JP2017503272A - 航空機トラジェクトリの画定および予測のためのシステムおよび方法 - Google Patents
航空機トラジェクトリの画定および予測のためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2017503272A JP2017503272A JP2016543132A JP2016543132A JP2017503272A JP 2017503272 A JP2017503272 A JP 2017503272A JP 2016543132 A JP2016543132 A JP 2016543132A JP 2016543132 A JP2016543132 A JP 2016543132A JP 2017503272 A JP2017503272 A JP 2017503272A
- Authority
- JP
- Japan
- Prior art keywords
- trajectory
- aircraft
- prediction
- atmospheric
- predicted
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000004364 calculation method Methods 0.000 claims description 34
- 239000000446 fuel Substances 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 31
- 238000012545 processing Methods 0.000 description 31
- 238000013459 approach Methods 0.000 description 25
- 230000033001 locomotion Effects 0.000 description 18
- 230000006870 function Effects 0.000 description 17
- 230000003993 interaction Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 10
- 239000006185 dispersion Substances 0.000 description 8
- 230000005484 gravity Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- QEBNVGLWXKVRJR-UHFFFAOYSA-N 2-(4,5-dimethyl-1,3-diselenol-2-ylidene)-5,6-dihydro-[1,3]dithiolo[4,5-b][1,4]dithiine Chemical compound [Se]1C(C)=C(C)[Se]C1=C1SC(SCCS2)=C2S1 QEBNVGLWXKVRJR-UHFFFAOYSA-N 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- GLDQOLDJQPPFQL-UHFFFAOYSA-N 2-[bis(2-carbamimidoylsulfanylethyl)amino]ethyl carbamimidothioate;tetrahydrobromide Chemical compound Br.Br.Br.Br.NC(=N)SCCN(CCSC(N)=N)CCSC(N)=N GLDQOLDJQPPFQL-UHFFFAOYSA-N 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 230000000739 chaotic effect Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000007429 general method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 101001016186 Homo sapiens Dystonin Proteins 0.000 description 1
- 101000832669 Rattus norvegicus Probable alcohol sulfotransferase Proteins 0.000 description 1
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 208000027137 acute motor axonal neuropathy Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000012464 large buffer Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000001141 propulsive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0052—Navigation or guidance aids for a single aircraft for cruising
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/003—Flight plan management
- G08G5/0034—Assembly of a flight plan
-
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0095—Aspects of air-traffic control not provided for in the other subgroups of this main group
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Aviation & Aerospace Engineering (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Navigation (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
Description
a.航空機性能特性および大気データの両方の入力データを取得し、
b.航空機トラジェクトリに適用すべきトラジェクトリパラメータを定義し、この際に、
− 航空機トラジェクトリパラメータは、特定の符号で構成される特定の航空機インテント記述言語を用いて定義され、前記航空機インテント記述言語の符号はそれぞれ、航空機トラジェクトリの個々のセグメントを記述するものであり、前記航空機インテント記述言語の符号の特定の組み合わせはそれぞれ、トラジェクトリ全体を完全に記述するものであり、
− 大気データは、複数の大気予報アンサンブルとして取得され、大気予報アンサンブルに含まれる各大気予報は、決定された天候シナリオとその確率とを表しており、
当該方法は、さらに、
c.大気予報アンサンブルの各大気予報から予測トラジェクトリを算出し、当該予測トラジェクトリは、前記航空機トラジェクトリの特定の性能指数に関連する情報を含み、
各大気予報アンサンブルから予想トラジェクトリアンサンブルが取得され、当該予測トラジェクトリアンサンブルに含まれる各予測トラジェクトリは、大気予報アンサンブルに含まれる各大気予報の確率から導出される確率に関連づけられており、
d.航空機のフライトの少なくとも1つのセグメンにおける飛行管理に、選択された予測トラジェクトリを利用する。
a.各航空機予測トラジェクトリの特定の性能指数を選択し、
b.予測トラジェクトリアンサンブルに含まれる各予測トラジェクトリについて、前記選択された性能指数の値を決定し、
c.前記選択された性能指数の統計値を所定の統計的基準に従って算出し、当該統計値は、前記選択された性能指数に関して、各予測トラジェクトリアンサンブルに含まれるすべての予測トラジェクトリを代表しており、
d.各予測トラジェクトリアンサンブルから、前記選択された性能指数について先に算出した前記統計値により近い値を前記選択された性能指数として有する予測トラジェクトリを決定し、
e.各予測トラジェクトリアンサンブルに含まれるすべての予測トラジェクトリについて、前記選択された性能指数について算出した前記統計値に対する、前記選択された性能指数の値の分散度を、所定の統計的基準に従って算出する。
− 経度、
− 緯度、
− 高度、
− 真対気速度、
− 方位、
− スロットル、
− 飛行経路角、
− バンク角、
− 高揚力、
− スピードブレーキ、のうちから選択される。
− 消費燃料、
− 所与のフィックス到着時刻、
− コストインデックス、
− 水平飛行距離の範囲、
− 所与の時点における2D位置、
− 所与のフィックスにおける2D位置、
− トラジェクトリセグメントにおける2D位置、
− 所与の時点における高度、
− 所与のフィックスにおける高度、
− トラジェクトリセグメントにおける高度、
− 所与の時点における3D位置、
− 所与のフィックスにおける3D位置、
− トラジェクトリセグメントにおける3D位置、
− 所与の時点における4D位置、
− 所与のフィックスにおける4D位置、
