| 基于密度聚类与匹配算法的异常飞行行为挖掘 |
| |
| 引用本文： | 吴欣蓬,汤新民,毛继志,郭鸿滨,管祥民.基于密度聚类与匹配算法的异常飞行行为挖掘[J].南京航空航天大学学报,2021,53(6):863-871. |
| |
| 作者姓名： | 吴欣蓬 汤新民 毛继志 郭鸿滨 管祥民 |
| |
| 作者单位： | 1.南京航空航天大学民航学院，南京 211106;2.中国航空无线电电子研究所航空电子系统综合技术国防科技重点实验室，上海 200241;3.中国民航管理干部学院民航通用航空运行重点实验室，北京 100102 |
| |
| 基金项目： | 国家自然科学基金（61773202）资助项目； 中国航空无线电电子研究所航空电子系统综合技术国防科技重点实验室基金（6142505180407）资助项目；中国民航管理干部学院民航通用航空运行重点实验室开放基金（CAMICKFJJ-2019-04）资助项目。 |
| |
| 摘 要： | 在空中交通愈加拥挤的背景下，航空器的异常飞行行为的有效挖掘可以辅助管制员进行调配决策。现有方法只能辨识飞机空间位置特征异常，存在水平可扩展性的局限。本文考虑位置、速度、高度和航向4个异常特征，采用高度层划分策略、局部异常因子和快速覆盖树对基于密度的有噪声应用中的空间聚类（Density-based spatial clustering of applications with noise， DBSCAN）方法进行改进，提出局部异常因子改进的考虑速度、方向及高度的基于密度聚类方法（Density-based spatial clustering considering speed， direction and high level improved by local outlier factor，LOFDBSC-SDH）密度聚类算法对正常航迹模式进行快速准确提取。然后，基于正常航迹模式设计考虑过点时间和上述异常特征的航迹匹配算法，挖掘异常飞行行为。最后，通过实验仿真验证了本文方法的有效性和应用价值。
|
| 关 键 词： | 密度聚类 高度层划分 快速覆盖树 过点时间 异常飞行行为 |
| 收稿时间： | 2020/6/30 0:00:00 |
| 修稿时间： | 2021/1/21 0:00:00 |
Abnormal Flight Behavior Mining Based on Density Clustering and Matching Algorithm |
| |
| WU Xinpeng,TANG Xinmin,Mao Jizhi,Guo Hongbin,Guan Xiangmin.Abnormal Flight Behavior Mining Based on Density Clustering and Matching Algorithm[J].Journal of Nanjing University of Aeronautics & Astronautics,2021,53(6):863-871. |
| |
| Authors: | WU Xinpeng TANG Xinmin Mao Jizhi Guo Hongbin Guan Xiangmin |
| |
| Abstract: | |
| |
| Keywords: | density clustering flight level division faster cover tree cross-point time abnormal flight behavior |
|
| 点击此处可从《南京航空航天大学学报》浏览原始摘要信息 |
| 点击此处可从《南京航空航天大学学报》下载免费的PDF全文 |
