离场航空器四维航迹预测及不确定性分析

为了加速基于轨迹运行概念的实施,提出了基于连续动态模型与离散动态模型的航迹预测方法,并将航空器离场分为起飞与爬升两个阶段,实现离场航空器四维轨迹预测.通过深入分析模型构建、航空器意图、初始状态、性能参数以及环境信息等因素,降低了四维航迹预测的不确定性,提高了预测精度.以国内执飞ZSPD-ZUCK的CQH8867航班为实例进行验证,考虑了起飞质量、爬升顶点信息以及风速风向等对航迹预测的影响,以位置误差与时间误差作为评价指标,研究结果表明:本文提出的算法可以将到达离港点时刻的误差控制在1 min以内,满足空中交通管理的需求.      

动态航迹推测方法

应用大圆航迹和等角航迹原理,融合雷达、电报等动态数据,研究了动态航迹推测算法,以及该算法在航空器飞行轨迹预测、航空器过航路点时间预测和空中交通流量动态统计预测等方面的应用。利用广州机场的实际航班数据,将动态航迹推测算法与经验时间累加法进行了对比研究,发现动态航迹推测算法符合航空器运行规则,其误差在±0 5 min之内,能及时修正航空器的飞行轨迹,反应灵敏。结果表明动态航迹推测方法能更好地预测未来短时期内空域使用情况,是一种为空中交通战术流量管理提供准确数据的有效方法。     

基于混杂系统理论的无冲突4D航迹预测

为增大空域容量,在战略航迹规划阶段,设定航空器爬升、下降和平飞3个飞行状态和7组高度和速度参数规划航空器4D航迹.基于不同航段的航空器动力学模型,采用混杂系统理论, 建立了不同航段之间的状态切换模型,以及同一航段内航空器质量、空速、高度和航程连续变化的航空器运行状态演化模型. 通过调整航空器到达时刻和飞行速度,规划了多航空器无冲突4D航迹.算例仿真结果表明,在满足航空器性能约束的前提下,用混杂系统递推法规划的航空器起飞4D航迹计算时间在3 s以内;这两个模型准确反映了航空器在水平剖面和垂直剖面内的飞行状态变化;本文提出的航空器无冲突航迹规划方法是有效的.      

基于转弯点聚类的航空器飞行轨迹分析

为满足进场航线设计适应实际运行需求,在分析实际运行航迹数据特征基础上,提出了通过转弯点聚类策略分析航空器飞行轨迹的方法.并设计基于转弯点最长公共子序列的航迹聚类模型,同时给出了改进的平均轨迹构建算法,实现了盛行交通流的识别.将该方法应用于上海浦东机场进港航班雷达轨迹分析,仿真结果表明,提出的方法可以有效地从庞杂的雷达轨迹信息中识别盛行交通流.     

基于低空风预测模型的救援航迹修正规划方法

针对低空救援航迹易受到侧风影响难以获得准确的航迹规划路径问题,采用数据融合方法预测低空风,修正航空器的低空规划航迹.首先,将飞行区域内的国际交换站作为观测点,通过应用基于无迹卡尔曼滤波（UKF）的数值气象预报释用技术,将观测点的风速、风向记录数据与预报值进行融合,建立低空风预测模型;其次,利用该模型,校正预报数据的系统误差,得出修正的风预测值;最后,结合航空器的爬升率、巡航速度等性能参数与所经航路点的风速、风向信息,依据速度矢量合成原理,修正各航路点的过点时刻.仿真实验表明,与传统的卡尔曼滤波预测方法相比,由UKF方法预测得到的风速、风向RMSE分别减少了12.88%与17.50%,对初始规划航迹的修正更为精确.      

一个鲁棒性冲突解脱轨迹规划模型

针对固定航路飞行条件下高密度运行空域多航空器实时冲突解脱轨迹规划问题,为了获取高空风场数值及增强航空器冲突解脱轨迹的鲁棒性,根据航空器的运行状态构建了高空风场线性和非线性滤波模型.采用模型预测控制理论,通过将预测模型的校正过程转化为高空风场数值的滤波过程,在给各航空器设定解脱优先权重及考虑两类解脱变量物理约束条件的前提下,从航空器的动态协同特性出发,构造能够反映控制输入量优劣的指标函数,提出一种能够适应空域环境变化的冲突解脱航迹在线滚动规划方案.算例分析表明,所提出的在线解脱轨迹规划方案可行有效.     

