JP2021170253A

JP2021170253A - Flight time prediction device and flight time prediction method

Info

Publication number: JP2021170253A
Application number: JP2020073431A
Authority: JP
Inventors: 昇武市; Noboru Takechi
Original assignee: Tokyo Metropolitan Public University Corp
Current assignee: Tokyo Metropolitan Public University Corp
Priority date: 2020-04-16
Filing date: 2020-04-16
Publication date: 2021-10-28
Anticipated expiration: 2040-04-16
Also published as: JP7442799B2

Abstract

To provide a flight time prediction device capable of improving prediction accuracy of a flight time, and a flight time prediction method.SOLUTION: A flight time prediction device comprises: an extraction unit for extracting a flight parameter of a rising aircraft from a flight model; a reception unit for receiving navigation data of the aircraft; a deviation unit for deriving a mass of the aircraft on the basis of the extracted flight parameter and the received navigation data; and a flight time prediction unit for predicting a flight time of the aircraft on the basis of a correlation between the mass and a prediction error of the flight time, the derived mass and the extracted flight parameter.SELECTED DRAWING: Figure 1

Description

本発明は、飛行時間予測装置及び飛行時間予測方法に関する。 The present invention relates to a flight time prediction device and a flight time prediction method.

航空機の運航を三次元の位置と時間により管理する四次元航法は、各国・地域における将来の航空交通管理の計画における中核的な技術となるものと期待されている。
近年の航空機はその機上装置によりほぼ最適な軌道を飛行することができる。航空会社は、各便のほぼ最適な軌道を計画する。そして、この時の軌道は航空機の質量によっても変化する。 Four-dimensional navigation, which manages aircraft operations by three-dimensional position and time, is expected to be a core technology in planning future air traffic management in each country and region.
Modern aircraft can fly in near-optimal orbits due to their on-board equipment. The airline plans a near-optimal trajectory for each flight. The orbit at this time also changes depending on the mass of the aircraft.

四次元航法を用いた運航管理においては、その軌道の予測の中でも特に飛行時間を精度良く予測することが重要である。したがって、航空機の質量は飛行時間を精度良く予測するための重要なパラメータの一つである。しかし、通常、管制機関は航空機の質量の情報を得ることができないため、実際の運航においては利用することができない。
これに対し、これまでに航空機の質量の推定を試みた研究が行われている。これらの研究ではＡＤＳ−Ｂデータ及び運航モデルを用いて質量を推定し、おおむね運航モデルで想定されている範囲の推定値が得られることが示されている（例えば、非特許文献１参照）。 In flight management using four-dimensional navigation, it is especially important to accurately predict flight time among the predictions of its trajectory. Therefore, the mass of the aircraft is one of the important parameters for accurately predicting the flight time. However, since the control agency cannot usually obtain information on the mass of the aircraft, it cannot be used in actual operation.
On the other hand, studies have been conducted so far to try to estimate the mass of the aircraft. In these studies, it is shown that the mass is estimated using ADS-B data and the flight model, and the estimated value in the range generally assumed by the flight model can be obtained (see, for example, Non-Patent Document 1).

Junzi Sun, Joost Ellerbroek, Jacco M. Hoekstra, “Aircraft initial mass estimation using Bayesian inference method”, Transportation Research Part C, Volume 90, 2018, Pages 59-73Junzi Sun, Joost Ellerbroek, Jacco M. Hoekstra, “Aircraft initial mass estimation using Bayesian inference method”, Transportation Research Part C, Volume 90, 2018, Pages 59-73

将来の時間基準の航空交通管理を実現するための課題の一つとして、軌道予測精度を向上させることがあげられる。
本発明は、前述した問題を解決すべくなされたもので、飛行時間の予測精度を向上できる飛行時間予測装置及び飛行時間予測方法を提供することを目的とする。 One of the challenges for realizing future time-based air traffic management is to improve the accuracy of orbit prediction.
The present invention has been made to solve the above-mentioned problems, and an object of the present invention is to provide a flight time prediction device and a flight time prediction method capable of improving the flight time prediction accuracy.

本発明の一実施形態は、飛行モデルから上昇中の航空機の飛行パラメータを抽出する抽出部と、前記航空機の運航データを受け付ける受付部と、前記抽出部が抽出した前記飛行パラメータと前記受付部が受け付けた前記運航データとに基づいて、前記航空機の質量を導出する導出部と、質量と飛行時間の予測誤差との相関関係と、前記導出部が導出した前記質量と、前記抽出部が抽出した前記飛行パラメータとに基づいて、前記航空機の飛行時間を予測する飛行時間予測部とを備える、飛行時間予測装置である。
本発明の一実施形態は、前述の飛行時間予測装置において、前記飛行時間予測部は、質量と飛行時間の予測誤差との相関関係と、前記導出部が導出した前記質量とに基づいて、前記抽出部が抽出した前記飛行パラメータに基づいて予測される飛行時間を補正する。
本発明の一実施形態は、前述の飛行時間予測装置において、前記飛行時間予測部は、前記飛行パラメータに含まれる前記航空機の上昇率と真対気速度とに基づいて、飛行時間を予測する。
本発明の一実施形態は、前述の飛行時間予測装置において、前記導出部は、前記飛行パラメータに含まれる推力を示す情報と、前記運航データに含まれる対地速度を示す情報とに基づいて、前記質量を導出する。
本発明の一実施形態は、前述の飛行時間予測装置において、前記受付部は、さらに気象予報データを受け付け、前記飛行時間予測部は、前記気象予報データに含まれる気象情報に基づいて、前記飛行時間を予測する。
本発明の一実施形態は、前述の飛行時間予測装置において、前記飛行時間予測部は、前記気象情報に基づいて、前記飛行パラメータに含まれる前記航空機の真対気速度から、対地速度を導出し、導出した前記対地速度に基づいて、前記飛行時間を予測する。
本発明の一実施形態は、前述の飛行時間予測装置において、前記受付部は、さらに気象予報データを受け付け、前記導出部は、前記気象予報データに含まれる気象情報に基づいて、前記質量を導出する。
本発明の一実施形態は、前述の飛行時間予測装置において、前記導出部は、前記気象情報に基づいて、前記飛行パラメータに含まれる前記航空機の真対気速度から、対地速度を導出し、導出した前記対地速度に基づいて、前記質量を導出する。 In one embodiment of the present invention, an extraction unit that extracts flight parameters of an ascending aircraft from a flight model, a reception unit that receives flight data of the aircraft, and the flight parameters and the reception unit extracted by the extraction unit are used. Based on the received flight data, the derivation unit that derives the mass of the aircraft, the correlation between the mass and the prediction error of the flight time, the mass derived by the derivation unit, and the extraction unit extracted. It is a flight time prediction device including a flight time prediction unit that predicts the flight time of the aircraft based on the flight parameters.
In one embodiment of the present invention, in the above-mentioned flight time prediction device, the flight time prediction unit is based on the correlation between the mass and the prediction error of the flight time and the mass derived by the derivation unit. The flight time predicted based on the flight parameters extracted by the extraction unit is corrected.
In one embodiment of the present invention, in the flight time prediction device described above, the flight time prediction unit predicts the flight time based on the rate of climb of the aircraft and the true airspeed included in the flight parameters.
In one embodiment of the present invention, in the above-mentioned flight time prediction device, the derivation unit is based on the information indicating the thrust included in the flight parameters and the information indicating the ground speed included in the flight data. Derivation of mass.
In one embodiment of the present invention, in the flight time prediction device, the reception unit further receives weather forecast data, and the flight time prediction unit receives the flight based on the weather information included in the weather forecast data. Predict the time.
In one embodiment of the present invention, in the above-mentioned flight time prediction device, the flight time prediction unit derives the ground speed from the true airspeed of the aircraft included in the flight parameters based on the weather information. , The flight time is predicted based on the derived ground speed.
In one embodiment of the present invention, in the above-mentioned flight time prediction device, the reception unit further receives the weather forecast data, and the derivation unit derives the mass based on the weather information included in the weather forecast data. do.
In one embodiment of the present invention, in the flight time prediction device described above, the derivation unit derives and derives the ground speed from the true airspeed of the aircraft included in the flight parameters based on the weather information. The mass is derived based on the ground speed.

本発明の一実施形態は、飛行モデルから上昇中の航空機の飛行パラメータを抽出するステップと、前記航空機の運航データを受け付けるステップと、前記飛行パラメータと前記運航データとに基づいて、前記航空機の質量を導出するステップと、質量と飛行時間の予測誤差との相関関係と、導出した前記質量と、抽出した前記飛行パラメータとに基づいて、前記航空機の飛行時間を推定するステップとを有する、コンピュータが実行する飛行時間予測方法である。 In one embodiment of the present invention, the mass of the aircraft is based on a step of extracting flight parameters of an ascending aircraft from a flight model, a step of receiving flight data of the aircraft, and flight parameters and flight data. The computer has a step of estimating the flight time of the aircraft based on the step of deriving the aircraft, the correlation between the mass and the prediction error of the flight time, the derived mass, and the extracted flight parameters. It is a flight time prediction method to be executed.

本発明の実施形態によれば、飛行時間の予測精度を向上できる飛行時間予測装置及び飛行時間予測方法を提供できる。 According to the embodiment of the present invention, it is possible to provide a flight time prediction device and a flight time prediction method capable of improving the flight time prediction accuracy.

