基于Transformer-GRU网络的4D航迹预测

航空器的4D航迹预测作为基于航迹运行(TBO)的关键技术之一具有非常重要的意义。基于Transformer-GRU(T-GRU)网络,提出了一种新的航迹预测方法,结合Adamax优化器实现了4D航迹预测。利用Transformer网络的自注意力机制对输入序列进行建模,通过GRU网络获取时序数据的特征;对原始航迹数据进行重采样插值和中值滤波等预处理,以便消除数据缺失和异常值等对预测的影响;通过E E、E AT、E CT、E A等误差指标对实验结果进行评价,并与其他常用的航迹预测方法进行对比。研究结果表明:与传统深度学习方法相比,基于T-GRU网络的4D航迹预测模型在航迹预测中具有更高的准确性和鲁棒性。

基于改进卷积网络的终端区4D航迹预测与冲突检测

随着不断扩大的旅客运输量和航线网络规模,采用飞行计划结合空中交通管制的空中管理办法已经不能与当前民航需求和空中交通流量相匹配,直接影响到航班正常率和运行安全。为解决这一问题,国际民航组织(International Civil Aviation Organization,ICAO)提出了基于航迹运行(trajectory based operation,TBO)的下一代空中交通管理运行理念,中国民航也提出了智慧民航的建设方案和目标。其中4D航迹是TBO运行的核心组成部分,也是中国建设智慧民航的重要技术指标,其可以对航空器的运行进行精确地管理和控制。因此,提高4D航迹预测的准确性成为了目前急需解决的核心问题。面向航空器的飞行任务实施阶段,从4D航迹预测和冲突检测两个问题进行了研究。在航迹预测方面,采用了基于卷积神经网络-双向门控循环单元(convolutional neural networks-bidirectional gated recurrent unit,CNN-BiGRU)的模型对航迹进行高精度预测;在冲突检测方面,引入了航迹距离检测函数以检验预测模型生成的两条航迹是否存在冲突。通过使用某繁忙终端区真实广播自动相关监视(automatic dependent surveillance-broadcast,ADS-B)历史轨迹数据进行实验,并将该方法与同一数据集上的单一长短时记忆网络(long short-term memory,LSTM)模型和门控循环单元(gated recurrent unit,GRU)模型进行了比较。仿真实验表明,CNN-BiGRU模型的评价指标均优于对比模型,同时预测的两条航迹在未来800 s内不存在冲突。所提出的方法为空中交通管理提供了一种有效的手段,具有重要的应用价值。

基于深度学习的4D航迹预测方法研究

近年来,随着航空业的蓬勃发展,机场数量大、国内外航线逐渐密集导致的空域拥堵、航班准点率低等问题也随之浮现,因此对航线进行智能分析并及时进行有效预测以改善空域拥堵等问题受到了广泛关注。对基于深度学习的4D航迹预测方法进行了综述。首先,对4D航迹预测问题进行概述,包括基本概念、基本类型、优缺点、评价方式。其次,提出将现有基于深度学习的4D航迹预测方法分为基于单一模型预测和基于聚合模型预测并详细阐述了各类模型的建模思想、基本原理及优缺点。最后,阐述了三种基于聚合模型的预测方法:模型聚合方法、聚类优化方法、自生成网络方法并总结全文。

基于DBSCAN-GRU算法的终端区4D航迹预测

终端区空域环境复杂、航班密集,精确的航迹预测能极大地提高空中交通服务水平,保障航班飞行安全。针对终端区的高精度多航班4D航迹预测问题,本文提出了一种基于密度的带噪声空间聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)和门控循环单元(Gated Recurrent Unit,GRU)相结合的航迹预测方法,通过DBSCAN聚类,将终端区中航迹相近的航班聚类到一簇中,对每一簇航班建立基于GRU神经网络的航迹预测模型,对终端区航班进行预测时,先判断该航班属于哪一簇,然后采用与该簇对应的航迹预测模型,进行4D航迹预测。与仅研究单一航班的传统预测方法相比,本算法有效地利用了终端区的航迹数据,所建模型可以针对多架航班进行航迹预测,扩大了模型的适用范围,提高了航迹预测的预测精度。

