CN117238177A - 一种进场交通流轨迹一致性的测度方法及装置 - Google Patents
一种进场交通流轨迹一致性的测度方法及装置 Download PDFInfo
- Publication number
- CN117238177A CN117238177A CN202311284375.0A CN202311284375A CN117238177A CN 117238177 A CN117238177 A CN 117238177A CN 202311284375 A CN202311284375 A CN 202311284375A CN 117238177 A CN117238177 A CN 117238177A
- Authority
- CN
- China
- Prior art keywords
- track
- approach
- simplified
- traffic flow
- processed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000013459 approach Methods 0.000 claims abstract description 191
- 230000008859 change Effects 0.000 claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000008569 process Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 17
- 238000012544 monitoring process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 206010034701 Peroneal nerve palsy Diseases 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000013585 weight reducing agent Substances 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种进场交通流轨迹一致性的测度方法及装置,该方法为:获取目标终端空域区域内的航空器轨迹集合;对航空器轨迹集合中的轨迹进行预处理以得到多条待处理进场轨迹;确定待处理进场轨迹的航向变化时间序列;基于待处理进场轨迹的航向变化时间序列,生成待处理进场轨迹对应的简化轨迹;对简化轨迹进行聚类以得到多簇进场交通流;计算进场交通流对应的平均轨迹一致性。通过航向变化时间序列生成待处理进场轨迹的简化轨迹,既简化了待处理进场轨迹又保留了轨迹整体形状特征,对简化轨迹进行聚类进而计算进场交通流对应的平均轨迹一致性,提高测度进场交通流轨迹一致性的准确性和提高计算效率。
Description
技术领域
本发明涉及航空交通流轨迹分析技术领域,具体涉及一种进场交通流轨迹一致性的测度方法及装置。
背景技术
随着空中交通密度的增加,即使是经验丰富的管制员在面对高复杂度的进场交通管制任务时也会造成空中交通秩序性差的问题,该问题表现为进场飞机轨迹呈现出随机偏离、一致性差的复杂交通现象。
目前处理进场飞机轨迹的现有方式为:在识别出转弯航迹的基础上对转弯点进行聚类,然后构造进场航路点序列。但是,前述现有方式直接利用转弯航路点进行聚类而忽略了轨迹整体形状特征,并不能准确的得到进场交通流轨迹一致性。
发明内容
有鉴于此,本发明实施例提供一种进场交通流轨迹一致性的测度方法及装置,以解决处理进场飞机轨迹的现有方式存在的不能准确的得到进场交通流轨迹一致性等问题。
为实现上述目的,本发明实施例提供如下技术方案:
本发明实施例第一方面公开一种进场交通流轨迹一致性的测度方法,所述方法包括:
获取目标终端空域区域内的航空器轨迹集合;
对所述航空器轨迹集合中的轨迹进行预处理以得到多条待处理进场轨迹;
确定所述待处理进场轨迹的航向变化时间序列;
基于所述待处理进场轨迹的航向变化时间序列,生成所述待处理进场轨迹对应的简化轨迹;
对所述简化轨迹进行聚类以得到多簇进场交通流;
计算所述进场交通流对应的平均轨迹一致性。
优选的,计算所述进场交通流对应的平均轨迹一致性,包括:
计算所述进场交通流中每一简化轨迹与中心轨迹之间的偏离度,所述中心轨迹为所述进场交通流中作为聚类中心的简化轨迹;
根据所述进场交通流中每一简化轨迹与中心轨迹之间的偏离度,确定所述进场交通流中每一简化轨迹对应的轨迹一致性;
计算所述进场交通流中每一简化轨迹对应的轨迹一致性的平均值,以得到所述进场交通流对应的平均轨迹一致性。
优选的,对所述航空器轨迹集合中的轨迹进行预处理以得到多条待处理进场轨迹,包括:
针对所述航空器轨迹集合中的轨迹,将所述轨迹中超出预设的裁剪区域的航迹点剔除,以得到裁剪后的轨迹;
基于所述裁剪后的轨迹对应的航班飞行计划数据,从所述裁剪后的轨迹中识别出多条待处理进场轨迹。
优选的,确定所述待处理进场轨迹的航向变化时间序列,包括:
将所述待处理进场轨迹的轨迹时间序列转化为航向时间序列;
根据所述待处理进场轨迹的航段之间的航向差,将所述待处理进场轨迹的航向时间序列转化为航向变化时间序列。
优选的,基于所述待处理进场轨迹的航向变化时间序列,生成所述待处理进场轨迹对应的简化轨迹,包括:
基于所述待处理进场轨迹的航向变化时间序列,识别所述待处理进场轨迹中的转弯航迹点;
利用所述待处理进场轨迹中的转弯航迹点,构造所述待处理进场轨迹对应的简化轨迹。
优选的,对所述简化轨迹进行聚类以得到多簇进场交通流,包括:
根据所述简化轨迹中各个航迹点在墨卡托投影平面直角坐标系下的坐标,计算任意两条所述简化轨迹之间的距离并将其添加至进场交通流距离矩阵中;
基于所述进场交通流距离矩阵,对所述简化轨迹进行聚类以得到多簇进场交通流。
本发明实施例第二方面公开一种进场交通流轨迹一致性的测度装置,所述装置包括:
获取单元,用于获取目标终端空域区域内的航空器轨迹集合;
预处理单元,用于对所述航空器轨迹集合中的轨迹进行预处理以得到多条待处理进场轨迹;
确定单元,用于确定所述待处理进场轨迹的航向变化时间序列;
生成单元,用于基于所述待处理进场轨迹的航向变化时间序列,生成所述待处理进场轨迹对应的简化轨迹;
聚类单元,用于对所述简化轨迹进行聚类以得到多簇进场交通流;