本実施形態に係る飛行時間予測システムの一例を示す図である。It is a figure which shows an example of the flight time prediction system which concerns on this embodiment. 解析対象の飛行経路を示す図である。It is a figure which shows the flight path of the analysis target. 航跡の一例を示す図である。It is a figure which shows an example of a wake. 航跡の一例を示す図である。It is a figure which shows an example of a wake. 本実施形態に係る飛行時間予測システムで飛行時間の予測を行う航跡の一例を示す図である。It is a figure which shows an example of the track which predicts the flight time by the flight time prediction system which concerns on this embodiment. 飛行時間の予測結果の誤差の分布の一例を示す図である。It is a figure which shows an example of the distribution of the error of the prediction result of a flight time. 各航空便の飛行時間を予測した位置の一例を示す図である。It is a figure which shows an example of the position which predicted the flight time of each flight. 質量パラメータの導出結果の一例を示す図である。It is a figure which shows an example of the derivation result of a mass parameter. 質量パラメータと飛行時間の予測値誤差との相関関係の一例を示す図である。It is a figure which shows an example of the correlation between the mass parameter and the predicted value error of a flight time. 回帰直線を使用して補正する方法を示す図である。It is a figure which shows the method of correction using a regression line. 質量パラメータの推定地点の影響を示す図である。It is a figure which shows the influence of the estimation point of a mass parameter. 本実施形態に係る飛行時間予測システムの動作の一例を示すフローチャートである。It is a flowchart which shows an example of the operation of the flight time prediction system which concerns on this embodiment.

次に、本発明の実施形態に係る飛行時間予測装置及び飛行時間予測方法を、図面を参照しつつ説明する。以下で説明する実施形態は一例に過ぎず、本発明が適用される実施形態は、以下の実施形態に限られない。
なお、実施形態を説明するための全図において、同一の機能を有するものは同一符号を用い、繰り返しの説明は省略する。
また、本願でいう「ＸＸに基づく」とは、「少なくともＸＸに基づく」ことを意味し、ＸＸに加えて別の要素に基づく場合も含む。また、「ＸＸに基づく」とは、ＸＸを直接に用いる場合に限定されず、ＸＸに対して演算や加工が行われたものに基づく場合も含む。「ＸＸ」は、任意の要素（例えば、任意の情報）である。 Next, the flight time prediction device and the flight time prediction method according to the embodiment of the present invention will be described with reference to the drawings. The embodiments described below are merely examples, and the embodiments to which the present invention is applied are not limited to the following embodiments.
In all the drawings for explaining the embodiment, the same reference numerals are used for those having the same function, and the repeated description will be omitted.
Further, "based on XX" in the present application means "based on at least XX", and includes a case where it is based on another element in addition to XX. Further, "based on XX" is not limited to the case where XX is used directly, but also includes the case where XX is calculated or processed. "XX" is an arbitrary element (for example, arbitrary information).

（実施形態）
（飛行時間予測装置）
以下、本発明の実施形態に係る飛行時間予測装置を、図面を参照して説明する。
図１は、本実施形態に係る飛行時間予測システムの一例を示す図である。
本実施形態に係る飛行時間予測システム１は、航空機ＡＣと、飛行時間予測装置１００とを備える。
航空機は、一般的には空を飛ぶ乗り物をいう。航空機は、空中に浮揚する機構の点から、気球や飛行船のように、空気より軽い気体の静浮力を利用する軽航空機と翼に働く空気の動的な揚力を利用する重航空機とに大別される。さらに重航空機は飛行機やグライダーなどの固定翼航空機と、ヘリコプタやオートジャイロなどの回転翼航空機とに分けられる。本実施形態では、航空機ＡＣは、主として、固定翼航空機をいう。 (Embodiment)
(Flight time predictor)
Hereinafter, the flight time prediction device according to the embodiment of the present invention will be described with reference to the drawings.
FIG. 1 is a diagram showing an example of a flight time prediction system according to the present embodiment.
The flight time prediction system 1 according to the present embodiment includes an aircraft AC and a flight time prediction device 100.
An aircraft generally refers to a vehicle that flies in the sky. Aircraft are roughly divided into light aircraft that use the static buoyancy of gas that is lighter than air, such as balloons and airships, and heavy aircraft that use the dynamic lift of air that acts on the wings, in terms of the mechanism that floats in the air. Will be done. Heavy aircraft are further divided into fixed-wing aircraft such as airplanes and gliders and rotary-wing aircraft such as helicopters and autogyros. In this embodiment, the aircraft AC mainly refers to a fixed-wing aircraft.

航空機ＡＣの最適軌道は、同機種であれば質量が重い機体ほど低い巡航高度を高速に飛行し、軽い機体ほど高い巡航高度を低速に飛行する傾向があることが明らかとなっている。したがって、実際の運航においても質量の推定値を利用して軌道を予測することができるはずである。
そこで、本実施形態に係る飛行時間予測システム１では、航空機ＡＣの質量の推定値を求め、求めた質量の推定値を用いて特定のウェイポイント(WP)までの飛行時間の予測精度を向上させる。ただし、本実施形態では質量の真値を用いることができないため、推定した質量の正確さを評価することができない。一方、各航空便の質量の推定値の大小を評価することは可能である。そこで、本実施形態では質量の推定値を、質量の大小を表す質量パラメータと呼ぶこととする。 It has been clarified that the optimum orbit of the aircraft AC tends to fly at a lower cruising altitude at a higher speed for a heavier aircraft and at a lower cruising altitude at a higher cruising altitude for a lighter aircraft of the same model. Therefore, it should be possible to predict the trajectory using the estimated mass even in actual operation.
Therefore, in the flight time prediction system 1 according to the present embodiment, an estimated value of the mass of the aircraft AC is obtained, and the estimated value of the obtained mass is used to improve the prediction accuracy of the flight time to a specific waypoint (WP). .. However, since the true value of the mass cannot be used in this embodiment, the accuracy of the estimated mass cannot be evaluated. On the other hand, it is possible to evaluate the magnitude of the estimated mass of each flight. Therefore, in the present embodiment, the estimated value of the mass is referred to as a mass parameter indicating the magnitude of the mass.

航空機ＡＣの一例は、現在の位置情報（経度、緯度、高度）と時刻情報と対地速度を示す情報とを放送する。例えば、航空機ＡＣは、ＡＤＳ−Ｂ(Automatic dependent surveillance-broadcast)を使用し、型式を示す情報と時刻情報と便コードを示す情報と対地速度を示す情報と位置情報（緯度、経度、高度）とを放送する。型式を示す情報と時刻情報と便コードを示す情報と対地速度を示す情報と位置情報（緯度、経度、高度）とを、ＡＤＳ−Ｂデータと呼ぶ。ＡＤＳ−Ｂデータは、航空機ＡＣが機上の全地球測位システム(Global Positioning System: GPS)を使用して取得した自航空機ＡＣの動態情報と、時刻情報とを含む。ＡＤＳ−Ｂデータは、周囲１００ＮＭ程度の範囲に放送される。以下、航空機ＡＣが、ＡＤＳ−Ｂを使用して、ＡＤＳ−Ｂデータを送信する場合について説明を続ける。 An example of an aircraft AC broadcasts current position information (longitude, latitude, altitude), time information, and information indicating ground speed. For example, the aircraft AC uses ADS-B (Automatic dependent surveillance-broadcast) to provide model information, time information, flight code information, ground speed information, and position information (latitude, longitude, altitude). To broadcast. Information indicating the model, time information, flight code, information indicating the ground speed, and position information (latitude, longitude, altitude) are referred to as ADS-B data. The ADS-B data includes dynamic information and time information of the own aircraft AC acquired by the aircraft AC using the on-board Global Positioning System (GPS). The ADS-B data is broadcast in a range of about 100 NM. Hereinafter, the case where the aircraft AC transmits ADS-B data using ADS-B will be described.

飛行時間予測装置１００は、飛行モデルから上昇中の航空機ＡＣの飛行パラメータを抽出する。飛行時間予測装置１００は、抽出した飛行パラメータに基づいて、飛行時間を予測する。飛行時間予測装置１００は、航空機ＡＣの運航データを受け付ける。飛行時間予測装置１００は、抽出した飛行パラメータと受け付けた運航データとに基づいて、航空機ＡＣの質量を導出する。飛行時間予測装置１００は、質量と飛行時間の予測誤差との相関関係と、導出した質量とに基づいて、予測した飛行時間を補正する。飛行時間予測装置１００は、飛行時間を補正した結果を出力する。 The flight time predictor 100 extracts the flight parameters of the ascending aircraft AC from the flight model. The flight time prediction device 100 predicts the flight time based on the extracted flight parameters. The flight time prediction device 100 receives the operation data of the aircraft AC. The flight time prediction device 100 derives the mass of the aircraft AC based on the extracted flight parameters and the received flight data. The flight time prediction device 100 corrects the predicted flight time based on the correlation between the mass and the prediction error of the flight time and the derived mass. The flight time prediction device 100 outputs the result of correcting the flight time.

本実施形態では、一例として、解析対象の航空機ＡＣとして、機種がボーイング（登録商標）の７７７−２００を対象とした場合について説明する。解析対象の飛行経路として、国内線としては最大の便数が運航されている福岡空港から羽田空港への経路を対象とした場合について説明する。本実施形態では、一例として、フィックス離脱時刻(CFDT: Calculated Fix Departure Time)運航を想定する。ＣＦＤＴ運航は、到着機を着陸予定時刻に応じて順序づけし、飛行直後から予め設定された経路上の地点における通過時刻調節を実施するものである。
図２は、解析対象の飛行経路を示す図である。本実施形態では、福岡空港から羽田空港へ至る標準的な経路として、ＹＯＫＡＴ、ＫＯＨＺＡ、ＢＲＡＩＤ、ＬＵＦＦＹ、ＳＡＮＪＩ、ＹＡＮＫＳの５つのウェイポイントを経由して、ＦＬＵＴＥに至る標準的な経路での飛行時間の予測精度を導出する。図１に戻り説明を続ける。 In the present embodiment, as an example, a case where the model of the aircraft AC to be analyzed is Boeing (registered trademark) 777-200 will be described. As the flight route to be analyzed, the case where the route from Fukuoka Airport to Haneda Airport, which has the largest number of domestic flights, will be described. In this embodiment, as an example, a fixed departure time (CFDT: Calculated Fix Departure Time) operation is assumed. In the CFDT operation, the arriving aircraft are ordered according to the scheduled landing time, and the transit time is adjusted at a point on the preset route immediately after the flight.
FIG. 2 is a diagram showing a flight path to be analyzed. In this embodiment, as a standard route from Fukuoka Airport to Haneda Airport, the flight time on the standard route to FLUTE via five waypoints of YOKA T, KOHZA, BRAID, LUFFY, SANJI, and YANKS. Derivation of the prediction accuracy of. The explanation will be continued by returning to FIG.

