基于CNN-LSTM-attention模型航迹预测研究

以航迹预测方法作为切入点,重庆-广州航路航空器记录的ADS-B数据作为研究内容,提出了一种融合注意力机制的长时序航迹预测方法(CNN-LSTM-attention)。研究运用一维卷积神经网络对航迹数据多维特征进行提取,并将经纬度、高度、速度、航向等的多维特征向量构造成时序形式作为LSTM网络输入,通过赋予LSTM网络隐含层的权重占比并区别不同时序点隐藏层信息对未来航迹预测的影响程度来达到优化预测模型的作用。构建好的CNN-LSTM-attention模型采用Adam优化算法进行训练,LSTM和CNN-LSTM作为实验对比模型,将决定系数R²作为模型评价标准来衡量航迹预测模型的准确性。实验结果表明加入注意力机制的神经网络预测模型CNN+LSTM+attention(卷积神经网络-长短期记忆网络-注意力机制)的方法相较于其他两种,其预测精确性更高。     

离港航空器滑出时间的BP神经网络预测模型

准确地预测离港航空器滑出时间可有效提升机场场面运行效率,降低运行成本。构建基于BP 神经网络的离港航空器滑出时间预测模型,分析影响离港航空器滑出时间的可量化因素,并对其相关性进行检验;通过我国中南某机场2 周实际运行数据对模型进行验证,并以均方根误差、平均绝对误差和平均绝对误差百分比检验预测结果的准确性。结果表明：同时...     

交叉跑道进离场航空器安全间隔研究

交叉跑道在我国尚属新的跑道构型,亟需建立相关标准和评估方法来提高其运行安全性与运行效率。针对交叉跑道进近航空器与离场航空器可能出现航迹交叉情况建立安全间隔,首先通过建立碰撞风险模型计算进近航空器至跑道端的距离;然后建立交叉跑道进近复飞与离场航空器之间的尾流间隔模型,并求出离场航空器产生的尾流是否影响复飞航空器,从而确定...     

基于航迹的运行:未来航空运行模式新理念

保证安全是航空运行永恒的主题。在保证飞行安全的前提下提高运行效率,是中国民航不断追求的目标。为了进一步提高飞行效率和空域流量,基于航迹的运行模式(TBO)被学界提出作为新一代空管自动化系统中的核心技术。它是以对航空器的4D航迹预测为基础,在空管、航空公司、航空器之间共享航迹动态信息,做出协同决策(CDM)。它改变了传统的将航空器当前位置作为已知条件的运行模式,能够实现高密度、大流量、小间隔条件下的有效空域管理。本文以一个多架飞机汇聚飞行的场景为例,说明基于航迹的运行能有效解决飞行     

基于雷达航迹的航空器质量估算

为保障基于轨迹运行的顺利实施,必须提高四维航迹预测的精度,而四维航迹的精准预测依赖于航空器质量准确估算。鉴于此,构建并分析了航空器能量模型;基于雷达航迹与航空器基础资料( BADA),提出了新型的航空器质量估算方法与步骤;利用最小二乘算法求解了航空器质量的估计值;分别基于预测航迹、雷达轨迹与QAR数据,采用相对误差作为评价指标,实施验证与分析。验证结果表明,提出的方法可将航空器质量估算误差控制在5%以内,从而能够有效地提高航迹预测精度。     

基于概率滑行时间的航空器离场推出柔性控制

航班离场过程动态多变且高度随机，滑出时间不确定性导致推出时间难以科学配置。为此，研究基于概率滑行时间的航空器离场推出柔性控制问题。首先，采用随机森林回归和核密度估计方法，建立了基于机器学习的概率滑行时间预测模型、超参数调节策略及概率预测性能评价指标体系；然后，引入固定缓冲区概念，提出了离场航空器“推出时刻”柔性控制方法，明确了缓冲区长度对准时到达跑道头概率的作用特性；最后，应用随机规划中的机会约束理论，提出了离场航空器“推出时隙”柔性控制方法，设计了满足机会约束的可行推出时间范围界定规则。实验结果表明：所提方法可对离场航空器概率滑行时间进行科学预测，有效实现传统推出时间刚性控制向多视角柔性控制的灵活转化，可为增强机场离场管制的可预测性和灵活性提供理论方法支撑。     

基于高空风修正的四维航迹优化算法

航迹预测是基于航空器航迹运行的核心技术,也是空中交通流量管理的基础技术。结合航空器飞行速度数据与航段飞行时间数据,分析高空风对航空器飞行时间的影响。基于GRIB2格式风数据,建立高空风修正模型,提出一种四维航迹优化算法进行航迹预测。利用中南区域实际航班飞行数据进行算例仿真,并与实际雷达飞行数据进行对比。对比结果表明,预测飞行时间总误差分别减少了7%和16.4%,从而验证了模型的有效性与正确性。     