计算单元,用于计算所述进场交通流对应的平均轨迹一致性。
优选的,所述计算单元包括:
第一计算模块,用于计算所述进场交通流中每一简化轨迹与中心轨迹之间的偏离度,所述中心轨迹为所述进场交通流中作为聚类中心的简化轨迹;
确定模块,用于根据所述进场交通流中每一简化轨迹与中心轨迹之间的偏离度,确定所述进场交通流中每一简化轨迹对应的轨迹一致性;
第二计算模块,用于计算所述进场交通流中每一简化轨迹对应的轨迹一致性的平均值,以得到所述进场交通流对应的平均轨迹一致性。
优选的,所述预处理单元具体用于:针对所述航空器轨迹集合中的轨迹,将所述轨迹中超出预设的裁剪区域的航迹点剔除,以得到裁剪后的轨迹;基于所述裁剪后的轨迹对应的航班飞行计划数据,从所述裁剪后的轨迹中识别出多条待处理进场轨迹。
优选的,所述确定单元具体用于:将所述待处理进场轨迹的轨迹时间序列转化为航向时间序列;根据所述待处理进场轨迹的航段之间的航向差,将所述待处理进场轨迹的航向时间序列转化为航向变化时间序列。
基于上述本发明实施例提供的一种进场交通流轨迹一致性的测度方法及装置,该方法为:获取目标终端空域区域内的航空器轨迹集合;对航空器轨迹集合中的轨迹进行预处理以得到多条待处理进场轨迹;确定待处理进场轨迹的航向变化时间序列;基于待处理进场轨迹的航向变化时间序列,生成待处理进场轨迹对应的简化轨迹;对简化轨迹进行聚类以得到多簇进场交通流;计算进场交通流对应的平均轨迹一致性。本方案中,对目标终端空域区域内的航空器轨迹集合中的轨迹进行预处理以得到多条待处理进场轨迹。利用待处理进场轨迹的航向变化时间序列生成相应的简化轨迹,对简化轨迹进行聚类以得到多簇进场交通流,计算进场交通流对应的平均轨迹一致性。通过航向变化时间序列生成待处理进场轨迹的简化轨迹,既简化了待处理进场轨迹又保留了轨迹整体形状特征,对简化轨迹进行聚类进而计算进场交通流对应的平均轨迹一致性,提高测度进场交通流轨迹一致性的准确性和提高计算效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的进场航空器轨迹示例图;
图2为本发明实施例提供的一种进场交通流轨迹一致性的测度方法的流程图;
图3(a)为本发明实施例提供的进场轨迹示例图;图3(b)为本发明实施例提供的航向随时间变化示例图;
图4为本发明实施例提供的简化轨迹的示例图;
图5(a)为本发明实施例提供的航迹点和航段的第一种位置关系示例图;图5(b)为本发明实施例提供的航迹点和航段的第二种位置关系示例图;图5(c)为本发明实施例提供的航迹点和航段的第三种位置关系示例图;图5(d)为本发明实施例提供的航迹点和航段的第四种位置关系示例图;
图6为本发明实施例提供的航迹点到航段的距离的示例图;
图7为本发明实施例提供的航迹点到简化轨迹的距离的示例图;
图8为本发明实施例提供的航迹点到简化轨迹的距离的另一示例图;
图9为本发明实施例提供的简化轨迹之间的距离的示例图;
图10(a)-图10(h)为本发明实施例提供的不同进场交通流的二维轨迹图;
图11为本发明实施例提供的简化轨迹和中心轨迹的位置关系图;
图12为本发明实施例提供有交叉点的简化轨迹和中心轨迹围成的多边形的面积示例图;
图13为本发明实施例提供的无交叉点的简化轨迹和中心轨迹围成的多边形的面积示例图;
图14为本发明实施例提供的中心轨迹的标称面积示例图;
图15为本发明实施例提供的模糊函数的示例图;
图16为本发明实施例提供的一种进场交通流轨迹一致性的测度方法的另一流程图;
图17为本发明实施例提供的一种进场交通流轨迹一致性的测度装置的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本申请中,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、物品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、物品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、物品或者设备中还存在另外的相同要素。
需要说明的是,为更好理解本方案,在此通过以下内容先对本方案所涉及到的部分术语进行解释说明。
(1)关于航迹和轨迹的解释:
空中交通管制部门通过ADS-B监视设备来实时获取终端空域区域内航空器的位置、高度、速度、航向等各类航行数据及其变化情况;空管自动化系统接收、处理并显示监视数据,同时记录了航空器的全部或部分飞行过程。在空管应用领域,本方案将航迹和轨迹进行区分。
航迹(Track)具体是指:监视传感器在某一时刻t记录的航空器空间位置、速度和航向等特征,其表示为一个四维矢量P=(λ,φ,h,t);λ、φ和h分别表示航空器在该空间位置的经度、纬度和高度,t为航迹点P的记录时刻。
轨迹(trajectory)具体是指:在一段时间内航空器飞行经过的历史痕迹,实际上是一条连续的曲线。由于从监视传感器数据处理周期和管制员人体工程这两方面进行考虑,空管系统中记录的航空器飞行轨迹数据并非是连续更新的,轨迹T由一系列按时间先后顺序排列的离散的航迹组成,即轨迹是由航迹的时间序列组成的。轨迹T的形式化可定义为:航空器飞行轨迹的航迹点数据tr=(P1,P2,…,Pj,…,Pn);j∈[1,n],j为航迹点按时间顺序确定的编号,n为飞行轨迹tr中的航迹点总数。
在一段时间内终端空域区域内所有进场航空器的进场轨迹集合的数学描述为:在某时间段内,终端空域区域内所有进场航空器所形成的航空器轨迹集合为Г=(tr1,tr2,…,tri,…,trn),每个tr表示一条进场飞行轨迹,N表示轨迹总数量(N=|Г|)。
(2)进场交通流:飞行路线基本一致的相继飞行的多个进场着陆的航空器。
(3)轨迹一致性:相同交通流中的飞行轨迹一般呈现相似的位置和形状,这称为轨迹一致性。
需要说明的是,空管雷达和ADS-B系统的应用提高了空域覆盖率,飞机航迹数据获取的便捷性、完整性和数据质量都得到了很大改进;通过飞机轨迹数据来分析和评价空中交通运行品质,已然成为提高空中交通系统性能的有效途径。
当前的空中交通管制工作由管制员借助空管雷达或ADS-B系统监视空中飞行动态,并在有限时间内完成调度、排序与雷达引导等复杂任务决策。但是随着空中交通密度的增加,即使是经验丰富的管制员在面对高复杂度的进场交通管制任务时也会造成空中交通秩序性差的问题;如图1示出的进场航空器轨迹示例图可见,空中交通秩序性差的问题表现为:进场飞机轨迹呈现出随机偏离、一致性差的复杂交通现象。