また、本実施形態では、運航データの一例として、２０１５年度の航空交通システムの変革にむけた協調的行動(CARATS: Collaborative Actions for Renovation of Air Traffic Systems)オープンデータ及び同日のＡＤＳ−Ｂデータを用いる。ＣＡＲＡＴＳオープンデータは、飛行時間の予測誤差の評価に使用する。例えば、標準的な運航モデルを用いて、軌道予測を行う。実運航時間と飛行時間差から誤差を算出する。ＡＤＳ−Ｂデータは、質量推定に使用する。
図３と図４とは、航跡の一例を示す図である。図３は、２０１５年度の福岡空港から羽田空港へ至る全便の航路を示す。図４は、本実施形態で評価する対象の軌跡を示す。図３と図４とにおいて、「〇」は、ＹＯＫＡＴを示す。
図５は、本実施形態に係る飛行時間予測システムで飛行時間の予測を行う航跡の一例を示す図である。本実施形態では、図３に示す全便から、図４に示すようにＹＯＫＡＴをほぼ正確に通過した便の内、運航便数の多いナローボディ機の１２０便を対象とする。図５は、航空機の航跡の一例を示す図である。図５には、一例として、これらの便の福岡空港から羽田空港までの航跡を示す。 In addition, in this embodiment, as an example of flight data, collaborative actions (CARATS: Collaborative Actions for Renovation of Air Traffic Systems) open data and ADS-B data on the same day are used. .. CARATS open data is used to evaluate flight time prediction errors. For example, a standard flight model is used to predict the trajectory. Calculate the error from the difference between the actual flight time and the flight time. ADS-B data is used for mass estimation.
3 and 4 are diagrams showing an example of a wake. Figure 3 shows the routes of all flights from Fukuoka Airport to Haneda Airport in 2015. FIG. 4 shows a locus of an object to be evaluated in this embodiment. In FIGS. 3 and 4, “◯” indicates YOKA T.
FIG. 5 is a diagram showing an example of a track for which flight time is predicted by the flight time prediction system according to the present embodiment. In the present embodiment, 120 narrow-body aircraft, which have a large number of flights, are targeted from all the flights shown in FIG. 3, among the flights that have passed through YOKA T almost accurately as shown in FIG. FIG. 5 is a diagram showing an example of the wake of an aircraft. FIG. 5 shows, as an example, the tracks of these flights from Fukuoka Airport to Haneda Airport.

また、本実施形態では、気象庁の提供する気象データを使用する場合について説明する。気象庁の提供する気象データは、メソ数値予報モデルＭＳＭ(MesoScale Model)である。ＭＳＭは、水平５［ｋｍ］間隔、鉛直５０層の格子点での３時間ごとの気象情報を含む。本実施形態では、ＡＤＳ−Ｂデータの対地速度の真対気速度への変換と、大気密度の算出にＭＳＭで取得した気候情報を使用する。
以下、飛行時間予測システム１に含まれる飛行時間予測装置１００について、図１を参照して、説明する。 Moreover, in this embodiment, the case where the meteorological data provided by the Japan Meteorological Agency is used will be described. The meteorological data provided by the Japan Meteorological Agency is the MesoScale Model (MSM). The MSM contains weather information every 3 hours at 5 [km] horizontal intervals and 50 vertical grid points. In this embodiment, the climate information acquired by MSM is used for the conversion of the ADS-B data to the true airspeed and the calculation of the atmospheric density.
Hereinafter, the flight time prediction device 100 included in the flight time prediction system 1 will be described with reference to FIG.

（飛行時間予測装置１００）
飛行時間予測装置１００は、パーソナルコンピュータ、サーバ、スマートフォン、タブレットコンピュータ又は産業用コンピュータ等の装置によって実現される。飛行時間予測装置１００は、例えば、第１通信部１１０−１と、第２通信部１１０−２と、受付部１２０と、抽出部１３０と、予測部１４０と、導出部１５０と、補正部１６０と、記憶部１７０と、出力部１８０とを備える。
第１通信部１１０−１は、通信モジュールによって実現される。第１通信部１１０−１は、外部の通信装置と通信する。第１通信部１１０−１は、航空機ＡＣが送信したＡＤＳ−Ｂデータを受信する。
第２通信部１１０−２は、通信モジュールによって実現される。第２通信部１１０−２は、ネットワークＮＷを介して、外部の通信装置と通信する。第２通信部１１０−２は、例えば有線ＬＡＮ（ＬｏｃａｌＡｒｅａＮｅｔｗｏｒｋ）などの通信方式で通信してもよい。また、第２通信部１１０−２は、例えば無線ＬＡＮ、ブルートゥース（登録商標）又はＬＴＥ（登録商標）などの通信方式で通信してもよい。第２通信部１１０−２は、ネットワークＮＷを介してサーバ２００と通信するために必要な通信情報を保持する。第２通信部１１０−２は、サーバ２００が送信した気象予報データを受信する。 (Flight time prediction device 100)
The flight time prediction device 100 is realized by a device such as a personal computer, a server, a smartphone, a tablet computer, or an industrial computer. The flight time prediction device 100 includes, for example, a first communication unit 110-1, a second communication unit 110-2, a reception unit 120, an extraction unit 130, a prediction unit 140, a derivation unit 150, and a correction unit 160. And a storage unit 170 and an output unit 180.
The first communication unit 110-1 is realized by a communication module. The first communication unit 110-1 communicates with an external communication device. The first communication unit 110-1 receives the ADS-B data transmitted by the aircraft AC.
The second communication unit 110-2 is realized by a communication module. The second communication unit 110-2 communicates with an external communication device via the network NW. The second communication unit 110-2 may communicate by a communication method such as a wired LAN (Local Area Network). Further, the second communication unit 110-2 may communicate by a communication method such as wireless LAN, Bluetooth (registered trademark) or LTE (registered trademark). The second communication unit 110-2 holds communication information necessary for communicating with the server 200 via the network NW. The second communication unit 110-2 receives the weather forecast data transmitted by the server 200.

記憶部１７０は、ＨＤＤ（Hard Disk Drive）やフラッシュメモリ、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）などにより実現される。記憶部１７０には、飛行モデル１７２と質量予測誤差相関情報１７４とが記憶される。飛行モデル１７２と質量予測誤差相関情報１７４とがクラウド上に記憶されていてもよい。
飛行モデル１７２は、航空機の飛行性能データであり、航空機の軌道を予測するために使用される。飛行モデル１７２の一例は、標準的な運航モデルである。本実施形態では、一例として、飛行モデル１７２に、標準的な運航モデルと、エンジン推力モデルとが記憶されている場合について説明を続ける。
質量予測誤差相関情報１７４は、質量と飛行時間の予測誤差との相関関係を示す情報である。質量予測誤差相関情報１７４の詳細については、後述する。 The storage unit 170 is realized by an HDD (Hard Disk Drive), a flash memory, a RAM (Random Access Memory), a ROM (Read Only Memory), or the like. The flight model 172 and the mass prediction error correlation information 174 are stored in the storage unit 170. The flight model 172 and the mass prediction error correlation information 174 may be stored in the cloud.
Flight model 172 is aircraft flight performance data and is used to predict the trajectory of an aircraft. An example of a flight model 172 is a standard flight model. In the present embodiment, as an example, the case where the standard flight model and the engine thrust model are stored in the flight model 172 will be described.
The mass prediction error correlation information 174 is information showing the correlation between the mass and the prediction error of the flight time. The details of the mass prediction error correlation information 174 will be described later.

受付部１２０は、第１通信部１１０−１が受信したＡＤＳ−Ｂデータを取得し、取得したＡＤＳ−Ｂデータを受け付ける。また、受付部１２０は、第２通信部１１０−２が受信した気象予報データを取得し、取得した気象予報データを受け付ける。
抽出部１３０は、記憶部１７０に記憶されている飛行モデル１７２を取得する。抽出部１３０は、取得した飛行モデル１７２から、上昇中の航空機ＡＣの飛行パラメータを抽出する。ここで、飛行パラメータには、航空機ＡＣの上昇率を示す情報と、真対気速度を示す情報と、推力を示す情報とが含まれる。 The reception unit 120 acquires the ADS-B data received by the first communication unit 110-1, and receives the acquired ADS-B data. Further, the reception unit 120 acquires the weather forecast data received by the second communication unit 110-2, and receives the acquired weather forecast data.
The extraction unit 130 acquires the flight model 172 stored in the storage unit 170. The extraction unit 130 extracts the flight parameters of the ascending aircraft AC from the acquired flight model 172. Here, the flight parameters include information indicating the rate of climb of the aircraft AC, information indicating true airspeed, and information indicating thrust.

予測部１４０は、受付部１２０が受け付けた気象予報データを取得する。予測部１４０は、取得した気象予報データから、気象情報を取得する。本実施形態では、一例として、気象情報に、風向きを示す情報と、風速を示す情報とが含まれる場合について説明を続ける。予測部１４０は、抽出部１３０が抽出した飛行パラメータを取得する。予測部１４０は、取得した飛行パラメータに含まれる真対気速度を示す情報に、風向きを示す情報と、風速を示す情報とを加味することによって、真対地速度を導出する。
予測部１４０は、飛行パラメータに含まれる上昇率を示す情報及び導出した真対地速度を時間積分することによって、初期位置からＹＯＫＡＴを経由して、ＲＮＡＶ経路に沿ってＦＬＵＴＥに至る高度及び水平経路に沿った飛行距離（軌道）を導出する。予測部１４０は、飛行距離を導出する際に、ＹＯＫＡＴ前後の旋回ではバンク角を所定の角度として計算した。所定の角度の一例は、３０ｄｅｇである。バンク角を所定の角度として計算することによって、経路上の任意の地点からＦＬＵＴＥまでの飛行時間を予測することができる。 The prediction unit 140 acquires the weather forecast data received by the reception unit 120. The prediction unit 140 acquires weather information from the acquired weather forecast data. In the present embodiment, as an example, the case where the weather information includes information indicating the wind direction and information indicating the wind speed will be described. The prediction unit 140 acquires the flight parameters extracted by the extraction unit 130. The prediction unit 140 derives the true ground speed by adding the information indicating the wind direction and the information indicating the wind speed to the information indicating the true airspeed included in the acquired flight parameters.
The prediction unit 140 changes the altitude and horizontal path from the initial position to the FLUTE along the RNAV path via YOKA T by time-integrating the information indicating the rate of climb included in the flight parameters and the derived true ground speed. Derived the flight distance (orbit) along. When deriving the flight distance, the prediction unit 140 calculated the bank angle as a predetermined angle when turning before and after YOKA T. An example of a predetermined angle is 30 deg. By calculating the bank angle as a predetermined angle, the flight time from an arbitrary point on the route to FLUTE can be predicted.

