[发明专利]一种基于空域关联度的热区识别方法

权利要求书

1.一种基于空域关联度的热区识别方法，其特征在于，包括以下步骤：

步骤1，扇区数据序列化表征：将目标空域内的扇区按照二维序列结构进行表征，得到扇区序列；

步骤2，扇区序列特征处理：计算扇区序列中的流量和容量特征值；

步骤3，扇区编码设计：设计扇区序列中所有扇区的时空位置编码，以及扇区标识编码；

步骤4，扇区语义表征模型构建：以Transformer为基础模型，构建扇区语义表征模型，计算扇区序列的语义表征向量；

步骤5，扇区语义表征模型训练：设计基于掩码自监督学习的训练任务，采集历史数据构建训练数据集训练扇区语义表征模型；

步骤6，扇区语义表征计算：使用训练后的扇区语义表征模型对扇区序列进行表征计算，得到 扇区序列的语义表征向量；

步骤7，空域关联度计算：计算不同时间及空间位置上的扇区序列的语义表征向量间的相似度，作为扇区间的空域关联度，并基于关联度识别目标空域内的热区；

步骤1中所述得到扇区序列的方法包括：

从流量管理系统中提取并分析每架航班的飞行计划，获取航班所经过航路点、航线和航向信息，利用4D轨迹预测并生成不同时间段中的交通流；根据交通流对航路经过的扇区进行排列组合，在空间维度上生成一维扇区序列；在此基础上，引入时间维度，将一维扇区序列扩展为二维序列，定义为，其中表示扇区序列，ℜ表示实数，表示扇区数量，表示时间间隔数量；

步骤6中所述扇区语义表征计算的方法包括：将扇区序列输入扇区语义表征模型，经过嵌入层、多层注意力层和FFN层的计算，生成扇区的深层语义表征，其中表示第个位置，第个时间间隔的扇区深层语义表征。

2.根据权利要求1所述的一种基于空域关联度的热区识别方法，其特征在于，步骤2包括：

选择扇区流量和容量作为描述扇区的物理特征；从流量管理系统中获取扇区在未来一段时间内不同时间段上的预测流量值和预测容量值；预测流量值的定义为：设定时间段内进入某一扇区的航班数量；预测容量值的定义为：设定时间段内某一扇区能提供服务的最大航班数量；对预测流量值和预测容量值进行归一化处理，映射到区间内；在步骤1中定义的扇区序列的基础上，引入扇区流量和容量特征，将扇区序列重新定义为。

3.根据权利要求2所述的一种基于空域关联度的热区识别方法，其特征在于，步骤3中，扇区编码设计的方法包括：

步骤3.1，空间和时间位置编码包含两个维度，公式如下：

(1)

(2)

(3)

(4)

式中，表示扇区的时空位置编码，和是从区间内的等分数列，表示空间维度的位置，同理表示时间维度的位置，和的长度定义为，即扇区语义表征模型的隐层维度，定义为一个非负常数；表示空间尺寸，表示时间尺寸，则时空位置编码满足；

步骤3.2，扇区标识编码用于辨别扇区；根据扇区数量对区间等比划分，用于表示不同的扇区，再将扇区序列中的标识编码扩展至维度，R表示实数；

步骤3.3，对输入扇区序列进行表征处理，然后与扇区的时空位置编码以及标识编码相加，得到扇区语义表征模型的输入：

(5)

式中，为输入扇区序列的表征结果，表示扇区的时空位置编码，表示步骤3.2中所述的扇区标识编码。