民航飞联网智慧运行关键技术及典型应用

针对现有航空系统通信方式、管制模式和安全监管已不能满足多类大量航空器全空域运行的需求,研究提出民航飞联网及其运行关键技术。文章首先详细剖析民航飞联网概念,研究梳理飞联网发展背景,然后重点分析飞联网自主间隔、宽带互联、全息感知、通信安全四个关键技术,最后,以电动垂直起降飞行器(eVTOL)低空运行为典型场景,描述飞联网技术在其乘客便捷出行、飞行精准管控、交通智能管理和安全监管与告警方面的应用。

基于LSTM的机场飞行区活动目标潜在冲突预测

针对机场飞行区冲突不断的问题,提出一种基于长短期记忆(LSTM)网络预测机场飞行区活动目标潜在冲突的方法。根据复杂网络理论,以航空器和车辆2类活动目标为研究对象,建立飞行区活动目标网络,设置网络动态演化模型,输入运行数据计算多个网络特征指标,对指标时间序列进行主成分分析,拟合成潜在冲突指数;利用Keras框架搭建LSTM网络模型,将指标时间序列输入LSTM网络进行训练和预测,并与其他预测方法对比;用西安咸阳机场实际运行数据进行实验,将预测值与真实值进行对比,各项指标预测均方误差分别为1.608%、13.126%、0.072%、0.004%、0.014%。结果表明:通过建立飞行区活动目标网络模型,可以用网络特征指标从不同角度刻画潜在冲突;LSTM网络可以有效预测飞行区活动目标网络的潜在冲突,提醒相关人员预防冲突发生,降低冲突概率。

基于AM-LSTM的飞行区航空器滑行轨迹预测与冲突识别

为解决航空器点源定位难以有效预测而引发冲突风险愈来愈多的问题,构建基于注意力机制(AM)和长短期记忆网络(LSTM)的时间序列轨迹预测模型AM-LSTM,预测未来短时间内飞行区航空器的瞬时点源位置;在此基础上,根据航空器型号和滑行航向对其进行轮廓扩展,以航空器速度作为安全距离权重,通过射线法实现轮廓冲突的判定;并以乌鲁木齐地窝堡机场为例进行验证,利用训练完成的轨迹预测模型预测飞行区航空器滑行轨迹,以识别航空器轮廓间的滑行冲突。结果表明:AM-LSTM预测模型能够准确预测飞行区航空器运动轨迹。未来3 s内轨迹位置预测的平均位移误差为1.05 m,轨迹点位置预测精准性可达94.37%,故能在轨迹预测的基础上精确识别滑行冲突风险,有利于保障飞行区的安全运行。

基于视觉图像的飞行区大型目标监视方法改进研究

机场飞行区现使用的场面监视方法存在着定位偏差较大、不稳定、易跳变、皆为点源定位等问题。针对这些问题,设计了基于视觉图像的飞行区监视方法,实现快速准确的目标检测和轮廓定位,使飞行区监视更加稳定精确。提出了一种基于MobileNetV3和YOLOv5的网络模型(以下称为MobileNetV3-YOLOv5),即在YOLOv5的主干中使用MobileNetV3,来提高对目标的检测速度和准确度;提出了一种基于优化特征点提取的改进定向快速旋转简报(Oriented FAST and Rotated BRIEF,ORB)算法,将图像分割成多个区域,分别提取每个区域的特征点,从而提高目标识别框内区域的特征点识别数量,再进行特征点聚类筛选,最后根据识别目标类型采用最小包围盒进行轮廓划分,得到目标的轮廓定位。试验结果表明:MobileNetV3-YOLOv5方法对比原始YOLOv5模型,在识别目标准确率方面提升5百分点,在效率方面提升14张/s;同时在0~60 m的范围内,轮廓估计误差仅为2.9%;体现了所提出的监视方法的有效性,可以提升飞行区监视定位准确性和运行安全性。

动态安全间隔下机场飞行区冲突热点识别

为精准监视机场飞行区场面运行冲突,提出1种动态安全间隔下的飞行区冲突热点识别方法。首先,将航空器和车辆2种活动目标作为研究对象,根据目标的实时运动速率,建立具有空间闭塞、范围时变特点的安全区模型,从而使目标间实时保持动态安全间隔;然后,从目标间距、运动方向、运动速率3个方面综合开展冲突认定,建立冲突网络表征冲突关系并划设场面冲突区域,选定6个指标评价网络节点,采用二次改进熵权法计算区域熵权,根据冲突占比识别冲突热点;最后,以某大型枢纽机场为实例,采用4种方法对比分析,识别出3个不同冲突程度的热点区域。研究结果表明:闭塞安全区能够使目标间保持动态安全间隔,是准确认定冲突的基础;采用2次改进熵权法计算区域熵权的平均相对误差值相比于传统熵权法和1次改进熵权法分别减少66.5%和53.7%;2次改进熵权法能够更客观精准地识别冲突热点,在一定程度上可以及时监视场面冲突并明确热点位置,保障机场飞行区的运行安全。研究结果可为精准监视机场飞行区场面运行冲突提供新方法,进而保障机场飞行区安全运行。

基于复杂网络的飞行区冲突关键栅格区识别

为及时、精准监视机场飞行区活动目标间的冲突情况,提出1种基于复杂网络的飞行区冲突关键栅格区识别方法。首先,基于复杂网络理论建立飞行区冲突态势网络,选定7个指标评价网络节点和2个指标评价网络整体;然后,通过改进型GeoSOT飞行区网格对飞行区进行栅格化表征,进而建立灰色综合分析体系,对特征指标、活动目标、运行栅格区、关键栅格区识别、栅格区移除、网络状态、关键栅格区验证等步骤依次分析;最后,以某机场为实例,证明识别结果准确性及该研究体系有效性。研究结果表明:所提灰色综合分析体系可通过对比综合关联度大小有效识别出冲突关键栅格区,并能自行完成结果验证。研究结果可及时、准确监视冲突情况并预防冲突发生,对保障机场飞行区安全、高效运行具有一定参考意义。

