[发明专利]通过历史数据挖掘航班管制因素的方法

说明书

技术领域

本发明涉及一种航空领域中挖掘航班管制因素的方法，特别是一种通过历史数据挖掘航班管制因素的方法。

背景技术

随着空中交通流量的快速增长，空域的拥挤程度也大大增加，从而导致空中的飞行冲突十分突出。如果空中交通管制自动化系统能对每个飞行目标的飞行轨迹(4D轨迹：时间、位置、高度、速度)进行动态预测，提供精确的位置和状态信息，使空中交通管制人员随时了解和掌握空中交通状况，从而及时进行调配和预警，就能大大的提高空中交通的安全。现阶段的基于飞机性能的轨迹预测技术充分考虑了飞机在飞行过程各个阶段的性能，以及最经济(或最省时)的速度、推力和升力系数等，这种模型在正常气象条件、无人为管制时，能够准确反映真实的飞行情况；但是大多数飞行都会有管制员管制指令的参与，而通常管制指令会使飞机实际飞行偏离预测的轨迹。为了使预测轨迹贴近实际飞行，就需要考虑人为的因素。

目前空管领域对历史雷达轨迹数据的积累主要用于生成航班的经验轨迹，即根据大量的实际飞行过程数据进行统计分析，挖掘历史的全程飞行时间数据、在每个关键点的位置和时间；当未来该航班再次执行相同飞行任务时，直接将经验轨迹作为未来轨迹用于轨迹预测。该技术利用真实飞行数据进行分析归纳，贴近实际运行，但只限于对单一航班的应用，不能进行推广。

故，为了解决上述问题，需要一种新的技术方案。

发明内容

针对上述现有技术所存在的问题和不足，本发明的目的是提供一种提高飞行器计划预测轨迹的准确性的通过历史数据挖掘航班管制因素的方法。

为实现上述目的，本发明通过历史数据挖掘航班管制因素的方法可采用如下技术方案：

一种通过历史数据挖掘航班管制因素的方法，该方法包括以下部分：

历史的轨迹信息包括计划航路及真实轨迹上各个轨迹点的4D信息，首先将其量化如下：设定4D轨迹点列为{P_i }，其坐标分量分别为P_i(x)，P_i(y)，P_i(h)，P_i(t)，P_i(x)、P_i(y)为平面的两垂直分量，P_i(h)为高度分量，P_i(t)为时间分量，设其速度为P_i(y)，其距离标准航线水平轨迹的最小水平距离为P_i(d)。按照管制因素分类，可以从轨迹点的高度P_i(h)、速度P_i(v)和水平位置分量P_i(x)、P_i(y)分别提取相应的管制因素；

其中，对高度调节类管制因素提取包括以下步骤：

(1)、首先根据高度管制因素的分类，用轨迹点的高度坐标分量和时间分量来定义各个轨迹点所对应的管制因素状态如下：

爬升：(P_i+N(h)-P_i(h))≥Δh

下降：(P_i(h)-P_i+N(h))≥Δh

高度保持：其他情况；

其中N是指定的轨迹点数间隔，它代表了一定的时间间隔；Δh是规定的高度改变步长，它代表了高度发生改变的量化标识；

(2)、计算各个轨迹点的高度状态，形成高度状态序列；

(3)、在高度状态序列找出分别代表了爬升、下降和高度保持状态对应的轨迹点的起点和终点；

对速度调节类管制因素提取包括以下步骤：

(1)、首先根据高度管制因素的分类，用轨迹点的高度坐标分量和时间分量来定义各个轨迹点所对应的管制因素状态如下：

加速：(P_i+N(v)-P_i(v))≥Δv

减速：(P_i(v)-P_i+N(v))≥Δv

速度保持：其他情况；

其中N是指定的轨迹点数间隔，它代表了一定的时间间隔；Δv是规定的速度改变步长，它代表了速度发生改变的量化标识；

(2)、计算各个轨迹点的速度状态，形成速度状态序列；

(3)、在速度状态序列找出分别代表了加速、减速和速度保持状态对应的轨迹点的起点和终点；

对水平调节类管制因素提取包括以下步骤：