一种基于表示学习的飞行轨迹相似度计算方法技术

本发明专利技术公开了一种基于表示学习的飞行轨迹相似度计算方法，包括以下步骤：S1.构建FT2Vec模型，所述FT2Vec模型包括轨迹增强模块、特征提取模块和轨迹编码模块；S2.输入原始轨迹，用轨迹增强模块创建原始轨迹的不同变体，增强轨迹；S3.通过特征提取模块接收轨迹增强模块生成的原始轨迹的不同增强变体，提取轨迹位置的细粒度特征；S4.通过轨迹编码模块的孪生注意力机制聚合特征提取模块的输出，然后通过LSTM生成最终的时空轨迹表示；S5.训练、优化FT2Vec模型。本发明专利技术提出的FT2Vec是首个专为飞行轨迹相似性计算而设计的表示学习模型，计算成本低，效率高。

【技术实现步骤摘要】

本专利技术属于飞行安全领域，具体涉及一种基于表示学习的飞行轨迹相似度计算方法。

技术介绍

1、航空安全一直以来都是民航业的核心问题，随着全球现代航空交通系统的迅速发展，对飞行轨迹的处理及分析已经成为航空交通系统智能化和信息化的关键组成部分；作为轨迹分析的核心，轨迹相似度计算已经成为了航空交通场景中的基础任务。这一趋势的进一步加强主要得益于快速访问记录器(qar)数据的整合，该数据提供了一系列对于提高轨迹相似度计算准确性至关重要的飞行特定参数，并为深入了解飞行行为提供了基础。轨迹相似度计算在许多空中交通下游任务中发挥关键作用，包括飞行安全分析、空中交通管理以及油耗分析，并且从qar数据的深度和准确性中获得实质性的益处。利用qar数据来高效且准确地计算航空轨迹相似度对于维护空中交通的安全性和流畅性至关重要。

2、一些经典的距离度量包括dtw、frechet、lcss、hausdorff和erp等常被用来衡量轨迹间的相似度。现存的传统方法旨在基于经典度量方法进行启发式改良，并优化其计算效率。

3、然而，这些传统方法仍然具有很高的计算成本，本文档来自技高网...

【技术保护点】

1.一种基于表示学习的飞行轨迹相似度计算方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于表示学习的飞行轨迹相似度计算方法，其特征在于：所述步骤S2中，轨迹增强模块通过轨迹分割和轨迹变形创建原始轨迹的不同变体。

3.根据权利要求2所述的一种基于表示学习的飞行轨迹相似度计算方法，其特征在于：所述轨迹分割为将原始轨迹分割成k个相等的部分，并计算每个部分内轨迹点的平均值，从而获得代表点，然后利用代表点构建长度一致的新轨迹；

4.根据权利要求3所述的一种基于表示学习的飞行轨迹相似度计算方法，其特征在于：所述轨迹变形为给原始飞行轨迹中的每个位置点...

【技术特征摘要】

1.一种基于表示学习的飞行轨迹相似度计算方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于表示学习的飞行轨迹相似度计算方法，其特征在于：所述步骤s2中，轨迹增强模块通过轨迹分割和轨迹变形创建原始轨迹的不同变体。

3.根据权利要求2所述的一种基于表示学习的飞行轨迹相似度计算方法，其特征在于：所述轨迹分割为将原始轨迹分割成k个相等的部分，并计算每个部分内轨迹点的平均值，从而获得代表点，然后利用代表点构建长度一致的新轨迹；

4.根据权利要求3所述的一种基于表示学习的飞行轨迹相似度计算方法，其特征在于：所述轨迹变形为给原始飞行轨迹中的每个位置点坐标添加一个随机偏移量；

5.根据权利要求4所述的一种基于表示学习的飞行轨迹相似度计算方法，其特征在于：所述特征提取模块表示为：

【专利技术属性】
技术研发人员：郑林江，方堃宇，尚家兴，
申请(专利权)人：重庆大学，
类型：发明
国别省市：