基于航迹分类的终端区交通流非线性特征

终端区空中交通系统是复杂的非线性系统，本文基于航迹分类与交通流混沌理论研究终端区交通流的非线性特征，为终端区交通流控制及预测提供科学依据。首先对获取的广播式自动相关监视(Automatic dependent surveillance-broadcast, ADS-B)航迹数据进行异常识别与处理。然后基于K-近邻算法(K-nearest neighbor, K-NN)与跑道方向设计终端区航迹分类方法，实现终端区航空器航迹的精确分类。根据分类结果构建交通流量的时间序列，结合相空间重构和最大Lyapunov指数分析终端区交通流的混沌特性。最后，选用北京首都机场终端区ADS-B航迹数据进行实例验证，结果表明本文方法可以实现航迹的精准分类，准确识别和分析多跑道机场终端区交通流的非线性特征，在验证时段内36R、36L跑道及整个终端区交通流均表现出混沌特性。     

基于点融合进近的航空器进场4D航迹规划

点融合进近是一种全新的进近技术,对点融合进近中的航空器进场4D航迹规划方法进行了研究。根据点融合进近运行的特点,提出航空器航迹预测方法。以总延误时间最少和着陆次序调整最小为目标建立4D航迹规划模型;并采用遗传算法进行了求解。通过仿真计算,比较了先到先服务与此规划方法的差别。比较结果表明,4D航迹规划方法可以有效提高终端区运行效率。     

终端区航空器飞行间隔研究

针对终端区不合理的航空器飞行间隔严重影响飞行安全和机场吞吐量的问题,提出了基于场面监视雷达历史运行数据的终端区航空器飞行间隔算法。通过分析离散的场监雷达点迹数据,可获得航空器的历史轨迹。基于航空器起飞时刻和降落时刻提出了航空器间在不同起降序列下的时间、距离间隔计算方法。研究了机场流量、航空器起降序列、跑道的使用方向变化对航空器飞行间隔的影响。实践结果表明,场面监视雷达数据可以有效地用于分析航空器间的时间和距离间隔;机场流量与终端区航空器飞行间隔负相关,航空器间的时间间隔和距离间隔正相关,飞行间隔与跑道使用方向变化无关。合理的起降次序和良好的管制习惯可有效地缩小终端区航空器飞行间隔。     

基于飞行计划集中处理的多航空器无冲突航迹规划

为增大空域容量,提高飞行安全,降低管制员的工作负荷,4D航迹预测与规划是国内新一代空管自动化系统中最为重要地一项核心技术。首先在预战术流量管理阶段,通过飞行计划集中处理得到的航空器飞行计划信息,将航线划分成若干航段。然后利用航空器在不同航段间的离散型模型和单个航段中运动的连续型模型建立混杂模型,通过全飞行剖面混杂模型进行航迹预测;在相对运动法中采用调整速度来规避航路交叉点冲突以实现冲突解脱。最后提出航迹规划方法并对航空器进行无冲突航迹规划。仿真算例表明：在飞行计划集中处理与混杂模型下预测的水平航迹与垂直航迹能够准确地反映航空器飞行状态变化;调速法或调整时刻能有效地规避飞行冲突,所以提出的无冲突4D航迹规划方法是切实可行的。     

基于PHMM的终端区航空器综合态势识别

航空器在终端区飞行时,由于受到诸多因素的影响,导致其不能严格按照计划航线飞行。通过分析历史航迹数据,提出了一种基于并行隐马可夫模型的终端区航空器综合态势识别方法。首先提取航迹数据的各类特征点,然后根据其x坐标、Y坐标以及Z坐标建立3个隐马尔可夫模型。通过训练3个模型的参数,对航空器在终端区内的高度态势、速度态势以及方向态势进行识别。最后采用综合分析方法对航空器的综合态势进行识别。实验表明,该方法能够快速、准确、有效地识别出终端区航空器的综合飞行态势,为管制员发布管制指令提供依据。     

基于注意力Seq2Seq模型的终端区航空器航迹预测

为充分挖掘机场终端区航空器航迹时间依赖性,解决中长期、多步长航迹预测精度不稳定的问题,引入注意力机制(Attention Mechanism)和教师监督(Teacher Forcing)中的指数衰减(Exponential Decay)采样方法,提出了一种基于序列到序列框架的机场终端区航迹预测模型(Seq2Seq-Attention Mechanism-Exponential Decay, SAE)。序列到序列框架实现了多步长预测,注意力机制提高解码器预测精度,指数衰减采样方法加速了训练阶段模型收敛,在一定程度上提高了模型的泛化性。最后,为了验证提出方法的有效性,利用天津终端区28架次、90天ADS-B航迹数据构建原始数据集,以平均绝对误差(Mean Squared Error, MAE)和均方根误差(Root Mean Squared Error, RMSE)作为模型性能评价指标,进行了航迹预测实验,实验结果表明：高度、经度和纬度在序列到序列框架中的循环神经网络分别采用LSTM、GRU和LSTM可以获得最好预测性能;以四种预测长度1分钟、3分钟、5分钟和10分钟进行建模,与基线模型中预测性能最好的结果比较,所提出方法在验证集上的高度、经度和纬度指标表现最优,10分钟预测窗口下的平均绝对误差分别降低了66.30%, 54.62%和36.59%,均方根误差分别降低了65.45%, 38.16%和20.57%,同时,上述四种预测时长下所提出方法预测结果的均值和方差最小,表明随着预测时长的增加,模型预测结果的稳定性最好。此外,引入的注意力机制与指数衰减采样方法对有效捕捉航迹时间依赖性、提高模型泛化性均具有积极的贡献.     