空域扇区流量与拥塞预测的概率方法

为了提高扇区流量预测准确度、减小扇区拥塞预测的虚警率,分析了影响空中交通的随机因素,建立了航空器进入扇区时刻、穿越扇区飞行时间和离开扇区时刻的概率分布模型.利用进入、离开扇区时刻的累积分布函数,计算航空器占用扇区的概率,并在此基础上,提出了基于Monte Carlo仿真的扇区拥塞预测概率方法.算例仿真结果表明:与确定型拥塞预测方法相比,采用概率预测方法可将拥塞时段比例的平均值从42%减少到33%.     

基于CNN-GRU的船舶轨迹预测

针对现有基于CNN、GRU及CNN-LSTM的船舶轨迹预测模型精度不高、运行时间较长等问题,提出一种基于卷积神经网络(Convolutional Neural Networks, CNN)和门控循环单元(Gated Recurrent Unit, GRU)的船舶轨迹预测混合模型(CNN-GRU).构建了基于船舶AIS信息的船舶轨迹特征表达方法,以目标船舶连续4个时刻的轨迹特征值作为输入,以第5个时刻轨迹特征值作为输出,训练构建的CNN-GRU轨迹预测网络,对未来船舶轨迹进行预测,并与现有模型进行对比.实例验证表明：CNN-GRU模型的预测精度显著提升,经度误差不超过3×10^-5(°),纬度误差不超过5.5×10^-4(°),相较于CNN-LSTM模型,预测效率显著提高,运行时间减少19.1 s.     

一种基于ADS-B的雷达误差实时融合校正算法

针对我国中西部地区雷达未实现多重覆盖,大部分飞机未配备广播式自动相关监视(automatic dependent surveillance-broadcast, ADS-B)机载设备,监视精度不高的问题,结合雷达误差模型理论,提出了基于ADS-B数据的雷达误差实时校正算法.该算法对同一时刻获得的多组ADS-B数据与雷达数据的差值进行数据融合,得到该时刻雷达误差的最优估计值,并对雷达进行误差校正.算例仿真结果表明:经该算法校正后,雷达测量的距离与真实距离之间的均方根误差约为50 m,测量的角度与真实角度之间的均方根误差约为0.04°,且校正后的航迹和真实飞行航迹基本重合.      

基于BCOP的终端区四维航迹预测研究

简述了航迹预测的重要性和算法,对飞机进行受力分析和运动分析,建立了飞行航迹预测数学模型,提出了基于波音爬升程序（BCOP）的终端区四维航迹预测模型,使用波音爬升程序和MATLAB进行了算例仿真,仿真结果表明该模型简便易行,预测准确．     

考虑航艏向与数据变化差异的船舶轨迹预测

船舶自动识别系统(Automatic Identify System,AIS)数据可以实时体现船舶当前时刻的具体动态,采用传统BP(Back Propagation)神经网络模型的船舶轨迹分析预测方法,在计算中直接将航艏向数据纳入模型,没有考虑船舶航艏向在零度附近变动时带来的实际方向变动幅度与数据变化幅度存在较大偏差问...     

