提升终端进近运行效率的进场航路点优化研究

目前,航空器进近管制多依赖于管制员的经验,影响了终端区进近效率和机场跑道运行容量。文章创新性地通过添加航路点形成双边进场模式,利用4D航迹预测技术,通过建立椭球形保护区和采用遗传算法,实现了航空器进近路径和飞行间隔的精确控制。应用表明,4D航迹预测技术能有效削减超出航空器间隔标准的时间冗余,基于椭球保护区的碰撞风险预测能在保障飞行安全的前提下缩小航空器空间间隔,遗传算法可保证每架航空器的飞行路径符合总体最优要求,航空器总体进近时间节约了8.1%。上述模型和算法可作为管制员指挥时的实时决策工具。

基于自组织神经网络的终端区航迹识别研究

航迹的模式识别可进一步为航迹预测、空域结构优化、空中交通态势监控提供支持。首先,对获取的自动相关监视广播系统(ADS-B,automatic dependent surveillance-broadcast)数据进行筛选、处理,形成一系列的航迹点集;其次,计算以航迹点组成的各航迹数据之间的相似度,按一定比例选取训练集和测试集;然后,以训练集进行学习、训练,建立自组织神经网络(SONN,self-organizing neural network),获得竞争单元;最后,输入测试集,通过所得神经网络对终端区航迹进行模式识别,分析其正确性。仿真结果表明,该算法可较好地识别终端区空域内航迹。