终端区空中交通流到达模式识别

为了实现对终端区空中交通流到达情况更加准确的分析,针对目前常用的流量统计方法中所存在的问题,提出了交通流到达模式概念,并对基于聚类思想的到达模式识别方法进行了研究。在对交通流到达时序数据提取的基础上,利用基于免疫优化算法的聚类方法实现了对交通流到达模式的识别。对交通流到达模式特征进行了分析,并结合滑动时间窗算法提出了交通高峰小时及峰值流量计算方法。通过实例分析证明了方法的可行性与准确性。     

基于模块度的复杂网络社团结构聚类新算法

针对传统的分裂聚类算法删除连边会影响节点划分的问题,结合K-means算法的思想并加以改进,提出了一种以邻居节点为聚类备选集,所有社团中心节点同时聚类的同步聚类算法。该算法根据节点中心度和最短路变化率确定社团中心节点集,然后以中心节点为社团中心,以邻居节点为聚类备选集合进行聚类,完成社团的划分。将算法应用到Zachary网络中并与GN算法、Top Leader算法进行比较,仿真结果表明该算法对网络有较好的划分。     

基于Netlogo的终端区进场交通流建模与仿真

终端区进场交通流特性参数研究对于解决复杂空域结构下航空器拥堵、航班延误具有重要的实际意义。基于元胞传输模型将进场航线划分元胞,并且在数理推导的基础上,基于Netlogo仿真建模平台搭建进场交通流元胞传输模型仿真环境,对进场交通流的宏观涌现行为进行仿真模拟,得到交通流基本参数速度、流量、密度之间演变趋势。研究结果表明,终端区进场交通流三大基本参数之间存在明显的数量关系,关系曲线相对应分为自由流、拥挤流和阻塞流三种状态,并且受到管制间隔、飞行程序、管制策略的影响。利用相关研究成果,可通过改变管制策略、调整管制间隔、优化飞行程序的方法使得交通流特性向着可预知的方向演变,因此对终端区交通态势的判断具有应用价值。     

TBO模式下终端区进场交通流优化模型与仿真分析

持续增长的交通需求量和日趋饱和的可用空域资源促使未来空中交通管理向基于航迹运行（TBO）的精细化管理模式转变。在TBO概念的基础上，依据目前繁忙机场终端区常见进场航线结构，提出了对应TBO模式下的截点直飞方式与融合点方式进场交通流优化模型，并以法国戴高乐机场终端区为例，构建了仿真运行环境。基于实际飞行计划与雷达记录轨迹模拟生成了航空器四维航迹，而后运用上述2种模型对进场交通流进行了优化，根据仿真结果对特定交通流参数展开了对比分析。研究结果表明，模型可通过航迹选择、时隙分配、顺序交换及动态间隔等方式有效化解终端区内潜在的航空器冲突并保持交通流安全高效运行，同时在一定程度上揭示了TBO模式下交通流的部分运行特性，为以四维航迹为核心的未来空中交通管理策略提供了理论支持。     

对流天气空域阻塞概率与阻塞指数模型

管制员高估对流天气的影响,发布不必要的流控指令,会使得航班过度延误;管制员低估对流天气的影响,会造成工作负荷的激增,也会使得航班飞行安全风险增大。为了准确评估空域受天气影响程度,减少管制员高估和低估天气影响次数,建立了特定方向对流天气空域阻塞概率模型和航路交通阻塞指数模型。测试结果表明,特定方向对流天气空域阻塞概率模型,用于衡量对流天气下交通流在各个方向被阻塞概率,为管制员决策是否允许航空器沿特定方向在扇区绕飞提供参考有实际意义;对流天气航路交通阻塞指数模型,用于衡量对流天气下沿航路交通流被阻塞的概率,为管制员决策是否允许航空器沿航路穿越对流天气提供参考是可行的。访谈数据表明,90%的参访者同意在这两个参数可得时,他们获取对流天气影响交通态势感知所需要的时间确实有所减少。     

基于数据库的收缩型航迹聚类模型仿真研究

针对传统聚类算法只能选取少量数据源进行仿真分析,得到的聚类效果不能真实体现数据流的宏观特征的问题,考虑了海量航迹数据中的离群点检测以及离群点剔除,提出一种新的基于数据库的收缩型航迹聚类仿真模型,将三维空间网格化,建立K-means聚类和层次聚类双重交互算法,对网格中的离群点进行识别并剔除.解决了航迹聚类中的关键技术问题.通过对西北地区3 G海量二次雷达数据的聚类仿真分析,使航迹聚类仿真的耗时从h级降低至s级,并且得到的航迹分布特征清晰,验证了新模型对于海量数据宏观特征提取具有可行性和优越性,模型和算法对全国二次雷达航迹数据仿真具有借鉴意义.     

航路网络生成及优化

空中交通流运行的安全性和成本取决于航路网络结构。基于节点度实现航路网络枢纽节点和干线节点分层,利用全局耦合生成主干网络,运用距离连接概率实现干线节点社区化,采用连接概率生成社区网络;采用DBSCAN聚类算法,基于角度和距离实现航路网络优化;以中国大陆空域为例,实现了主干航路网络和局部干线航路网络的生成及优化,验证了方法的可行性。在与相关研究对比,基于节点度的枢纽节点选取更加客观合理,所构建的分层航路网络结构符合机场点的分布特性,采用DBSCAN聚类算法优化效率明显提高。     

无人机蜂群轨迹预测研究

传统防空火控算法中的轨迹预测模型无法对复杂的无人机蜂群进行有效地轨迹预测，而现有针对无人机机动轨迹的预测研究通常只考虑单个无人机，且模型量级过大。为了准确且快速地预测无人机蜂群轨迹，本文提出一种面向蜂群的轨迹预测方法。在获得蜂群轨迹后，首先基于DBSCAN 对其进行聚类，判断出蜂群中各个无人机的类别；然后基于分形算法，判断无人机轨迹是简单轨迹还是复杂轨迹；最后，采用卡尔曼滤波进行简单轨迹的预测，用基于LSTM 网络的方法进行复杂轨迹的预测。结果表明：本文提出的无人机蜂群轨迹预测方法的预测误差远远小于纯采用卡尔曼滤波方法预测的误差，且预测时间小于仅采用LSTM 网络方法预测的时间，可以较为准确地预测蜂群中不同集群无人机的轨迹，为反无人机蜂群火控解算提供基础。     

基于CTM的终端区交通流参数关系研究

为研究终端区空中交通流宏观时空特性及演变规律,利用时间离散的差分方程方法建立终端区进场交通流元胞传输模型,分析推导了交通流基本特性参数间的数理关系;借助NetLogo系统仿真平台对终端区进场交通流进行数据仿真与模拟推演,统计验证了交通流基本特性参数及其间相互关系,并利用真实雷达数据验证了仿真数据的可靠性;比较分析管制间隔对终端区空中交通流特性参数的影响规律。研究结果表明,进场交通流的速度与密度、速度与流量、流量与密度之间存在明显的相互影响关系,且管制临界密度与管制临界流量直接影响关系曲线拐点位置。     

自适应K-means图像分割方法

本文提出了一种自适应K-means图像分割方法,该方法通过用Otsu方法来初步选取阈值作为初始K-means聚类中心,然后经过K-means聚类方法对图像进行分割,最后根据K-means获得的聚类中心与Otsu所确定的阈值进行平均计算,作为图像分割的阈值.实验结果表明:该方法自动快速形成的分割阈值较为合理,对图像能达到更好的分割效果,可以进一步提高后续图像匹配与定位的准确性.