基于飞行计划集中处理的预战术航路飞行流量预测

为准确把握航路点流量变化趋势和缓解空中交通压力,提出了一种基于飞行计划集中处理的流量预测方法。首先,在预战术飞行流量管理阶段,通过飞行计划集中处理可得到的航空器飞行计划信息,根据各航班在起飞前提交的领航计划电报和全飞行剖面混杂模型来预测航空器的航迹;然后,通过预测出航空器过关键航路点的过点时间,并结合空域结构数据来获得主要航路点的流量预测值;最后,通过算例仿真的结果可以发现所提出的航路飞行流量预测方法能够很好的对关键航路点进行预测,并且方法是切实可行和有效的。     

单机调度问题在终端区排序中的应用研究

当终端区比较拥挤的时候,就需要对到达流航班着陆顺序进行调整,以有效缓解终端区的压力、缩短队列完成时间、提高飞行的安全性.飞机排序问题(ASP)属于NP-hard问题,通过将飞机排序问题表示成单机调度问题,设计了求解ASP的蚁群算法,以减少飞机队列总的完成时间最小为优化目标.通过与FCFS调度方法进行对比来验证基于蚁群算法的单机调度问题在单跑道机场终端区到达流排序中具有更好的适用性.     

终端区飞机排序的人工蜂群算法

摘 要：为缓解终端区空中交通压力,研究了人工蜂群算法在终端区飞机降落排序中的应用。建立以航班总延误时间最小为目标函数的规划模型,运用人工蜂群算法,对着陆飞机排序问题进行了仿真计算,并与先到先服务算法、模拟退火算法、蚁群算法进行了对比研究。仿真结果表明：在双跑道模型下,人工蜂群算法比先到先服务算法,延误减少了48%。与模拟退火算法和蚁群算法相比,人工蜂群算法求解的结果最优且用时最少。说明应用人工蜂群算法求解终端区飞机排序问题是可行的。     

基于MPC-PSO的无人机在线航迹规划

研究了无人机在战场环境部分已知突然出现动态威胁情况下的三维在线航迹规划问题.采用"预规划-在线轨迹跟踪"的模式,根据已知的环境信息,离线规划出UAV的参考航迹.然后UAV在飞行过程中,需要在跟踪参考航迹的基础上,对UAV未来一段航迹进行预测,然后利用粒子群算法优化出UAV的最优(或次优)的飞行航迹.与传统的在线规划方法粒子群和稀疏A*搜索算法相比,该方法有效地提高了规划航迹的可行性和实时性,降低了算法的复杂度.仿真表明该算法是一种有效的无人机路径规划算法.     

终端区4D飞行轨迹预测与冲突预警

为提升终端区飞行轨迹预测精度,实现航空器短时冲突预警,建立一种基于孪生支持向量回归的终端区4D飞行轨迹预测模型。对历史飞行轨迹应用重采样算法,降低轨迹数据规模;利用墨卡托投影将轨迹点经度、纬度与高度化为x-y-z坐标,采用孪生支持向量回归算法学习预测模型,实现短时航空器飞行轨迹动态预测;计算两架航空器水平、垂直距离,建立航空器冲突预警指示函数;对孪生支持向量回归算法进行超参数灵敏度分析,分析各超参数对模型预测效果的影响。根据机场真实数据进行仿真实验,证明：基于孪生支持向量回归的4D飞行轨迹预测模型能够准确捕捉航空器运动趋势,且泛化能力强;所提模型x-y-z坐标预测均方根误差是BP神经网络预测结果的32%,35%和61%,单次预测计算用时减少约0.13 s。     

基于分层架构方法的飞行仿真软件设计

提出一种基于分层架构的飞行仿真软件设计方法,将飞行仿真软件的设计划分为任务层设计、决策层设计、控制层设计和执行层设计;将航迹和姿态控制、动力学方程解算、飞行决策、视景显示等开发成函数供不同的层调用.以某型号战斗机双机编队飞行为例进行了实验研究.     

一种基于地形跟踪的航迹优化算法

以地形跟踪／地形回避为基础,提出了用轨迹的侧向仰角代替航迹的高度作为航迹规划的隐蔽性代价的概念．该方法结合航迹的航程代价和飞行器的各种机动能力约束,可以达到对已有航迹的优化作用,同时也可直接进行简单的控制点航迹规划．仿真研究结果表明,该算法满足飞行器飞行的各种条件,是一种可行方法,该方法速度快、规划出的航迹可以有效提升飞行器在飞行过程中的生存能力,可以在用于任务规划的同时,达到对航迹进行优化的目的．     

基于航迹特征的飞行程序噪声预测研究

针对目前飞行程序减噪设计的需要,研究了民机的航迹特征,选取了声暴露级（SEL）作为单个事件的飞机噪声评价指标,并在研究飞行程序特点的基础上,结合飞机噪声性能（ANP）数据库和NPD噪声计算方法,建立了一套基于航迹特征的离场飞行程序噪声预测方法。以某民用机场的离场程序为例,绘制出噪声等值线图,验证了方法的可行性。实例证明,该方法可以量化预测飞行程序的噪声影响,规范了飞行程序噪声预测的方法,可以为减噪飞行程序设计提供参考。     

飞行计划与雷达航迹关联算法及实现

冯子亮,杨红雨,游志胜(四川大学图象图形研究所,成都610064)　　在现代化空管自动化系统中,不仅需要对多部不同种类雷达进行实时数据处理和显示,而且需要实现动态航迹和飞行计划的关联,这个关联过程习惯上也称为给航迹挂上计划标牌[1,2];关联结果将在多雷达显示席位上显示,以便管制员及时对飞机进行指挥;同时,系统也可以对该飞机以后各阶段飞行进行实时检测和监控,以保证飞行安全.实现飞行计划与航迹的关联,通常采用二次雷达编码(ＳＳＲ代码)关联方法,这种方法根据空中飞机的ＳＳＲ代码与飞行计划中相关项来进行处理,可实现两者的快速匹配,…     

基于形态特征的终端区进场中心航迹识别方法

为了挖掘终端区进场航空器交通流的分布特征,量化分析空中交通的复杂性,提出了一种基于多特征轨迹相似度和密度峰值聚类(Density-peak Clustering, DPC)的中心航迹提取方法。首先,采用单向距离(One Way Distance, OWD)计算轨迹之间的形状和物理距离,并结合空管实际运行航迹数据特征,考虑航迹之间的位置属性和航向属性,定义多特征航迹相似度模型。其次,使用密度峰值聚类算法对航迹数据进行聚类分析,提取聚类结果中每一簇中具有最高密度的真实轨迹作为中心航迹。最后,对双流国际机场终端区历史航迹数据进行实验分析,使用轮廓系数指标和基于密度的指标进行评价,并与层次聚类算法进行对比。结果表明,轨迹被划分为8个不同形态的类簇,该方法可以直观有效的识别出轨迹的整体运动特征并精确提取出真实的中心航迹。     

基于灰色重力模型的终端区空域流量分布预测

针对终端区空域航路飞机流量分布,给出灰色-重力模型组合预测方法.利用灰色GM(1,1)建模预测终端区内机场及管制移交点航班架次,在此基础上,采用双约束重力模型将航班架次分配至各条进、离场航路,得到空域飞机流量分布.以上海终端区空域为例,对该方法进行了实证分析研究.     

基于改进卷积网络的终端区4D航迹预测与冲突检测

随着不断扩大的旅客运输量和航线网络规模,采用飞行计划结合空中交通管制的空中管理办法已经不能与当前民航需求和空中交通流量相匹配,直接影响到航班正常率和运行安全。为解决这一问题,国际民航组织(International Civil Aviation Organization, ICAO)提出了基于航迹运行(trajectory based operation, TBO)的下一代空中交通管理运行理念,中国民航也提出了智慧民航的建设方案和目标。其中4D航迹是TBO运行的核心组成部分,也是中国建设智慧民航的重要技术指标,其可以对航空器的运行进行精确地管理和控制。因此,提高4D航迹预测的准确性成为了目前急需解决的核心问题。面向航空器的飞行任务实施阶段,从4D航迹预测和冲突检测两个问题进行了研究。在航迹预测方面,采用了基于卷积神经网络-双向门控循环单元(convolutional neural networks-bidirectional gated recurrent unit, CNN-BiGRU)的模型对航迹进行高精度预测;在冲突检测方面,引入了航迹距离检测函数以检验预测模型生成的两条航迹是否...     

多传感器数据融合处理的时间对准研究

针对空中交通管理中的多种类型航迹信息以及信息质量不一致等问题,采用了聚类的时间片技术,提出一种基于多类型传感器数据信息的时间归一化外推数据对准算法,融合航迹数据,提高了航迹信息的一致性和准确性。结合终端区及航路上的多类型传感器数据信息,在保证实时性的前提下,完成了一,二次雷数据、ADS、VDL数据的航迹融合处理,结果符合实际情况,验证了本算法的正确性。应用该算法的ATC航迹融合处理,提高了航迹的精确度、一致性和可靠性。     

基于航迹分段的飞行程序噪声评估方法

为了减少飞机噪声排放对机场周围居民区的影响,研究了典型的进离场飞行程序。结合民用航空器运动模型和性能模型,建立了航迹模型。在研究飞行程序噪声评估方法的基础上,选取了合理的飞行程序噪声评价指标,提出了基于航迹分段模型的飞行程序噪声评估方法。以西安咸阳国际机场的进离场程序为例,选取B737—300机型进行仿真验证,绘制出了噪声等值线图。结果表明,该方法具有可行性,能够提高飞行程序噪声评估的效率,具有一定的参考价值。