首页 / 专利库 / 飞机类型 / 重航空器 / 一种空中交通态势风险热点识别方法

一种空中交通态势险热点识别方法

阅读:183发布:2020-05-12

专利汇可以提供一种空中交通态势险热点识别方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种空中交通态势 风 险热点识别方法,该方法共有四个步骤:首先采集航空器综合航迹航迹数据,获取空中交通态势中每一时刻的航空器信息;其次基于航空器间 位置 关系,建立空中交通态势网络;然后搜索网络模型中社团结构,形成初始热点子区域;最后对初始热点子区域进行验证、综合后形成空中交通态势风险热点。采用本方法可以自动识别空中交通态势中风险热点区域所相关的航空器,且占用资金较少,评估方法简单、快速、易用。,下面是一种空中交通态势险热点识别方法专利的具体信息内容。

1.一种空中交通态势险热点识别方法,该方法通过计算机系统辅助实现,所述计算机系统主要由客户端/服务器构成,其特征在于,步骤如下:
步骤1、引接并处理航空器航迹数据:根据原始数据发送频率,实时接收航空器综合航迹数据,包括每一时刻航空器的经度、纬度、高度、速度、航向信息;
步骤2、根据步骤1的结果建立空中交通态势网络模型:首先设定平距离阈值为S1,垂直距离阈值为S2,在每一时刻,以航空器为节点,航空器间的空间位置关系用边来表示,构建网络模型;设当前时刻为t, 该时刻空中交通态势中航空器总数为n,计算所有航空器之间的空间距离,生成n×n的航空器水平距离矩阵D1、垂直距离矩阵D2以及该时刻空中交通态势所对应的网络的邻接矩阵A,若两架航空器的水平距离小于等于S1且垂直距离小于S2,即航空器i、航空器j  间存在接近关系,则ai,j=1,否则ai,j=0,以ai,j为邻接矩阵A的元素,即可建立t 时刻的空中交通态势网络模型;
步骤3、搜索每一时刻网络模型中社团结构,形成初始风险热点子区域:首先生成1×n的访问标记数组Flag,该标记数组中每个元素的初值为0,后续过程可细分为如下步骤:
步骤3.1 在邻接矩阵A中搜索一个顶点Vi满足Flag(i)=0,若搜索失败,即所有航空器都被访问,则转至步骤4,否则设置Flag(i)=1,以节点Vi为起始点搜索建立初始风险热点,标记为C;
步骤3.2 如果对于所有顶点Vj(0步骤3.3 创建新的风险热点子区域,标记为c,初始值c={Vi};
步骤3.4 搜索节点Vi所有未被访问的邻接航空器集合V’={V’i,...,V’j },更新风险热点子区域c=c∪V’,设置相应节点的访问标记为1;
步骤3.5 搜索V’中所有未被访问航空器的邻接航空器集合V’’= {V’’i,  ..., V’’j},更新风险热点子区域c=c∪V’’,设置相应节点的访问标记为1,递归搜索,最终生成第k个风险热点子区域ck=c,返回步骤3.1;
步骤4 对初始热点子区域进行验证形成空中交通态势热点:首先删除节点数量小于3的初始风险热点子区域,进一步将这些初始风险热点子区域进行综合,则构建出t 时刻空中交通态势中的风险热点C(t),即C(t) = {c(t)1, c(t)2,..., c(t)i  ,...,c(t)k} ,其中 c(t)i 是C(t) 中第i 个风险热点子区域。

说明书全文

一种空中交通态势险热点识别方法

技术领域

[0001] 本发明涉及空中交通管理领域,特别涉及一种基于网络社团结构思想的空中交通态势风险热点识别方法。

背景技术

[0002] 管制员在实际的空中交通管制工作中为了减小工作记忆的总量,经常会依据航空器距离其他航空器的空间间隔将航空器分成不同的风险程度。相互距离越近、越易发生冲突的航空器被认为是风险更大的航空器,并根据空间位置划分为不同的组。这种特殊的航空器组反映了空域中一些局部、高风险区域,也可称为风险热点区域。风险热点区域越多、规模越大、存在的时间越长,相应的空中交通态势风险程度更高。目前,管制员主要通过肉眼观察雷达屏幕,人工通过判断雷达屏幕上航空器之间的间隔来识别风险热点区域。这种人工识别方法效率低下,不但容易出错识别出错误热点,还增加了管制员的工作负荷,最终影响空中交通安全平。因此,空中交通管理运行中,非常需要通过自动化系统实现风险热点区域的自动识别。