ここで、予測部１４０が導出した飛行時間の予測結果と、ＣＡＲＡＴＳオープンデータのＦＬＵＴＥ通過前後のデータの線形補間により求まるＦＬＵＴＥ通過時刻の差として、飛行時間の予測結果の誤差を求めた。ただし、本実施形態では、飛行時間の予測結果の誤差の平均値は、実績値の評価により相殺できるものとし、分散及び標準偏差を評価指標とする。具体的には、定常的な運航においては、多くの便の実際の飛行時間を計測することができるので、本実施形態による飛行時間の予測結果に含まれる誤差の平均値（系統誤差）を求め補正することができる。そこで本実施形態では誤差の平均値の補正後のばらつき（偶然誤差）を補正する。
図６は、飛行時間の予測結果の誤差の分布の一例を示す図である。図６には、一例として、ＹＯＫＡＴからの飛行時間の予測結果の誤差の分布を示す。図６に示される例では、飛行時間の予測結果の誤差の分散及び標準偏差は、それぞれ１４２４．０ｓ^２及び３７．７ｓである。図１に戻り説明を続ける。 Here, the error of the flight time prediction result was obtained as the difference between the flight time prediction result derived by the prediction unit 140 and the FLUTE passage time obtained by linear interpolation of the data before and after the FLUTE passage of the CARATS open data. However, in the present embodiment, the average value of the error of the prediction result of the flight time can be offset by the evaluation of the actual value, and the variance and the standard deviation are used as the evaluation indexes. Specifically, since the actual flight times of many flights can be measured in regular operation, the average value (systematic error) of the errors included in the flight time prediction result according to the present embodiment is obtained. It can be corrected. Therefore, in the present embodiment, the variation (accidental error) after the correction of the average value of the error is corrected.
FIG. 6 is a diagram showing an example of the distribution of the error of the prediction result of the flight time. FIG. 6 shows, as an example, the distribution of errors in the prediction result of the flight time from YOKA T. In the example shown in FIG. 6, the variance and standard deviation of the error in the flight time prediction results are 1424.0s ² and 37.7s, respectively. The explanation will be continued by returning to FIG.

導出部１５０は、受付部１２０が受け付けた気象予報データを取得する。導出部１５０は、取得した気象予報データに含まれる風向きを示す情報と、風速を示す情報とを取得する。導出部１５０は、受付部１２０が受け付けたＡＤＳ−Ｂデータを取得する。導出部１５０は、取得したＡＤＳ−Ｂデータに含まれる対地速度を示す情報を取得する。導出部１５０は、抽出部１３０が抽出した飛行パラメータを取得する。導出部１５０は、取得した飛行パラメータに含まれる推力を示す情報を取得する。
導出部１５０は、取得した対地速度を示す情報と、風向きを示す情報と、風速を示す情報とに基づいて、対地速度に、風向きと、風速とを加味することによって、真対気速度を導出する。導出部１５０は、真対気加速度と、経路角と、上昇速度とを、データ差分から導出する。導出部１５０は、真対気速度を示す情報と、真対気加速度を示す情報と、経路角を示す情報と、上昇速度を示す情報と、推力を示す情報とに基づいて、航空機ＡＣの質量パラメータを導出する。 The derivation unit 150 acquires the weather forecast data received by the reception unit 120. The derivation unit 150 acquires information indicating the wind direction and information indicating the wind speed included in the acquired weather forecast data. The derivation unit 150 acquires the ADS-B data received by the reception unit 120. The derivation unit 150 acquires information indicating the ground speed included in the acquired ADS-B data. The derivation unit 150 acquires the flight parameters extracted by the extraction unit 130. The derivation unit 150 acquires information indicating the thrust included in the acquired flight parameters.
The derivation unit 150 derives the true airspeed by adding the wind direction and the wind speed to the ground speed based on the acquired information indicating the ground speed, the information indicating the wind direction, and the information indicating the wind speed. do. The derivation unit 150 derives the true anti-Qi acceleration, the path angle, and the ascending speed from the data difference. The derivation unit 150 determines the mass of the aircraft AC based on the information indicating the true airspeed, the information indicating the true airspeed, the information indicating the path angle, the information indicating the ascending speed, and the information indicating the thrust. Derivation of parameters.

ここで、上昇中の航空機ＡＣの質量パラメータを導出する方法について説明する。標準飛行モデルのエネルギー保存則を式（１）に示す。式（１）に基づき、質量パラメータを求める。
（Ｔｈｒ−Ｄ）Ｖ_ＴＡＳ＝ｍｇ（ｄｈ／ｄｔ）＋ｍＶ_ＴＡＳ（ｄＶ_ＴＡＳ／ｄｔ）（１）
式（１）において、ｍは航空機の質量を示し、Ｖ_ＴＡＳは対気速度を示し、Ｔｈｒはエンジン推力を示し、Ｄは抗力を示し、ｈは高度を示し、ｇは重力加速度を示す。
また、式（２）と、式（３）と、式（４）と、式（５）とが成り立つ。
Ｄ＝（１／２）ρ（Ｖ_ＴＡＳ ^２）ＳＣ_Ｄ（２）
Ｃ_Ｄ＝Ｃ_Ｄ０＋ｋＣ_Ｌ ^２（３）
Ｃ_Ｌ＝２ｍｇｃｏｓγ／ρＶ_ＴＡＳ ^２Ｓ（４）
γ＝ａｔａｎ（ｄｈ／ｄｔ）（５）
式（１）に、式（２）から式（５）を代入して、整理すると、式（６）が得られる。
（２ｋｇ^２ｃｏｓ^２γ／ρＶ_ＴＡＳ ^２Ｓ）ｍ^２＋（（ｄＶ_ＴＡＳ／ｄｔ）＋（ｇ／Ｖ_ＴＡＳ）（ｄｈ／ｄｔ））ｍ＋Ｃ_Ｄ０（１／２）ρＶ_ＴＡＳ ^２Ｓ−Ｔｈｒ＝０（６）
式（６）は、質量パラメータが満たすべき方程式を示している。 Here, a method for deriving the mass parameter of the ascending aircraft AC will be described. The energy conservation law of the standard flight model is shown in Equation (1). The mass parameter is obtained based on the equation (1).
(Thr-D) V _TAS = mg (dh / dt) + mV _TAS (dV _TAS / dt) (1)
In equation (1), m indicates the mass of the aircraft, V _TAS indicates the airspeed, Thr indicates the engine thrust, D indicates the drag, h indicates the altitude, and g indicates the gravitational acceleration.
Further, the equation (2), the equation (3), the equation (4), and the equation (5) are established.
D = (1/2) ρ (V _TAS ² ) SC _D (2)
_{_{_{^{C D = C D0 + kC L}}}} 2 (3)
_{_{^{C L = 2mgcosγ / ρV TAS 2}}} S (4)
γ = atan (dh / dt) (5)
By substituting the equations (5) from the equations (2) into the equation (1) and rearranging them, the equation (6) is obtained.
^{^{(2kg 2 cos 2 γ / ρV}} TAS 2 S) m 2 + ((dV TAS / dt) + (g / V TAS) (dh / dt)) m + C D0 (1/2) ρV TAS 2 S-Thr = 0 (6)
Equation (6) shows the equation that the mass parameter should satisfy.

本実施形態では、航空機ＡＣの推力として飛行モデル１７２で与えられる最大上昇推力を利用する。最大上昇推力の１００％の推力を仮定した際に最も精度良く質量が推定できることが明らかとなっているため、本実施形態では、最大上昇推力の１００％の値を推力として与えることとした。
また、質量関数は実データから求まる推力や速度情報などを代入した場合に必ずしも厳密に満たすとは限らない。式（６）を最小二乗法で解くと、式（７）と、式（８）とが得られる。
ｆ（ｍ）≒（２ｋｇ^２ｃｏｓ^２γ／ρＶ_ＴＡＳ ^２Ｓ）ｍ^２＋（（ｄＶ_ＴＡＳ／ｄｔ）＋（ｇ／Ｖ_ＴＡＳ）（ｄｈ／ｄｔ））ｍ＋Ｃ_Ｄ０（１／２）ρＶ_ＴＡＳ ^２Ｓ−Ｔｈｒ（７）
＾ｍ＝ａｒｇｍｉｎ（ｆ（ｍ）^２）（８）
本実施形態では、式（８）に示されるようにｆ（ｍ）^２を最小化する質量＾ｍを求めることにより質量パラメータを推定する。 In this embodiment, the maximum ascending thrust given by the flight model 172 is used as the thrust of the aircraft AC. Since it has been clarified that the mass can be estimated most accurately when the thrust of 100% of the maximum rising thrust is assumed, in the present embodiment, the value of 100% of the maximum rising thrust is given as the thrust.
In addition, the mass function does not always satisfy exactly when the thrust and velocity information obtained from the actual data are substituted. Solving Eq. (6) by the method of least squares gives Eqs. (7) and Eq. (8).
^{f (m) ≒ (2kg 2} cos 2 γ / ρV TAS 2 S) m 2 + ((dV TAS / dt) + (g / V TAS) (dh / dt)) m + C D0 (1/2) ρV TAS 2 S-Thr (7)
^ M = arg min (f (m) ² ) (8)
In the present embodiment, the mass parameter is estimated by obtaining the mass ^ m that minimizes ^{f (m) 2} as shown in the equation (8).

