一种考虑高空风不确定性的冲突最小化航迹规划方法技术

本发明专利技术公开了一种考虑高空风不确定性的冲突最小化航迹规划方法，包括以下步骤：(1)获取集合预报数据、航班飞行计划和航空器安全间隔标准；(2)获取航路并提取航路点数据；(3)获取航迹采样点的预计过点时间集合，拟合预计过点时间分布；(4)针对航空器飞行冲突初筛后再根据航空器安全间隔标准、预计过点时间分布进行冲突识别；(5)将有冲突的航班放入同一小组内并针对各个小组分配不同的种群规模；(6)针对每组航班，采用调整各个航班的起飞时刻和飞行高度层来避免冲突，通过各种群协同进化获得多航空器冲突最小化4D航迹；(7)重复步骤4至步骤6，直至达到最大迭代次数。本发明专利技术能够快速的获取多航空器冲突最小化航迹规划。获取多航空器冲突最小化航迹规划。获取多航空器冲突最小化航迹规划。

【技术实现步骤摘要】
一种考虑高空风不确定性的冲突最小化航迹规划方法


[0001]本专利技术空中交通管理
，涉及一种考虑高空风不确定性的冲突最小化航迹规划方法。

技术介绍

[0002]当前，随着民航运输业的不断发展，交通需求与交通供给之间的矛盾越来越突出，传统的空中交通管理方式逐渐显示出其落后性。目前，基于四维航迹的运行为突破这一瓶颈提供了系统性的解决方案。现有的研究仅仅考虑在确定性条件下的冲突探测与解脱已不能满足未来发展需求。航空器在运行过程中受到各种不确定性因素的影响，在确定性条件下规划出的无冲突航迹在实际运行过程中会产生新的冲突，战术阶段的冲突解脱不仅会增加运营成本而且会增加管制员的工作负荷，影响空域整体运行效率。目前对于冲突解脱方法的研究聚焦于更高效的冲突解脱方法，冲突解脱算法的研究聚焦于更快速的求解算法。
[0003]专利申请号为CN111583724A的申请公开了一种面向四维航迹运行的预战术阶段间隔管理方法，获取航班飞行计划、安全间隔标准、航迹历史数据、高空风历史和预测数据；利用航班飞行计划和历史数据生成标称水平、高度和空速速度剖面，并融合预测的高空风数据对航空器的计算生成地速剖面，生成航迹预测结果；基于安全间隔标准和预测的航空器4D航迹识别多航空器之间的潜在飞行冲突，采用基于动态分组策略的无冲突航迹规划方法，获得符合空管运行要求的无冲突4D航迹集，消除初始航迹中因未考虑与其它航空器的间隔约束而造成的冲突隐患。该方法为预战术阶段的航空器间隔管理提供了一种快速实现方法，为合理规划航迹、交通流间隔管理以及空域资源合理利用等方面提供技术支持，但仍对于冲突航班的识别还不够精准，最终的形成航班规划还不够完善。