发明人经研究发现,与地面道路交通流不同,进场航空器轨迹是一种非受限交通流轨迹,进场交通流轨迹的一致性量化测度对于衡量空域设计方案的优劣、进场交通组织调度的效果以及环境影响具有重要意义。进场航空器并不一直使用其标准进场航线飞行的现象已经得到人们的关注,目前通常将多种常见的聚类方法应用到进离场交通轨迹的聚类和交通流识别中。然而对于轨迹聚类的进一步研究应用,尤其是对于轨迹一致性的成果较少。
发明人在研究中发现,一些专业人员提出了基于航路点的轨迹聚类方法,具体实现方式为:在识别出转弯航迹的基础上通过DBSCAN和K-means对转弯点进行聚类,然后构造进场航路点序列,聚类结果可以用于监视航空器异常机动行为。但是该方法直接利用转弯航路点进行聚类而忽略了轨迹整体形状特征,并不能准确的得到进场交通流轨迹一致性。
总的来说,现有技术中存在以下缺陷和不足:
(1)目前对于进场交通流轨迹一致性定量分析的技术几乎是空白的。
(2)进场交通流轨迹一致性问题的技术基础是轨迹聚类,现有技术缺少针对空中交通轨迹特点的轨迹间距离测度方法,轨迹相似性的计算开销大,并且容易受到噪声数据的影响。
(3)交通流中心轨迹是交通流轨迹一致性的重要参考,其流程一般是先通过轨迹聚类得到交通流,然后在此基础上再计算平均或中心轨迹,步骤繁琐。
(4)当前空中交通轨迹聚类研究大多在聚类算法本身,缺少航空交通应用需求的牵引。
基于以上情况,本方案提出了一种进场交通流轨迹一致性的测度方法及装置,对目标终端空域区域内的航空器轨迹集合中的轨迹进行预处理以得到多条待处理进场轨迹。利用待处理进场轨迹的航向变化时间序列生成相应的简化轨迹,对简化轨迹进行聚类以得到多簇进场交通流,计算进场交通流对应的平均轨迹一致性。通过航向变化时间序列生成待处理进场轨迹的简化轨迹,既简化了待处理进场轨迹又保留了轨迹整体形状特征,对简化轨迹进行聚类进而计算进场交通流对应的平均轨迹一致性,提高测度进场交通流轨迹一致性的准确性和提高计算效率,进而提高空中交通运行品质。
参见图2,示出了本发明实施例提供的一种进场交通流轨迹一致性的测度方法的流程图,该测度方法包括:
步骤S201:获取目标终端空域区域内的航空器轨迹集合。
在具体实现步骤S201的过程中,选择应用的目标终端空域,获取ADS-B航迹数据,例如:获取某日某机场周边的ADS-B航迹数据。航迹数据以预设时间为间隔(如以10秒为间隔),按照时间顺序记录了在接收范围内的所有航空器的航迹数据。其中,航空器的航迹可以表示为P=(λ,φ,h,t);λ、φ和h分别表示航空器在该空间位置的经度、纬度和高度,t为航迹点P的记录时刻。
按照航班号将对应航班的航迹数据提取出来并将其按照时间先后顺序进行排列,形成该航班的轨迹tr、tr的形式化可定义为:航空器飞行轨迹的航迹点数据集tr可定义为tr=(P1,P2,…,Pj,…,Pn);j∈[1,n],j为航迹点按时间顺序确定的编号,n为飞行轨迹tr中的航迹点总数。
在一段时间内目标终端空域区域内所有进场航空器的进场轨迹集合的数学描述为:在某时间段内,目标终端空域区域内所有进场航空器所形成的航空器轨迹集合为Г=(tr1,tr2,…,tri,…,trn),每个tr表示一条进场飞行轨迹,N表示轨迹总数量(N=|Г|)。
通过以上内容即可获取得到目标终端空域区域内的航空器轨迹集合(也就是ADS-B轨迹数据),该航空器轨迹集合包含了每个航班从起飞到降落的所有数据。
需要说明的是,上述所获取的航迹数据虽然已经经过降噪、降重等处理,但对于分析进场交通流而言,仍然包含大量冗余无关的航迹信息,故通过下述步骤S202对航空器轨迹集合中的轨迹进行预处理。
步骤S202:对航空器轨迹集合中的轨迹进行预处理以得到多条待处理进场轨迹。
需要说明的是,大部分航迹数据包含了航路飞行阶段,甚至包含了从起飞到落地的全部飞行过程,为了获取高质量的目标终端空域区域内部的轨迹数据,需先对航空器轨迹集合中的轨迹进行裁剪。
在具体实现步骤S202的过程中,由于目标终端空域区域的地理范围是一个二维的多边形,需要将超出该多边形的航迹抹去,仅保留多边形上和多边形内部的航迹。
具体实现中,基于目标终端空域区域内的机场基准点坐标为基准,预先构建裁剪区域;针对航空器轨迹集合中的轨迹,将该轨迹中超出预设的裁剪区域的航迹点剔除,以得到裁剪后的轨迹。即对于航空器轨迹集合中的每一轨迹,将该轨迹中超出裁剪区域的航迹点剔除掉,仅保留裁剪区域内部的航迹点,从而得到裁剪后的轨迹。
例如:以机场基准点坐标为基准,将南北方向100km以内、东西方向100km以内的范围建立一个矩形的裁剪区域;每一轨迹只保留处于裁剪区域内部的航迹点,剔除超出裁剪区域的航迹点。
需要说明的是,目标终端空域区域内还包含了许多飞越航空器的航迹,以及目标终端空域区域内也存在通航飞行和训练飞行;若通航飞行的航空器上装备了ADS-B发射机,则监控系统也会记录通航飞行的航空器的轨迹。因此本方案在裁剪轨迹之后,需要对裁剪后的轨迹进行区分。
对航空器轨迹集合中的轨迹进行裁剪之后,基于裁剪后的轨迹对应的航班飞行计划数据,从裁剪后的轨迹中识别出多条待处理进场轨迹。
可以理解的是,从裁剪后的轨迹中识别出多条待处理进场轨迹的过程中,本方案可以通过判断航空器是否在使用本场跑道落地来剔除通航飞行、训练飞行等航空器的轨迹。
由于进离场航班存在不同的飞行模式,需要对进离场飞行轨迹进行区分,在剔除通航飞行、训练飞行等航空器的轨迹之后,本方案依据裁剪后的轨迹对应的航班飞行计划数据提供的信息,可以识别起飞机场和目的机场,从而实现进场轨迹和离场轨迹的分离,此处分离出的进场轨迹即为待处理进场轨迹。
例如:对目标终端空域区域内某机场的数据进行上述步骤S201和步骤S202的处理,可以确定出820条进离场轨迹,其中进场轨迹为407条。
通过以上内容所得到的待处理进场轨迹即为:目标终端空域区域内的进场商业航空器的飞行轨迹;可以通过进场轨迹数据集合Г来保存这些待处理进场轨迹。
需要说明的是,本方案采用墨卡托投影平面直角坐标系中的距离,因此需要预先确定待处理进场轨迹中的航迹点在墨卡托投影平面直角坐标系下的坐标,即将航迹点对应的经纬度坐标(相当于航迹点对应的位置)转换到墨卡托投影平面直角坐标系。
具体实现中,将航迹点的经纬度坐标代入墨卡托投影正解公式,计算出的xN表示航迹点相对机场基准点以北的距离,yE表示航迹点相对于机场基准点以东的距离,最终可得到如公式(1)示出的转换公式。