本実施形態では、ある推定点のデータと、ある推定点のデータ前後一定時間のデータとの差分から求めた加速度及び上昇速度をｆ（ｍ）^２に代入した方程式の最小二乗解を求めることによって、質量パラメータを導出した。
補正部１６０は、導出部１５０が導出した質量パラメータを取得する。補正部１６０は、予測部１４０から、飛行時間の予測結果を取得する。補正部１６０は、記憶部１７０に記憶されている質量予測誤差相関情報１７４を参照し、質量パラメータに該当する飛行時間の予測誤差を取得する。補正部１６０は、取得した飛行時間の予測結果と、飛行時間の予測誤差とに基づいて、飛行時間の予測結果に、飛行時間の予測誤差を加算することによって、補正する。 In the present embodiment, the least squares solution of the equation obtained by substituting the acceleration and the ascending velocity obtained from the difference between the data of a certain estimation point and the data of a certain estimation point before and after the data for a certain period of time into f (m) ^{2 is obtained.} , The mass parameters were derived.
The correction unit 160 acquires the mass parameter derived by the derivation unit 150. The correction unit 160 acquires a flight time prediction result from the prediction unit 140. The correction unit 160 refers to the mass prediction error correlation information 174 stored in the storage unit 170, and acquires the prediction error of the flight time corresponding to the mass parameter. The correction unit 160 corrects the flight time by adding the flight time prediction error to the flight time prediction result based on the acquired flight time prediction result and the flight time prediction error.

ここで、質量パラメータを補正する方法について説明する。
本実施形態では、一例として、飛行時間予測装置１００は、ＹＯＫＡＴを通過したときと、東経１３１度を通過したときとに、質量パラメータを導出するとともに、ＦＬＵＴＥまでの飛行時間を予測する。飛行時間予測装置１００は、飛行時間の予測結果を補正する。
図７は、各航空便の飛行時間を予測した位置の一例を示す図である。図７において、横軸は経度［ｄｅｇ］であり、縦軸は緯度［ｄｅｇ］である。
本実施形態では、ＹＯＫＡＴを通過したときと、東経１３１度を通過したときとのそれぞれの予測地点において、時間差分幅を変化させ、導出した質量パラメータと飛行時間の予測誤差との決定係数が最も高くなる場合をその予測地点での評価結果とした。
その結果、ＹＯＫＡＴと、ＹＯＫＡＴ前後２７０秒のデータを用いた中心差分で、最大の決定係数０．３２（相関係数０．５６、ｐ値＜０．０１）が取得された。また、東経１３１度地点と、東経１３１度地点前後２７０秒のデータを用いた中心差分で最大の決定係数０．４３（相関係数０．６５、ｐ値＜０．０１）が取得された。以下、一例として、決定係数が高い方である、航空機ＡＣが、ＹＯＫＡＴ通過後の東経１３１度を通過したときの質量を推定した場合について説明を続ける。 Here, a method of correcting the mass parameter will be described.
In the present embodiment, as an example, the flight time prediction device 100 derives a mass parameter when passing through YOKA T and when passing through 131 degrees east longitude, and predicts the flight time to FLUTE. The flight time prediction device 100 corrects the flight time prediction result.
FIG. 7 is a diagram showing an example of a position where the flight time of each flight is predicted. In FIG. 7, the horizontal axis is longitude [deg] and the vertical axis is latitude [deg].
In the present embodiment, the coefficient of determination between the derived mass parameter and the flight time prediction error is the largest by changing the time difference width at each prediction point when passing through YOKA T and when passing through 131 degrees east longitude. The case of higher value was used as the evaluation result at the predicted point.
As a result, the maximum coefficient of determination of 0.32 (correlation coefficient of 0.56, p-value <0.01) was obtained from the central difference between YOKA T and 270 seconds before and after YOKAT. Further, the maximum coefficient of determination 0.43 (correlation coefficient 0.65, p-value <0.01) was acquired by the central difference using the data of the 131-degree east longitude point and 270 seconds before and after the 131-degree east longitude point. Hereinafter, as an example, the case where the mass of the aircraft AC, which has a higher coefficient of determination, is estimated when it passes 131 degrees east longitude after passing YOKAT will be described.

図８は、質量パラメータの導出結果の一例を示す図である。図８において、横軸は推定質量比［％］を示し、縦軸は度数［％］である。図８によれば、質量パラメータは、ほぼ８０％から１００％の範囲にあり、妥当であることが分かる。
図９は、質量パラメータと飛行時間の予測値誤差との相関関係の一例を示す。図９において、横軸は推定質量比［％］であり、縦軸は予測値誤差［ｓ］である。質量パラメータと飛行時間の予測値誤差との相関関係は、事前に十分な数の実際の飛行時間の予測誤差のデータを用意することによって得られる。図９によれば、推定質量比と飛行時間の予測値誤差との間に相関があることが分かる。質量が大きい場合には、標準質量を用いた予測よりも、飛行時間の予測結果が早いことが分かる。また、質量が小さい場合には、標準質量を用いた予測よりも、飛行時間の予測結果が遅いことが分かる。推定質量比と予測誤差との間の相関係数は０．６５３（ｐ＜０．０１）であり、予測誤差分散は１２７７．９［ｓ^２］である。回帰直線を用いて、予測値誤差を補正できることが分かる。つまり、回帰関数に推定質量を代入することによって、飛行時間の予測結果の補正値を得ることができる。 FIG. 8 is a diagram showing an example of the derivation result of the mass parameter. In FIG. 8, the horizontal axis represents the estimated mass ratio [%], and the vertical axis represents the frequency [%]. According to FIG. 8, the mass parameter is in the range of approximately 80% to 100%, which is found to be valid.
FIG. 9 shows an example of the correlation between the mass parameter and the predicted value error of the flight time. In FIG. 9, the horizontal axis is the estimated mass ratio [%], and the vertical axis is the predicted value error [s]. The correlation between the mass parameter and the predicted error of the flight time is obtained by preparing a sufficient number of data of the predicted error of the actual flight time in advance. According to FIG. 9, it can be seen that there is a correlation between the estimated mass ratio and the predicted value error of the flight time. It can be seen that when the mass is large, the prediction result of the flight time is faster than the prediction using the standard mass. In addition, when the mass is small, it can be seen that the prediction result of the flight time is slower than the prediction using the standard mass. The correlation coefficient between the estimated mass ratio and the prediction error is 0.653 (p <0.01), and the prediction error variance is 1277.9 [s ² ]. It can be seen that the prediction value error can be corrected by using the regression line. That is, by substituting the estimated mass into the regression function, the correction value of the prediction result of the flight time can be obtained.

図１０は、回帰直線を使用して補正する方法を示す図である。図１０の上段は、図１０と同じ図に、補正の方向を示したものである。質量が大きい場合には、標準質量を用いた予測よりも、飛行時間の予測結果が早いため、遅くなるように補正する。また、質量が小さい場合には、標準質量を用いた予測よりも、飛行時間の予測結果が遅いため、早くなるように補正する。
図１０の下段は、回帰直線を使用して補正した結果を示す。図１０の下段において、横軸は飛行時間予測エラー［ｓ］であり、縦軸は度数［％］である。図１０の下段によれば、回帰直線を使用して補正する前後を比較すると、予測誤差分散［ｓ^２］は、１２７７．９から３５．７となり、補正予測誤差分散［ｓ^２］は、７３３．８から２７．１となり、分散低減率［％］は、４２．６となり、分散は約半分になっている。 FIG. 10 is a diagram showing a method of making corrections using a regression line. The upper part of FIG. 10 shows the direction of correction in the same figure as in FIG. If the mass is large, the flight time prediction result is faster than the prediction using the standard mass, so it is corrected so that it is slower. Further, when the mass is small, the prediction result of the flight time is slower than the prediction using the standard mass, so the correction is made so as to be faster.
The lower part of FIG. 10 shows the result of correction using the regression line. In the lower part of FIG. 10, the horizontal axis is the flight time prediction error [s], and the vertical axis is the frequency [%]. According to the lower part of FIG. 10, when comparing before and after the correction using the regression line, the prediction error variance [s ² ] is changed from 1277.9 to 35.7, and the correction prediction error variance [s ² ] is 733. From 8.8 to 27.1, the variance reduction rate [%] is 42.6, and the variance is about half.

図１１は、質量パラメータの推定地点の影響を示す図である。
図１１の上段は、ＹＯＫＡＴを通過したときと東経１３１度を通過したときとのそれぞれの高度の履歴を示す。図１１の上段において、横軸は時間［ｓ］であり、縦軸は高度［ｆｔ］である。図１１の下段は、ＹＯＫＡＴを通過したときと東経１３１度を通過したときとのそれぞれの真対地速度の履歴を示す。図１１の下段において、横軸は時間［ｓ］であり、縦軸は真対気速度［ｍ／ｓ］である。
図１１によれば、ＹＯＫＡＴ前後の高度の変動が、東経１３１度前後の高度の変動よりも大きいことが分かる。また、図１１によれば、ＹＯＫＡＴ前後の真対気速度の変動が、東経１３１度前後の高度の変動よりも大きいことが分かる。これらの変動の差が、決定係数の差に影響していると考えられる。図１に戻り、説明を続ける。 FIG. 11 is a diagram showing the influence of the estimation point of the mass parameter.
The upper part of FIG. 11 shows the history of each altitude when passing YOKA T and when passing 131 degrees east longitude. In the upper part of FIG. 11, the horizontal axis is time [s] and the vertical axis is altitude [ft]. The lower part of FIG. 11 shows the history of the true ground speed when passing through YOKA T and when passing through 131 degrees east longitude. In the lower part of FIG. 11, the horizontal axis is time [s] and the vertical axis is true airspeed [m / s].
According to FIG. 11, it can be seen that the altitude fluctuation before and after YOKAT is larger than the altitude fluctuation around 131 degrees east longitude. Further, according to FIG. 11, it can be seen that the fluctuation of the true airspeed before and after YOKAT is larger than the fluctuation of the altitude around 131 degrees east longitude. It is considered that the difference in these fluctuations affects the difference in the coefficient of determination. Returning to FIG. 1, the explanation will be continued.

