[发明专利]一种基于管制意图和飞机性能模型的四维航迹预测方法

说明书

本发明公开了一种基于管制意图和飞机性能模型的四维航迹预测方法，其能够在航班飞行未发生时，利用初始计划信息，结合由历史数据挖掘得到的航班经过各报告点的经验高度等反映管制意图的经验数据建立飞机动力学模型，同时考虑气象条件，提前预测出航班将要产生的四维航迹点序列，并在收到监视数据后对航班4D预测结果进行动态修正。本发明实现提高了航班4D轨迹预测精度，有助于提前进行飞行冲突探测和流量管理决策，缓解空中交通压力。

技术领域

本发明属于空中交通管理系统中的飞机四维(4D)航迹预测技术领域，具体指代一种基于管制意图和飞机性能模型的四维航迹预测方法。

背景技术

作为我国国民经济和社会发展的重要行业和先进的交通运输方式，民用航空运输业随着整个国民经济的不断发展也得到了飞速的发展。至2017年，中国的民航机场总量较1990年的94个已经增加到了216个，航线总数近4000条。飞行航路上的飞机越来越多、飞行间距越来越小，空中交通安全形势越发严峻；航班延误、空域拥堵等问题也频繁发生。航班延误不仅给乘客和航空公司带来直接的经济损失，还影响国民经济发展。近年来，诸如航空器冲突探测与解脱、进离场排序、基于轨迹运行等空管自动化与智能化方法的研究日益兴起，其目的就是为了提高空中交通效率，保证空中交通安全，降低延误率。而快速准确的飞机轨迹预测是实现上述方法的基础与保障。

目前，飞机4D航迹推算方法主要有以下两类：

一种是根据计划信息中的起飞机场、落地机场及报告点的各种信息(类型、位置、高度、速度)进行综合，形成水平轨迹，然后基于飞机性能模型、飞机的标准飞行程序、飞机巡航高度和速度、转换高度等来生成一个可划分为若干段的高度剖面和速度剖面，在此过程中，考虑气象中的高空风对飞机地速的影响，三个剖面独立处理后经过一定的耦合.就合成计算出了飞机的4D轨迹，从而获得航班经过各报告点的过点位置、过点速度、过点高度以及所属管制扇区等信息。例如：任倩倩等人的“终端区四维飞行航迹的计算[J].中国民航飞行学院学报,2008,19(4):11-14”中运用建立飞行器模型，进行飞行模拟的方法，对北京终端区36R跑道的离场航线和进近航线的四维飞行轨迹进行了计算；王超等人的“基于基本飞行模型的4D航迹预测方法[J].西南交通大学学报,2009,44(2):295-300”中基于基本飞行模型的概念，按飞行阶段特点用基本飞行模型构建水平航迹、高度剖面和速度剖面，拟合生成完整的4D航迹；杜文彬等人的“基于航线对象方法的四维航迹建模与优化[J].计算机技术与发展,2012,22(8):249-252”则提出了基于航线对象方法的7种航迹段模型，按照飞行计划、管制指令和导航设备的地理分布，搭建了水平航迹，对垂直剖面建模所需的重要参数(爬升率、下降率、推力、巡航马赫数等)进行了简单的推算和优化，生成了完整的4D航迹，等等。

另一种是基于轨迹数据挖掘的航迹预测方法，随着大数据技术的兴起，历史数据挖掘等对航迹预测提供了支持。历史运行航迹数据是对飞行状态的可靠性记录，它包含影响航空器运行的所有可能因素，比如飞行计划的改变、管制意图、天气状况等。这些信息可以被挖掘出来，用来分析航迹模式并用于航迹预测，提高预测准确度。例如：Gariel M等的“Trajectory clustering and an application to airspace monitoring[J].Intelligent Transportation Systems,2011,12(4):1511-1524”中以提取转弯点为聚类对象，使用聚类方法分拣航迹数据并排除偏离航迹后提取典型航迹，用于航空器监视和预测，但航迹信息损失较多，缺少高度和时间信息；赵恩来等的“改进的基于密度的航迹聚类算法[J].计算机工程,2011,37(9):270-272”中采用加权Manhattan距离与惩罚系数相结合的距离度量，提出一种基于密度的改进航迹聚类方法，用于航迹预测；钱夔等的“基于BP神经网络的空中目标航迹预测模型[J].指挥信息系统与技术,2017,8(3):54-58”则提出了一种基于反向传播神经网络的空中目标航迹预测模型，将目标航迹数据自适应聚类，从而提取出特定目标的活动区域变化规律。

然而，现有的4D航迹预测技术方法和存在的问题可以概况如下：