在公式(1)中,(x0,y0)为机场参考点在墨卡托投影下的坐标,(x,y)为航迹点在墨卡托投影平面直角坐标系下的坐标;通过上述方式,即可将航迹点的经纬度坐标转化为直角坐标。通过这些航迹点的直角坐标为参考可以绘制出如图1所示出的轨迹进场图。
步骤S203:确定待处理进场轨迹的航向变化时间序列。
需要说明的是,航空器的飞行轨迹由长时间的直线飞行和短时间的转弯飞行构成,在直线飞行航段中航空器的航向基本相同,直线飞行航段中包含的航迹点也体现相同的性质,这就造成了大量数据冗余;故本方案需要对待处理进场轨迹进行分段,只保留轨迹形状特征。
在具体实现步骤S203的过程中,对于每一待处理进场轨迹,将该待处理进场轨迹的轨迹时间序列转化为航向时间序列;根据该待处理进场轨迹的航段之间的航向差,将待处理进场轨迹的航向时间序列转化为航向变化时间序列。通过前述方式确定每一待处理进场轨迹对应的航向变化时间序列。
具体实现过程为:假设待处理进场轨迹tri中两个相继航迹点为Pi,k和Pi,k+1,由这两个相继航迹点构成的航段记为的航迹角记为航迹点Pi,k上的航向/>由此可得到待处理进场轨迹tri中航迹对应的航向时间序列。航段/>和/>的航向差如公式(2)所示。
Δψi,k=ψi,k+1-ψi,k (2)
在航行领域中,航迹角的变化范围通常设定为ψ∈(0,360],且ψ取整数。航空器转弯分为左转和右转。当右转时航迹角增大,左转时航迹角减小。由于正北方向的航向定义为360度,当航空器跨过360度右转时,尽管在物理空间中航向的变化是连续的,但是在航行领域大于360度的航向仍被表示在ψ∈(0,360]区间。故本方案对航向差Δψi,k做出如公式(3)所示出的修正。
通过以上方式计算前后航迹点的航向差,从而实现将航向时间序列转化为航向变化时间序列。
步骤S204:基于待处理进场轨迹的航向变化时间序列,生成待处理进场轨迹对应的简化轨迹。
在具体实现步骤S204的过程中,对于每一待处理进场轨迹,基于该待处理进场轨迹的航向变化时间序列,识别该待处理进场轨迹中的转弯航迹点;利用该待处理进场轨迹中的转弯航迹点,构造该待处理进场轨迹对应的简化轨迹。通过前述方式,生成每一待处理进场轨迹对应的简化轨迹。
为更好解释说明如何生成待处理进场轨迹对应的简化轨迹,通过以下过程A1至A5进行举例说明。
A1、设置航向变化阈值σ1=10°和σ2=1°,航向变化阈值可作为判断是否为转弯航迹点的依据。令累计航向变化从进场轨迹数据集合Г中取一条任意的待处理进场轨迹(记为tri),例如取待处理进场轨迹tr14;待处理进场轨迹tri的轨迹形状及包含的航迹点如图3(a)所示;以待处理进场轨迹tri的第1个航迹点作为简化轨迹Ti的起始航迹点,即将待处理进场轨迹的第1个航迹点作为对应简化轨迹的首个特征点。
A2、对于待处理进场轨迹tri的每个航迹点,如果|Δψi,k'|≥σ1,则将该航迹点作为转弯航迹点并将其保存为简化轨迹Ti中的一个点,令如果σ2≤|Δψi,k'|<σ1,通过下述公式(4)计算累计航向变化/>直到/>判断当前的航迹点为转弯航迹点并将其保存到简化轨迹Ti中,令/>公式(4)中的m为累计航迹个数;如果0≤|Δψi,k'|≤σ2,则认为是直线飞行,忽略该航迹点,继续下一个航迹点的判断。
通过A2的内容可见,如果Δψi,k'或超出给定的阈值,则认为待处理进场轨迹tri发生了显著转弯将开始一个新的航段,此时依次保存转弯航迹点作为简化轨迹的特征航迹。
A3、重复A2,依次完成待处理进场轨迹tri中全部航迹点的处理,实现左转弯和右转弯的识别,待处理进场轨迹tri的航向变化(航向随时间变化)图如图3(b)所示。
A4、将待处理进场轨迹tri的最后一个航迹点作为转弯航迹点保存到简化轨迹Ti中,即将待处理进场轨迹tri的最后一个航迹点作为简化轨迹Ti的最后一个特征点。
例如:待处理进场轨迹tr14由144个航迹点组成,通过过程A1-A4处理后可得到由16个转弯航迹点组成的简化轨迹T14;简化轨迹T14的具体情况如图4所示,从图4示出的简化轨迹T14的示例图可见,简化轨迹T14能够完整保留待处理进场轨迹tr14的形状特征。
通过A1-A4的处理,能够简化原始的轨迹中直线飞行的航段,在不改变原始的轨迹形状特征的前提下可以保留关键航迹。
A5、遍历进场轨迹数据集合Г中所有的待处理进场轨迹tri,得到分段后航空器进场轨迹集合τ={T1,T2,T3,…,TN},其中,Ti表示待处理进场轨迹tri对应的简化轨迹,N表示简化轨迹的总数(N=|τ|)。
步骤S205:对简化轨迹进行聚类以得到多簇进场交通流。
在具体实现步骤S205的过程中,根据简化轨迹中各个航迹点在墨卡托投影平面直角坐标系下的坐标,计算任意两条简化轨迹之间的距离并将其添加至进场交通流距离矩阵中;即进场交通流距离矩阵中包含了两两简化轨迹之间的距离。基于该进场交通流距离矩阵,对所有的简化轨迹进行聚类以得到多簇进场交通流。
需要说明的是,航迹点在墨卡托投影平面直角坐标系下的坐标的具体内容,可参见上述步骤S202的相关内容,在此不再赘述。
为更好解释说明如何计算任意两条简化轨迹之间的距离,通过过程B1-B4进行举例说明。
从分段后航空器进场轨迹集合τ={T1,T2,T3,…,TN}中随机抽取两条简化轨迹T1={O1,O2,…,Om}、T5={P1,P2,…,Pn},O和P表示简化轨迹中的航迹点;m表示简化轨迹T1包含的航迹点数m=|T1|=16,n表示简化轨迹T5包含的航迹点数n=|T5|=25;以计算简化轨迹T1和简化轨迹T5之间的距离为例进行举例说明。
B1、计算航迹点O1到航段的距离(其它航迹点的计算方式同理)。
具体实现中,假设简化轨迹T5的一航段由其端点P1和P2定义,航迹点O1在航段/>上的正交投影点为Oproj,则航迹点O1到航段/>的距离dpS可由公式(5)计算得到。
其中,航迹点O1到航段的位置关系主要包含如图5(a)-图5(d)示出的四种位置关系。
如图5(a)示出的航迹点O1到航段的第一种位置关系示例图可见,航迹点O1在航段/>上,dpS=0。
如图5(b)示出的航迹点O1到航段的第二种位置关系示例图可见,航迹点O1的正交投影点在航段/>上;即航迹点O1向航段/>做垂线,垂足Oproj在航段/>上,dpS=||O1Oproj||2。
如图5(c)示出的航迹点O1到航段的第三种位置关系示例图可见,航迹点O1向航段/>做垂线,垂足Oproj不在航段/>上,Oproj靠近P1,则dpS=||O1,P1||2。