基于密度峰值的终端区航迹聚类与异常识别

为有效解决高流量终端区内标准飞行模式、非标准飞行模式和异常飞行模式难以自动分离的问题，采用广泛记录的广播式自动相关监视(ADS-B)数据，构建了基于稳健深度自编码器(RDAE)和快速搜索并寻找密度峰值的聚类(CFSFDP)算法的航迹聚类模型; 使用RDAE降维提取终端区内航迹集的非线性特征，利用多种正则化手段约束内部低维流形，以重建更紧密的航迹并将其作为CFSFDP算法的输入，利用轮廓系数选取不同密度飞行模式的聚类中心，并调节边缘密度参数识别出异常航迹; 选取主成分分析(PCA)结合有噪声的空间密度聚类(DBSCAN)算法、动态时间规整(DTW)结合DBSCAN的2种常用航迹聚类模型作为对比项，分别在广州白云机场1 d的少量数据和45 d的大量数据上进行试验。分析结果表明:DTW与CFSFDP的结合模型在少量数据集上具有最优的航迹聚类性能，轮廓系数比对比项分别提升了62%和28%，且可以自动识别出遵循区域导航标准飞行模式的航班和特定环境下遵循管制偏好的非标准飞行模式的航班，识别异常航迹的精确度也分别提高了57%和10%;大量数据下，提出的RDAE结合CFSFDP模型的聚类性能比经典的PCA结合DBSCAN算法提升了13%，且具备可接受的时间复杂度。由此可见，建立的终端区飞行模式区分模型可为空域级交通流性能评估和航班级航迹预测与优化提供数据提取平台。      

城市快速路区间旅行时间短期预测新算法

城市道路交通状况的预测,是实现未来路况查询、车辆动态导航等智能交通系统技术的关键。该文在分析浮动车数据的时间相关性的基础上,研究城市快速路的区间旅行时间短期预测算法。首先,采用统计方法和K-NN分类法相结合的新方法对缺失数据进行填充,并利用小波变换对每天的数据进行消噪处理;其次,在分别利用时间序列模型和人工神经网络模型对城市快速路区间旅行时间进行短期预测的基础上,通过模型组合获得预测值;最后,结合北京市区二环的一段快速路区间旅行时间的历史数据和实时数据,对该文所提出的快速路区间旅行时间短期预测算法进行了评价。结果显示,该算法的预测结果的平均绝对误差百分比控制在10.43%以内,具有良好的精度。     

一种基于机载数据的民用航空器飞行阶段划分方法

为有效解决民用航空器的机载快速存取记录器(QAR)航迹数据中飞行阶段出现错误划分的情况,通过航空器气动构型和垂直运动态势变化提出了飞行阶段重新划分方法,具体分为4个步骤:数据预处理、垂直运动态势划分、飞行状态特征模型构建和飞行阶段重新划分;使用基于DBSCAN的局部遍历聚类方法对气压高度变化趋势进行聚类分析,划分垂直运...     

基于时间富余度控制的滑行道调度优化模型

针对机场场面运行中部分航空器剩余滑行时间较短、准时性低的现状,研究滑行道调度优化问题。在构建基于时间富余度控制的滑行道调度优化模型中,优先考虑以剩余滑行时间为主的航空器动态优先级;以我国某大型机场的场面运行数据为基础,采用生物地理学算法进行仿真验证。结果显示：与经典的先到先服务策略相比,航空器到达滑行终点的误差由1499 s降至553 s,降低了63.1%,冲突航空器到达误差从371 s降至147 s,降低了60.3%;在冲突解脱方面,由剩余滑行时间较多的航空器承担更多的冲突等待,有效减少航空器滑行冲突次数,保障后续停机位指派与跑道调度的有效性,大大提高了滑行道的滑行效率。     

基于实时监测参数的民用飞机重着陆预警方法

针对目前民用飞机重着陆事件的识别只能通过飞行员事后上报和维修人员被动检查的问题,提出了一种基于实时监测参数的民用飞机重着陆预警方法;分析了飞机重着陆的影响因素,在对快速存取记录器数据预处理的基础上,采用灰色关联度分析方法,从飞机重着陆相关的52个监测参数中提取了26个特征监测参数;以着陆质量、垂直加速度、垂直下降率和俯仰率等4个重着陆评价参数作为预测参数,26个特征监测参数作为输入,建立了基于长短期记忆网络的飞机重着陆预测模型;采用重着陆案例数据对预测模型进行训练,分析了飞行高度区间、输入输出步长对模型预测精度的影响,进而对模型进行了优化;在案例验证中引入混淆矩阵验证了模型的预测效果。研究结果表明:利用长短期记忆网络所建立的民用飞机重着陆预警方法有效利用了实时监测参数中反映重着陆趋势的信息,实现了飞机的重着陆预警,在提前8 s预警的情况下,预测精度达到了98%,平均绝对误差仅为0.018 3,可为飞行员提供足够的时间裕度采取措施,避免重着陆的发生。