【技术实现步骤摘要】
一种基于Transformer的四维航迹长时预测方法及其装置
[0001]本专利技术属于民航
,特别涉及一种基于Transformer的四维航迹长时预测方法及其装置。
技术介绍
[0002]在世界范围内,航空运输业快速发展,空中交通需求急剧增加,这可能导致更加拥挤的空域空间以及航班安全问题。为了改善空域状态以及保障航空运输效率,许多国家和组织开始了空中交通系统项目的研究与升级。这些新一代空管自动化系统都将基于四维航迹的运行(TBO)作为空中航行系统的核心技术。基于航迹的运行模式建立在准确的航迹预测上,它是冲突检测、空域态势感知、飞行流量预测等空中管理研究的基础,能够降低飞机未来飞行的不确定性,提升空中交通管制的管制效率。航迹预测对于空中交通运输业的运作、安全性和效率都具有重要的影响,是现代航空运输系统中不可或缺的一部分。
[0003]传统的轨迹预测模型比较简单,不能准确捕捉飞机的机动不确定性,会造成较大的误差。预测效果不稳定,另外一个缺点是,基于物理学的轨迹预测模型往往需要大量的先验知识和经验,包括气象、航空器动力学、飞行规则等。这些知识需要由专业人员提供,并且需要不断更新和完善,这会增加模型开发的成本和时间。此外,由于飞行器的运动状态和环境条件的不确定性,这些模型通常只能提供一定程度的预测精度,因此需要与其他技术和方法结合使用,才能实现更高精度和可靠性的轨迹预测。
[0004]现有的数据驱动的深度学习模型不能适用于长期轨迹预测,主要表现在现有的模型大都基于RNN循环神经网络,通过迭代预测来实现
【技术保护点】
【技术特征摘要】
1.一种基于Transformer的四维航迹长时预测方法,其特征在于,该方法包括如下步骤:S1,从ADS
‑
B系统获取原始航迹数据,基于所述原始航迹数据的ENU坐标转换完成数据预处理,并采用滑动窗口构造为样本数据,将所述样本数据划分为训练集、验证集和测试集;S2,构建基于Transformer的航迹预测模型,所述航迹预测模型包括历史航迹平稳化模块、历史航迹编码模块、航迹预测解码模块和未来航迹平稳化模块,所述航迹预测解码模块采用一次预测完成航迹预测;S3,使用目标函数和所述训练集训练所述航迹预测模型,再使用所述验证集测试该模型得到测试结果,根据测试结果对超参数进行微调,得到训练完备的航迹预测模型;S4,从ADS
‑
B系统采集实时航迹数据,经所述数据预处理后输入所述训练完备的航迹预测模型,得到航迹预测结果。2.根据权利要求1所述的一种基于Transformer的四维航迹长时预测方法,其特征在于,步骤S1具体包括以下步骤:S11,对原始ADS
‑
B航迹数据进行数据清洗,并去除异常值,得到筛选后的数据,所述筛选后的数据包括经度、纬度、高度和时间戳的四维位置信息以及包括方位角、速度的附加信息;S12,用二次线性插值对所述筛选后的数据进行拟合,再以固定的时间间隔对拟合的数据重采样,获得具有固定时间间隔的离散时序数据;S13,将所述离散时序数据中的经度、纬度以及高度的GPS坐标转化为ENU坐标,得到预处理后的航迹数据;S14,基于所述预处理后的航迹数据,定义航迹点坐标p
i
= (e, n, u, v, h),其中 e, n, u分别为该航迹点ENU坐标,v为速度,h为方位角;S15,设置窗口大小为t1的输入窗口T1,则输入窗口T1选取t1个连续的航迹点,即,作为历史航迹预测序列X,对应的,紧接在所述输入窗口后设置窗口大小为t2的预测窗口T2,则预测窗口T2选取t2个连续的航迹点,即,作为真实航迹预测序列Y,其中i∈[1,N],并以一个航迹点为步长同时移动输入窗口T1和预测窗口T2,每移动一步,将所选取的所述历史航迹预测序列X和真实航迹预测序列Y作为一组样本数据,移动N步得到N组训练样本数据;S16,将得到的N组训练样本数据划分为训练集、验证集和测试集。3.根据权利要求1所述的一种基于Transformer的四维航迹长时预测方法,其特征在于,步骤S2具体步骤为:S21,构建历史航迹平稳化模块,在所述历史航迹点序列输入历史航迹编码器之前,对所述历史航迹点序列进行平稳化操作,得到各属性维度平稳化后的航迹点序列X
′
;S22,将所述航迹点序列X
′
输入历史航迹编码器,分别对所述航迹点序列X
′
进行输入编码和位置编码计算,得到输入编码和位置编码并相加,得到具有位置信息的嵌入向量x
e
,对所述嵌入向量x
e
进行多头自注意力计算完成特征融合,得到所述特征融合后的特征向量X
C
,将所述特征向量X
C
接入后续层标准化模块、前馈神经网络、层标准化模块,得到语义向量C;
S23,获取输入未来航迹解码器的位置编码并设置其长度,将设置后的位置编码输入所述解码器,再结合所述语义向量C完成初步航迹预测,得到初步预测航迹点序列y
′
;S24,通过所述未来航迹平稳化模块对所述初步预测航迹点序列y
′
进行平稳化操作,得到最终预测航迹点序列。4.根据权利要求3所述的一种基于Transformer的四维航迹长时预测方法,其特征在于,步骤S21具体步骤包括:首先提取航迹点各个属性维度x
i...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。