据预处理模块11、雷达数据预处理模块12、目标点拾取模块13、计数模块14、规避矩阵处理模块15、拟合处理模块16，计算处理模块17，其中：
航迹数据预处理模块11，用于对航迹数据进行预处理获得飞行轨迹，根据所述飞行轨迹获得飞行轨迹对应的雷达数据：其中，所述航迹数据为筛选截取的航迹数据的航班在预设高度以上的航路飞行的航迹数据；所述雷达数据为雷达监测的覆盖预设范围内的预设分辨率的对流云顶高及垂直液态水含量数据；
雷达数据预处理模块12，用于对所述雷达数据进行预处理，构建与雷达观测一致的网格矩阵，即基于所述飞行轨迹以及其对应的雷达数据形成的背景场划分多个网格，多个网格形成网格矩阵；不断对所有网格内的对流云顶高以及所述垂直液态水含量进行求取，将所述对流云顶高取当前网格10海里范围内最高值，对所述垂直液态水含量取当前网格10海里范围内最大值；
目标点拾取模块13，用于对所述飞行轨迹对应的雷达观测的目标点进行参数取值；
计数模块14，用于基于所述雷达观测的目标点的VIL值以及飞机与对流云相对高度来构建模型网格矩阵的平面坐标系；在所述模型网格矩阵的平面坐标系中对应范围的飞行轨迹在当前网格中进行计数；
规避矩阵处理模块15，用于根据所述飞行轨迹在当前网格中进行计数结果，针对每一个矩阵格点(即矩阵网格点)计算规避概率，在完成计算以后即获得规避矩阵；
拟合处理模块16，用于根据所述规避矩阵确定规避概率r值，构建关于所述规避矩阵的矩阵特征坐标系；根据所述矩阵特征坐标系进行有条件的拟合计算求取规避概率曲线；
计算处理模块17，用于根据规避概率曲线取得到对应的规避概率的数值。
实施例三
相应地，本发明实施例三提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如所述的航空对流规避区识别处理方法的步骤。
参见图12，本发明实施例提供的航空对流规避区识别处理方法、系统相比现有技术至少存在附图12中所示意的技术区别点以及技术优势。
除了上述方法和系统以外，本发明的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的航空对流规避区识别处理方法的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本发明的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的航空对流规避区识别处理方法的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
需要说明的是，本发明所用术语仅为了描述特定实施例，而非限制本申请范围。如本发明说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
还需说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”等应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
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。
Claims (6)
1.一种航空对流规避区识别处理方法，其特征在于，包括：
对航迹数据进行预处理获得飞行轨迹，根据所述飞行轨迹获得飞行轨迹对应的雷达数据：
其中，所述航迹数据为筛选截取的航迹数据的航班在预设高度以上的航路飞行的航迹数据；所述雷达数据为雷达监测的覆盖预设范围内的预设分辨率的对流云顶高及垂直液态水含量数据；
对所述雷达数据进行预处理，构建与雷达观测一致的网格矩阵，即基于所述飞行轨迹以及其对应的雷达数据形成的背景场划分多个网格，多个网格形成网格矩阵；不断对所有网格内的对流云顶高以及所述垂直液态水含量进行求取，将所述对流云顶高取当前网格10海里范围内最高值，对所述垂直液态水含量取当前网格10海里范围内最大值；
对所述飞行轨迹对应的雷达观测的目标点进行参数取值；
基于所述雷达观测的目标点的VIL值以及飞机与对流云相对高度来构建模型网格矩阵的平面坐标系；在所述模型网格矩阵的平面坐标系中对应范围的飞行轨迹在当前网格中进行计数；
根据所述飞行轨迹在当前网格中进行计数结果，针对每一个矩阵格点计算规避概率，在完成计算以后即获得规避矩阵；
根据所述规避矩阵确定规避概率r值，构建关于所述规避矩阵的矩阵特征坐标系；根据所述矩阵特征坐标系进行有条件的拟合计算求取规避概率曲线；
根据规避概率曲线取得到对应的规避概率的数值；
所述对所述飞行轨迹对应的雷达观测的目标点进行参数取值，具体包括：
首先根据所述飞行轨迹判断当前飞行行为是否为规避绕行；
如果判定为不规避，则对于判定不规避的飞机航迹，取航迹点上对流云高度最高点为目标点，确定目标点的对流云顶高，VIL值以及飞机飞行高度值；
如果判定为规避，则对于判定规避的飞机航迹，取绕行起止点连线上对流云高度最高点为目标点，确定目标点的对流云顶高，VIL值以及飞机飞行高度值；
其中，一段航迹有且只有一个对应的目标点，由此确定一个目标点有且只有一个对应的对流云顶高，VIL值以及飞机飞行高度值；
所述基于所述雷达观测的目标点的VIL值以及飞机与对流云相对高度来构建模型网格矩阵的平面坐标系；在所述模型网格矩阵的平面坐标系中对应范围的飞行轨迹在当前网格中进行计数，具体包括：
获取当前一段航迹对应的目标点的对流云顶高，VIL值以及飞机飞行高度值；