航空器爬升与下降阶段4D航迹预测

准确的4D航迹预测可以在冲突探测与解脱、航迹优化和空中交通流量管理等多个领域发挥重要作用。为提高预测的准确性,提出了基于机器学习的航空器4D航迹预测方法。首先,利用爬升阶段提取研究指标,构建循环神经网络(recurrent neural network,RNN)和长短期记忆网络(long short-term memory,LSTM);其次,在下降阶段进行数据维度拓展,构建RNN、LSTM模型进行航迹预测;最后,对各个维度上的预测航迹点和实际航迹点的误差进行分析。仿真结果表明,爬升阶段模型和下降阶段模型对于航空器位置预测准确性高,展现了航迹预测模型的良好鲁棒性。

基于Informer的客机长时4D航迹预测方法

客机长时4D航迹预测是基于航迹运行的重要基础,对于改善空中交通系统安全性能和优化空域结构有重要意义。针对现有长时4D航迹预测未充分考虑长序列航迹数据之间存在隐式关联信息等问题,借助Informer模型的自注意力机制,研究构建了基于Informer的长时4D航迹预测模型。为提取航迹数据的全局特征信息,增强数据独立性和时间序列特征学习能力,在数据嵌入层中增加全局时间戳模块,并利用航迹点序列等分层时间戳突破Informer模型固有的嵌入层时间刻度限制;为更好地捕捉非相邻时序序列点之间的隐式相关性,采用自注意力机制提取航迹数据特征,并运用概率稀疏方法降低自注意力机制的计算复杂度至O(Llog L),同时在编码器中增加蒸馏机制以减少计算维度和网络参数量;为避免传统的逐步预测输出方法造成的误差累积现象,提高航迹预测精度,采用全连接层对预测输出数据进行维度调整,完成一步生成式输出。对历史4D航迹数据进行三次样条插值等预处理后,与时序特征数据同时输入到航迹预测模型中,经过模型迭代训练,输出航迹预测结果。实验结果表明:在同时预测航迹的4D特征时,基于Informer模型的预测表现优于LSTnet方法,其均方根误差和欧氏距离误差分别为0.218 5和15.980 km,相较于LSTnet网络分别减少了1.48%和2.44%。此外,对于分别预测航迹特征的任务,Informer模型的欧氏距离误差为13.248 km,相较于LSTnet网络减少了3.11%,相较于传统LSTM网络减少了34.99%。

基于4D航迹运行的进场汇聚交通流动态优化

终端空域来自不同方向的空中交通流进近着陆时在“五边”上形成汇聚,为提高航空器自身效益,各航空器会对汇聚点的时刻进行争抢。合理定义了汇聚交通流动态优化问题;构建基于4D航迹运行的优化模型,模型包括航班延误最小、燃油成本最低、跑道容量,并且减少了安全尾流间隔、优先权、动态时间窗等约束条件的未知变量个数;设计改进的多目标粒子群优化算法(MOPSO)对优化模型进行求解。仿真结果表明,对比传统的先到先服务(FCFS)方法,优化模型使航班延误降低了34.8%,35架航空器平均省油102 kg,并且通过交通流时空轨迹分析方案提出了航空器优化调度的建议。

基于基本飞行模型的4D航迹预测方法

为快速准确地预测民航飞行航迹,提出了基本飞行模型的概念.按飞行阶段特点用基本飞行模型构建水平航迹、高度剖面和速度剖面,根据航迹特征点的飞行状态信息(位置、高度、速度和航向)拟合生成完整的4D航迹.离场程序仿真算例与实际飞行数据比较表明,基本飞行模型航迹预测方法可以快速得出航迹特征点和到达航迹特征点的时间.