基于聚类方法提高离场导航精度的可行性研究

为了提高终端区的空域利用效率,探讨提高终端区离场导航精度的可行性是具有重要意义的。通过将从雷达数据中获得的航空器航迹点的坐标信息进行处理、计算,建立了改进的航迹偏差相似度模型,并运用层次聚类法和正态分布参数分析法,分析了使用现有导航设备导航条件下的雷达航迹点数据,证实了在实际的离场飞行阶段,航空器飞行误差远小于现行的导航精度规范规定的导航误差要求,从而证明了提高现有的离场程序的导航精度在一定条件下具有可行性。     

基于交互式多模型滤波算法的航迹预测

航空器航迹预测是空中交通冲突探测与解脱,以及进离场管理等空中交通管制自动化系统的重要组成部分。基于混杂系统理论,描述航空器在水平面的运动模型,并针对航空器运动的多样性和不确定性提出了利用交互式多模型的航空器航迹预测算法。将算法应用于航空器的航迹预测,并与单一模型的卡尔曼滤波、α-β滤波和α-β-γ滤波的仿真预测结果对比,结果表明算法的有效性。     

基于特征选择的BP神经网络算法滑行时间预测

为准确预测离港航班滑行时间,基于数理分析同时段场面航空器滑行数量、平均滑行时间等因素对离港航空器滑行时间的影响。将皮尔逊相关系数与随机森林算法相结合减少冗余特征变量,建立基于BP神经网络的滑行时间预测模型,提高离港航空器场面滑行时间预测精度,并通过交叉验证证明预测结果的稳定性。预测结果表明：通过皮尔逊相关系数与随机森林组合模型进行特征选择可提高BP神经网络预测结果的精度,离港航空器的滑行时间预测误差在±5min内的占比由88.23%提升至92.26%,且预测效果较为稳定。模型可以精确预测离港航班的滑行时间,为机场运行提供决策依据。     

基于时空特征融合的舰船航迹预测方法

针对海上舰船日益增多、海情日益复杂的严峻形势,改进舰船航迹预测方法,实现对海域态势的有效管控成为亟待解决的问题。结合舰船航迹获取简单、数量较大的显著优势,提出利用舰船航迹数据驱动的基于时空特征融合的舰船航迹预测方法。首先,联合卷积神经网络(CNN)和长短时记忆网络(LSTM)构造时空特征融合网络,充分提取舰船航迹的时空特征;然后,利用海量 AIS(Automatic Identification System)数据进行网络训练;最后,利用网络输出的航速和航向对舰船航迹进行预测。仿真结果表明,提出的网络具有准确的舰船航迹预测能力,能够适应舰船机动运动场景。与传统预测方法相比,该方法能够使预测 MSE减少 0.2~1.4,预测性能大大提高。     

民用航空器四维航迹预测技术综述

民用航空器四维航迹预测是保障飞行安全、提升运行效率、缓解航班延误、倡导绿色飞行的有效支撑和重要保证.四维航迹预测的研究集中于如下领域:预测结构与流程、预测模型与方法、误差分析与精度提升,其中航迹预测模型与方法是核心,主要包括混合估计模型、质点运动模型与机器学习方法.最后,总结与提炼开展民用航空器四维航迹预测研究的思路和热点,并相应指出了未来的研究方向.     

多跑道离场分配仿真模型及算法

多跑道作为大型繁忙机场的关键资源和瓶颈区域,在机场运行管理中必须对其进行科学和高效配置。基于经验滑行时间数据,建立了多跑道离场分配模型,在满足场面运行安全约束的前提下,以离场航班滑行时间最小为目标,寻求最优的跑道分配方案。通过选取典型机场进行地面网络建模,结合实际运行数据及航班计划等信息,利用计算机仿真对模型进行了验证分析。仿真结果表明,所提方法与随机分配方法相比,多跑道机场地面容量提高了2．1％,冲突探测与解脱次数降低了20．6％,最大延误时间减小了5．2％。因此,机场运行安全与效率得到改善,所提方法有效,适用于多跑道离场分配问题。     

RECAT间隔标准的差异性对比与计算分析

尾流是影响机场容量的重要因素之一,在保证安全前提下缩减尾流间隔能增加机场繁忙时刻航空器进离场架次,进而提高机场容量.美国和欧洲提出尾流标准重新分类(RECAT)概念,并在一些机场试运行,取得良好效果.基于国内某机场一周内航空器起降机型架次,将其重新分类,对比在现行ICAO和RECAT标准下的加权尾流间隔,证明在RECAT标准下尾流间隔将会缩减.通过改变不同航空器机型占比,分析机场容量变化,得出机场容量随航空器占比变化明显,对空管安全运行和机场及跑道运行效率提高具有实际参考价值.     

