一种基于空域网格化的无人机动态地理围栏规划方法技术

本发明专利技术公开了一种基于低空空域网格化的无人机动态地理围栏规划方法，包括考虑无人机实际航迹随机性特性，对无人机飞行计划进行柔性航迹预测；结合无人机柔性航迹预测结果，进行动态地理围栏纵向长度尺寸设计；对目标空域范围内的历史航迹数据进行预处理，并对空域进行均匀网格化处理与编号；定义影响低空空域复杂性的关键指标，采用核K‑均值聚类方法对空域网格进行聚类分析实现低空空域复杂性分级度量结果；结合低空空域网格复杂度，进行动态地理围栏动态地理围栏横向范围规划。本方法首次提出一套完整的无人机动态地理围栏规划方法并将其运用到低空空域空中交通管理中，有效提高低空空域的利用率，有利于缓解低空空域资源紧张问题。

【技术实现步骤摘要】
一种基于空域网格化的无人机动态地理围栏规划方法
本专利技术涉及空中交通规划管理技术，特别是涉及一种基于空域网格化的无人机动态地理围栏规划方法。
技术介绍
随着民用无人机应用的不断深入和无人机市场的快速扩大，未来低空空域的运行管理将面临巨大的挑战。低空空域资源紧缺和分配不当将带来许多问题，一方面，关于低空空域的空中交通管理方式，采用传统管理模式下划分隔离空域方式或规划静态地理围栏方式，都是较为粗放型的管理模式，在部分因经济或地理因素所导致的较繁忙空域资源将无法满足需求。另一方面，由于低空空域的航空器种类、机型大小以及飞行方式各种各样，导致低空空域的管理模式无法照搬运输航空空域的扇区划分管制模式。因此关于低空空域的空中交通管理模式应该结合其自身特点，针对空域资源紧缺，无人机之间潜在冲突等问题进行合理规划。
技术实现思路
专利技术目的：本专利技术的目的是提供一种基于空域网格化的无人机动态地理围栏规划方法，解决现有的划设隔离空域或静态地理围栏规划等低空空中交通管理方式所带来的低空空域资源紧张以及利用率低下等实际问题。技术方案：本专利技术的基于低空空域网格化的无人机动态地理围栏规划方法，包括以下步骤：S1、考虑无人机实际航迹随机性特性，对无人机飞行计划进行柔性航迹预测；S2、结合无人机柔性航迹预测结果，进行动态地理围栏纵向长度尺寸设计；S3、对目标空域范围内的历史航迹数据进行预处理，并对空域进行均匀网格化处理与编号；S4、定义影响低空空域复杂性的关键指标，采用核K-均值聚类方法对空域网格进行聚类分析实现低空空域复杂性分级度量结果；S5、结合低空空域网格复杂度，进行动态地理围栏横向范围规划。进一步的，步骤S1具体为：首先考虑无人机性能及飞行计划数据，综合推算出水平轨迹、高度剖面以及速度剖面，从而获得无人机初始4D航迹；在此基础上，考虑无人机实际航迹随机特性，即风速的不确定性和指示空速的不稳定性导致实际的平均地速与计算得到的结果产生的差异；假设无人机在巡航阶段的指示空速VTAS和风速VWS均服从正态分布，其中指示空速风速其概率密度函数分别为：结合正态分布的特点和平均地速的表达式可知平均地速VGS服从正态分布，即且其概率密度函数为：由此推算出无人机在某航段上的平均空速实际取值在μ±3σ的范围内，即进一步的，步骤S2具体为：在飞行习惯和风速的综合影响下，无人机在t时刻的平均地速在[μGS-3σGS,μGS+3σGS]范围内，则对应的动态地理围栏的纵向长度为：因此无人机动态地理围栏的纵向长度为6tσGS，同时会随着规划时间步长增加而增加，符合长期规划时不确定性增加的基本事实。进一步的，步骤S3具体为：首先选取目标空域内的历史航迹数据，然后对历史航迹数据进行预处理，剔除异常数据、非目标空域范围内的数据和非低空空域内的航迹点数据；然后，依据墨卡托投影将目标空域转为平面直角坐标系，然后在平面坐标系上对目标空域进行均匀离散化，得到二维平面上的均匀空域网格并进行编号；然后对广播式自动相关监视数据(ADS-B：AutomaticDependentSurveillance-Broadcast)格式的历史航迹数据进行解析处理，获得每个空域网格的原始指标数据；并进行编号；以坐标原点为起点，主方向为以x轴方向顺序递增，次方向为以y轴方向递增；同时，已知每个网格空域的单位长度，取每个网格的左下角坐标表示其网格角标。进一步的，步骤S4具体为：S41、在空域网格化的基础上引入航迹历史数据，将航迹密度，航迹点速度分布，航迹点高度分布，机型混合程度，潜在冲突程度，超障高度以及航迹时间密度几个方面作为影响低空空域复杂性的关键指标；采用线性加权法对关键指标进行处理，得到网格空域复杂度的综合评价值，即为复杂度综合评价模型；线性加权法为：S42、结合单位网格多个复杂性影响指标的高维特征和综合评价结果，引入核函数理论并结合K-均值聚类算法对空域网格复杂性进行分级量化研究。首先对多指标综合量化结果进行处理，根据实际问题确定类簇个数K，并根据样本总数m将样本均分为K份，标记为C＝{c1,c2,…,cK}，取每个样本中综合量化值中位数作为初始聚类中心；然后将原始数据经过非线性变换，映射到高维特征空间，再在特征空间中进行K-均值聚类；已知选取的空域网格样本总数为m，则样本集为{g(1),g(2),…,g(m)}，其中g(i)∈GN，i＝1,2,3,...m，依据Mercer定理，若已知映射Φ:使得K(g(i),g(j))＝Φ(g(i))TΦ(g(j))，K(g(i),g(j))则能够用来表示核函数，其中GN是选取的空域网格样本g(i)所在的空间，GF是选取的空域网格样本g(i)经过映射Φ后得到的Φ(g(i))所在的空间；利用核函数改变样本的分布形式，而不必知道其在映射高维空间中的具体表现形式；核K-均值聚类就是讨论原始样本集{g(1),g(2),…,g(m)}经过映射Φ后得到的数据集{Φ(g(1)),Φ(g(2)),…,Φ(g(m))}在GF空间中的聚类情况；样本空间中第i个样本到第k类中心的距离为：以综合量化值对样本进行顺序排序，按照设置的复杂性等级数量、各等级样本比例，初步划分样本的复杂性等级；然后将样本映射到高维核空间，取每个复杂性等级样本的综合量化值的均值作为初始聚类中心。进一步的，步骤S5具体为：S51、求解目标预测航迹点；基于S1中提出的无人机柔性航迹预测技术，预测无人机目标的航迹点；S52、求解基本网格空域集合；两个航迹点的坐标Pstart(x0,y0)和Pend(x1,y1)，根据直线方程求出两点连线的表达式y＝rx+b；首先通过计算Δx＝|x0-x1|和Δy＝|y0-y1|来确定移动的主方向：如果Δx>Δy，说明x轴的最大差值大于y轴的最大差值，x轴方向为移动的主方向；如果Δx<Δy，说明y轴的最大差值大于x轴的最大差值，y轴方向为移动的主方向；将起始点坐标分别对网格边长向下取整，即令其中a是网格边长；当x轴为移动的主方向时，设当前点为P′start(x′0,y′0)，其中x′0＝ai，y′0＝aj，当x＝x′0+a时，根据直线公式算出y＝k(x′0+a)+b，对y以网格边长向下取整得，令σ＝y′-y′0，则：计算步后，当x＝x′1，即终点所在网格时，求出起点和终点连线所在的外包网格空域集合Gbase，当y轴为移动的主方向时同理；S53、滑动邻域法求解扩展空域；设S为初始解，即基本空域集合，邻域的个数为M，Nl表示第l个邻域。在进行邻域搜索时，只要当前邻域搜索结束后优化了S，即表现为效益函数增大时，则将当前邻域加入最优解，并进行下一个邻域结构进行运算，否则停止运算，输出当前解；根据取整法得到航迹点连线穿过的网格空域集合Gbase，以Gbase作为初始解S；将初本文档来自技高网...