基于混杂系统模型的航空器4D航迹推测

为实现对未来大流量、高密度、小间隔条件下空域实施管理,4D航迹推测是国内新一代空管自动化系统最为核心的一项技术。首先基于飞行剖面不同飞行阶段的航空器动力学模型,构造了在不同飞行阶段之间转移,而在同一阶段航空器重量、校正空速、高度和距离等状态连续变化的混杂系统模型。通过温度和风速风向修正航空器真空速及地速,利用混杂系统递推法求解航空器4D航迹。实际算例表明,本文提出的混杂系统模型推测得到的水平航迹和垂直剖面能够准确地反映航空器的飞行状态变化,单架航空器4D航迹推测计算时间可以控制在2 s以内。

基于点融合进近的航空器进场4D航迹规划

点融合进近是一种全新的进近技术,对点融合进近中的航空器进场4D航迹规划方法进行了研究。根据点融合进近运行的特点,提出航空器航迹预测方法。以总延误时间最少和着陆次序调整最小为目标建立4D航迹规划模型;并采用遗传算法进行了求解。通过仿真计算,比较了先到先服务与此规划方法的差别。比较结果表明,4D航迹规划方法可以有效提高终端区运行效率。

基于混杂系统理论的无冲突4D航迹预测

为增大空域容量,在战略航迹规划阶段,设定航空器爬升、下降和平飞3个飞行状态和7组高度和速度参数规划航空器4D航迹.基于不同航段的航空器动力学模型,采用混杂系统理论,建立了不同航段之间的状态切换模型,以及同一航段内航空器质量、空速、高度和航程连续变化的航空器运行状态演化模型.通过调整航空器到达时刻和飞行速度,规划了多航空器无冲突4D航迹.算例仿真结果表明,在满足航空器性能约束的前提下,用混杂系统递推法规划的航空器起飞4D航迹计算时间在3 s以内;这两个模型准确反映了航空器在水平剖面和垂直剖面内的飞行状态变化;本文提出的航空器无冲突航迹规划方法是有效的.

基于KF联合EKF参数辨识的短时4D航迹预测

提出了一种KF(Kalman filter)和EKF(efxtended Kalman filter)联合算法辨识运动模型参数的4D航迹预测方法。该方法在等角航迹飞行模型的基础上,运用KF和EKF联合算法辨识航空器的地速,以此计算航空器未来特征位置的过点时间。仿真实验结果表明,该方法采用航空器的经纬度作为观测变量分别更新的方法,可降低运算复杂度,并能够较精确地预测航空器等速巡航阶段的短期飞行航迹。

基于历史雷达轨迹分析的4D航迹规划

航空器4D航迹规划可有效解决我国当前面临的航班延误问题,并且能够加速空管自动化与智能化技术的应用与实施。因此提出了1种基于历史雷达轨迹分析的4D航迹规划方法:首先利用动态时间规整与层次聚类算法对进场历史雷达轨迹进行聚类分析,复现盛行交通流,继而根据盛行交通流和标准进场航线完成水平路径设计;其次对进场历史雷达数据统计分析,确定各进场航路点的高度/速度范围,然后基于航空器在终端区尽量保持高高度飞行的原则完成高度剖面设计;再次为使航空器可以按规定时间到达指定航路点,根据各航路点的速度范围设置合理参数,通过对参数优化调整完成所需速度剖面的设计。最后以上海浦东国际机场VMB进场场景为例进行仿真验证,平均误差为2.5s,误差率为1.9‰。仿真结果表明基于历史雷达轨迹分析的4D航迹规划方法可有效实现航班的准点降落,从而减少航班延误,提高终端空域运行效率。

基于交互式多模型的短期4D航迹预测

通过采集ADS-B等空地数据链实时下传的航空器状态数据(高度、航向、地速和垂直速度),建立航空器的飞行状态转换及观测方程,进而利用交互式多模算法(IMM)让不同的运动模式匹配航空器不同的运动状态,动态校正航空器初始航迹预测值,并展开无观测数据条件下的4D航迹外推.仿真实验表明,该算法收敛速度较快,航迹预测精度较高,能够有效的追踪航空器的实时运动状况.