補正部１６０は、飛行時間の予測結果を補正した結果（以下「飛行時間の予測補正結果」という）を、出力部１８０へ出力する。
出力部１８０は、補正部１６０が出力した飛行時間の予測補正結果を取得し、取得した飛行時間の予測補正結果を、出力する。出力部１８０は、飛行時間の予測補正結果を、表示部（図示なし）へ出力してもよいし、音声で出力してもよい。 The correction unit 160 outputs the result of correcting the flight time prediction result (hereinafter referred to as “flight time prediction correction result”) to the output unit 180.
The output unit 180 acquires the flight time prediction correction result output by the correction unit 160, and outputs the acquired flight time prediction correction result. The output unit 180 may output the flight time prediction correction result to a display unit (not shown) or may output it by voice.

前述した受付部１２０、抽出部１３０、予測部１４０、導出部１５０、補正部１６０及び出力部１８０は、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサが記憶部１７０に格納されたプログラム（ソフトウェア）を実行することにより実現される。また、これらの機能部のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアとの協働によって実現されてもよい。プログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置に格納されていてもよいし、ＤＶＤやＣＤ−ＲＯＭなどの着脱可能な記憶媒体に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。
（サーバ２００）
サーバ２００は、飛行時間予測装置１００へ、気象予報データを送信する。前述したように、気象予報データには、気象情報が含まれる。気象情報には、風向きを示す情報と、風速を示す情報とが含まれる。 The reception unit 120, the extraction unit 130, the prediction unit 140, the derivation unit 150, the correction unit 160, and the output unit 180 are programs in which a hardware processor such as a CPU (Central Processing Unit) is stored in the storage unit 170. It is realized by executing the software). In addition, some or all of these functional units are hardware (circuits) such as LSI (Large Scale Integration), ASIC (Application Specific Integrated Circuit), FPGA (Field-Programmable Gate Array), and GPU (Graphics Processing Unit). It may be realized by the part (including circuitry), or it may be realized by the cooperation of software and hardware. The program may be stored in advance in a storage device such as an HDD (Hard Disk Drive) or a flash memory, or is stored in a removable storage medium such as a DVD or a CD-ROM, and the storage medium is stored in the drive device. It may be installed by being attached.
(Server 200)
The server 200 transmits the weather forecast data to the flight time prediction device 100. As mentioned above, the weather forecast data includes the weather information. The meteorological information includes information indicating the wind direction and information indicating the wind speed.

（飛行時間予測システムの動作）
図１２は、本実施形態に係る飛行時間予測システムの動作の一例を示すフローチャートである。図１２には、主に、飛行時間予測装置１００の動作が示される。
（ステップＳ１）
飛行時間予測装置１００において、第１通信部１１０−１は、航空機ＡＣが送信したＡＤＳ−Ｂデータを受信する。受付部１２０は、第１通信部１１０−１が受信したＡＤＳ−Ｂデータを取得し、取得したＡＤＳ−Ｂデータを受け付ける。
（ステップＳ２）
飛行時間予測装置１００において、第２通信部１１０−２は、サーバ２００が送信した気象予報データを受信する。受付部１２０は、第２通信部１１０−２が受信した気象予報データを取得し、取得した気象予報データを受け付ける。 (Operation of flight time prediction system)
FIG. 12 is a flowchart showing an example of the operation of the flight time prediction system according to the present embodiment. FIG. 12 mainly shows the operation of the flight time prediction device 100.
(Step S1)
In the flight time prediction device 100, the first communication unit 110-1 receives the ADS-B data transmitted by the aircraft AC. The reception unit 120 acquires the ADS-B data received by the first communication unit 110-1, and receives the acquired ADS-B data.
(Step S2)
In the flight time prediction device 100, the second communication unit 110-2 receives the weather forecast data transmitted by the server 200. The reception unit 120 acquires the weather forecast data received by the second communication unit 110-2, and receives the acquired weather forecast data.

（ステップＳ３）
飛行時間予測装置１００において、抽出部１３０は、記憶部１７０に記憶されている飛行モデル１７２を取得する。
（ステップＳ４）
飛行時間予測装置１００において、抽出部１３０は、取得した飛行モデル１７２から、上昇中の航空機ＡＣの飛行パラメータを抽出する。
（ステップＳ５）
飛行時間予測装置１００において、予測部１４０は、受付部１２０が受け付けた気象予報データを取得する。予測部１４０は、取得した気象予報データから、風向きを示す情報と、風速を示す情報とを取得する。 (Step S3)
In the flight time prediction device 100, the extraction unit 130 acquires the flight model 172 stored in the storage unit 170.
(Step S4)
In the flight time prediction device 100, the extraction unit 130 extracts the flight parameters of the ascending aircraft AC from the acquired flight model 172.
(Step S5)
In the flight time prediction device 100, the prediction unit 140 acquires the weather forecast data received by the reception unit 120. The prediction unit 140 acquires information indicating the wind direction and information indicating the wind speed from the acquired weather forecast data.

（ステップＳ６）
飛行時間予測装置１００において、予測部１４０は、受付部１２０が受け付けたＡＤＳ−Ｂデータに含まれる時刻情報と位置情報とを取得し、取得した時刻情報と位置情報とを初期位置データとする。予測部１４０は、受付部１２０が受け付けた気象予報データを取得する。予測部１４０は、取得した気象予報データから、風向きを示す情報と、風速を示す情報とを取得する。予測部１４０は、抽出部１３０が抽出した飛行パラメータを取得する。予測部１４０は、取得した飛行パラメータに含まれる真対気速度に、風向きを示す情報と、風速を示す情報とを加味することによって、真対地速度を導出する。
（ステップＳ７）
飛行時間予測装置１００において、予測部１４０は、飛行パラメータに含まれる上昇率を示す情報及び導出した真対地速度を初期位置データに基づいて時間積分することによって、初期位置からＹＯＫＡＴを経由して、ＲＮＡＶ経路に沿ってＦＬＵＴＥに至る高度及び水平経路に沿った飛行距離（軌道）を導出する。
（ステップＳ８）
飛行時間予測装置１００において、予測部１４０は、導出した飛行距離と、真対地速度とに基づいて、飛行時間を導出する。 (Step S6)
In the flight time prediction device 100, the prediction unit 140 acquires the time information and the position information included in the ADS-B data received by the reception unit 120, and uses the acquired time information and the position information as the initial position data. The prediction unit 140 acquires the weather forecast data received by the reception unit 120. The prediction unit 140 acquires information indicating the wind direction and information indicating the wind speed from the acquired weather forecast data. The prediction unit 140 acquires the flight parameters extracted by the extraction unit 130. The prediction unit 140 derives the true ground speed by adding the information indicating the wind direction and the information indicating the wind speed to the true airspeed included in the acquired flight parameters.
(Step S7)
In the flight time prediction device 100, the prediction unit 140 performs time integration from the initial position via YOKA T by time-integrating the information indicating the ascent rate included in the flight parameters and the derived true ground speed based on the initial position data. The flight distance (orbit) along the altitude and horizontal pathways to FLUTE along the RNAV pathway is derived.
(Step S8)
In the flight time prediction device 100, the prediction unit 140 derives the flight time based on the derived flight distance and the true ground speed.

（ステップＳ９）
飛行時間予測装置１００において、導出部１５０は、受付部１２０が受け付けた気象予報データを取得する。導出部１５０は、取得した気象予報データに含まれる風向きを示す情報と、風速を示す情報とを取得する。導出部１５０は、受付部１２０が受け付けたＡＤＳ−Ｂデータを取得する。導出部１５０は、取得したＡＤＳ−Ｂデータに含まれる対地速度を示す情報を取得する。導出部１５０は、抽出部１３０が抽出した飛行パラメータを取得する。導出部１５０は、取得した飛行パラメータに含まれる推力を示す情報を取得する。
導出部１５０は、取得した対地速度を示す情報と、風向きを示す情報と、風速を示す情報とに基づいて、対地速度に、風向きと、風速とを加味することによって、真対気速度を導出する。導出部１５０は、真対気加速度と、経路角と、上昇速度とを、データ差分から導出する。導出部１５０は、真対気速度を示す情報と、真対気加速度を示す情報と、経路角を示す情報と、上昇速度を示す情報と、推力を示す情報とに基づいて、航空機ＡＣの質量パラメータを導出する。
（ステップＳ１０）
飛行時間予測装置１００において、補正部１６０は、導出部１５０が導出した質量パラメータを取得する。補正部１６０は、予測部１４０から、飛行時間の予測結果を取得する。補正部１６０は、記憶部１７０に記憶されている質量予測誤差相関情報１７４を参照し、質量パラメータに該当する飛行時間の予測誤差を取得する。補正部１６０は、取得した飛行時間の予測結果と、飛行時間の予測誤差とに基づいて、飛行時間の予測結果に、飛行時間の予測誤差を加算することによって、補正する。補正部１６０は、飛行時間の予測補正結果を、出力部１８０へ出力する。
（ステップＳ１１）
飛行時間予測装置１００において、出力部１８０は、補正部１６０が出力した飛行時間の予測補正結果を取得し、取得した飛行時間の予測補正結果を出力する。
図１２には、一例として、初期値から運航モデルを用いて軌道（飛行時刻）を予測する流れと、ＡＤＳ−Ｂデータと推力モデルから質量を推定する流れと、予測した飛行時刻を推定した質量で補正する流れとを一つのフローチャートを用いて説明した。しかし、実際には、初期値から運航モデルを用いて軌道（飛行時刻）を予測する流れ（ステップＳ１からステップＳ８に相当）と、ＡＤＳ−Ｂデータと推力モデルとから質量を推定する流れ（ステップＳ９に相当）と、予測した飛行時刻を推定した質量で補正する流れ（ステップＳ１０からステップＳ１１に相当）の３つのフローにしたがって飛行時間予測システムが動作する。 (Step S9)
In the flight time prediction device 100, the out-licensing unit 150 acquires the weather forecast data received by the reception unit 120. The derivation unit 150 acquires information indicating the wind direction and information indicating the wind speed included in the acquired weather forecast data. The derivation unit 150 acquires the ADS-B data received by the reception unit 120. The derivation unit 150 acquires information indicating the ground speed included in the acquired ADS-B data. The derivation unit 150 acquires the flight parameters extracted by the extraction unit 130. The derivation unit 150 acquires information indicating the thrust included in the acquired flight parameters.
The derivation unit 150 derives the true airspeed by adding the wind direction and the wind speed to the ground speed based on the acquired information indicating the ground speed, the information indicating the wind direction, and the information indicating the wind speed. do. The derivation unit 150 derives the true anti-Qi acceleration, the path angle, and the ascending speed from the data difference. The derivation unit 150 determines the mass of the aircraft AC based on the information indicating the true airspeed, the information indicating the true airspeed, the information indicating the path angle, the information indicating the ascending speed, and the information indicating the thrust. Derivation of parameters.
(Step S10)
In the flight time prediction device 100, the correction unit 160 acquires the mass parameter derived by the extraction unit 150. The correction unit 160 acquires a flight time prediction result from the prediction unit 140. The correction unit 160 refers to the mass prediction error correlation information 174 stored in the storage unit 170, and acquires the prediction error of the flight time corresponding to the mass parameter. The correction unit 160 corrects the flight time by adding the flight time prediction error to the flight time prediction result based on the acquired flight time prediction result and the flight time prediction error. The correction unit 160 outputs the prediction correction result of the flight time to the output unit 180.
(Step S11)
In the flight time prediction device 100, the output unit 180 acquires the flight time prediction correction result output by the correction unit 160, and outputs the acquired flight time prediction correction result.
As an example, FIG. 12 shows a flow of predicting the trajectory (flight time) from the initial value using the flight model, a flow of estimating the mass from the ADS-B data and the thrust model, and the estimated mass of the predicted flight time. The flow of correction in is explained using one flowchart. However, in reality, the flow of predicting the trajectory (flight time) from the initial value using the flight model (corresponding to steps S1 to S8) and the flow of estimating the mass from the ADS-B data and the thrust model (step). The flight time prediction system operates according to three flows (corresponding to S9) and a flow of correcting the predicted flight time with the estimated mass (corresponding to steps S10 to S11).