技术实现思路

[0004]专利技术目的：针对以上缺点，本专利技术公开一种考虑高空风不确定性的冲突最小化航迹规划方法，考虑高空风的不确定性的基础上，快速获取多航空器冲突最小化航迹规划。
[0005]技术方案：为解决上述问题，本专利技术公开一种考虑高空风不确定性的冲突最小化航迹规划方法；包括以下步骤：
[0006](1)获取风的集合预报数据、航班飞行计划和航空器安全间隔标准；
[0007](2)根据航班飞行计划获取航路并提取航路点数据；
[0008](3)根据集合预报数据，计算每个航班每航段的地速和飞行时间，获取航空器于各航路点的过点时间集合；选取若干航路点作为航迹采样点，获取航迹采样点的预计过点时间集合，拟合航空器在各航迹采样点上的预计过点时间分布；所述航迹采样点的预计过点时间集合与各航迹采样点高度、经纬度数据形成预测的航空器4D航迹；
[0009](4)基于预测的航空器4D航迹，利用网格化冲突探测方法进行航空器飞行冲突初筛；根据航空器安全间隔标准以及预计过点时间分布对航空器之间的冲突进行进一步识别，得到相互之间有冲突的航班；
[0010](5)根据动态分组规则将相互之间有冲突的航班放入同一小组内；根据小组内冲突数量及航空器数量为各个小组分配不同的种群规模，采用变种群规模算子，动态设计各种群规模大小；
[0011](6)针对每小组航班，采用调整每小组内各个航班的起飞时刻和飞行高度层来避免冲突，对各种群进行初始化；再采用遗传算法对各种群进行优化，获取各种群最优解；通过各个种群之间的协同进化获得多航空器冲突最小化4D航迹；
[0012](7)将多航空器冲突最小化4D航迹作为预测的航空器4D航迹，重复步骤4至步骤6，直至达到最大迭代次数N，输出多航空器冲突最小化4D航迹。
[0013]进一步的，所述步骤(3)具体为：
[0014](3.1)针对风的集合预报数据进行预处理，获取每个航班每航段上任一点处的风值，并将该点风值分解为沿航迹方向的风和垂直于航迹方向的侧风；
[0015](3.2)获取航路点过点时间集合：
[0016](3.2.1)获取航空器地速：
[0017][0018]式中，表示航班i集合成员m在航段s上飞行距离为r时的地速；V表示航空器的飞行速度；表示航班i集合成员m在航段s上飞行距离为r时任一点所受到的高空风的沿航迹方向的风值；表示航班i集合成员m在航段s上飞行距离为r时任一点所受到的高空风的沿垂直于航迹方向的侧风值；i＝1，2，
……
I；m＝1，2，
……
M；s＝1，2，
……
S；
[0019][0020]式中，表示航班i集合成员m在航段s上的平均地速；r
ij
为航班i航段s的长度；
[0021](3.2.2)获取航空器飞行时间：
[0022][0023]式中，为航班i航段s的飞行时间；
[0024](3.2.3)获取航空器于各航路点的过点时间集合：
[0025][0026]式中，为航班i集合成员m经过各航路点p的过点时间，p＝0,1,...,P；p＝0时该点为航班i的起时航路点；t
i0
为航班i的预计起飞时间；
[0027](3.3)获取航空器在各航迹采样点的预计过点时间集合，公式为：
[0028][0029]式中，为航班i在航段s上第q个航迹采样点的过点时间，q＝0,1,2,...,Q，r
isq
为航班i在航段s上第q个航迹采样点到航段起始航路点的距离；r
is
为航班i在航段s的总距离；
[0030](3.4)通过假设航空器在各航迹采样点的预计过点时间集合服从正态分布，拟合航空器在各航迹采样点上的预计过点时间概率分布。
[0031]进一步的，所述步骤(4)具体为：
[0032](4.1)将航迹采样点的四维坐标离散化映射至到相应的单元网格A
m,n,l,k
中；
[0033](4.2)建立如下飞行冲突初筛方法对应的4D时空网格：定义一个网格A
m.n.l.k
的邻域由其自身以及其在空间维度上的周围33‑
1＝26个网格单元，记为：
[0034]C
m,n,l,k
＝[c
m,n,l
‑
1,k c
m,n,l,k c
m,n,l+1,k
][0035]其中：
[0036][0037][0038][0039]式中，矩阵c
m,n,l,k
表示本层的九网格邻域；矩阵c
m,n,j
‑
1,k
表示当前网格上层九网格邻域，c
m,n,j+1,k
表示当前网格下层的九网格邻域；a
M,N,L,k
表示坐标为L，M，N，k的网格，其中M取m、m+1、m
‑
1；N取n、n
‑
1、n+1；L取l
‑
1、l+1、l；
[0040]依次检查网格A
m.n.l.k
邻域中的27个网格，如果邻域中任意网格内存在其他航班的航迹采样点，则表明存在潜在的飞行冲突，则执行步骤(4.3)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑高空风不确定性的冲突最小化航迹规划方法，包括以下步骤：(1)获取风的集合预报数据、航班飞行计划和航空器安全间隔标准；(2)根据航班飞行计划获取航路并提取航路点数据；(3)根据集合预报数据，计算每个航班每航段的地速和飞行时间，获取航空器于各航路点的过点时间集合；选取若干航路点作为航迹采样点，获取航迹采样点的预计过点时间集合，拟合航空器在各航迹采样点上的预计过点时间分布；所述航迹采样点的预计过点时间集合与各航迹采样点高度、经纬度数据形成预测的航空器4D航迹；(4)基于预测的航空器4D航迹，利用网格化冲突探测方法进行航空器飞行冲突初筛；根据航空器安全间隔标准以及预计过点时间分布对航空器之间的冲突进行进一步识别，得到相互之间有冲突的航班；(5)根据动态分组规则将相互之间有冲突的航班放入同一小组内；根据小组内冲突数量及航空器数量为各个小组分配不同的种群规模，采用变种群规模算子，动态设计各种群规模大小；(6)针对每小组航班，采用调整该小组内各个航班的起飞时刻和飞行高度层来避免冲突，对各种群进行初始化；再采用遗传算法对各种群进行优化，获取各种群最优解；通过各个种群之间的协同进化获得多航空器冲突最小化4D航迹；(7)将多航空器冲突最小化4D航迹作为预测的航空器4D航迹，重复步骤4至步骤6，直至达到最大迭代次数N，输出多航空器冲突最小化4D航迹。2.根据权利要求1所述的考虑高空风不确定性的冲突最小化航迹规划方法，所述步骤(3)具体为：(3.1)针对风的集合预报数据进行预处理，获取每个航班每航段上任一点处的风值，并将该点风值分解为沿航迹方向的风和垂直于航迹方向的侧风；(3.2)获取航路点过点时间集合：(3.2.1)获取航空器地速：式中，表示航班i集合成员m在航段s上飞行距离为r时的地速；V表示航空器的飞行速度；表示航班i集合成员m在航段s上飞行距离为r时任一点所受到的高空风的沿航迹方向的风值；表示航班i集合成员m在航段s上飞行距离为r时任一点所受到的高空风的沿垂直于航迹方向的侧风值；i＝1，2，
……
I；m＝1，2，
……
M；s＝1，2，
……
S；式中，表示航班i集合成员m在航段s上的平均地速；r
ij
为航班i航段s的长度；(3.2.2)获取航空器飞行时间：
式中，为航班i航段s的飞行时间；(3.2.3)获取航空器于各航路点的过点时间集合：式中，为航班i集合成员m经过各航路点p的过点时间，p＝0,1,...,P；p＝0时该点为航班i的起时航路点；t
i0
为航班i的预计起飞时间；(3.3)获取航空器在各航迹采样点的预计过点时间集合，公式为：式中，为航班i在航段s上第q个航迹采样点的过点时间，q＝0,1,2,...,Q，r
isq
为航班i在航段s上第q个航迹采样点到航段起始航路点的距离；r
is
为航班i在航段s的总距离；(3.4)通过假设航空器在各航迹采样点的预计过点时间集合服从正态分布，拟合航空器在各航迹采样点上的预计过点时间概率分布。3.根据权利要求1所述的考虑高空风不确定性的冲突最小化航迹规划方法，所述步骤(4)具体为：(4.1)将航迹采样点的四维坐标离散化映射至到相应的单元网格A
m,n,l,k
中；(4.2)建立如下飞行冲突初筛方法对应的4D时空网格：定义一个网格A
m.n.l.k
的邻域由其自身以及其在空间维度上的周围33‑
1＝26个网格单元，记为：C
m,n,l,k
＝[c
m,n,l
‑
1,k c
m,n,l,k c
m,n,l+1,k
]其中：其中：其中：式中，矩阵c
m,n,l,k
表示本层的九网格邻域；矩阵c
m,n,j
‑
1,k
表示当前网格上层九网格邻域，c
m,n,j+1,k
表示当前网格下层的九网格邻域；a
M,N,L,k
表示坐标为L，M，N，k的网格，其中M取m、m+1、m
‑
1；N取n、n
‑
1、n+1；L取l
‑
1、l+1、l；依次检查网格A
m.n.l.k
邻域中的27个网格，如果邻域中任意网格内存在其他航班的航迹
采样点，则表明存在潜在的飞行冲突，则执行步骤(4.3)；否则...

【专利技术属性】
技术研发人员：徐满，徐子玥，胡明华，丁文浩，刘辉，陈楚玄，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：