[发明专利]一种基于多视图的飞行态势精确感知方法

权利要求书

1.一种基于多视图的飞行态势精确感知方法，其特征在于，所述方法包括：

S1、将某空域内一段时间内的所有航迹点，按设定单位时间间隔进行聚类，根据航迹点的空间密度映射为飞行态势热力图序列；

S2、获取与所述飞行态势热力图时间相对应的气象雷达图；

S3、考虑飞行态势的时间维度影响因素，构造若干个与所述时间维度影响因素相对应的独立卷积神经网络；以所述飞行态势热力图和所述气象雷达图为输入，对若干个所述卷积神经网络进行训练；对训练结果进行融合，得到初步模型；在时间维度考虑飞行态势时间的相邻性、周期性和趋势性三方面影响因素，构造三个相互独立的卷积神经网络为基础的集成学习通道，用于发现飞行态势热力图内部复杂的空间相关关系；对于趋势性，选择与T时刻对应的每个月m个热力图以及与之对应的m个气象雷达视图混合作为输入，对于周期性，选择与T时刻对应的每周的n个热力图以及与之对应的n个气象雷达视图混合作为输入，对于相邻性，选择与T时刻前向相邻的p个热力图以及与之对应的p个气象雷达视图混合作为输入；

S4、使用所述初步模型感知飞行状态热力图，与相对应的实际飞行状态热力图对比得到均方误差，以所述均方误差为输入反向传播训练，经多次迭代，得到最终模型的参数。

2.如权利要求1所述的基于多视图的飞行态势精确感知方法，其特征在于，所述方法还包括：

S5、以当前实际飞行态势热力图、当前气象雷达图和未来设定时间点气象雷达图为输入，使用所述最终模型对未来设定时间点的飞行态势热力图进行感知，并以计算得到的未来设定时间点的飞行态势热力图为依据，制定相应预案，进行飞行流量调配或者空域动态调配。

3.如权利要求1所述的基于多视图的飞行态势精确感知方法，其特征在于，步骤S1中，所述某空域为全国空域或某关注地区空域。

4.如权利要求1所述的基于多视图的飞行态势精确感知方法，其特征在于，步骤S1中，以单位时间内航迹密度为依据进行聚类，不同的航迹密度采用不同颜色映射为飞行态势热力图。

5.如权利要求1-4任一项所述的基于多视图的飞行态势精确感知方法，其特征在于，步骤S1中，将所有航迹从每天0点开始，以30min为单位对全国的航空器航迹进行聚类，并映射为飞行态势热力图，每天在线生成48张全国飞行态势热力图时间序列，以时间线存储所述飞行态势热力图时间序列[...,Fh_T-2,Fh_T-1,Fh_T]，其中T为对未来感知的时间起点。

6.如权利要求5所述的基于多视图的飞行态势精确感知方法，其特征在于，步骤S2中，配合每一张飞行态势热力图，获取相应时间段内的全国气象雷达视图序列[..,Fr_T-2,Fr_T-1,Fr_T]。

7.如权利要求1所述的基于多视图的飞行态势精确感知方法，其特征在于，步骤S3中，所述飞行态势的时间维度影响因素为相邻性、周期性和趋势性，相应的构造3个独立卷积神经网络。

8.如权利要求7所述的基于多视图的飞行态势精确感知方法，其特征在于，每个卷积神经网络均选择ResNet、DenseNet和VGG三种卷积神经网络进行集成学习。