− トラジェクトリセグメントにおける4D位置、
− 所与のフィックスにおける速度、
− トラジェクトリセグメントにおける速度、
− 所与のフィックスにおける姿勢、
− トラジェクトリセグメントにおける姿勢、
− 所与の時点における後方乱気流、
− 所与のフィックスにおける後方乱気流、のうちから選択されることが好ましい。
a.特定の航空機インテント記述言語を用いて、航空機のフライトの各セグメントについて予測トラジェクトリを算出するプロセッサ部であって、各予想トラジェクトリは、確率的入力データに基づき算出され、したがって、各予測トラジェクトリは、確率的なものであり、関連する確率を有するものであり、前記入力データは、少なくとも、
− 航空機性能モデルのパラメータと、
− 大気予報と、のうちから選択される、プロセッサ部と、
b.予測トラジェクトリの算出を行う前記プロセッサ部に、気象予報アンサンブルの入力を提供するよう構成された確率論的デジタル気象サービス部と、
c.ロバスト決定支援ツール部であって、
− 予測トラジェクトリの算出を行う前記プロセッサ部に、トラジェクトリの予測に必要な入力データを提供し、
− 予測トラジェクトリの算出を行う前記プロセッサ部により算出された予測トラジェクトリのうちから予測トラジェクトリを選択するように構成された、ロバスト決定支援ツール部と、を含む。
前記選択された予想トラジェクトリは、フライトの少なくとも1つのセグメントにおいて、フライトマネージャーにより航空機のガイダンスに利用される。
a.フライトトラジェクトリが位置する空域を囲む空間領域を定義する1つまたは複数のパラメータを含む大気モデル領域と、
b.前記空域に関する大気パラメータの複数の大気シナリオであって、大気予報アンサンブルを形成するシナリオを提供する大気モデルと、を定義する。
a.所定のフライトトラジェクトリであって、当該フライトトラジェクトリの各セグメントについて3つのトラジェクトリ制約条件パラメータの組み合わせを適用することにより、当該フライトトラジェクトリを定義する1つまたは複数のパラメータを含むフライトトラジェクトリと、
b.外的状況に対する航空機の応答を定義する1つまたは複数のパラメータを含む航空機性能モデルと、
c.フライトトラジェクトリのセグメントの始点における航空機の初期条件に関連するパラメータと、
d.予測トラジェクトリの算出を行う前記プロセッサ部により算出された予測トラジェクトリの少なくとも1つの性能指数を定義するパラメータ群と、
e.予測トラジェクトリの算出を行う前記プロセッサ部により算出された少なくとも1つの予測トラジェクトリアンサンブルから予測トラジェクトリを選択する少なくとも1つの基準であって、当該少なくとも1つの基準は、どの予測トラジェクトリが特定の性能指数の統計的代表値を最もよく表すものであるかのサーチに基づく基準と、
f.関連する不確実性を算出するための少なくとも1つの基準であって、それに従うと特定の性能指数の統計的代表値を表す予測トラジェクトリが選択される基準と、を定義する。
− 前記ロバスト決定支援ツール部により提供される前記入力パラメータのうちから、確率的なパラメータ群であり、よって不確実性を伴うと判断されるパラメータ群を決定し、
− 前記確率パラメータ群の不確実性の種類および範囲を決定する。
a.前記大気モデル、航空機性能モデル、フライトトラジェクトリ記述、および初期条件のパラメータに基づいて、予測トラジェクトリを表すデータセットを決定し、
b.確率パラメータとして扱われるべきパラメータに、不確実性の範囲と共に値を割り当てて、前記予測トラジェクトリを表すデータセットについて可能な複数のインスタンスを生成し、
c.それぞれの予測トラジェクトリが大気シナリオに対応する予測トラジェクトリアンサンブルを前記大気予想アンサンブルに基づいて算出し、
d.予測トラジェクトリアンサンブルにおける各予測トラジェクトリの少なくとも1つの性能指数を評価して、これら性能指数の値の母集団を取得し、
e.各予測トラジェクトリアンサンブルにおける予測トラジェクトリのうち、前記評価された少なくとも1つの性能指数の代表値を表すものを、特定の統計的基準にしたがって特定し、
f.前記評価された少なくとも1つの性能指数の値の分散度であって、先の工程で特定された予測トラジェクトリに対する、予測トラジェクトリアンサンブルの残りのトラジェクトリに関連づけられた値の分散度を、特定の統計的基準にしたがって取得する。
a.前記確率論的デジタル気象サービス部およびロバスト決定支援ツール部から受け取る値であって、確率パラメータとして扱われるべきパラメータに値を割り当てるためのランダム化エンジン部と、
b.前記ランダム化エンジン部により提供される入力データに基づいて、予測トラジェクトリを算出するトラジェクトリ算出部と、を含む。
− 航空機性能モデルパラメータ、
− トラジェクトリ記述パラメータ。
− 所定の性能指数、
− トラジェクトリ選択基準および
− 大気予報、のうちから選択される。
− 航空機性能モデルパラメータ、
− トラジェクトリ記述パラメータ、
− 選択された性能指数および
− トラジェクトリ選択基準、の入力を提供するよう構成されている。
i)トラジェクトリエンジン(TE)。これは、AIDLスクリプト(AIDLコードでのトラジェクトリ画定)および初期条件を入力として、対象期間(航空機の4次元モデル領域、以下に詳細を説明する)におけるAV(飛行体)の運動を記述する一連の方程式を構築および統合するコンポーネントである。
ii)航空機性能モデル(APM)。これは、任意の種別の航空機(AV)の性能データをトラジェクトリエンジン(TE)に提供するコンポーネントである。
iii)確率論的大気モデル(PAM)。このコンポーネントにより、従来のトラジェクトリ予測TPアプローチで通常用いられる決定論的大気シナリオが、確率論的デジタル気象サービス部(2)p−DMETにより提供される、可能性のあるシナリオの組(即ち、アンサンブル)の中から大気シナリオを選択可能な構成に置き換えられる。
i)所与の航空機インテントにより表される、算出すべきトラジェクトリの画定における不確実性、
ii)気象予報に付随する不確実性、
iii)関連する航空機性能側面の質を特徴づける主要性能指数(KPI’s:key performance indicators)、
iv)初期条件の観測に付随する不確実性、
v)トラジェクトリエンジン(TE)がトラジェクトリの算出に用いる運動モデルの信頼性、
である。
ii−1)領域の画定:グリッドの形状、セルのサイズ、座標系、地形標高モデルの解像度および正確さ、可動面(水域)と陸域の特徴づけ、対象期間(time horizon)および統合時間幅、
ii−2)モデルおよび解法(solver):流体力学の物理的な法則を具体化する方程式の空間的および時間的離散化ならびに解法
ii−3)初期/境界条件:初期条件は、開始時の大気状況に関する最新最善の知識から得られ、境界情報は、開始時から解が要求される期間に亘る時間間隔のすべてに沿って、空間領域の境界で得られる。
i)FOM母集団の代表値(central value)を表す、いわゆるロバスト予測トラジェクトリ(RPT)。例えば、平均値、最頻値、中央値、所与のパーセンタイル値など、代表値(重心)を定義する特定のトラジェクトリ選択基準(TSC)を前提とする。
ii)トラジェクトリの標本空間(即ち、所与のトラジェクトリアンサンブル)に相当するFOM母集団。このFOM母集団から、STD、MAE、SEEまたはRMSなどのFOM分散度が得られる。
− 算出(予測)すべきトラジェクトリの画定に付随する不確実性、
− トラジェクトリ予測TPに関連する大気状況の予報に付随する不確実性、
− 予測トラジェクトリの算出に関連する航空機性能側面の質を特徴づける主要性能指数(KPI’s)、
− トラジェクトリ算出処理の初期化に必要な初期条件の観測に付随する不確実性、
− トラジェクトリエンジン部(4)TEがトラジェクトリの算出に用いる運動モデルの信頼性。
−AIDLの採用により、不確実性の主要因である、トラジェクトリ画定に付随する不確実性を排除している。
−他の主たる不確実性要因についての追加情報、即ち、大気状況予想をp−DMETアプローチによって検討している。
−DST’sの関心対象である不確実性に対応する予測トラジェクトリの特定の側面に依存しない、(FOMアプローチに基づく)形式的なスキームを提案している。
−意思決定の根拠とする予測トラジェクトリを選択する際に不確実性を考慮し、その不確実性の測度を追加で取得して、より堅実な決定を行うのに利用しているので、意思決定処理のロバストネスが改善されている。
−X1 TNDは、地点Nにおける対地速度vHの水平成分に沿って(すなわち水平経路の接線方向に)配向される。
−X2 TNDは、N’において基準面に接する局所面でX1 TNDを時計回りにπ/2だけ回転させることにより得られる(すなわち水平経路の法線)。
− X3 TNDは、天底(下向き)を指し、よって3つの軸は、右手系のデカルト座標系を構成する。
−消費燃料:Δm=mn−m0
−所与のフィックスへの到着時刻(飛行時間):Δt=tn−t0
−コストインデックス(時間コスト対燃料コスト):CI・Δt−Δm
−範囲(水平飛行距離):Δr=rn−r0
−所与の時点またはフィックス(λn,φn)あるいはトラジェクトリセグメントにおける2D位置(ATER、XTE)
−所与の時点またはフィックス(hn)あるいはトラジェクトリセグメントにおける高度(VE)