根据目标点的飞机飞行高度值和对流云顶高计算飞机与对流云相对高度；其中，所述飞机与对流云相对高度＝飞机飞行高度值-对流云顶高；
基于所述目标点的VIL值与所述飞机与对流云相对高度来构建模型网格矩阵的平面坐标系；
其中，横坐标为目标点的VIL值且限定横坐标为VIL值范围为10到80，且横坐标单位长度间隔为1；其中，纵坐标为飞机与对流云相对高度的数值，且纵坐标单位长度间隔为100米；
在所述模型网格矩阵的平面坐标系中对应范围的飞行轨迹在当前网格中目标点进行统计计数；
根据所述规避矩阵确定规避概率r值，构建关于所述规避矩阵的矩阵特征坐标系；根据所述矩阵特征坐标系进行有条件的拟合计算求取规避概率曲线，具体包括：
针对每一个矩阵网格点计算当前网格点的规避概率，根据所述规避矩阵确定规避概率r值；
在所有矩阵网格点的规避概率r值完成计算之后获得规避矩阵的矩阵特征坐标系；
确定矩阵特征坐标系的纵坐标为Iy，即Iy为规避矩阵中各列大于等于r值的最大值；确定矩阵特征坐标系的横坐标为Ix，即矩阵横坐标为VIL值，VIL值范围为10到80，且横坐标单位长度间隔为1；
按照预设条件筛选规避概率r值处于0.6到0.8的规避概率；
基于筛选后的规避概率在所述矩阵特征坐标系中Ix与Iy按照指数拟合y＝a*log(x)+b进行拟合，即得到规避概率曲线。
2.根据权利要求1所述的方法，其特征在于，所述筛选截取的航迹数据的航班在预设高度以上的航路飞行的航迹数据，其中包括对航迹数据进行筛选截取，即对航迹数据中的起飞和降落的过程产生的航班进行删除过滤，得到中段航班在预设高度以上的航路飞行的航迹数据。
3.根据权利要求2所述的方法，其特征在于，所述预设高度为3000米。
4.根据权利要求1所述的方法，其特征在于，所述规避概率的数值通过如下公式计算获得：
所述规避概率＝(当前格点绕飞航班量/所有格点绕飞总量)/((当前格点穿云航班量/所有格点穿云总量)+(当前格点绕飞航班量/所有格点绕飞总量))。
5.根据权利要求4所述的方法，其特征在于，所述根据规避概率曲线取得到对应的规避概率的数值，包括：
筛选规避概率r值处于0.6到0.8的多条规避概率曲线，使用不同颜色对不同的规避概率曲线进行标识表示得到规避概率曲线组图；
待当前航路上有重要天气发生时，根据当时航空器所处的相对对流云云顶的高度以及VIL值，依据所述规避概率曲线组图求取得到对应的规避概率的数值。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至5任一项所述的航空对流规避区识别处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310061573.4A CN116052481B (zh) | 2023-01-17 | 2023-01-17 | 航空对流规避区识别处理方法、系统和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310061573.4A CN116052481B (zh) | 2023-01-17 | 2023-01-17 | 航空对流规避区识别处理方法、系统和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116052481A CN116052481A (zh) | 2023-05-02 |
| CN116052481B true CN116052481B (zh) | 2023-10-27 |
Family
ID=86113150
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310061573.4A Active CN116052481B (zh) | 2023-01-17 | 2023-01-17 | 航空对流规避区识别处理方法、系统和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116052481B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118034354B (zh) * | 2024-04-12 | 2024-06-28 | 三峡高科信息技术有限责任公司 | 一种基于无人机的电力巡检控制方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101572019A (zh) * | 2009-06-01 | 2009-11-04 | 民航数据通信有限责任公司 | 雷达航迹拟合及统计分析的装置 |
| CN113361948A (zh) * | 2021-06-24 | 2021-09-07 | 中国电子科技集团公司第二十八研究所 | 一种基于矩阵运算的空域对流天气信息量化方法 |
| CN113433974A (zh) * | 2021-07-22 | 2021-09-24 | 河南大学 | 一种强对流天气下飞机安全航迹规划方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8368584B2 (en) * | 2009-06-10 | 2013-02-05 | The University Of North Dakota | Airspace risk mitigation system |
