技術(shù)領(lǐng)域

本發(fā)明屬于航跡預(yù)測技術(shù)領(lǐng)域，特別是涉及一種基于空管歷史數(shù)據(jù)挖掘的短時(shí)航跡預(yù)測方法。

背景技術(shù)

隨著航空運(yùn)輸業(yè)的發(fā)展，空域限制成為制約民航空管發(fā)展的主要因素之一，因此采用飛行計(jì)劃結(jié)合空管動(dòng)態(tài)調(diào)配的管理方式已逐漸難以滿足要求。為應(yīng)對(duì)這一問題，美國和歐洲的研究人員已開展基于4D航跡運(yùn)行模式的下一代空中交通管理系統(tǒng)的研究，即美國下一代空中運(yùn)輸系統(tǒng)(NextGenerationAirTransportationSystem,NextGen)和單一歐洲空管系統(tǒng)(SingleEuropeanSkyATMResearch,SESAR)。

基于航空器運(yùn)行的航跡預(yù)測在新一代空管自動(dòng)化系統(tǒng)中具有重要地位，已經(jīng)成為研究重點(diǎn)，國內(nèi)外學(xué)者在這一領(lǐng)域取得了許多成果。Prevost使用基于擴(kuò)展Kalman濾波的航空器狀態(tài)估計(jì)方法，通過當(dāng)前狀態(tài)和飛行模型進(jìn)行航跡預(yù)測。Chester等人采用飛行性能手冊中的爬升時(shí)間表，通過空氣動(dòng)力學(xué)模型和運(yùn)動(dòng)學(xué)方程實(shí)現(xiàn)航空器航跡推測。朱成鎮(zhèn)等結(jié)合空管體系與飛行操作特性，采用過程綜合法實(shí)現(xiàn)四維航跡推測。在短期航跡預(yù)測方面，彭瑛等提出了動(dòng)態(tài)航跡推測方法，基于等角航線動(dòng)態(tài)推測，融合雷達(dá)、電報(bào)等動(dòng)態(tài)數(shù)據(jù)，可以推測出航空器飛行軌跡和時(shí)間節(jié)點(diǎn)信息。以上方法可以概括為三類：(1)基于Kalman濾波和神經(jīng)網(wǎng)絡(luò)等的無參數(shù)估計(jì)算法；(2)基于航空器模型和飛行模擬的預(yù)測方法；(3)基于飛行意圖的航跡預(yù)測方法。基于Kalman和神經(jīng)網(wǎng)絡(luò)的方法由于信息有限而使預(yù)測準(zhǔn)確度難以提升；基于飛行模擬的預(yù)測方法需要大量飛行參數(shù)和數(shù)據(jù)庫支持，不易獲取；基于飛行意圖的預(yù)測方法不易結(jié)合影響飛行的其它因素。

隨著數(shù)據(jù)挖掘技術(shù)的興起，歷史數(shù)據(jù)挖掘?yàn)楹桔E預(yù)測提供了支持。GarielM等使用聚類方法分揀航跡數(shù)據(jù)并排除偏離航跡后提取典型航跡，用于航空器監(jiān)視與預(yù)測，但航跡信息損失較多，缺少高度和時(shí)間信息。SongY從歷史航跡數(shù)據(jù)中提取典型航跡應(yīng)用于航跡預(yù)測模型，提高了航跡預(yù)測準(zhǔn)確率，但其方法簡單且僅作為預(yù)測模型參考。何雯等通過軌跡時(shí)間聚類提取路徑規(guī)律，排除干擾因素，但只考慮航跡的時(shí)間信息。TangXM等使用時(shí)間彎曲編輯距離(TimeWarpEditDistance,TWED)為相似性度量改進(jìn)K-均值聚類算法，從航跡剖面數(shù)據(jù)提取飛行剖面預(yù)測航跡，但只涉及飛行剖面預(yù)測。LEEJG等提出了基于航跡段的聚類方法挖掘航跡信息，獲取公共子航跡用于預(yù)測，但運(yùn)算較為復(fù)雜。上述文獻(xiàn)中的聚類方法均采用基于全局的相似性度量，實(shí)際應(yīng)用中參數(shù)不易確定。DuanL提出基于局部密度的空間聚類算法(LocalDensityBasedSpatialClusteringAlgorithmwithNoise,LDBSCAN)并應(yīng)用于離群對(duì)象檢測，解決參數(shù)難以確定的問題。

基于歷史航跡數(shù)據(jù)挖掘的航跡預(yù)測主要面臨以下幾個(gè)問題：(1)影響飛行的其它因素，如飛行員習(xí)慣、天氣等，不易融合到預(yù)測航跡中；(2)歷史航跡數(shù)據(jù)間缺少對(duì)應(yīng)關(guān)系；(3)基于歷史數(shù)據(jù)的航跡預(yù)測，離群航跡會(huì)對(duì)預(yù)測結(jié)果產(chǎn)生干擾；(4)如何從航跡數(shù)據(jù)中提取代表航跡運(yùn)行模式和規(guī)律的數(shù)據(jù)，并用于航跡預(yù)測；(5)在減少信息損失的前提下簡化歷史航跡數(shù)據(jù)，降低處理難度。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明的目的在于提供一種基于歷史數(shù)據(jù)、融合飛行影響因素(飛行習(xí)慣、機(jī)型等)、預(yù)測準(zhǔn)確且參數(shù)要求簡單的基于空管歷史數(shù)據(jù)挖掘的短時(shí)航跡預(yù)測方法。

為了達(dá)到上述目的，本發(fā)明提供的基于空管歷史數(shù)據(jù)挖掘的短時(shí)航跡預(yù)測方法包括按順序進(jìn)行的下列步驟：

(1)對(duì)空管系統(tǒng)記錄的航空器航跡數(shù)據(jù)進(jìn)行提取及歸類處理，并將同類航跡構(gòu)成航跡群的S1階段；

(2)消除步驟(1)所得航跡群中各航跡的冗余信息，并提取出可以表征各航跡特征的關(guān)鍵航跡點(diǎn)航跡群的S2階段；

(3)利用時(shí)空配準(zhǔn)技術(shù)對(duì)步驟(2)所得的關(guān)鍵航跡點(diǎn)航跡群進(jìn)行處理，得到時(shí)空配準(zhǔn)后的關(guān)鍵航跡點(diǎn)航跡群的S3階段；

(4)對(duì)步驟(3)得到的時(shí)空配準(zhǔn)后的關(guān)鍵航跡點(diǎn)航跡群進(jìn)行聚類分析，形成經(jīng)驗(yàn)關(guān)鍵航跡點(diǎn)，并由經(jīng)驗(yàn)關(guān)鍵航跡點(diǎn)有序形成經(jīng)驗(yàn)航跡的S4階段；

(5)根據(jù)實(shí)時(shí)航跡信息，從步驟(4)所得結(jié)果中選擇最相似的經(jīng)驗(yàn)航跡作為預(yù)測參考，對(duì)實(shí)時(shí)運(yùn)行的航空器進(jìn)行短時(shí)航跡預(yù)測，并利用實(shí)際航跡更新相應(yīng)經(jīng)驗(yàn)航跡的S5階段。