机场飞行区航空器与除冰车协同优化调度方法

针对现行“先到先服务”的机场除冰车调度方式效率不高的问题。以最小化除冰车行驶总距离和航空器等待总时间为目标函数,构建机位除冰车辆和航空器协同调度模型,并提出一种改进的遗传算法对模型进行求解。采用西安机场某天142条航班数据进行仿真实验,并与随机调度算法和贪心算法进行比较。结果表明,改进的遗传算法相较于随机调度算法和贪心算法分别节约15.23%和7.81%的行驶总距离,且航空器等待除冰时间大幅度减少。证明了所提算法在指导除冰车作业方面的优越性。

基于可达性的多层动态航空网络鲁棒性分析

为更准确地描述航空网络以分析其鲁棒性,提出1种以同一始发机场及其离场航班为子网络层,随出发时刻动态变化的多层动态航空网络模型。针对我国国内(不含港澳台)多层动态航空网络,以可达性、度中心性和加权介数中心性为节点特征指标,网络效率为网络性能测度指标,从随机攻击和蓄意攻击2种策略下对网络进行鲁棒性分析。研究结果表明:我国国内(不含港澳台)航空网络的鲁棒性主要由20%的机场提供,且在不同时间段内鲁棒性不同,在2023年夏秋航季,7∶00~20∶00间鲁棒性较好,4∶00~7∶00和20∶00~24∶00鲁棒性较差;用可达性指标衡量航空网络中机场节点的重要程度比度中心性和加权介数中心性指标更准确。研究结果可为保障航空运输网络安全提供一定参考。

融合强化学习的DBN跑道侵入风险预测

为解决机场跑道侵入事件风险量化难度大、时效性差、精准性低等问题,提升跑道侵入风险预警能力,构建融合强化学习的动态贝叶斯网络(DBN)风险预测模型。首先,结合因果推断理论与灰色关联分析法分析跑道侵入历史事件,识别跑道侵入事件风险致因;其次,运用贝叶斯网络(BN)理论挖掘各风险因素间的关联性,并利用皮尔逊线性相关系数量化各因素间的关联关系,构建表征风险传播的致因关系网络;然后,利用三角模糊方法与隐马尔可夫模型(HMMs)优化DBN参数学习机制;最后,利用历史数据验证基于融合强化学习的DBN预测结果准确性。结果表明:基于融合强化学习的DBN预测结果与历史数据统计数值的拟合较好,准确率为84%,与单独DBN预测结果相比准确性提升10%;相比于采用度值评价法,通过互信息识别关键节点可有效提升预测准确率和区分度。

基于紧致子序列的航班着陆调度问题研究

航班着陆调度问题已被证明是NP难问题,综合考虑多种实际情况,建立了时间窗约束的航班着陆优化模型,定义了紧致子序列概念,论述了其性质及左移、分割和合并的条件。在此基础上,提出一种基于紧致子序列的算法(CSA)求解固定顺序下航班着陆调度问题。按照航班的最优着陆时间排序,运用CSA计算出该顺序下各航班着陆时间;采用循环线性交换和循环线性插空策略微调该固定顺序,不断迭代逼近模型的最优解;采用OR-Library数据集进行验证。实验结果表明,CSA结合启发式微调策略求解结果明显优于位移决策算法DALP和仿生算法(BA),与CPLEX、混合粒子群优化-局部搜索算法RH-HPSO-LS、细胞自动机优化(CAO)算法相近,在时间效率上明显优于对比算法;在小规模数据集上,计算精度与速度优势更加明显。CSA是一种确定性算法,不依赖于先验参数,具有更高的鲁棒性,保证了启发式微调策略不断逼近最优解。

基于对比训练的联邦学习后门防御方法

针对现有联邦学习后门防御方法不能实现对模型已嵌入后门特征的有效清除同时会降低主任务准确率的问题,提出了一种基于对比训练的联邦学习后门防御方法 Contra FL。利用对比训练来破坏后门样本在特征空间中的聚类过程,使联邦学习全局模型分类结果与后门触发器特征无关。具体而言,服务器通过执行触发器生成算法构造生成器池,以还原全局模型训练样本中可能存在的后门触发器;进而,服务器将触发器生成器池下发给各参与方,各参与方将生成的后门触发器添加至本地样本,以实现后门数据增强,最终通过对比训练有效消除后门攻击的负面影响。实验结果表明,Contra FL能够有效防御联邦学习中的多种后门攻击,且效果优于现有防御方法。

基于介度熵的机场飞行区关键冲突点识别

为了探究机场航班流量增大和作业车辆增多而导致机场飞行区内频繁出现活动目标冲突情况,提出1种基于介度熵的机场飞行区关键冲突点识别方法。首先,以飞行区内活动目标为节点,活动目标之间的潜在冲突关系为连边,建立飞行区交通态势网络模型。然后,采用介度熵法评价交通态势网络中各活动目标的冲突指数,得到冲突指数最大的活动目标即关键冲突点。最后,将介度熵法与度中心性、介数中心性和邻接信息熵3种识别方法进行对比,并以西安咸阳国际机场为例进行验证。研究结果表明:识别飞行区关键冲突点时,介度熵法较其他3种方法更有效。通过建立飞行区交通态势网络,采用介度熵法识别飞行区关键冲突点并进行调配,一定程度上可以有效预防冲突发生,保障飞行区运行安全。