发明内容

[0003] 针对当前缺乏空中交通态势风险热点自动识别方法的现状,本发明提出一种空中交通态势风险热点识别方法,实现了空中交通态势中风险热点区域的自动识别。
[0004] 该方法共有四个步骤:首先采集航空器综合航迹航迹数据,获取空中交通态势中每一时刻的航空器信息;其次基于航空器间位置关系,建立空中交通态势网络;然后搜索网络模型中社团结构,形成初始热点子区域;最后对初始热点子区域进行验证,综合形成空中交通态势风险热点。
[0005] 本发明采取的技术方案是:一种空中交通态势风险热点识别方法,该方法通过计算机系统辅助实现,所述计算机系统主要由客户端/服务器构成,其特征在于,步骤如下:步骤1、引接并处理航空器航迹数据:根据原始数据发送频率,实时接收航空器综合航迹数据,包括每一时刻航空器的经度、纬度、高度、速度、航向信息;
步骤2、根据步骤1的结果建立空中交通态势网络模型:首先设定水平距离阈值为S1,垂直距离阈值为S2,在每一时刻,以航空器为节点,航空器间的空间位置关系用边来表示,构建网络模型;设当前时刻为t, 该时刻空中交通态势中航空器总数为n,计算所有航空器之间的空间距离,生成n×n的航空器水平距离矩阵D1、垂直距离矩阵D2以及该时刻空中交通态势所对应的网络的邻接矩阵A,若两架航空器的水平距离小于等于S1且垂直距离小于S2,即航空器i、航空器j  间存在接近关系,则ai,j=1,否则ai,j=0,以ai,j为邻接矩阵A的元素,即可建立t 时刻的空中交通态势网络模型;
步骤3、搜索每一时刻网络模型中社团结构,形成初始风险热点子区域:首先生成1×n的访问标记数组Flag,该标记数组中每个元素的初值为0,后续过程可细分为如下步骤:
步骤3.1 在邻接矩阵A中搜索一个顶点Vi满足Flag(i)=0,若搜索失败,即所有航空器都被访问,则转至步骤4,否则设置Flag(i)=1,以节点Vi为起始点搜索建立初始风险热点,标记为C;
步骤3.2 如果对于所有顶点Vj(0步骤3.3 创建新的风险热点子区域,标记为c,初始值c={Vi};
步骤3.4 搜索节点Vi所有未被访问的邻接航空器集合V’={V’i,...,V’j },更新风险热点子区域c=c∪V’,设置相应节点的访问标记为1;
’ ’’ ’’ ’’
步骤3.5 搜索V 中所有未被访问航空器的邻接航空器集合V = {V i,  ..., V j},更新风险热点子区域c=c∪V’’,设置相应节点的访问标记为1,递归搜索,最终生成第k个风险热点子区域ck=c,返回步骤3.1;
步骤4 对初始热点子区域进行验证形成空中交通态势热点:首先删除节点数量小于3的初始风险热点子区域,进一步将这些初始风险热点子区域进行综合,则构建出t 时刻空中交通态势中的风险热点C(t),即C(t) = {c(t)1, c(t)2,..., c(t)i  ,...,c(t)k} ,其中 c(t)i 是C(t) 中第i 个风险热点子区域。
[0006] 本发明产生的有益效果是:采用基于网络社团结构思想的空中交通态势风险热点识别方法,可以自动、快速识别空中交通态势中风险热点区域所相关的航空器,单个扇区内风险热点识别时长小于2秒,该方法不受人为因素影响,能够有效减小管制员人工判断这些风险热点区域所带来的工作负荷,不额外增加管制员工作负荷,且占用资金较少,评估方法简单、快速、易用,评估结果易于理解,从而提高航空运输安全水平。附图说明
[0007] 图1为本发明的基本步骤流程;图2为本发明空中交通态势中风险热点示意图。