| US9564055B2 (en) * | 2015-06-15 | 2017-02-07 | WxOps, Inc. | Prediction and warning of transported turbulence in long-haul aircraft operations |
-
2023
- 2023-01-17 CN CN202310061573.4A patent/CN116052481B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101572019A (zh) * | 2009-06-01 | 2009-11-04 | 民航数据通信有限责任公司 | 雷达航迹拟合及统计分析的装置 |
| CN113361948A (zh) * | 2021-06-24 | 2021-09-07 | 中国电子科技集团公司第二十八研究所 | 一种基于矩阵运算的空域对流天气信息量化方法 |
| CN113433974A (zh) * | 2021-07-22 | 2021-09-24 | 河南大学 | 一种强对流天气下飞机安全航迹规划方法 |
Non-Patent Citations (1)
| Title |
|---|
| 强对流天气人工智能应用训练基础数据集构建;刘娜等;应用气象学报;第第32卷卷(第第5期期);第530-541页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116052481A (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109738970B (zh) | 基于雷电数据挖掘实现雷电预警的方法、装置和存储介质 | |
| US9558670B1 (en) | Method and system for air traffic rerouting for airspace constraint resolution | |
| RU2019123395A (ru) | Оценка рисков для беспилотных летательных транспортных средств | |
| CN104992254B (zh) | 基于电网gis的山火与气象结合的趋势预判方法 | |
| CN116052481B (zh) | 航空对流规避区识别处理方法、系统和存储介质 | |
| CN111009155B (zh) | 基于空域结构和航班流的空中交通流复杂性量化分析方法 | |
| CN111508279B (zh) | 一种天气避让场划设的方法 | |
| KR101296462B1 (ko) | 항공관제를 위한 통합정보처리 시스템 | |
| KR102002158B1 (ko) | 시정 예측 시스템 | |
| JP5255857B2 (ja) | 乱気流予測システムおよび乱気流予測方法 | |
| CN109710595B (zh) | 基于有限信息的输电走廊鸟害热点图的构建方法 | |
| CN115792918B (zh) | 基于多源数据融合的配料法识别航空对流风险区的方法 | |
| CN110659797B (zh) | 一种飞行冲突解脱管制指令的评估方法及系统 | |
| CN115292554B (zh) | 一种航空气象四维数据集的构建方法及系统 | |
| CN114755367B (zh) | 一种环保污染监测方法、系统、设备及介质 | |
| Kim et al. | Retrieval of eddy dissipation rate from derived equivalent vertical gust included in Aircraft Meteorological Data Relay (AMDAR) | |
| CN110826891B (zh) | 一种基于船舶集群态势的相对碰撞危险度获取方法 | |
| CN118197103A (zh) | 基于势场理论的多航空器实时交互风险评估方法及系统 | |
| CN109471205B (zh) | 一种基于网格化气象数据在电网运行中的监测预警方法 | |
| CN116070811B (zh) | 基于航迹的航班绕飞判别处理方法、系统和存储介质 | |
| US8244424B2 (en) | Database comprising topographical information on obstacles and method for generating one such database | |
| CN110942675A (zh) | 一种终端区b类空域划设的方法 | |
| CN113449918B (zh) | 突发重大污染事件应急指挥辅助决策方法和系统 | |
| CN109979244A (zh) | 异质飞行器空域拥堵的预测方法和装置 | |
| Jie et al. | Preliminary Environmental Risk Consideration for Small UAV Ground Risk Mapping |
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 |