前述した実施形態では、一台の航空機ＡＣの飛行時間を予測する場合について説明したが、この例に限られない。例えば、複数の航空機ＡＣについて、飛行時間を予測できる。
前述した実施形態では、航空機ＡＣとして、機種がボーイング（登録商標）の７７７−２００を対象とした場合について説明したが、この例に限られない。例えば、機種がボーイング（登録商標）の７７７−２００以外の航空機にも適用できる。
前述した実施形態では、一例として、福岡空港から羽田空港へ至る経路の飛行時間を予測する場合について説明したが、この例に限られない。例えば、任意の空港間の経路の飛行時間を予測する場合に適用できる。
前述した実施形態では、航空機ＡＣの質量パラメータを導出する航空機ＡＣの位置の一例として、ＹＯＫＡＴを通過したときと、東経１３１度を通過したときとについて説明したが、この例に限られない。例えば、航空機ＡＣの質量パラメータを導出する航空機ＡＣの位置として、離陸直後、上昇中などの航空機ＡＣの離陸後の位置を適用できる。 In the above-described embodiment, the case of predicting the flight time of one aircraft AC has been described, but the present invention is not limited to this example. For example, flight times can be predicted for multiple aircraft ACs.
In the above-described embodiment, the case where the model of the aircraft AC is Boeing (registered trademark) 777-200 has been described, but the present invention is not limited to this example. For example, it can be applied to aircraft whose model is other than Boeing® 777-200.
In the above-described embodiment, as an example, the case of predicting the flight time of the route from Fukuoka Airport to Haneda Airport has been described, but the present invention is not limited to this example. For example, it can be applied when predicting the flight time of a route between arbitrary airports.
In the above-described embodiment, as an example of the position of the aircraft AC from which the mass parameter of the aircraft AC is derived, the case of passing through YOKA T and the time of passing through 131 degrees east longitude have been described, but the present invention is not limited to this example. For example, as the position of the aircraft AC from which the mass parameter of the aircraft AC is derived, the position of the aircraft AC after takeoff, such as immediately after takeoff or during climbing, can be applied.

前述した実施形態では、上昇中の航空機ＡＣの質量パラメータを、標準飛行モデルのエネルギー保存則を使用して、導出する場合について説明したが、この例に限られない。例えば、通常の航空機の運動方程式を使用して、導出してもよい。以下、通常の航空機の運動方程式を使用する場合について説明する。航空機の運動方程式を式（１１）に示す。式（１１）に基づき、質量パラメータを求める。
（Ｔｈｒ−Ｄ）＝ｍｇｓｉｎγ＋ｍ（ｄＶ_ＴＡＳ／ｄｔ）（１１）
また、式（１２）と、式（１３）と、式（１４）と、式（１５）とが成り立つ。
Ｄ＝（１／２）ρ（Ｖ_ＴＡＳ ^２）ＳＣ_Ｄ（１２）
Ｃ_Ｄ＝Ｃ_Ｄ０＋ｋＣ_Ｌ ^２（１３）
Ｃ_Ｌ＝２ｍｇｃｏｓγ／ρＶ_ＴＡＳ ^２Ｓ（１４）
γ＝ａｔａｎ（ｄｈ／ｄｔ）（１５）
式（１１）に、式（１２）から式（１５）を代入して、整理すると、式（１６）が得られる。
（２ｋｇ^２ｃｏｓ^２γ／ρＶ_ＴＡＳ ^２Ｓ）ｍ^２＋（（ｄＶ_ＴＡＳ／ｄｔ）＋ｇｓｉｎγ）ｍ＋Ｃ_Ｄ０（１／２）ρＶ_ＴＡＳ ^２Ｓ−Ｔｈｒ＝０（１６）
式（１６）は、質量パラメータが満たすべき方程式を示している。 In the above-described embodiment, the case where the mass parameter of the ascending aircraft AC is derived by using the energy conservation law of the standard flight model has been described, but the present invention is not limited to this example. For example, it may be derived using the equation of motion of a normal aircraft. Hereinafter, a case where a normal aircraft equation of motion is used will be described. The equation of motion of the aircraft is shown in Equation (11). The mass parameter is obtained based on the formula (11).
(Thr-D) = mgsinγ + m (dV _TAS / dt) (11)
Further, the equation (12), the equation (13), the equation (14), and the equation (15) are established.
D = (1/2) ρ (V _TAS ² ) SC _D (12)
_{_{_{^{C D = C D0 + kC L}}}} 2 (13)
_{_{^{C L = 2mgcosγ / ρV TAS 2}}} S (14)
γ = atan (dh / dt) (15)
By substituting the equations (15) from the equations (12) into the equation (11) and rearranging them, the equation (16) is obtained.
^{^{(2kg 2 cos 2 γ / ρV}} TAS 2 S) m 2 + ((dV TAS / dt) + gsinγ) m + C D0 (1/2) ρV TAS 2 S-Thr = 0 (16)
Equation (16) shows the equation that the mass parameter should satisfy.

航空機ＡＣの推力として飛行モデル１７２で与えられる最大上昇推力を利用する。最大上昇推力の１００％の推力を仮定した際に最も精度良く質量が推定できることが明らかとなっているため、本実施形態では、最大上昇推力の１００％の値を推力として与えることとした。
また、質量関数は実データから求まる推力や速度情報などを代入した場合に必ずしも厳密に満たすとは限らない。式（１６）を最小二乗法で解くと、式（１７）と、式（１８）とが得られる。
ｆ（ｍ）≒（２ｋｇ^２ｃｏｓ^２γ／ρＶ_ＴＡＳ ^２Ｓ）ｍ^２＋（（ｄＶ_ＴＡＳ／ｄｔ）＋ｇｓｉｎγ）ｍ＋Ｃ_Ｄ０（１／２）ρＶ_ＴＡＳ ^２Ｓ−Ｔｈｒ（１７）
＾ｍ＝ａｒｇｍｉｎ（ｆ（ｍ）^２）（１８）
式（１８）に示されるようにｆ（ｍ）^２を最小化する質量＾ｍを求めることにより質量パラメータを推定できる。 The maximum thrust given by the flight model 172 is used as the thrust of the aircraft AC. Since it has been clarified that the mass can be estimated most accurately when the thrust of 100% of the maximum rising thrust is assumed, in the present embodiment, the value of 100% of the maximum rising thrust is given as the thrust.
In addition, the mass function does not always satisfy exactly when the thrust and velocity information obtained from the actual data are substituted. Solving Eq. (16) by the method of least squares gives Eq. (17) and Eq. (18).
^{f (m) ≒ (2kg 2} cos 2 γ / ρV TAS 2 S) m 2 + ((dV TAS / dt) + gsinγ) m + C D0 (1/2) ρV TAS 2 S-Thr (17)
^ M = arg min (f (m) ² ) (18)
The mass parameter can be estimated by obtaining the mass ^ m that minimizes ^{f (m) 2} as shown in the equation (18).