−所与の時点またはフィックス(λn,φn,hn)あるいはトラジェクトリセグメントにおける3D位置(ATER、XTE、VE)
−所与の時点またはフィックス(λn,φn,hn,tn)あるいはトラジェクトリセグメントにおける4D位置(ATER、XTE、VE、ATET)
−所与のフィックス(vTAS,n)あるいはトラジェクトリセグメント全体における速度(SE)
−所与のフィックスあるいはトラジェクトリセグメントにおける姿勢(χTAS,n,μTAS,n,γTAS,n)(BE、PAE、BAE)
−所与の時点あるいはフィックスにおける後方乱気流:速度(vTAS)、コンフィギュレーション(δHL k,δSB k,δLG k)および風(wk)の関数
−消費燃料:ΣΔmk=Σ(mn k−m0 k)、ただしk={1,…,s}
−騒音:位置(ATERk,XTEk,VEk)、推進力(Tk)、コンフィギュレーション(δHL k,δSB k,δLG k)および風(wk)の関数
−排気量:消費燃料と風の関数
−コンフリクト性:損失LOS事象の回数に、LOSの確率をかけた値(ATERk、XTEkおよびVEkの関数)、である。
a)いわゆるロバストな予測トラジェクトリ(RPT)。これは、例えば、平均値、最頻値、中央値、所与のパーセンタイル値など、その代表値(重心)を定義する特定のトラジェクトリ選択基準を前提として、FOM母集団の代表値を表すものである。
b)トラジェクトリの標本空間(即ち、所与のトラジェクトリアンサンブル)に相当するFOM母集団。この母集団から、STD、MAE、SEEまたはRMSなどのFOM分散度が得られる。
この場合、所与のFOM関数を、アンサンブルTに含まれるトラジェクトリ{Ti}のそれぞれに適用すると、以下のように記載されるFOMの母集団が得られる。
算出されたFOM値ziと代表値zcとの間の差分の母集団を表す式として、以下の方程式、
上述したアプローチを一般化して、r−DSTの関心対象が、所与のフィックスあるいは時点のみではなく、トラジェクトリ全体におけるトラジェクトリ側面の不確実性の評価である場合に適合させることができる。例えば、確率論的広域航法(probabilistic Area Navigation)(p−RNAV)におけるトラジェクトリ形状(trajectory geometry)の適合性や継続的な時間/速度ガイダンスの変数を評価する場合が、これにあたる。
この場合、添え字jに追加の自由度(DOF)が対応付けられて、アンサンブルに含まれるトラジェクトリTiの個々のサンプルYijを示す。
一般的に、既存のDST’sがその意思決定処理の基礎とするトラジェクトリプレディクタ(TP)は、典型的にはその都度生成される内部コンポーネントであり、AV種別、トラジェクトリ画定および大気シナリオなどの入力の組のそれぞれに対して単一の(決定論的な)予測トラジェクトリに依拠する。
確率的トラジェクトリ予測処理部(1)s−TPは、図14にランダム化エンジン部(4)およびトラジェクトリ算出部(5)TCとして示す2つの主要なコンポーネントから構成されている。基本的に、モンテカルロシミュレーションに基づくアプローチを用いる。よって、ランダム化エンジン部(4)REは、下位のトラジェクトリ算出部(5)TCであって、ランダム化エンジン部(4)REにより選択されるすべての確率変数の組み合わせのそれぞれについて1つのトラジェクトリを算出する算出部と協働して、繰り返し処理を行う。ランダム化処理に関わる確率変数に、ロバスト決定支援ツール部(3)r−DSTにより設定された可能な値をすべて代入したあと、ランダム化エンジン部(4)REは、すべての「可能な」予測トラジェクトリを収集し、上述したFOM分析(単一トラジェクトリ分析および複数トラジェクトリ分析)を行う。または、検討した確率変数が上述のケースと異なる場合には類似の分析を行う。
ランダム化エンジン部(4)REは、上述したインターフェース13を介して確率的トラジェクトリ予測プロセッサ部(1)s−TPの機能性を実現する。この目的で、ランダム化エンジン部(4)REは、インターフェース8、9、10、11、12を介して下位のトラジェクトリ算出部(5)TCと図30aおよび図30bの表に記載したようなインタラクションを行う。
トラジェクトリ算出部(5)TCは、関連する確率パラメータに与えられた値を含む入力の組のそれぞれについて予測トラジェクトリを算出するコンポーネントである。よって、インターフェースを介してランダム化エンジン部(4)REと協働して確率パラメータの処理を行うものの、トラジェクトリ算出部(5)TCは決定論的な方法で動作する。その主要な要素は、トラジェクトリエンジン(TE)、航空機性能モデル(APM)および確率論的大気モデル(PAM)である。図31の表は、これらの間のインターフェースを説明する。
本開示のシステムにおける確率論的デジタル気象サービス部(2)p−DMETは、確率的トラジェクトリ予測処理部(1)s−TPに対して、提案のアンサンブルアプローチに基づく確率的大気予報を提供するものであり、この目的で、インターフェース2を介してトラジェクトリ算出部(5)TCの内部コンポーネントであるPAMとのインタラクションを行う。図32の表に、当該インターフェースの上位概念設計を示している。
1)従来にはない、専門技術および分野(気象予報、気象サービス、トラジェクトリ予測および管理、大量データ処理および航空交通運用)の組み合わせを包含する。
2)ユーザの操作決定に与える最終的な影響を理解し、定量化する目的で、航空機トラジェクトリのライフサイクルの最初から最後までの全体に伝播する気象予報不確実性に着目して、他の不確実性要因と組み合わせている。
3)本方法は、航空交通管制(ATM)の決定支援用の現在の技術水準品における不確実性を特徴づけるメトリック(FOM’sあるいはこれに均等なパラメータ集合)を特定しており、よって今後の製品の運用利益の測定値を特定している。
確率論的デジタル気象サービス部(2)p−DMETについて:
4)一般的な天気予報は広く利用可能ではあるが、トラジェクトリベースの観点で航空会社やATM運用に特化した専門的な気象予報製品/サービスは利用可能でない。
5)気象予報不確実性は、その分野での経験に裏付けられた3つの異なる組織により提供されるモデルのアンサンブルと条件とから抽出されており、幅広い範囲の結果が補償される。
6)確率論的な気象予報から得る、決定論的ではなく確率的なTPは航空交通管制(ATM)においては新規である。
7)確率的トラジェクトリ予測プロセッサ部(1)s−TPとロバスト決定支援ツール部(3)r−DSTとの間で、FOMおよび関連する不確実性について行うインタラクションは、これまでにはなかったアプローチである。
8)カスタマイズされたFOM’sを用いてTPの不確実性を特徴づけて意思決定支援の自動処理に利用することは、現在の技術水準に照らして新規である。現在の技術水準では、DST’sは決定論的TPに依拠しており不確実性を考慮しない。
9)FOM測定値における不確実性とDST性能との相関関係を分析することは、これまでには行われていない試みである。
Claims (11)
- 航空機の飛行管理に用いる、航空機トラジェクトリの画定および予測のための方法であって、
a.航空機性能特性および大気データの両方の入力データを取得し、
b.航空機トラジェクトリに適用すべきトラジェクトリパラメータを定義し、この際に、
− 航空機トラジェクトリパラメータは、特定の符号で構成される特定の航空機インテント記述言語を用いて定義され、前記航空機インテント記述言語の符号はそれぞれ、航空機トラジェクトリの個々のセグメントを記述するものであり、前記航空機インテント記述言語の符号の特定の組み合わせはそれぞれ、トラジェクトリ全体を記述するものであり、
− 大気データは、複数の大気予報アンサンブルとして取得され、大気予報アンサンブルに含まれる各大気予報は、決定された天候シナリオをその確率と共に表しており、
当該方法は、さらに、
c.大気予報アンサンブルの各大気予報から予測トラジェクトリを算出し、当該予測トラジェクトリは、航空機トラジェクトリの特定の性能指数に関連する情報を含み、
各大気予報アンサンブルから予想トラジェクトリアンサンブルが取得され、当該予測トラジェクトリアンサンブルに含まれる各予測トラジェクトリは、大気予報アンサンブルに含まれる各大気予報の確率から導出される確率関連づけられており、
d.各航空機予測トラジェクトリの特定の性能指数を選択し、
e.予測トラジェクトリアンサンブルに含まれる各予測トラジェクトリについて、前記選択された性能指数の値を決定し、
f.前記選択された性能指数の統計値を所定の統計的基準に従って算出し、当該統計値は、前記選択された性能指数に関して、各予測トラジェクトリアンサンブルに含まれるすべての予測トラジェクトリを代表しており、当該算出は、関連する不確実性を算出するための基準であって、それに従うと特定の性能指数の統計的代表値を表す予測トラジェクトリが選択される基準を少なくとも1つ含み、
g.各予測トラジェクトリアンサンブルから、前記選択された性能指数について先に算出した統計値により近い値を前記選択された性能指数として有する予測トラジェクトリを決定し、
h.各予測トラジェクトリアンサンブルに含まれるすべての予測トラジェクトリについて、前記選択された性能指数について算出した前記統計値に対する、前記選択された性能指数の値の分散度を所定の統計的基準に従って算出し、
