基于近邻传播算法的航迹聚类分析

随着航空事业的发展,对航迹进行聚类分析,存在许多应用价值。在分析历史飞行航迹特征的基础上,将航迹看作时间序列,采用近邻传播聚类算法,对航迹进行聚类分析,得到聚类结果并进行优化分析。近邻传播算法(AP)是建立在相似度矩阵基础上进行的聚类,为了得到相似度矩阵,结合航迹不等长的特征,选择使用DTW距离作为航迹间相似性的度量;同时,使用DCT对航迹时序列进行降噪,以求得到更好的聚类效果。实验结果表明:该方法在393条航迹的数据集中,划分出11个聚类,提高了航迹聚类的准确性。

基于高斯过程的ADS-B监视性能评估研究

广播式自动相关监视(ADS-B)是一种新型航行监视技术,对ADS-B的运行效果进行验证与评估,对航空系统的安全运行具有重要意义。通过分析ADS-B航迹点的数据特征,构建高斯过程模型,从ADS-B系统的精度和完好性、漏点、离散度和跳点方面对ADS-B监视性能进行评估。实验中采用中国民航飞行学院的实际运行环境中的ADS-B数据,验证所提出的评估方法的可行性和有效性。

基于聚类算法的飞行航迹分析

为了实现空域资源高效利用,增强空中交通智慧化管理,减轻管制员负荷。利用AP算法基于历史飞行数据对航迹进行聚类,传统聚类相似性度量采用欧氏距离,针对航迹非等长特性,利用动态时间规整解决非等长距离输入。利用离散余弦变换对航迹时序列降噪,以得到更佳的聚类效果。结果显示:291条飞行航迹数据集,共划分出7个聚类,其聚类效果也较好。得出结论:基于近邻传播算法的航迹聚类能进行快速有效地数据处理,同时解决航迹非等长问题,增强航迹聚类的有效性和适用性。