如图5(d)示出的航迹点O1到航段的第四种位置关系示例图可见,航迹点O1向航段/>做垂线,垂足Oproj不在航段/>上,Oproj靠近P2,则dpS=||O1,P2||2。
例如:如图6示出的航迹点O1到航段的距离的示例图可见,在分段后航空器进场轨迹集合τ中取简化轨迹T1初始点为O1(x,y)=(42031,77320),单位为米;简化轨迹T5的前两个点P1(x,y)=(86524,-18580)和P2(x,y)=(58725,-22058)组成的航段/>通过公式(5)求得dpS=||O1,P2||2=100770m。
B2、计算航迹点O1到简化轨迹T5的距离(计算其它航迹点到简化轨迹的距离同理)。
具体实现中,航迹点O1到简化轨迹T5的距离dpT(O1,T5)是组成简化轨迹T5的所有航段的距离中的最小者,详细内容如公式(6),如图7示出了航迹点O1到简化轨迹T5的距离的示例图。
其中,n=|T5|=25,如图8示出的航迹点O1到简化轨迹T5的距离的另一示例图可见,由此获得单个航迹点O1到简化轨迹T5的距离,遍历简化轨迹T5上所有航段,求解简化轨迹T1上航迹点O1与各航段的距离,取这些距离中的最小值作为航迹点O1到简化轨迹T5的距离,最终计算得到航迹点O1到简化轨迹T5的距离dpT(O1,T5)=92939m。
B3、计算简化轨迹T1与简化轨迹T5之间的距离。
通过B2遍历简化轨迹T1所有航迹点,求得简化轨迹T1的各航迹点到简化轨迹T5的距离,然后加和求平均数,从而可得到简化轨迹T1与简化轨迹T5之间的距离;具体可通过公式(7)计算简化轨迹T1与简化轨迹T5之间的距离。
m=|T1|=16,如图9示出的计算简化轨迹T1与简化轨迹T5之间的距离的示例图可见,采用上述方式计算T1与T5之间的距离dSPD(T1,T5)=26398m。
B4、计算所有简化轨迹两两之间的距离。
具体实现中,重复B1至B3,遍历分段后航空器进场轨迹集合τ中所有的简化轨迹,计算简化轨迹Ti到Tj的距离,将所有获得的距离存入进场交通流距离矩阵D中以便后续进行交通流聚类。进场交通流距离矩阵D的具体内容如公式(8),进场交通流距离矩阵D的部分示例内容如公式(9)。
D=dSPD(Ti,Tj),i,j∈[1,2,...,407];i≠j (8)
通过上述B1-B4的方式,能够在保留轨迹形状特征的基础上,提高了进场交通流距离矩阵中的计算效率,分段前进场交通流距离矩阵中所需计算时间t=12796s,分段后进场交通流距离矩阵中计算时间t=748s,节省了12048s,耗时占分段前轨迹计算时间t的5.58%。
为更好解释说明如何对所有的简化轨迹进行聚类,通过过程C1-C4进行举例说明。
近邻传播(Affinity Propagation,AP)聚类根据数据间相似度为输入开始聚类,对其相似度矩阵的对称无要求,该方式无需事先确定聚类数目,而是把所有数据点看成潜在的聚类中心。相似度S(i,k)表示轨迹k适合作为轨迹i的聚类中心的程度,本方案可以采用AP聚类算法来对所有的简化轨迹进行聚类。
C1、在计算简化轨迹之间的距离的基础上,计算不同简化轨迹之间的相似度。具体通过公式(10)计算不同简化轨迹之间的相似度。
S(i,j)=-D(i,j)i=1..N,j=1..N,且i≠j (10)
公式(10)中,N为参与运算的简化轨迹的数量,例如N=|τ|=407。
C2、设置参考度p,判断简化轨迹Ti能否作为聚类中心,具体详见公式(11);通过公式(12)为矩阵S对角线上的数据S(i,i)赋值。
p=min(S(i,j))i=1..N,j=1..N,且i≠j (11)
S(i,i)=p i=1..N (12)
结合公式(10)-公式(12),即可构造出完整的简化轨迹间相似度矩阵S;例如:经计算取得参数p=-33498,获得简化轨迹间相似度矩阵S的示例如公式(13)示出的内容。
C3、调用AP聚类算法的MATLAB函数apcluster进行AP聚类;具体而言,如公式(14)可见,以简化轨迹间相似度矩阵S和参考度p为输入,得到聚类中心轨迹编号向量idx。
idx=apcluster(S,p) (14)
其中,idx是apcluster算法的输出,假设进场轨迹为407条(简化轨迹为407条),那么上述apcluster算法的输出是一个407行1列的一维向量,idx(i)的值表示第i个简化轨迹的中心轨迹编号,中心轨迹为进场交通流中作为聚类中心的简化轨迹;通过上述算法可得到8簇进场交通流Fi={F1,F2,F3,F4,F5,F6,F7,F8},这8簇进场交通流对应8条中心轨迹fi={f1,f2,f3,f4,f5,f6,f7,f8};各个中心轨迹对应的简化轨迹分别为f1=T14、f2=T130、f3=T137、f4=T174、f5=T194、f6=T209、f7=T213、f8=T130。如图10(a)为进场交通流F1及其中心轨迹f1的二维轨迹图,如图10(b)为进场交通流F2及其中心轨迹f2的二维轨迹图,如图10(c)为进场交通流F3及其中心轨迹f3的二维轨迹图,如图10(d)为进场交通流F4及其中心轨迹f4的二维轨迹图,如图10(e)为进场交通流F5及其中心轨迹f5的二维轨迹图,如图10(f)为进场交通流F6及其中心轨迹f6的二维轨迹图,如图10(g)为进场交通流F7及其中心轨迹f7的二维轨迹图,如图10(h)为进场交通流F8及其中心轨迹f8的二维轨迹图。
C4、计算简化轨迹Ti的中心轨迹编号和交通流编号。
具体实现中,统计idx中不同中心轨迹编号的数量,通过进场轨迹识别算法得到进场交通流的数量并依次对其进行编号;不同进场交通流的中心轨迹编号及包含的简化轨迹数如表1所示。
表1:
通过遍历搜索的方法,根据idx向量和进场交通流编号,确定分段后航空器进场轨迹集合τ中的简化轨迹Ti所属的进场交通流编号及其中心轨迹编号,部分数据如表2所示。
表2:
通过表2的内容可见,轨迹编号为1的简化轨迹(T1)所属的进场交通流为F5,进场交通流为F5的中心轨迹为轨迹编号为194的简化轨迹(f5=T194)。
以上是关于计算任意两条简化轨迹之间的距离、对简化轨迹进行聚类的相关举例说明。
步骤S206:计算进场交通流对应的平均轨迹一致性。
在具体实现步骤S206的过程中,对于每一进场交通流,计算该进场交通流中每一简化轨迹与中心轨迹之间的偏离度,中心轨迹为该进场交通流中作为聚类中心的简化轨迹;根据该进场交通流中每一简化轨迹与中心轨迹之间的偏离度,确定该进场交通流中每一简化轨迹对应的轨迹一致性;计算该进场交通流中每一简化轨迹对应的轨迹一致性的平均值,以得到进场交通流对应的平均轨迹一致性。即求取进场交通流中每一简化轨迹对应的轨迹一致性的平均值,该平均值即为该进场交通流对应的平均轨迹一致性。