i.航空機のフライトの少なくとも1つのセグメンにおける飛行管理に、選択された予測トラジェクトリを利用する、方法。 - 請求項2に記載の方法であって、前記算出された予測トラジェクトリから予測トラジェクトリを選択し、選択された当該予測トラジェクトリは、所定のトラジェクトリ選択基準に最もよく合致するものである、方法。
- 請求項1に記載の方法であって、前記航空機インテント記述言語の前記特定の符号はそれぞれ、少なくとも3つのトラジェクトリ制約条件と4つのコンフィギュレーション指示との組み合わせからなり、前記3つのトラジェクトリ制約条件を課すことにより前記航空機トラジェクトリのすべての自由度が対処され、よって前記3つのトラジェクトリ制約条件を課すことにより、前記航空機トラジェクトリは完全に画定され、これら制約条件は、少なくとも、
i 経度、
ii 緯度、
iii 高度、
iv 真対気速度、
v 方位、
vi スロットル、
vii 飛行経路角、
viii バンク角、
ix 高揚力、
x スピードブレーキ、のうちから選択される、方法。 - 請求項1に記載の方法であって、前記性能指数は、少なくとも、
i 消費燃料、
ii 所与のフィックス到着時刻、
iii コストインデックス、
iv 水平飛行距離の範囲、
v 所与の時点における2D位置、
vi 所与のフィックスにおける2D位置、
vii トラジェクトリセグメントにおける2D位置、
viii 所与の時点における高度、
ix 所与のフィックスにおける高度、
x トラジェクトリセグメントにおける高度、
xi 所与の時点における3D位置、
xii 所与のフィックスにおける3D位置、
xiii トラジェクトリセグメントにおける3D位置、
xiv 所与の時点における4D位置、
xv 所与のフィックスにおける4D位置、
xvi トラジェクトリセグメントにおける4D位置、
xvii 所与のフィックスにおける速度、
xviii トラジェクトリセグメントにおける速度、
xix 所与のフィックスにおける姿勢、
xx トラジェクトリセグメントにおける姿勢、
xxi 所与の時点における後方乱気流、
xxii 所与のフィックスにおける後方乱気流、のうちから選択される、方法。 - 航空機の飛行管理に用いる、航空機トラジェクトリの画定および予測のためのシステムであって、当該システムは、
a.特定の航空機インテント記述言語を用いて、航空機のフライトの各セグメントについて予測トラジェクトリを算出するプロセッサ部(1)であって、各予想トラジェクトリは、確率的入力データに基づき算出され、したがって、各予測トラジェクトリは、確率的なものであり、関連する確率を有するものであり、前記入力データは、少なくとも、
i 航空機性能モデルのパラメータと、
ii 大気予報と、のうちから選択される、プロセッサ部と、
b.予測トラジェクトリの算出を行う前記プロセッサ部(1)に、気象予報アンサンブルの入力を提供するよう構成された確率論的デジタル気象サービス部(2)と、
c.ロバスト決定支援ツール部(3)であって、
i 予測トラジェクトリの算出を行う前記プロセッサ部(1)に、トラジェクトリの予測に必要な入力データを提供し、
ii 予測トラジェクトリの算出を行う前記プロセッサ部(1)により算出された予測トラジェクトリのうちから予測トラジェクトリを選択するように構成された、ロバスト決定支援ツール部と、を含み、
d.さらに、前記ロバスト決定支援ツール部(3)は、
i 所定のフライトトラジェクトリであって、当該フライトトラジェクトリの各セグメントについて3つのトラジェクトリ制約条件パラメータの組み合わせを適用することにより、当該フライトトラジェクトリを定義する1つまたは複数のパラメータを含むフライトトラジェクトリと、
ii 外的状況に対する航空機の応答を定義する1つまたは複数のパラメータを含む航空機性能モデルと、
iii フライトトラジェクトリのセグメントの始点における航空機の初期条件に関連するパラメータと、
iv 予測トラジェクトリの算出を行う前記プロセッサ部(1)により算出された予測トラジェクトリの少なくとも1つの性能指数を定義するパラメータ群と、
v 予測トラジェクトリの算出を行う前記プロセッサ部(1)により算出された少なくとも1つの予測トラジェクトリアンサンブルから予測トラジェクトリを選択する少なくとも1つの基準であって、当該少なくとも1つの基準は、どの予測トラジェクトリが特定の性能指数の統計的代表値を最もよく表すものであるかのサーチに基づく基準と、
vi 関連する不確実性を算出するための少なくとも1つの基準であって、それに従うと特定の性能指数の統計的代表値を表す予測トラジェクトリが選択される基準と、を定義し、
前記選択された予想トラジェクトリは、フライトの少なくとも1つのセグメントにおいて、フライトマネージャーにより航空機のガイダンスに利用される、システム。 - 請求項5に記載のシステムであって、前記確率論的デジタル気象サービス部(2)は、
a フライトトラジェクトリが位置する空域の空間を囲む領域を定義する1つまたは複数のパラメータを含む大気モデル領域と、
b 前記空域に関する大気パラメータの複数の大気シナリオであって、大気予報アンサンブルを形成するシナリオを提供する大気モデルと、を定義する、システム。 - 請求項5に記載のシステムであって、前記予測トラジェクトリの算出を行う前記プロセッサ部(1)は、
a.前記ロバスト決定支援ツール部(3)により提供される前記入力パラメータのうちから、確率的なパラメータ群であり、よって不確実性を伴うと判断されるパラメータ群を決定し、
b.前記確率パラメータ群の不確実性の種類および範囲を決定する、システム。 - 請求項5に記載のシステムであって、予測トラジェクトリの算出を行う前記プロセッサ部(1)は、
a.前記大気モデル、航空機性能モデル、フライトトラジェクトリ記述、および初期条件のパラメータに基づいて、予測トラジェクトリを表すデータセットを決定し、
b.確率パラメータとして扱われるべきパラメータに、不確実性の範囲と共に値を割り当てて、前記予測トラジェクトリを表すデータセットについて可能な複数のインスタンスを生成し、
c.それぞれの予測トラジェクトリが大気シナリオに対応する予測トラジェクトリアンサンブルを前記大気予想アンサンブルに基づいて算出し、
d.予測トラジェクトリアンサンブルにおける各予測トラジェクトリの少なくとも1つの性能指数を評価して、これら性能指数の値の母集団を取得し、
e.各予測トラジェクトリアンサンブルにおける予測トラジェクトリのうち、前記評価された少なくとも1つの性能指数の代表値を表すものを、特定の統計的基準にしたがって特定し、
f.前記評価された少なくとも1つの性能指数の値の分散度であって、先の工程で特定された予測トラジェクトリに対する、予測トラジェクトリアンサンブルの残りのトラジェクトリに関連づけられた値の分散度を、特定の統計的基準にしたがって取得する、システム。 - 請求項8に記載のシステムであって、前記予測トラジェクトリの算出を行う前記プロセッサ部(1)は、少なくとも、
a.前記確率論的デジタル気象サービス部(2)およびロバスト決定支援ツール部(3)から受け取る値であって、確率パラメータとして扱われるパラメータに値を割り当てるためのランダム化エンジン部(4)と、
b.前記ランダム化エンジン部(4)により提供される入力データに基づいて、予測トラジェクトリを算出するトラジェクトリ算出部(5)と、を含むシステム。 - 請求項5に記載のシステムであって、前記入力データは、少なくとも、
i 航空機性能モデルパラメータ、
ii トラジェクトリ記述パラメータ。
iii 所定の性能指数、
iv トラジェクトリ選択基準および
v 大気予報、のうちから選択される、システム - 請求項5に記載のシステムであって、前記ロバスト決定支援ツール部(3)は、予測トラジェクトリの算出を行う前記プロセッサ部(1)に、
− 航空機性能モデルパラメータ、
− トラジェクトリ記述パラメータ、
− 選択された性能指数および
− トラジェクトリ選択基準、の入力を提供するよう構成されている、システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP13382579.4A EP2889579B1 (en) | 2013-12-31 | 2013-12-31 | System and method for defining and predicting aircraft trajectories |
EP13382579.4 | 2013-12-31 | ||
PCT/IB2014/066292 WO2015101848A2 (en) | 2013-12-31 | 2014-11-24 | System and method for defining and predicting aircraft trajectories |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017503272A true JP2017503272A (ja) | 2017-01-26 |
JP6553625B2 JP6553625B2 (ja) | 2019-07-31 |
Family
ID=50002448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016543132A Active JP6553625B2 (ja) | 2013-12-31 | 2014-11-24 | 航空機トラジェクトリの画定および予測のためのシステムおよび方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US9741254B2 (ja) |