具体实施方式

[0008] 以下结合附图及实施例对本发明做进一步说明。
[0009] 一种空中交通态势风险热点识别方法,共包括以下具体步骤,如图1所示:步骤1、引接并处理航空器航迹数据:根据原始数据发送频率,实时接收航空器综合航迹数据,包括每一时刻空域中所有航空器的经度、纬度、高度、速度、航向信息;
步骤2、根据步骤1的结果建立空中交通态势网络模型:首先设定水平距离阈值为S1,垂直距离阈值为S2。在每一时刻,以航空器为节点,航空器间的空间位置关系用边来表示,构建网络模型。设当前时刻为t, 该时刻空中交通态势中航空器总数为n,计算所有航空器之间的空间距离,生成n×n的航空器水平距离矩阵D1、垂直距离矩阵D2以及该时刻空中交通态势所对应的网络的邻接矩阵A。若两架航空器的水平距离小于等于S1且垂直距离小于S2,即航空器i、航空器j 间存在接近关系,则ai,j=1,否则ai,j=0。进一步以ai,j为邻接矩阵A的元素,即可建立t 时刻的空中交通态势网络模型。举例:如果设定水平距离阈值S1=20千米,垂直距离阈值S2=600米,航空器i、航空器j 之间的水平距离为15千米且垂直距离为500米,则航空器i和航空器j 之间存在接近关系,即ai,j=1;如果航空器i和航空器j 之间的水平距离为15千米且垂直距离为1000米,则航空器i和航空器j 之间不存在接近关系,即ai,j=0。实际应用时,可对民航局发布的间隔标准进行适当放大后设定。
[0010] 步骤3、搜索每一时刻网络模型中社团结构,形成初始风险热点子区域:首先生成1×n的访问标记数组Flag,该标记数组中每个元素的初值为0,后续过程可细分为如下步骤:步骤3.1 在邻接矩阵A中搜索一个顶点Vi满足Flag(i)=0。若搜索失败,即所有航空器都被访问,则转至步骤4。否则设置Flag(i)=1,以节点Vi为起始点搜索建立初始风险热点,标记为C。
[0011] 步骤3.2 如果对于所有顶点Vj(0
[0012] 步骤3.3 创建新的风险热点子区域,标记为c,初始值c={Vi}。
[0013] 步骤3.4 搜索节点Vi所有未被访问的邻接航空器集合V’={V’i,...,V’j },更新风险热点子区域c=c∪V’,设置相应节点的访问标记为1。
[0014] 步骤3.5 搜索V’中所有未被访问航空器的邻接航空器集合V’’= {V’’i,  ..., V’’j},更新风险热点子区域c=c∪V’’,设置相应节点的访问标记为1,递归搜索,最终生成第k个风险热点子区域ck=c,返回步骤3.1。
[0015] 步骤4 对初始热点子区域进行验证形成空中交通态势热点:首先删除节点数量小于3的初始风险热点子区域;进一步将这些初始风险热点子区域进行综合,则构建出t 时刻空中交通态势中的风险热点C(t),即C(t) = {c(t)1, c(t)2,..., c(t)i  ,...,c(t)k} ,其中 c(t)i 是C(t) 中第i 个风险热点子区域。
[0016] 图2给出了某时刻空中交通态势风险热点自动识别结果示意图,该空中交通态势有10架航空器,映射的网络模型中有10个节点。设水平距离阈值S1=20千米,垂直距离阈值S2=600米,计算节点之间的水平距离和垂直距离,并与S1和S2进行比较。该态势中的风险热点包括两个热点子区域,记为风险热点子区域1和风险热点子区域2。风险热点子区域1中包括N3、N5、N6三个节点,分别对应P3、P5、P6三架航空器,N3与N5、N3与N6、N5与N6的水平距离分别为18、14、12,垂直距离分别为300、300、0。风险热点子区域2中包括N8、N9、N10三个节点,分别对应P8、P9、P10三架航空器,N8与N9、N8与N10、N9与N10的水平距离分别为17、11、10,垂直距离分别为400、100、500。该态势中其他4个航空器N1、N2、N4、N7则不属于风险热点。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