本実施形態に係る飛行時間予測システム１によれば、飛行時間予測装置１００は、飛行モデルから上昇中の航空機ＡＣの飛行パラメータを抽出する抽出部１３０と、航空機ＡＣの運航データを受け付ける受付部１２０と、抽出部１３０が抽出した飛行パラメータと受付部１２０が受け付けた運航データとに基づいて、航空機ＡＣの質量を導出する導出部と、質量と飛行時間の予測誤差との相関関係と、導出部１５０が導出した質量と、抽出部が抽出した飛行パラメータとに基づいて、航空機の飛行時間を予測する飛行時間予測部（予測部１４０、補正部１６０）とを備える。
このように構成することによって、飛行時間予測装置１００は、上昇軌道での航空機ＡＣの質量を推定し、質量の推定結果に基づいて、質量と飛行時間の予測誤差との相関関係から、飛行時間の予測誤差を取得できる。このため、飛行時間予測装置１００は、飛行パラメータに基づいて予測した飛行時間を、取得した飛行時間の予測誤差で、補正できるため、飛行時間の予測精度を向上できる。 According to the flight time prediction system 1 according to the present embodiment, the flight time prediction device 100 includes an extraction unit 130 that extracts flight parameters of an aircraft AC that is climbing from a flight model, and a reception unit 120 that receives operation data of the aircraft AC. And the derivation unit that derives the mass of the aircraft AC based on the flight parameters extracted by the extraction unit 130 and the flight data received by the reception unit 120, the correlation between the mass and the flight time prediction error, and the derivation unit. It includes a flight time prediction unit (prediction unit 140, correction unit 160) that predicts the flight time of an aircraft based on the mass derived by 150 and the flight parameters extracted by the extraction unit.
With this configuration, the flight time prediction device 100 estimates the mass of the aircraft AC in the ascending orbit, and based on the estimation result of the mass, the flight time is determined from the correlation between the mass and the prediction error of the flight time. Prediction error can be obtained. Therefore, the flight time prediction device 100 can correct the flight time predicted based on the flight parameters with the acquired flight time prediction error, so that the flight time prediction accuracy can be improved.

また、飛行時間予測部は、質量と飛行時間の予測誤差との相関関係と、導出部１５０が導出した質量とに基づいて、抽出部１３０が抽出した飛行パラメータに基づいて予測される飛行時間を補正する。このように構成することによって、予測部１４０は、抽出部１３０が抽出した飛行パラメータに基づいて、飛行時間を予測し、補正部１６０は、質量と飛行時間の予測誤差との相関関係と、導出部１５０が導出した質量とに基づいて、予測部１４０が予測した飛行時間を補正できる。このため、飛行時間の予測精度を向上できる。
また、飛行時間予測部は、飛行パラメータに含まれる航空機ＡＣの上昇率と真対気速度とに基づいて、飛行時間を予測する。このように構成することによって、飛行時間予測装置１００は、飛行パラメータに含まれる航空機ＡＣの上昇率と真対気速度とに基づいて、飛行時間を予測できる。
また、導出部１５０は、飛行パラメータに含まれる推力を示す情報と、運航データに含まれる対地速度を示す情報とに基づいて、質量を導出する。このように構成することによって、飛行時間予測装置１００は、飛行パラメータに含まれる推力を示す情報に基づいて、質量を導出できる。
また、受付部１２０は、さらに気象予報データを受け付け、飛行時間予測部は、気象予報データに含まれる気象情報に基づいて、飛行時間を予測する。このように構成することによって、予測部１４０は、気象情報に基づいて、飛行時間を予測できるため、飛行時間の予測精度を向上できる。 Further, the flight time prediction unit determines the flight time predicted based on the flight parameters extracted by the extraction unit 130 based on the correlation between the mass and the prediction error of the flight time and the mass derived by the extraction unit 150. to correct. With this configuration, the prediction unit 140 predicts the flight time based on the flight parameters extracted by the extraction unit 130, and the correction unit 160 derives the correlation between the mass and the flight time prediction error. The flight time predicted by the prediction unit 140 can be corrected based on the mass derived by the unit 150. Therefore, the accuracy of predicting the flight time can be improved.
In addition, the flight time prediction unit predicts the flight time based on the rate of climb of the aircraft AC included in the flight parameters and the true airspeed. With this configuration, the flight time prediction device 100 can predict the flight time based on the rate of climb of the aircraft AC included in the flight parameters and the true airspeed.
Further, the derivation unit 150 derives the mass based on the information indicating the thrust included in the flight parameters and the information indicating the ground speed included in the flight data. With this configuration, the flight time prediction device 100 can derive the mass based on the information indicating the thrust included in the flight parameters.
Further, the reception unit 120 further receives the weather forecast data, and the flight time prediction unit predicts the flight time based on the weather information included in the weather forecast data. With this configuration, the prediction unit 140 can predict the flight time based on the weather information, so that the accuracy of predicting the flight time can be improved.

また、飛行時間予測部は、気象情報に基づいて、真対気速度から、対地速度を導出し、導出した対地速度に基づいて、飛行時間を予測する。このように構成することによって、予測部１４０は、気象情報を加味することによって、対地速度を導出できるため、飛行時間の予測精度を向上できる。
また、受付部１２０は、さらに気象予報データを受け付け、導出部１５０は、気象予報データに含まれる気象情報に基づいて、質量を導出する。このように構成することによって、導出部１５０は、気象情報に基づいて、質量を導出できるため、質量の推定精度を向上できる。
また、導出部１５０は、気象情報に基づいて、真対気速度から、対地速度を導出し、導出した対地速度に基づいて、質量を導出する。このように構成することによって、導出部１５０は、気象情報を加味することによって、対地速度を導出できるため、質量の推定精度を向上できる。 In addition, the flight time prediction unit derives the ground speed from the true airspeed based on the meteorological information, and predicts the flight time based on the derived ground speed. With this configuration, the prediction unit 140 can derive the ground speed by adding the weather information, so that the accuracy of predicting the flight time can be improved.
Further, the reception unit 120 further receives the weather forecast data, and the derivation unit 150 derives the mass based on the weather information included in the weather forecast data. With this configuration, the derivation unit 150 can derive the mass based on the meteorological information, so that the mass estimation accuracy can be improved.
Further, the derivation unit 150 derives the ground speed from the true airspeed based on the meteorological information, and derives the mass based on the derived ground speed. With this configuration, the derivation unit 150 can derive the ground speed by adding the meteorological information, so that the mass estimation accuracy can be improved.

以上、本発明の実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更、組合わせを行うことができる。これら実施形態及びその変形例は、発明の範囲や要旨に含まれると同時に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。 Although the embodiments of the present invention have been described above, these embodiments are presented as examples and are not intended to limit the scope of the invention. These embodiments can be implemented in various other forms, and various omissions, replacements, changes, and combinations can be made without departing from the gist of the invention. These embodiments and variations thereof are included in the scope and gist of the invention, and at the same time, are included in the scope of the invention described in the claims and the equivalent scope thereof.

なお、前述の飛行時間予測装置１００は内部にコンピュータを有している。そして、前述した装置の各処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって、上記処理が行われる。ここでコンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリなどをいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしてもよい。
また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。
さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。 The flight time prediction device 100 described above has a computer inside. The process of each process of the device described above is stored in a computer-readable recording medium in the form of a program, and the process is performed by the computer reading and executing this program. Here, the computer-readable recording medium refers to a magnetic disk, a magneto-optical disk, a CD-ROM, a DVD-ROM, a semiconductor memory, or the like. Further, this computer program may be distributed to a computer via a communication line, and the computer receiving the distribution may execute the program.
Further, the above program may be for realizing a part of the above-mentioned functions.
Further, it may be a so-called difference file (difference program) that can realize the above-mentioned function in combination with a program already recorded in the computer system.

１…飛行時間予測システム、１００…飛行時間予測装置、１１０−１…第１通信部、１１０−２…第２通信部、１２０…受付部、１３０…抽出部、１４０…予測部、１５０…導出部、１６０…補正部、１７０…記憶部、１７２…飛行モデル、１７４…質量予測誤差相関情報、１８０…出力部、２００…サーバ 1 ... Flight time prediction system, 100 ... Flight time prediction device, 110-1 ... 1st communication unit, 110-2 ... 2nd communication unit, 120 ... Reception department, 130 ... Extraction unit, 140 ... Prediction unit, 150 ... Derivation Unit, 160 ... Correction unit, 170 ... Storage unit, 172 ... Flight model, 174 ... Mass prediction error correlation information, 180 ... Output unit, 200 ... Server

Claims

An extractor that extracts the flight parameters of the ascending aircraft from the flight model,
The reception department that accepts the flight data of the aircraft and
A derivation unit that derives the mass of the aircraft based on the flight parameters extracted by the extraction unit and the flight data received by the reception unit.
A flight time prediction unit that predicts the flight time of the aircraft based on the correlation between the mass and the flight time prediction error, the mass derived by the derivation unit, and the flight parameters extracted by the extraction unit. A flight time predictor equipped with.

The flight time prediction unit predicts the flight time based on the flight parameters extracted by the extraction unit based on the correlation between the mass and the prediction error of the flight time and the mass derived by the derivation unit. The flight time prediction device according to claim 1, wherein the flight time prediction device is corrected.

The flight time prediction device according to claim 1 or 2, wherein the flight time prediction unit predicts the flight time based on the rate of climb of the aircraft and the true airspeed included in the flight parameters.

Any one of claims 1 to 3, wherein the derivation unit derives the mass based on the information indicating the thrust included in the flight parameters and the information indicating the ground speed included in the flight data. The flight time predictor described in the section.

The reception department further accepts weather forecast data,
The flight time prediction device according to any one of claims 1 to 4, wherein the flight time prediction unit predicts the flight time based on the weather information included in the weather forecast data.

The flight time prediction unit derives the ground speed from the true airspeed of the aircraft included in the flight parameters based on the weather information, and predicts the flight time based on the derived ground speed. , The flight time predictor according to claim 5.

The reception department further accepts weather forecast data,
The flight time prediction device according to any one of claims 1 to 4, wherein the derivation unit derives the mass based on the weather information included in the weather forecast data.

The derivation unit derives the ground speed from the true airspeed of the aircraft included in the flight parameters based on the meteorological information, and derives the mass based on the derived ground speed. 7. The flight time predictor according to 7.

Steps to extract the flight parameters of the ascending aircraft from the flight model,
The step of accepting the flight data of the aircraft and
A step of deriving the mass of the aircraft based on the flight parameters and the flight data,
A computer-executed flight time prediction method comprising a step of estimating the flight time of the aircraft based on the correlation between the mass and the flight time prediction error, the derived mass, and the extracted flight parameters. ..