进近程序计算机辅助设计系统

一、前言进近程序是航空器根据飞行仪表,对障碍物保持规定的超障余度所进行的一系列预定机动飞行。这种飞行程序是从规定的进场航路或起始进近定位点开始,经过进场、起始进近、中间进近和最后进近,到能够完成自视着陆的一点为止,包括失误进近的复飞程序。所有的民用航空器使用的可供仪表飞行的机场,都必须设计仪表飞行程序,制定机场运行最低标准。建立机场仪表飞行的自的,是保证航空器在机场区域内按规定程序安全有秩序地飞行,以避免在起飞离场和过近着陆的过程中,航空器与地面障碍物,肮空器与航空器之间相撞。确保飞行安全、经济…     

面向空中交通节能减排的真空速估算模型

为了实现终端区内空管单位燃油消耗的有效评估,结合综合航迹数据采用数据挖掘技术,提出一种基于航迹数据的终端区真空速的估算模型.首先应对综合航迹数据处理,提出了对综合航迹处理的方法;通过在中国气象数据网上获取机场上空风的数据,利用插值法建立机场上空风场的模型;分析航行速度三角形,推导出真空速计算模型.最后分别以离场和进场的QAR数据,用Matlab对真空速进行仿真估算.结果表明:方法能够有效地利用综合航迹数据进行真空速的估算.     

基于LSTM的飞行器纵向可用过载预测方法研究

针对执行较长飞行任务的飞行器在飞行任务期间难以实时准确预测机动能力的问题，开展了基于长短期记忆(LSTM)的飞行器纵向可用过载预测方法研究。首先，对飞行器纵向过载相关参量进行了分析。然后，以纵向可用过载为性能指标，建立了基于LSTM网络的BP神经网络预测模型。预测模型的输入是一段飞行时间内可测量的飞行状态数据序列，输出是未来时刻的纵向可用过载。最后，基于某型飞行器建立数字仿真模型并开展了仿真验证及结果分析。研究结果表明，所提出的预测模型准确有效，可以帮助实现飞行器飞行性能的实时评估和预测。     

基于XGBoost的航空器动态滑行时间预测方法研究

对航空器进港和离港滑行时间进行精确的动态预测,可以有效提升机场的运行效率。首次提出基于XGBoost 的航空器动态滑行时间预测方法,该方法首先通过分析影响机场滑行时间的各类因素,构建可变滑行时间预测的关键特征指标;然后选取XGBoost 算法建立可变滑行时间预测模型,对模型的关键输入参数进行测试调整;最后将XGBoos...     

基于EEMD和BiLSTM的航班准点率预测研究

航班准点率问题是民航业最为关心的问题之一,准确地预测出航班的准点率能够有效降低航班延误所带来的不利影响、提高乘客满意度。为解决普通深度学习预测模型存在的航班准点率数据挖掘程度不足、预测准确度较低的问题,提出一种基于集合经验模态分解法(EEMD)和双向长短时记忆神经网络(BiLSTM)的机场短期航班准点率预测模型。模型使用EEMD算法将准点率时间序列进行分解,采用BiLSTM结构作为预测模型,使模型能够更深层、高效地处理航班准点率数据,提高预测准确度。实验数据为2018年上海虹桥机场航班准点率及天气数据,实验建立了多个参照模型与所提模型进行对比分析。结果表明：提出的EEMD-BiLSTM模型相较于一般模型预测误差更小,准确度更高。     

航空器飞行状态预测的混合模型研究

航空器的飞行状态预测是飞行冲突探测的核心问题,也是保障飞行安全的关键所在.为了准确、高效地预测航空器的飞行状态,提出了一种HMM-BP混合模型.首先深入分析了航空器的飞行特点,从不同角度定义飞行状态并建立几何判定方法;然后通过HMM模型分别对航空器的飞行高度、航向以及速度特征进行时序建模;最后利用BP神经网络对航空器的飞行状态进行了推理预测.研究结果表明,该方法通过分析航空器在扇区内最初5min的雷达航迹数据,能够准确地预测其在扇区剩余时间的飞行状态,且计算速度快、预测效率高,可以有效协助管制员正确掌握航空器的飞行状态.