通过前述方式即可计算得到每一进场交通流对应的平均轨迹一致性。
为更好解释说明如果计算得到每一进场交通流对应的平均轨迹一致性,以进场交通流F4为例,通过过程D1-D4进行举例说明。
其中,进场交通流F4包含28条简化轨迹,中心轨迹f4=T174。
D1、取进场交通流F4中的中心轨迹T174和任意一条简化轨迹(如取简化轨迹T84),计算简化轨迹T84和中心轨迹T174的交叉点坐标,并将该交叉点插入简化轨迹T84和中心轨迹T174的点序列中。
具体实现中,采用遍历搜索的方法,判断中心轨迹T174上任意航段AB(由航迹点A和航迹点B构成)和简化轨迹T84上任意航段CD是否相交;如果存在交叉点,利用平面解析几何方法求解两线段交点的方法,确定得到交叉点crossP及其坐标。
将交叉点crossP插入中心轨迹T174的航段AB的A点和B点之间,同时也将交叉点crossP插入简化轨迹T84的航段CD的C点和D点之间。
遍历简化轨迹T84和中心轨迹T174的全部航段,构造包括全部航段交叉点的新简化轨迹和/>若不存在交叉点,则简化轨迹T84和中心轨迹T174的航迹点序列保持不变。
D2、若存在交叉点,则计算新简化轨迹和/>包围的面积S。
具体实现中,如图11示出的新简化轨迹和/>的位置关系图可见,假设/>和存在a(a不等于0)个交叉点,a个交叉点与/>构成a+1个多边形,图11中的实线表示/>虚线表示/>
如图12示出的有交叉点的简化轨迹和中心轨迹/>围成的多边形的面积示例图可见,依次计算多边形的面积Si。
和/>围成的面积为:/>
若简化轨迹T84和中心轨迹T174不存在交叉点,则构建简化轨迹T84和中心轨迹T174包围的多边形可参见图13示出的无交叉点的简化轨迹和中心轨迹围成的多边形的面积示例图;所构建的多边形的面积为简化轨迹T84和中心轨迹T174包围形成的多边形的面积。
D3、以雷达管制间隔d0作为标准侧向距离参数,计算中心轨迹T174的标称面积。
具体实现中,如图14示出的中心轨迹的标称面积示例图可见,计算得到的中心轨迹T174的标称面积为其中,d0=1000m,/>为中心轨迹T174的轨迹长度。
D4、计算进场交通流对应的平均轨迹一致性。
具体实现中,通过公式(15)计算简化轨迹T84和中心轨迹T174的偏离度。
通过上述公式计算得到简化轨迹T84和中心轨迹T174的偏离度d84=3.3663。
利用计算得到的偏离度计算简化轨迹对应的轨迹一致性;具体而言,通过公式(16)示出的简化轨迹Ti一致性模糊函数来根据偏离度计算简化轨迹对应的轨迹一致性。
模糊函数的示例图如图15所示,其中d1=1,dmax=5,结合公式(16)即可基于简化轨迹T84和中心轨迹T174的偏离度计算得到简化轨迹T84对应的轨迹一致性c84=0.4084。
由公式(16)可见,ci∈(0,1],ci越大表示简化轨迹Ti(不包含中心轨迹)与中心轨迹的一致性越高,简化轨迹Ti相对于中心轨迹的偏离程度越小,在轨迹聚类图中显示的轨迹越集中;反之,ci越小则表示轨迹一致性越差,简化轨迹相对于中心轨迹的偏离程度越大,在轨迹聚类图中显示的轨迹越发散。
通过上述方式计算得到进场交通流F4中各简化轨迹对应的轨迹一致性后,可通过公式(17)计算进场交通流F4对应的平均轨迹一致性。
在本示例中,m=28,故通过公式(17)计算进场交通流F4对应的平均轨迹一致性
通过以上方式即可计算得到各个进场交通流对应的平均轨迹一致性。各个进场交通流对应的平均轨迹一致性的示例内容如表3所示。
表3:
从表3示出的示例内容可见,进场交通流F7对应的平均轨迹一致性为各类进场交通流对应的平均轨迹一致性中的最大值,进场交通流F6对应的平均轨迹一致性为各类进场交通流对应的平均轨迹一致性中的最小值;平均轨迹一致性越大则进场交通流越集中,平均轨迹一致性越小则进场交通流越发散。
结合图10(g)示出的进场交通流F7及其中心轨迹f7的二维轨迹图可见,进场交通流F7的轨迹较为集中且与中心轨迹具有较好的一致性;而结合图10(f)示出的进场交通流F6及其中心轨迹f6的二维轨迹图可见,进场交通流F6的轨迹相对发散且与中心轨迹的一致性较差。
以上各个实施例的内容是关于本方案的详细说明;本方案将进场交通流轨迹的杂乱、发散、复杂性等问题通过轨迹一致性实现量化表示,为交通流轨迹复杂性的衡量提供了参考,能够为空中交通运行效率测度、轨迹优化、空中交通环境管理等相关技术领域提供参考,从而进一步提高交通运行品质。此外,本方案改进了进场交通流模式识别方式,直接采用轨迹距离实现轨迹聚类,无需转化相似度所需的归一化参数设定,不要求轨迹相似性矩阵对称,也无需事先设定聚类参数就可直接得到中心轨迹,是一种高自动化程度、精巧的进场交通流模式识别方法。本方案由于采用了轨迹分段技术,使得高维时空轨迹数据得到大幅降维,这就大幅提高了计算效率,同时对噪声航迹数据不敏感。
从整体上来看,如图16提供的一种进场交通流轨迹一致性的测度方法的另一流程图可见,本方案可划分为以下5个步骤。
步骤S1601:轨迹数据预处理。
需要说明的是,轨迹数据预处理的具体方式,可参见上述本发明实施例图2步骤S202中的内容,在此不再赘述。
步骤S1602:轨迹分段。
具体实现中,保留轨迹的轨迹形状特征以生成相应的简化轨迹,具体生成简化轨迹的方式可参见上述本发明实施例图2步骤S204中过程A1-A5的相关内容,在此不再赘述。
步骤S1603:轨迹间距离的测度。
需要说明的是,确定简化轨迹之间的距离的具体实现方式,可参见上述本发明实施例图2步骤S204中过程B1-B4的相关内容,在此不再赘述。
步骤S1604:基于AP聚类算法识别出进场交通流及其对应的中心轨迹。
需要说明的是,识别出进场交通流及其对应的中心轨迹的具体实现方式,可参见上述本发明实施例图2步骤S205中过程C1-C4的相关内容,在此不再赘述。
步骤S1605:计算进场交通流对应的平均轨迹一致性。
需要说明的是,计算进场交通流对应的平均轨迹一致性的具体实现方式,可参见上述本发明实施例图2步骤S206中过程D1-D4的相关内容,在此不再赘述。
与上述本发明实施例提供的一种进场交通流轨迹一致性的测度方法相对应,参见图17,本发明实施例还提供了一种进场交通流轨迹一致性的测度装置的结构框图,该测度装置包括:获取单元1701、预处理单元1702、确定单元1703、生成单元1704、聚类单元1705、计算单元1706;
