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 Applicati...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。展开更多
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4...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。展开更多
文摘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。
文摘未来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。