EP (1) | EP2889579B1 (ja) |
JP (1) | JP6553625B2 (ja) |
CN (1) | CN105874479B (ja) |
BR (1) | BR112016011555B1 (ja) |
ES (1) | ES2668896T3 (ja) |
WO (1) | WO2015101848A2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020129315A1 (ja) * | 2018-12-20 | 2020-06-25 | 国立研究開発法人宇宙航空研究開発機構 | プログラム、情報処理装置及び情報処理方法 |
Families Citing this family (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2889579B1 (en) * | 2013-12-31 | 2018-02-14 | The Boeing Company | System and method for defining and predicting aircraft trajectories |
EP2916308B1 (en) | 2014-03-07 | 2016-05-25 | The Boeing Company | An aircraft intent processor |
EP3109805A1 (en) * | 2015-06-22 | 2016-12-28 | The Boeing Company | A computer-implemented method and system for estimating impact of new operational conditions in a baseline air traffic scenario |
GB2529551B (en) * | 2015-07-22 | 2016-07-20 | Via Tech Ltd | Method for detecting conflicts between aircraft |
EP3365880B1 (en) | 2015-10-22 | 2020-10-28 | Thales Alenia Space Italia S.p.A. Con Unico Socio | Method and systems for increasing capacity and safety of aeronautical safety-of-life services and data links |
US10283000B2 (en) * | 2015-10-23 | 2019-05-07 | Vigilair Limited | Unmanned aerial vehicle deployment system |
WO2017108133A1 (en) * | 2015-12-23 | 2017-06-29 | Swiss Reinsurance Company Ltd. | Automated, reactive flight-delay risk-transfer system and method thereof |
JP6357176B2 (ja) * | 2016-01-12 | 2018-07-11 | 株式会社Subaru | 移動経路設定装置、移動経路設定方法及び移動経路設定プログラム |
US10043398B2 (en) | 2016-03-25 | 2018-08-07 | International Business Machines Corporation | Drone coordination |
FR3053779B1 (fr) * | 2016-07-07 | 2018-06-29 | Thales | Dispositif et methode de calcul de prediction de performance de navigation estimee |
FR3053780B1 (fr) * | 2016-07-07 | 2018-07-06 | Thales | Dispositif et methode de calcul de prediction de performance de navigation requise |
CN106406343B (zh) * | 2016-09-23 | 2020-07-10 | 北京小米移动软件有限公司 | 无人飞行器的控制方法、装置和系统 |
CN106529705A (zh) * | 2016-10-25 | 2017-03-22 | 合肥飞友网络科技有限公司 | 一种低频率经纬度数据补充优化飞行轨迹的方法 |
CN106650172B (zh) * | 2017-01-05 | 2020-09-01 | 电子科技大学 | 基于mdp的机载防撞系统逻辑单元的设计方法 |
US10037704B1 (en) * | 2017-02-01 | 2018-07-31 | David Myr | Automatic real-time air traffic control system and method for maximizing landings / takeoffs capacity of the airport and minimizing aircrafts landing times |
US10074283B1 (en) * | 2017-03-09 | 2018-09-11 | The Boeing Company | Resilient enhancement of trajectory-based operations in aviation |
US10228692B2 (en) | 2017-03-27 | 2019-03-12 | Gulfstream Aerospace Corporation | Aircraft flight envelope protection and recovery autopilot |
US20180286253A1 (en) * | 2017-03-31 | 2018-10-04 | General Electric Company | Optimized aircraft control via model-based iterative optimization |
US10460608B2 (en) | 2017-05-25 | 2019-10-29 | Ge Aviation Systems Llc | System and method for determining uncertainty in a predicted flight path for an aerial vehicle |
US11511879B2 (en) | 2017-11-14 | 2022-11-29 | Gulfstream Aerospace Corporation | Performance capability determination for aircraft |
CN107871047A (zh) * | 2017-11-21 | 2018-04-03 | 中国人民解放军战略支援部队航天工程大学 | 一种复杂空间系统安全管理平行计算方法 |
US10573186B2 (en) | 2017-12-12 | 2020-02-25 | Honeywell International Inc. | System and method for monitoring conformance of an aircraft to a reference 4-dimensional trajectory |
EP3788612A2 (en) | 2018-05-04 | 2021-03-10 | Interdigital Patent Holdings, Inc. | Market based detect and avoid (daa) solutions |
EP3608894A1 (en) | 2018-08-10 | 2020-02-12 | The Boeing Company | Computer-implemented method and system for evaluating uncertainty in trajectory prediction |
EP3873747A4 (en) * | 2018-11-01 | 2022-06-22 | Hewlett-Packard Development Company, L.P. | STATUS CLASSIFICATION OF COMPONENTS OF A PRINTING EQUIPMENT |
US11024182B2 (en) * | 2018-12-17 | 2021-06-01 | The Boeing Company | System and method to forecast flight delay based on real-time data |
WO2020134857A1 (zh) | 2018-12-29 | 2020-07-02 | 长沙天仪空间科技研究院有限公司 | 一种充气天线 |
