一种基于空域关联度的热区识别方法技术

本发明专利技术公开了一种基于空域关联度的热区识别方法，其目的为：构建基于Transformer的扇区语义表征模型，利用交通流特性对扇区序列化表征，建立涵盖扇区流量和容量特征的数据结构，设计扇区的时空位置编码和标识编码。然后，设计掩码自监督学习任务训练模型，挖掘不同扇区之间的时空依赖关系，生成扇区语义表征向量。最后计算扇区语义表征向量间的相似度作为空域关联度，选择与其它扇区关联度最高的扇区作为热区进行识别和调控，为精细化流量控制策略的制定提供态势支撑。略的制定提供态势支撑。略的制定提供态势支撑。

【技术实现步骤摘要】
一种基于空域关联度的热区识别方法


[0001]本专利技术涉及空中交通流量管理方法，特别是一种基于空域关联度的热区识别方法。

技术介绍

[0002]随着我国国民经济持续、稳步、快速地发展，军民航飞行活动逐年保持强劲的增长势头。我国民航的空中交通活动主要集中在东部经济发达地区，部分民航空域已经趋于饱和；同时军航穿越民航航路的飞行也在不断增加，导致部分地区的训练空域资源紧张，空域内飞行矛盾越来越大，军民航协调工作日益繁重。为解决空中交通拥挤问题，近几年相关部门对航路走向、管制方法等作了多次调整，但飞行流量的快速增长仍使部分区域内的总流量很快达到饱和甚至超负荷。为确保高峰时期飞行安全，目前各地区大多采用流量控制方式，即限制本地区飞机起飞和外管制区的飞机进入。流量控制由于缺乏广泛的协调、信息和技术支持，完全依赖管制员个人的工作经验，具有较大的随机性和不确定性，其不仅严重威胁了飞行安全，也容易导致空中交通拥塞的恶性循环和航班的大面积延误，给国民经济造成巨大的经济损失。
[0003]当前空中交通流量管理分战略、预战术和战术三个阶段。战术流量管理阶段主要通过预测空域容量和流量，优化航班时刻表、调整航空器的起飞时间、飞行航线等实现流量管理。由于当前的流量管理方案需要对目标空域内的不同扇区的流量和容量分别计算，且由于不同扇区间的关系无法确定，导致管制员需要根据每个扇区的容流比分别制定独立的流量控制策略，而非针对关键扇区制定流量控制策略，难以实现精细化调控。