获取单元1701,用于获取目标终端空域区域内的航空器轨迹集合。
预处理单元1702,用于对航空器轨迹集合中的轨迹进行预处理以得到多条待处理进场轨迹。
具体实现中,预处理单元1702具体用于:针对航空器轨迹集合中的轨迹,将轨迹中超出预设的裁剪区域的航迹点剔除,以得到裁剪后的轨迹;基于裁剪后的轨迹对应的航班飞行计划数据,从裁剪后的轨迹中识别出多条待处理进场轨迹。
确定单元1703,用于确定待处理进场轨迹的航向变化时间序列。
具体实现中,确定单元1703具体用于:将待处理进场轨迹的轨迹时间序列转化为航向时间序列;根据待处理进场轨迹的航段之间的航向差,将待处理进场轨迹的航向时间序列转化为航向变化时间序列。
生成单元1704,用于基于待处理进场轨迹的航向变化时间序列,生成待处理进场轨迹对应的简化轨迹。
具体实现中,生成单元1704具体用于:基于待处理进场轨迹的航向变化时间序列,识别待处理进场轨迹中的转弯航迹点;利用待处理进场轨迹中的转弯航迹点,构造待处理进场轨迹对应的简化轨迹。
聚类单元1705,用于对简化轨迹进行聚类以得到多簇进场交通流。
具体实现中,聚类单元1705具体用于:根据简化轨迹中各个航迹点在墨卡托投影平面直角坐标系下的坐标,计算任意两条简化轨迹之间的距离并将其添加至进场交通流距离矩阵中;基于进场交通流距离矩阵,对简化轨迹进行聚类以得到多簇进场交通流。
计算单元1706,用于计算进场交通流对应的平均轨迹一致性。
在本发明实施例中,对目标终端空域区域内的航空器轨迹集合中的轨迹进行预处理以得到多条待处理进场轨迹。利用待处理进场轨迹的航向变化时间序列生成相应的简化轨迹,对简化轨迹进行聚类以得到多簇进场交通流,计算进场交通流对应的平均轨迹一致性。通过航向变化时间序列生成待处理进场轨迹的简化轨迹,既简化了待处理进场轨迹又保留了轨迹整体形状特征,对简化轨迹进行聚类进而计算进场交通流对应的平均轨迹一致性,提高测度进场交通流轨迹一致性的准确性和提高计算效率。
优选的,结合图17示出的内容,计算单元1706包括第一计算模块、确定模块和第二计算模块;各个模块的执行原理如下:
第一计算模块,用于计算进场交通流中每一简化轨迹与中心轨迹之间的偏离度,中心轨迹为所述进场交通流中作为聚类中心的简化轨迹。
确定模块,用于根据进场交通流中每一简化轨迹与中心轨迹之间的偏离度,确定进场交通流中每一简化轨迹对应的轨迹一致性。
第二计算模块,用于计算进场交通流中每一简化轨迹对应的轨迹一致性的平均值,以得到进场交通流对应的平均轨迹一致性。
综上所述,本发明实施例提供一种进场交通流轨迹一致性的测度方法及装置,通过航向变化时间序列生成待处理进场轨迹的简化轨迹,既简化了待处理进场轨迹又保留了轨迹整体形状特征,对简化轨迹进行聚类进而计算进场交通流对应的平均轨迹一致性,提高测度进场交通流轨迹一致性的准确性和提高计算效率。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种进场交通流轨迹一致性的测度方法,其特征在于,所述方法包括:
获取目标终端空域区域内的航空器轨迹集合;
对所述航空器轨迹集合中的轨迹进行预处理以得到多条待处理进场轨迹;
确定所述待处理进场轨迹的航向变化时间序列;
基于所述待处理进场轨迹的航向变化时间序列,生成所述待处理进场轨迹对应的简化轨迹;
对所述简化轨迹进行聚类以得到多簇进场交通流;
计算所述进场交通流对应的平均轨迹一致性。
2.根据权利要求1所述的方法,其特征在于,计算所述进场交通流对应的平均轨迹一致性,包括:
计算所述进场交通流中每一简化轨迹与中心轨迹之间的偏离度,所述中心轨迹为所述进场交通流中作为聚类中心的简化轨迹;
根据所述进场交通流中每一简化轨迹与中心轨迹之间的偏离度,确定所述进场交通流中每一简化轨迹对应的轨迹一致性;
计算所述进场交通流中每一简化轨迹对应的轨迹一致性的平均值,以得到所述进场交通流对应的平均轨迹一致性。
3.根据权利要求1所述的方法,其特征在于,对所述航空器轨迹集合中的轨迹进行预处理以得到多条待处理进场轨迹,包括:
针对所述航空器轨迹集合中的轨迹,将所述轨迹中超出预设的裁剪区域的航迹点剔除,以得到裁剪后的轨迹;
基于所述裁剪后的轨迹对应的航班飞行计划数据,从所述裁剪后的轨迹中识别出多条待处理进场轨迹。
4.根据权利要求1所述的方法,其特征在于,确定所述待处理进场轨迹的航向变化时间序列,包括:
将所述待处理进场轨迹的轨迹时间序列转化为航向时间序列;
根据所述待处理进场轨迹的航段之间的航向差,将所述待处理进场轨迹的航向时间序列转化为航向变化时间序列。
5.根据权利要求1-4中任一所述的方法,其特征在于,基于所述待处理进场轨迹的航向变化时间序列,生成所述待处理进场轨迹对应的简化轨迹,包括:
基于所述待处理进场轨迹的航向变化时间序列,识别所述待处理进场轨迹中的转弯航迹点;
利用所述待处理进场轨迹中的转弯航迹点,构造所述待处理进场轨迹对应的简化轨迹。
6.根据权利要求1-4中任一所述的方法,其特征在于,对所述简化轨迹进行聚类以得到多簇进场交通流,包括:
根据所述简化轨迹中各个航迹点在墨卡托投影平面直角坐标系下的坐标,计算任意两条所述简化轨迹之间的距离并将其添加至进场交通流距离矩阵中;
基于所述进场交通流距离矩阵,对所述简化轨迹进行聚类以得到多簇进场交通流。
7.一种进场交通流轨迹一致性的测度装置,其特征在于,所述装置包括:
获取单元,用于获取目标终端空域区域内的航空器轨迹集合;
预处理单元,用于对所述航空器轨迹集合中的轨迹进行预处理以得到多条待处理进场轨迹;
确定单元,用于确定所述待处理进场轨迹的航向变化时间序列;
生成单元,用于基于所述待处理进场轨迹的航向变化时间序列,生成所述待处理进场轨迹对应的简化轨迹;
聚类单元,用于对所述简化轨迹进行聚类以得到多簇进场交通流;
计算单元,用于计算所述进场交通流对应的平均轨迹一致性。
8.根据权利要求7所述的装置,其特征在于,所述计算单元包括:
第一计算模块,用于计算所述进场交通流中每一简化轨迹与中心轨迹之间的偏离度,所述中心轨迹为所述进场交通流中作为聚类中心的简化轨迹;
确定模块,用于根据所述进场交通流中每一简化轨迹与中心轨迹之间的偏离度,确定所述进场交通流中每一简化轨迹对应的轨迹一致性;
第二计算模块,用于计算所述进场交通流中每一简化轨迹对应的轨迹一致性的平均值,以得到所述进场交通流对应的平均轨迹一致性。