基于在线更新LSTM网络的短期4D航迹预测算法

航班飞行过程中一些因素会对当前飞行轨迹产生影响,从而导致实时航迹与历史航迹相比有一定的差异,使得仅基于历史航迹数据的航迹预测模型的预测性能变差。为解决该问题,提出了一种基于在线更新长短期记忆(Long Short-Term Memory,LSTM)网络的短期4D航迹预测算法,该算法由基于历史航迹数据的预测模型初始化参数训练和基于实时航迹数据的预测模型参数在线更新两部分构成。首先建立基于LSTM神经网络的航迹预测模型,使用历史航迹数据进行训练并保存训练完成的预测模型参数,然后使用实时航迹数据对航迹预测模型进行在线训练并微调参数,使用在线更新参数后的预测模型实现4D航迹短期预测,以期达到提升预测准确度的目的。利用实际航迹数据对算法的性能进行验证,结果表明新方法能够考虑实时飞行过程中各因素对航迹产生的影响,有效提升经度、纬度、高度和时间的预测准确度,并具有良好的泛化能力。

互操作模式下4D航迹数据建模与分析

未来ATC的发展是以航迹为对象从管制意图出发并配备相应的间隔,实时动态地掌握航空器与航空器之间的位置;依据美国Next-Gen空中交通管理系统的4D航迹应用规划,针对4D航迹的数据内容借助UML和XML Schema完成了4D航迹的数据建模,并给出了4D航迹互操作模式下的发布订阅模型;通过对该模型的QoS(quality of service)数据同步的分析,可有效地规范4D航迹互操作模式下的数据交换。

结合高度层分配的4D航迹战略冲突解脱

为提高空中交通的安全性,降低管制员的工作负荷,提出在战略阶段进行4D航迹的冲突探测与解脱。通过对具体冲突结果进行分析,建立了高度层分配和起飞时刻调整相结合的4D航迹战略冲突解脱模型。采用Tabucol算法对所建立的模型进行求解,并对结果进行扰动性分析。选取某区域内一组预测航迹进行仿真实验,表明两种策略相结合的方法可以有效解决该范围内航迹冲突。同时相较于单一的解脱策略,该方法成本更低,可行性较高。

基于极大代数的多航空器4D航迹规划及其扰动分析

采用一种离散动态系统的扰动分析方法,通过对系统输入参数引入虚扰动,获得航空器到达时刻延误随扰动大小变化的估计.以上海终端区离场航空器为例,得到航空器的无冲突放行时刻,并验证调整后的放行时刻对于时间参数的摄动具有一定的鲁棒性.

改进的扩展卡尔曼滤波在航空器4D航迹预测算法中的应用

为有效地推进基于轨迹运行(TBO)的发展,准确预测不同实时飞行状态下的航空器4D航迹,根据航空器基本数据库(BADA)提出的基本动力学方程,引入航空器运动的六自由度模型和风场扰动函数,并且用状态变量和输入变量建立非线性控制系统,与BADA中的总能量模型(TEM)结合进行4D航迹预测。由于非线性控制系统与航空器运动状态复杂性的矛盾,首先用扩展的卡尔曼滤波(EKF)改进预测系统,将EKF嵌入非线性控制系统,建立EKF的基本方程模型,通过泰勒级数展开并且求解其对应的雅克比行列式,求出连续性线性优化卡尔曼滤波方程组,形成初步改进的4D航迹预测系统;但是由于航空器在爬升和下降状态时非线性控制系统呈现出强非线性,使得滤波精度变差,EKF鲁棒性变差,所以进一步应用多新息理论改进当前EKF预测系统,构建多新息扩展卡尔曼滤波(MIEKF)预测模型。仿真实验结果表明,EKF预测模型比基于运动学的传统预测方法的预测精度更高,但是在爬升和下降状态时出现较大截断误差;MIEKF有效地降低了预测误差的产生,而且MIEKF比EKF能够有效地追踪航空器的实时运动状态,显示出了改进的EKF预测模型的优点。

基于极大代数的多航空器无冲突4D航迹生成

航空器在同高度汇聚飞行时总会存在飞行冲突,文中根据极大代数法的思想,将航空器到达交叉点离散的过程线性化,并且针对同一终端区航空器离场向同一导航点汇聚的实际航路结构,给出了问题的具体描述,建立了具体的终端区单航路极大代数服务模型,并将其推广到通用情况下。在单航路模型基础上根据极大代数思想设计了终端区航路汇聚模型,解决了同高度航空器汇聚的冲突问题,可以将2条线型航线在交叉点的冲突规避,实现4D航迹的无冲突预测。对模型进行了算例验证,结果表明,极大代数能够较好的解决航空器航迹冲突的问题,实现航空器到关键点的无冲突放行,从而一定程度上提高了空域资源的利用率。