【技术保护点】
1.一种基于低空空域网格化的无人机动态地理围栏规划方法，其特征在于，包括以下步骤：/nS1、考虑无人机实际航迹随机性特性，对无人机飞行计划进行柔性航迹预测；/nS2、结合无人机柔性航迹预测结果，进行动态地理围栏纵向长度尺寸设计；/nS3、对目标空域范围内的历史航迹数据进行预处理，并对空域进行均匀网格化处理与编号；/nS4、定义影响低空空域复杂性的关键指标，采用核K-均值聚类方法对空域网格进行聚类分析实现低空空域复杂性分级度量结果；/nS5、结合低空空域网格复杂度，进行动态地理围栏横向范围规划。/n

【技术特征摘要】
1.一种基于低空空域网格化的无人机动态地理围栏规划方法，其特征在于，包括以下步骤：
S1、考虑无人机实际航迹随机性特性，对无人机飞行计划进行柔性航迹预测；
S2、结合无人机柔性航迹预测结果，进行动态地理围栏纵向长度尺寸设计；
S3、对目标空域范围内的历史航迹数据进行预处理，并对空域进行均匀网格化处理与编号；
S4、定义影响低空空域复杂性的关键指标，采用核K-均值聚类方法对空域网格进行聚类分析实现低空空域复杂性分级度量结果；
S5、结合低空空域网格复杂度，进行动态地理围栏横向范围规划。