US20200312171A1 (en) * | 2019-03-29 | 2020-10-01 | Honeywell International Inc. | Systems and methods for dynamically detecting moving object trajectory conflict using estimated times of arrival |
US10969227B2 (en) * | 2019-08-09 | 2021-04-06 | The Boeing Company | Display of aircraft time on target on mobile devices |
CN110929945B (zh) * | 2019-11-28 | 2023-07-04 | 海南太美航空股份有限公司 | 一种航线开通的预测方法、系统及电子设备 |
CN111613096B (zh) * | 2020-06-04 | 2021-07-30 | 成都民航空管科技发展有限公司 | 一种基于atc系统的cfl指令预先告警方法和系统 |
CN111783358B (zh) * | 2020-07-02 | 2022-10-04 | 哈尔滨工业大学 | 一种基于贝叶斯估计的高超速飞行器长期轨迹预报方法 |
CN112785876B (zh) * | 2021-01-28 | 2022-03-11 | 南京航空航天大学 | 终端区时序气象场景智能识别系统 |
CN113378306B (zh) * | 2021-08-13 | 2021-12-03 | 腾讯科技(深圳)有限公司 | 交通控制方法、装置、电子设备及计算机可读存储介质 |
DE102021212857A1 (de) * | 2021-11-16 | 2023-05-17 | Robert Bosch Gesellschaft mit beschränkter Haftung | Computerimplementiertes Verfahren, Vorrichtung und Computerprogramm zum Bestimmen von Trajektorien aus einer Menge von Trajektorien für Messungen an einem technischen System |
CN114860111B (zh) * | 2022-05-23 | 2024-06-18 | Oppo广东移动通信有限公司 | 触控轨迹的更新方法、装置、电子设备及存储介质 |
CN115310677B (zh) * | 2022-07-18 | 2023-05-12 | 四川大学 | 一种基于二进制编码表示与多分类的航迹预测方法及装置 |
CN115097868B (zh) * | 2022-08-24 | 2022-11-22 | 深圳市瓴鹰智能科技有限公司 | 一种飞行控制方法及相关装置 |
CN115145313B (zh) * | 2022-08-31 | 2023-01-31 | 中国电子科技集团公司第二十八研究所 | 一种实时预测纠正动目标轨迹的方法 |
CN115442743B (zh) * | 2022-11-07 | 2023-03-24 | 上海特金信息科技有限公司 | 基于rid信号数据融合的定位方法、装置、设备 |
CN117053800B (zh) * | 2023-10-09 | 2024-01-09 | 中国气象科学研究院 | 用于气象观测的无人机航路规划方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011086312A (ja) * | 1999-10-07 | 2011-04-28 | Honeywell Internatl Inc | ビークルのルートを計画するシステム |
EP2482269A1 (en) * | 2011-01-28 | 2012-08-01 | The Boeing Company | Providing data for predicting aircraft trajectory |
JP2012203907A (ja) * | 2011-03-23 | 2012-10-22 | Ge Aviation Systems Llc | 航空ビークルのトラジェクトリ管理の方法及びシステム |
JP2013096988A (ja) * | 2011-10-31 | 2013-05-20 | General Electric Co <Ge> | 航空機パラメータを推定するための方法およびシステム |
US20130317670A1 (en) * | 2012-05-24 | 2013-11-28 | The Boeing Company | Providing a description of aircraft intent |
Family Cites Families (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7248949B2 (en) * | 2004-10-22 | 2007-07-24 | The Mitre Corporation | System and method for stochastic aircraft flight-path modeling |
FR2908533B1 (fr) * | 2006-11-14 | 2008-12-26 | Thales Sa | Methode et systeme de surveillance du suivi d'une trajectoire de reference par un aeronef |
EP2040137B1 (en) | 2007-09-21 | 2012-05-16 | The Boeing Company | Predicting aircraft trajectory |
FR2926894B1 (fr) * | 2008-01-25 | 2010-03-12 | Thales Sa | Procede d'estimation en tout point d'un trajet d'un aeronef des donnees atmospheriques |
US9257048B1 (en) * | 2010-04-21 | 2016-02-09 | The Boeing Company | Aircraft emergency landing route system |
US8818576B2 (en) * | 2010-09-30 | 2014-08-26 | The Boeing Company | Tailored arrivals allocation system trajectory predictor |
US8560148B2 (en) * | 2010-11-09 | 2013-10-15 | Lockheed Martin Corporation | Method and apparatus for air traffic trajectory synchronization |
US8924137B2 (en) * | 2011-09-30 | 2014-12-30 | Lockheed Martin Corporation | Method and apparatus for dynamic air traffic trajectory synchronization |
US8942914B2 (en) * | 2011-02-22 | 2015-01-27 | General Electric Company | Methods and systems for managing air traffic |
US9177480B2 (en) * | 2011-02-22 | 2015-11-03 | Lockheed Martin Corporation | Schedule management system and method for managing air traffic |
US8600675B1 (en) * | 2011-05-25 | 2013-12-03 | Rockwell Collins, Inc. | System and method for generating trajectory data for an aircraft in flight |
US9117368B2 (en) * | 2011-09-09 | 2015-08-25 | Honeywell International Inc. | Ground based system and methods for providing multiple flightplan re-plan scenarios to a pilot during flight |
US8639401B2 (en) * | 2011-09-20 | 2014-01-28 | The Boeing Company | Dynamic adaptation of trigger thresholds to manage when data messages are transmitted |
US9098997B2 (en) * | 2011-09-30 | 2015-08-04 | The Boeing Company | Flight trajectory prediction with application of environmental conditions |