9.根据权利要求7所述的装置,其特征在于,所述预处理单元具体用于:针对所述航空器轨迹集合中的轨迹,将所述轨迹中超出预设的裁剪区域的航迹点剔除,以得到裁剪后的轨迹;基于所述裁剪后的轨迹对应的航班飞行计划数据,从所述裁剪后的轨迹中识别出多条待处理进场轨迹。
10.根据权利要求7所述的装置,其特征在于,所述确定单元具体用于:将所述待处理进场轨迹的轨迹时间序列转化为航向时间序列;根据所述待处理进场轨迹的航段之间的航向差,将所述待处理进场轨迹的航向时间序列转化为航向变化时间序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311284375.0A CN117238177A (zh) | 2023-10-07 | 2023-10-07 | 一种进场交通流轨迹一致性的测度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311284375.0A CN117238177A (zh) | 2023-10-07 | 2023-10-07 | 一种进场交通流轨迹一致性的测度方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117238177A true CN117238177A (zh) | 2023-12-15 |
Family
ID=89089305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311284375.0A Pending CN117238177A (zh) | 2023-10-07 | 2023-10-07 | 一种进场交通流轨迹一致性的测度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117238177A (zh) |
-
2023
- 2023-10-07 CN CN202311284375.0A patent/CN117238177A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107766808B (zh) | 道路网络空间中车辆对象移动轨迹聚类的方法及系统 | |
US11651240B2 (en) | Object association for autonomous vehicles | |
CN110111608B (zh) | 基于雷达轨迹构建机坪场面运动目标运行意图识别的方法 | |
EP3705849A2 (en) | Method and apparatus for visualizing risk levels associated with aerial vehicle flights | |
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 | |
US20200272816A1 (en) | Scalable three dimensional object segmentation | |
Gariel et al. | Trajectory clustering and an application to airspace monitoring | |
US20200286391A1 (en) | Method and apparatus for computing a three-dimensional route based on risk-related data | |
Olive et al. | Detection and identification of significant events in historical aircraft trajectory data | |
US10210765B2 (en) | Inference and interpolation of continuous 4D trajectories | |
CN110990661B (zh) | 一种基于路网约束和密度聚类的兴趣区域出入口提取方法 | |
Liu et al. | Predicting aircraft trajectory choice–a nominal route approach | |
CN110088819A (zh) | 自动空中交通通信 | |
CN101465066B (zh) | 飞机垂直占有率的获取方法 | |
Xuhao et al. | Trajectory clustering for arrival aircraft via new trajectory representation | |
Liu et al. | Causal analysis of flight en route inefficiency | |
Ma et al. | A spatiotemporal neural network model for estimated-time-of-arrival prediction of flights in a terminal maneuvering area | |
CN112562419B (zh) | 一种基于离线多目标跟踪的天气规避区划设方法 | |
CN117238177A (zh) | 一种进场交通流轨迹一致性的测度方法及装置 | |
CN114565176B (zh) | 一种长期船舶轨迹预测方法 | |
CN107704683B (zh) | 一种空管系统航空器场面运行仿真方法 | |
US20210350711A1 (en) | Systems and methods for optimizing holding pattern maneuver in a connected environment | |
Xu et al. | Data-Driven Departure Flight Time Prediction Based on Feature Construction and Ensemble Learning | |
Wang et al. | A flight trajectory prediction method based on trajectory clustering | |
CN112988849A (zh) | 一种交通轨迹模式分布式挖掘方法 |
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 |