2.根据权利要求1所述的基于低空空域网格化的无人机动态地理围栏规划方法，其特征在于，步骤S1具体为：
首先考虑无人机性能及飞行计划数据，综合推算出水平轨迹、高度剖面以及速度剖面，从而获得无人机初始4D航迹；在此基础上，考虑无人机实际航迹随机特性，即风速的不确定性和指示空速的不稳定性导致实际的平均地速与计算得到的结果产生的差异；
假设无人机在巡航阶段的指示空速VTAS和风速VWS均服从正态分布，其中指示空速风速其概率密度函数分别为：






其中，μTAS表示平均指示空速，σTAS表示指示空速标准差，μWS表示风速平均值，σWS表示风速标准差；
结合正态分布的特点和平均地速的表达式可知平均地速VGS服从正态分布，即且其概率密度函数为：



由此推算出无人机在某航段上的平均空速实际取值在μ±3σ的范围内，即其中DA为偏流角，表示航迹线与航向线的偏离程度，WA为风角，表示风向线同航迹线之间的夹角。


3.根据权利要求1所述的基于低空空域网格化的无人机动态地理围栏规划方法，其特征在于，步骤S2具体为：
在飞行习惯和风速的综合影响下，无人机在t时刻的平均地速在范围内，则对应的动态地理围栏的纵向长度为：



因此无人机动态地理围栏的纵向长度为同时会随着规划时间步长增加而增加，符合长期规划时不确定性增加的基本事实，其中，μGS表示平均地速，σGS表示地速的标准差。


4.根据权利要求1所述的基于低空空域网格化的无人机动态地理围栏规划方法，其特征在于，步骤S3具体为：
首先选取目标空域内的历史航迹数据，然后对历史航迹数据进行预处理，剔除异常数据、非目标空域范围内的数据和非低空空域内的航迹点数据；然后，依据墨卡托投影将目标空域转为平面直角坐标系，然后在平面坐标系上对目标空域进行均匀离散化，得到二维平面上的均匀空域网格并进行编号；然后对广播式自动相关监视数据格式的历史航迹数据进行解析处理，获得每个空域网格的原始指标数据；并进行编号；以坐标原点为起点，主方向为以x轴方向顺序递增，次方向为以y轴方向递增；同时，已知每个网格空域的单位长度，取每个网格的左下角坐标表示其网格角标。


5.根据权利要求1所述的基于低空空域网格化的无人机动态地理围栏规划方法，其特征在于，步骤S4具体为：
S41、在空域网格化的基础上引入航迹历史数据，将航迹密度，航迹点速度分布，航迹点高度分布，机型混合程度，潜在冲突程度，超障高度以及航迹时间密度几个方面作为影响低空空域复杂性的关键指标；采用线性加权法对关键指标进行处理，得到网格空域复杂度的综合评价值，即为复杂度综合评价模型；线性加权法为：



其中，CRi是第i个网格空域复杂度的综合评价值，ωj是第j个指标的权重，Fj′是第j个指标的评价值，n表示选取的影响低空空域复杂性的关键指标的个数；
S42、结合单位网格多个复杂性影响指标的高维特征和综合评价结果，引入核函数理论并结合K-均值聚类算法对空域网格复杂性进行分级量化研究。
首先对多指标综合量化结果进行处理，根据实际问题确定类簇个数K，并根据样本总数m将样本均分为K份，标记为C＝{c1,c2,…,cK}，取每个样本中综合量化值中位数作为初始聚类中心；然后将原始数据经过非线性变换，映射到高维特征空间，再在特征空间中进行K-均值聚类；
已知选取的空域网格样本总数为m，则样本集为{g(1),g(2),…,g(m)}，其中g(i)∈GN，i＝1,2,3,...m，依据Mercer定理，若已知映射使得K(g(i),g(j))＝Φ(g(i))TΦ(g(j))，K(g(i),g(j))则能够用来表示核函数，其中GN是选取的空域网格样本g(i)所在的空间，GF是选取的空域网格样本g(i)经过映射Φ后得到的Φ(g(i))所在的空间；利用核函数改变样本的分布形式，而不必知道其在映射高维空间中的具体表现形式；核K-均值聚类就是讨论原始样本集{g(1),g(2),…,g(m)}经过映射Φ后得到的数据集{Φ(g(1)),Φ(g(2)),…,Φ(g(m))}在GF空间中的聚类情况；样本空间中第i个样本到第k类中心的距离为：



以综合量化值对样本进行顺序排序，按照设置的复杂性等级数量、各等级样本比例，初步划分样本的复杂性等级；然后将样本映射到高维核空间，取每个复杂性等级样本的综合量化值的均值作为初始聚类中心。


6.根据权利要求1所述的基于低空空域网格化的无人机动态地理围栏规...

【专利技术属性】
技术研发人员：汤新民，顾俊伟，郑鹏程，李腾，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32