CN102436764A (zh) * | 2011-11-21 | 2012-05-02 | 南京莱斯信息技术股份有限公司 | 通过历史数据挖掘航班管制因素的方法 |
US9558670B1 (en) * | 2011-12-06 | 2017-01-31 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Method and system for air traffic rerouting for airspace constraint resolution |
EP2788722A4 (en) * | 2011-12-06 | 2015-05-27 | Airservices Australia | FLIGHT FORECAST SYSTEM |
EP2667274A1 (en) * | 2012-05-24 | 2013-11-27 | The Boeing Company | Method for providing a description of aircraft intent using a decomposition of flight intent into flight segments |
EP2667273A1 (en) * | 2012-05-24 | 2013-11-27 | The Boeing Company | Method for providing a description of aircraft intent using a decomposition of flight intent into constrained flight segments |
EP2743739B1 (en) * | 2012-12-14 | 2017-10-04 | The Boeing Company | Using aircraft trajectory data to infer atmospheric conditions |
EP2768275B1 (en) * | 2013-02-13 | 2018-01-10 | The Boeing Company | Secure transmission of an aircraft trajectory |
US10013236B2 (en) * | 2013-03-06 | 2018-07-03 | The Boeing Company | Real-time adaptive speed scheduler |
US9177479B2 (en) * | 2013-03-13 | 2015-11-03 | General Electric Company | System and method for determining aircraft operational parameters and enhancing aircraft operation |
FR3003971B1 (fr) * | 2013-03-28 | 2017-02-17 | Airbus Operations Sas | Procede et dispositif de calcul de predictions sur un plan de vol d'un aeronef. |
EP2801963B1 (en) * | 2013-05-09 | 2016-01-20 | The Boeing Company | Providing a description of aircraft intent |
ES2758738T3 (es) * | 2013-05-17 | 2020-05-06 | Boeing Co | Método y sistema para guía de aeronave |
US8977484B1 (en) * | 2013-08-22 | 2015-03-10 | The Boeing Company | Using aircraft trajectory data to infer aircraft intent |
EP2887015A1 (en) * | 2013-12-18 | 2015-06-24 | The Boeing Company | Assessing feasability of an aircraft trajectory |
EP2889579B1 (en) * | 2013-12-31 | 2018-02-14 | The Boeing Company | System and method for defining and predicting aircraft trajectories |
EP2947637B1 (en) * | 2014-05-23 | 2018-09-26 | The Boeing Company | Method of predicting with high accuracy a descent trajectory described by means of the aircraft intent description language (AIDL) |
EP3010005B1 (en) * | 2014-10-14 | 2021-05-19 | The Boeing Company | Method for creating and choosing a determinate piloting strategy for an aircraft |
US9536434B2 (en) * | 2014-12-12 | 2017-01-03 | The Boeing Company | Aircraft turns for interval management |
US9646503B2 (en) * | 2015-02-11 | 2017-05-09 | Honeywell International Inc. | Cockpit display systems and methods for generating navigation displays including landing diversion symbology |
EP3065019B1 (en) * | 2015-03-04 | 2017-09-13 | The Boeing Company | Method for optimum maximum range cruise speed in an aircraft |
US9536435B1 (en) * | 2015-07-13 | 2017-01-03 | Double Black Aviation Technology L.L.C. | System and method for optimizing an aircraft trajectory |
US10269253B2 (en) * | 2015-07-16 | 2019-04-23 | Ge Aviation Systems Llc | System and method of refining trajectories for aircraft |
US10586464B2 (en) * | 2015-07-29 | 2020-03-10 | Warren F. LeBlanc | Unmanned aerial vehicles |
US10852157B2 (en) * | 2015-07-30 | 2020-12-01 | The Boeing Company | Guidance display for controlling aircraft turns for aircraft spacing |
EP3136371B1 (en) * | 2015-08-31 | 2024-04-17 | The Boeing Company | Air vehicle navigation method via a common runtime aircraft intent data structure |
-
2013
- 2013-12-31 EP EP13382579.4A patent/EP2889579B1/en active Active
- 2013-12-31 ES ES13382579.4T patent/ES2668896T3/es active Active
-
2014
- 2014-11-24 US US15/109,319 patent/US9741254B2/en active Active
- 2014-11-24 JP JP2016543132A patent/JP6553625B2/ja active Active
- 2014-11-24 WO PCT/IB2014/066292 patent/WO2015101848A2/en active Application Filing
- 2014-11-24 BR BR112016011555-4A patent/BR112016011555B1/pt active IP Right Grant
- 2014-11-24 CN CN201480071997.8A patent/CN105874479B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011086312A (ja) * | 1999-10-07 | 2011-04-28 | Honeywell Internatl Inc | ビークルのルートを計画するシステム |