技术实现思路

[0004]专利技术目的：本专利技术所要解决的技术问题是针对现有技术的不足，提供一种基于空域关联度的热区识别方法。
[0005]为了解决上述技术问题，本专利技术公开了一种基于空域关联度的热区识别方法。
[0006]本专利技术引入空域关联度的概念，构建并训练扇区语义表征模型，挖掘扇区之间的时空依赖关系，计算一个扇区序列中的不同扇区在不同时间段上语义表征之间的相似度，生成空域关联度。然后，基于空域关联度识别关键扇区作为热区，并针对热区提供流量控制策略，为精细化流量控制策略的制定提供依据。
[0007]一种基于空域关联度的热区识别方法，包括以下步骤：步骤1，扇区数据序列化表征：将目标空域内的扇区按照二维序列结构进行表征，得到扇区序列；步骤2，扇区序列特征处理：计算扇区序列中的流量和容量特征值；步骤3，扇区编码设计：设计扇区序列中所有扇区的时空位置编码，以及扇区标识编码；步骤4，扇区语义表征模型构建：以Transformer为基础模型，构建扇区语义表征模
型，计算扇区序列的语义表征向量；步骤5，扇区语义表征模型训练：设计基于掩码自监督学习的训练任务，采集历史数据构建训练数据集训练扇区语义表征模型；步骤6，扇区语义表征计算：使用训练后的扇区语义表征模型对扇区序列进行表征处理，生成扇区的语义表征向量；步骤7，空域关联度计算：计算不同时间及空间位置的扇区的语义表征向量间的相似度，作为扇区间的空域关联度，并基于关联度识别目标空域内的热区。
[0008]步骤1中所述得到扇区序列的方法包括：从流量管理系统中提取并分析每架航班的飞行计划，获取航班所经过航路点、航线和航向信息，利用4D轨迹预测并生成不同时间段中的交通流；根据交通流对航路经过的扇区进行排列组合，在空间维度上生成一维扇区序列；在此基础上引入时间维度，将一维扇区序列扩展为二维序列，定义为，其中表示扇区序列， 表示实数，表示扇区数量，表示时间间隔数量。
[0009]步骤2包括：选择扇区流量和容量作为描述扇区的物理特征；从流量管理系统中获取扇区在未来一段时间内不同时间段上的预测流量值和预测容量值；预测流量值的定义为：设定时间段内进入扇区的航班数量，取值为之间的整数；预测容量值的定义为：设定时间段内扇区能提供服务的最大航班数量，取值为之间的整数；由于不同时间段中扇区预测流量和预测容量的数值分布较广泛，会影响神经网络模型训练的收敛性，需要对预测流量值和预测容量值进行归一化处理，映射到区间，计算过程如下所示：，表示预测流量或预测容量值；在步骤1中定义的扇区序列的基础上，引入扇区流量和容量特征，将扇区序列重新定义为三维张量。
[0010]步骤3中，在扇区序列之中，同一扇区在不同空间和时间上的流量值和容量值是时变的，很难通过固定的流量/容量值判断属于哪一个扇区，以及扇区所在的时空位置。为了解决以上问题，设计扇区编码，包括时空位置编码和扇区标识编码。扇区编码的设计方法包括：步骤3.1，针对输入数据特征具有的时间和空间两个维度的特点，所设计的扇区时空位置编码包含两个维度，时空位置编码的公式如下所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)式中，表示扇区的时空位置编码，和是从区间内的
等分数列，表示空间维度的位置，同理表示时间维度的位置，和的长度定义为，即扇区语义表征模型的隐层维度，定义为一个非负常数；表示空间尺寸，表示时间尺寸，则时空位置编码满足；步骤3.2，扇区标识编码用于辨别扇区；根据扇区数量对区间等比划分，用于表示不同的扇区，再将扇区序列中的标识编码扩展至维度，R表示实数；步骤3.3，对输入序列进行表征处理，然后与扇区的时空位置编码以及标识编码相加，得到扇区语义表征模型的输入：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)式中，为输入扇区序列的表征结果（可以通过模型中的嵌入层生成），表示扇区的时空位置编码，表示步骤3.2中所述的扇区标识编码。
[0011]步骤4中所述扇区语义表征模型，包括：嵌入层、多头注意力层和前向传递网络(Feed
‑
Forward Networks, FFN)层；其中，嵌入层是线性神经网络，对输入扇区序列进行映射计算，转化为维度的数据，其数学表示为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中，定义为权重矩阵，参数定义为偏置参数，输出为的表征结果，其中表示模型的隐层维度；然后将在时间维度上展平，得到：；多头注意力层包括：线性映射、多头注意力计算、拼接与映射、随机丢弃、层标准化和残差连接，具体包括：首先，对输入进行线性映射，生成三个不同得序列，数学公式如下：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)式中，代表Query向量，代表Key向量，代表Value向量，、和分别为转换矩阵；序列中的每个扇区都受到其它空间和时间位置上扇区特征值的影响，扇区之间的注意力值大小表示相互影响的程度，计算公式如下所
示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)式中，是缩放因子，表示扇区序列的注意力值矩阵，矩阵的维本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于空域关联度的热区识别方法，其特征在于，包括以下步骤：步骤1，扇区数据序列化表征：将目标空域内的扇区按照二维序列结构进行表征，得到扇区序列；步骤2，扇区序列特征处理：计算扇区序列中的流量和容量特征值；步骤3，扇区编码设计：设计扇区序列中所有扇区的时空位置编码，以及扇区标识编码；步骤4，扇区语义表征模型构建：以Transformer为基础模型，构建扇区语义表征模型，计算扇区序列的语义表征向量；步骤5，扇区语义表征模型训练：设计基于掩码自监督学习的训练任务，采集历史数据构建训练数据集训练扇区语义表征模型；步骤6，扇区语义表征计算：使用训练后的扇区语义表征模型对扇区序列进行表征计算，得到扇区序列的语义表征向量；步骤7，空域关联度计算：计算不同时间及空间位置上的扇区序列的语义表征向量间的相似度，作为扇区间的空域关联度，并基于关联度识别目标空域内的热区。2.根据权利要求1所述的一种基于空域关联度的热区识别方法，其特征在于，步骤1中所述得到扇区序列的方法包括：从流量管理系统中提取并分析每架航班的飞行计划，获取航班所经过航路点、航线和航向信息，利用4D轨迹预测并生成不同时间段中的交通流；根据交通流对航路经过的扇区进行排列组合，在空间维度上生成一维扇区序列；在此基础上，引入时间维度，将一维扇区序列扩展为二维序列，定义为，其中表示扇区序列，表示实数，表示扇区数量，表示时间间隔数量。3.根据权利要求2所述的一种基于空域关联度的热区识别方法，其特征在于，步骤2包括：选择扇区流量和容量作为描述扇区的物理特征；从流量管理系统中获取扇区在未来一段时间内不同时间段上的预测流量值和预测容量值；预测流量值的定义为：设定时间段内进入某一扇区的航班数量；预测容量值的定义为：设定时间段内某一扇区能提供服务的最大航班数量；对预测流量值和预测容量值进行归一化处理，映射到区间内；在步骤1中定义的扇区序列的基础上，引入扇区流量和容量特征，将扇区序列重新定义为。4.根据权利要求3所述的一种基于空域关联度的热区识别方法，其特征在于，步骤3中，扇区编码设计的方法包括：步骤3.1，空间和时间位置编码包含两个维度，公式如下：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)式中，表示扇区的时空位置编码，和是从区间内的等分数列，表示空间维度的位置，同理表示时间维度的位置，和的长度定义为，即扇区语义表征模型的隐层维度，定义为一个非负常数；表示空间尺寸，表示时间尺寸，则时空位置编码满足；步骤3.2，扇区标识编码用于辨别扇区；根据扇区数量对区间等比划分，用于表示不同的扇区，再将扇区序列中的标识编码扩展至维度，R表示实数；步骤3.3，对输入扇区序列进行表征处理，然后与扇区的时空位置编码以及标识编码相加，得到扇区语义表征模型的输入：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)式中，为输入扇区序列的表征结果，表示扇区的时空位置编码，表示步骤3.2中所述的扇区标识编码。5.根据权利要求4所述的一种基于空域关联度的热区识别方法，其特征在于，步骤4中所述扇区语义表征模型，包括：嵌入层、多头注意力层和前向传递网络层；其中，嵌入层是线性神经网络，对输入扇区序列进行映射计算，转化为维度的数据，其数学表示为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中，定义为权重矩阵，参数定义为偏置参数，输出为的表征结...

【专利技术属性】
技术研发人员：毛永庆，王煊，黄吉波，丁一波，丁辉，田靖，
申请(专利权)人：中国电子科技集团公司第二十八研究所，
类型：发明
国别省市：