EP2482269A1 (en) * | 2011-01-28 | 2012-08-01 | The Boeing Company | Providing data for predicting aircraft trajectory |
JP2012158322A (ja) * | 2011-01-28 | 2012-08-23 | Boeing Co:The | 航空機の飛行経路を予測するためのデータの供給 |
JP2012203907A (ja) * | 2011-03-23 | 2012-10-22 | Ge Aviation Systems Llc | 航空ビークルのトラジェクトリ管理の方法及びシステム |
JP2013096988A (ja) * | 2011-10-31 | 2013-05-20 | General Electric Co <Ge> | 航空機パラメータを推定するための方法およびシステム |
US20130317670A1 (en) * | 2012-05-24 | 2013-11-28 | The Boeing Company | Providing a description of aircraft intent |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020129315A1 (ja) * | 2018-12-20 | 2020-06-25 | 国立研究開発法人宇宙航空研究開発機構 | プログラム、情報処理装置及び情報処理方法 |
JP2020101879A (ja) * | 2018-12-20 | 2020-07-02 | 国立研究開発法人宇宙航空研究開発機構 | プログラム、情報処理装置及び情報処理方法 |
JP7228229B2 (ja) | 2018-12-20 | 2023-02-24 | 国立研究開発法人宇宙航空研究開発機構 | プログラム、情報処理装置及び情報処理方法 |
Also Published As
Publication number | Publication date |
---|---|
ES2668896T3 (es) | 2018-05-23 |
WO2015101848A3 (en) | 2016-05-12 |
CN105874479B (zh) | 2019-09-24 |
US20160343258A1 (en) | 2016-11-24 |
WO2015101848A2 (en) | 2015-07-09 |
BR112016011555A2 (ja) | 2017-08-08 |
EP2889579B1 (en) | 2018-02-14 |
US9741254B2 (en) | 2017-08-22 |
BR112016011555B1 (pt) | 2022-03-08 |
JP6553625B2 (ja) | 2019-07-31 |
CN105874479A (zh) | 2016-08-17 |
EP2889579A1 (en) | 2015-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6553625B2 (ja) | 航空機トラジェクトリの画定および予測のためのシステムおよび方法 | |
Kuroki et al. | UAV navigation by an expert system for contaminant mapping with a genetic algorithm | |
Tang et al. | Integration of diverse data sources for spatial PM2. 5 data interpolation | |
JP5946394B2 (ja) | 複数種類のデータソースを用いた経路の始点・終点の統計的推測手法、コンピュータ・プログラム及びコンピュータ。 | |
Ramanujam et al. | Data-driven modeling of the airport configuration selection process | |
CN112363251A (zh) | 天气预测模型的生成方法、天气预测方法、装置 | |
Mahajan et al. | An empirical study of PM2. 5 forecasting using neural network | |
KR20220130177A (ko) | 학습된 은닉 상태를 사용한 에이전트 제어 플래닝 | |
Clay et al. | Towards real-time crowd simulation under uncertainty using an agent-based model and an unscented Kalman filter | |
Bendarkar et al. | Comparative assessment of AEDT noise modeling assumptions using real-world data | |
Leung et al. | An integrated web-based air pollution decision support system–a prototype | |
Feng et al. | A survey of visual analytics in urban area | |
Daigle et al. | System-level prognostics for the national airspace | |
Liu et al. | Particle swarm optimization for vehicle positioning based on robust cubature Kalman filter | |
Wenzel et al. | EDIM: Earthquake disaster information system for the Marmara region, Turkey | |
JP6433876B2 (ja) | パラメータ推定装置、予測装置、方法、及びプログラム | |
Keller et al. | Cockpit system situational awareness modeling tool | |
JP2019211984A (ja) | 学習装置、予測装置、方法、及びプログラム | |
Zhou et al. | A multi-task learning approach for facilitating dynamic airspace sectorization | |
McGough et al. | Revisiting Linus’ Law in OpenStreetMap: An Agent-Based Approach | |
JP7501669B2 (ja) | 時系列データ予測装置、学習装置、推定装置、方法およびプログラム | |
US20240182181A1 (en) | Method, system, and computer-readable medium for monitoring and predicting greenhouse gas emissions for a flight of an aircraft | |
WO2020166406A1 (ja) | 目的地予測装置、方法及びプログラム | |
Malings | Optimal sensor placement for infrastructure system monitoring using probabilistic graphical models and value of information | |
Harrington et al. | A Bayesian spatio-temporal aircraft route predictive algorithm with applications to military operations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171109 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181029 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181127 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190227 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190319 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190618 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190702 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190704 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6553625 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |