一种基于高精导航定位的机场加油车辆管理系统的制作方法

本发明涉及一种机场加油车辆管理系统，特别是一种基于高精导航定位的机场加油车辆管理系统。

背景技术：

1、机场飞行区内特种车辆的数量日益增多，旅客摆渡车、行李拖运车、航空器加油车等各类地面特种作业车辆面临定位监控难、调度作业效率低等问题，从而导致了机场飞行区内众多特种作业车辆管理处于满负荷运行状态，严重影响了机场整体运行效率的提升。目前传统依赖语音设备调度管理机场特种车辆的指挥方式已经难以满足大型民用机场日常运营需求，其不但需要消耗大量人力和物力。同时还存在视野盲区，尤其在大雾、暴雨等低能见度天气下，会增加场面运行安全风险。如何有效提升机场特种车辆安全管理水平，全面提高运行指挥能力是目前机场日常运营管理中亟需解决的问题之一。机场车辆管理系统是提升机场运行安全和效率的重要系统之一，通过实时精确定位车辆位置，具有车辆超速报警、越界报警、主动提供预警和智能调度管理等功能，是机场场区先进管理、优质服务和安全运行的有力保证，能够有效提升机场的现代化、信息化和智能化管理水平，是“智慧机场”基础性建设项目之一。

2、以机场加油车辆精细化管理为例，实现机场加油车辆精细化管理的前提是车载终端能够实时、准确地提供车辆的行驶态势信息，一般包括实时位置、行驶速度和行驶方向等。现有技术中，将机场内行驶的车辆作为活动目标，利用场面监视雷达、多点定位或者广播式自动相关监视等技术实现车辆状态实时监视，例如，某机场利用场面监视雷达实现飞行区内航空器和车辆运行态势监控，同时辅以防跑道入侵警示系统，防止车辆误入跑道和滑行道等重点区域。一些机场特种车辆管理系统主要基于全球卫星导航系统(gnss)、惯性导航系统(ins)等获取飞行区内特种车辆实时态势信息，比如，某机场利用地理信息、差分gnss/ins组合导航技术，使得机场管理人员能实时准确获取机场加油车辆位置、速度等信息，实现对机场加油车辆的定位监控、预警告警、统计分析等功能。北斗卫星导航系统(bds)目前正在推进其在民航领域中的应用，预计到2035年底，将构建以bds为核心，与gps、glonass、galileo等其他星座兼容互操作的双频多星座gnss技术应用体系，逐步实现bds在民航领域中的应用“全覆盖、可替代”。同时，目前针对机场加油车辆的调度方式主要还是基于人工编排的单车服务单航班模式，该调度方式效率低且车辆资源利用率不高，特别是对于大型民用机场，当航班密集时容易造成航班延误。为了使得机场过站航班都能接受高质量的地面保障服务，亟需开展飞行区特种车辆调度方法研究。

技术实现思路

1、发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于高精导航定位的机场加油车辆管理系统。

2、为了解决上述技术问题，本发明公开了一种基于高精导航定位的机场加油车辆管理系统，包括地面基准站模块、车载终端模块、监控中心模块和无线数据链路模块，其中：

3、所述地面基准站模块，用于接收卫星信号并根据基准站坐标点信息计算可观测卫星的伪距差分校正值；

4、所述车载终端模块，用于接收卫星信号和伪距差分校正值，实时计算加油车辆位置和速度，并将车辆位置和速度信息同步上报给其他模块或系统使用；

5、所述监控中心模块，用于可视化监控显示加油车辆活动态势信息，对加油车辆进行跟踪定位、远程监控和行驶轨迹回放，并集成机场信息集成系统中的航班信息、a-cdm保障节点信息、驾驶员技能信息和任务保障区域信息，对加油车辆进行智能调度；

6、所述无线数据链路模块，基于机场专网，将地面基准站模块计算得到的所述伪距差分校正值播发给加油车辆上安装的车载终端模块，同时将加油车辆的实时位置和速度信息传输至所述监控中心模块。

7、进一步的，所述的地面基准站模块，包括两台卫星信号接收机，同时计算并输出可观测卫星的伪距差分校正值，并采用双机热备策略，根据输出的伪距差分校正值判别所述卫星信号接收机的工作状态，如果两台卫星信号接收机状态正常，则取两台卫星信号接收机计算所得伪距差分校正值的平均值为伪距差分校正值，否则选取状态正常的卫星信号接收机计算所得的伪距差分校正值，并通过无线数据链路模块发送给车载终端模块。

8、进一步的，所述的地面基准站模块中，计算可观测卫星的伪距差分校正值的具体方法如下：

9、步骤a1：根据基准站接收到的可观测卫星输出的原始伪距和载波相位观测值，利用hatch滤波器对原始伪距进行预处理，方法如下：

10、

11、其中，ρn表示n时刻原始伪距，表示n-1时刻平滑后伪距，表示n时刻平滑后伪距，λ表示载波相位波长，表示n时刻载波相位观测值、表示n-1时刻载波相位观测值，表示滤波常数，τ表示时间常数，s表示时间秒；

12、步骤a2：计算基准站可观测卫星的伪距差分校正值prc(p,q)，方法如下：

13、

14、其中，rp,q表示卫星信号接收机q到卫星p的几何距离，cδtsv,p表示卫星p时钟校正值，表示卫星p经平滑滤波后的伪距；

15、步骤a3：根据可观测卫星的仰角，消除卫星信号接收机时钟偏差：

16、

17、其中，prcsca(p,q)表示消除卫星信号接收机时钟偏差的伪距差分校正值，nc表示可观测卫星数量，参数θp表示可观测卫星p的仰角，且

18、步骤a4：计算最终的可观测卫星p的伪距差分校正值prctx(p)，方法如下：

19、

20、其中，m表示基准站卫星信号接收机数量。

21、进一步的，所述的地面基准站模块中，采用双机热备策略的方法包括：

22、步骤b1：根据基准站接收到的可观测卫星输出的原始伪距和载波相位观测值计算码减载波差分值δcmcn，方法如下：

23、

24、步骤b2：利用二阶低通数字滤波器滤除接收机噪声：

25、zn＝(1-α)zn-1+αδcmcn

26、dn＝(1-α)dn-1+αzn

27、其中，zn、zn-1表示经一阶低通滤波后的n时刻和n-1时刻码减载波差分值，dn、dn-1表示经二阶低通滤波后的n时刻和n-1时刻码减载波差分值；

28、步骤b3：设置门限δ，如果dn大于δ，则记录此卫星为不合格卫星，并统计不合格卫星总数，记为ξ；

29、步骤b4：如果则判定该卫星信号接收机工作状态正常。

30、进一步的，所述的车载终端模块中，使用捷联式惯性导航系统辅助卫星导航系统，实时计算加油车辆位置和速度。

31、进一步的，所述的车载终端模块中，实时计算加油车辆位置和速度，即通过解算组合导航系统状态方程得到加油车辆位置和速度；

32、其中，组合导航系统状态方程表示如下：

33、

34、其中，表示组合导航系统状态向量求导数，a表示捷联式惯性导航系统误差方程对应的状态转移矩阵，w表示系统噪声矩阵，x表示组合导航系统状态向量，具体为：

35、

36、其中，δl、δλ和δh表示位置误差，δve、δvn和δvu表示速度误差，和表示数学平台失准角，εx、εy和εz表示陀螺常值漂移，和表示加速度计常值偏置；

37、组合导航系统观测方程，根据卫星导航信号是否有效，具体如下：

38、当卫星导航信号有效时，组合导航系统观测方程为：

39、z1＝h1x+v1

40、其中，z1表示卫星信号有效时观测向量，h1表示观测矩阵，v1表示观测噪声矩阵，观测矩阵h1具体表示如下：

41、

42、其中，i3×3表示3×3维单位矩阵，03×3表示3×3维零矩阵，03×9表示3×9维零矩阵；

43、当卫星导航信号失效时，利用加油车辆非完整性约束条件构造观测值为：

44、

45、其中，z2表示卫星信号失效时观测向量，分别为b系中沿x、z轴速度误差，分别为b系中沿x、z轴速度分量；

46、此时组合导航系统观测方程为：

47、z2＝h2x+v2

48、其中，h2表示观测矩阵，v2表示观测噪声矩阵，观测矩阵h2具体表示如下：

49、

50、其中，hv,1(1,*)、hv,2(1,*)表示矩阵第1行，hv,1(3,*)、hv,2(3,*)表示矩阵第3行，01×3表示1×3维零矩阵，hv,1和hv,2分别表示表示如下：

51、

52、

53、其中，表示导航坐标系到载体坐标系的姿态矩阵，(vn×)表示导航坐标系中速度向量的斜对称矩阵。

54、进一步的，所述的监控中心模块中，所述的对加油车辆进行智能调度，具体方法包括：

55、步骤c1，构建多目标多约束的机场加油车辆调度优化模型；

56、步骤c2，采用带精英策略的遗传算法求解步骤c1中构建的多目标多约束的机场加油车辆调度优化模型；

57、步骤c3，根据步骤c2中得到的解，对加油车辆进行智能调度。

58、进一步的，步骤c1中所述的多目标多约束的机场加油车辆调度优化模型，具体包括：

59、

60、

61、其中，j表示机场加油车辆调度优化目标函数，max()、max{}表示取表达式最大值，w1、w2、w3和w4表示优化目标权重系数，f＝{1,2,…,nfc}，n＝{0,1,2,…,nfc+1}，nfc表示待加油航班数，v＝{1,2,…,l}，l表示机场加油车总数，q表示加油车辆最大行驶路程，dij表示加油车从航班i到航班j之间的行驶距离，ti表示航班i需要的加油服务时间，tij表示加油车从航班i到航班j之间的行驶时间，ω表示一个较大的标量，sik表示第k辆车为航班i加油的开始时刻，sjk表示第k辆车为航班j加油的开始时刻，ai表示航班最早开始加油时刻，bi表示航班最晚开始加油时刻，xijk、xihk和xhjk表示机场加油车辆调度问题决策变量，x0jk表示加油车辆从停车场出发，表示加油车辆回到停车场。

62、进一步的，步骤c2中所述的采用带精英策略的遗传算法求解步骤c1中构建的多目标多约束的机场加油车辆调度优化模型，具体方法如下：

63、步骤c2-1：初始化所述的带精英策略的遗传算法中的参数，设定种群大小为np，遗传算法最大迭代次数为g，交叉算子为pc，变异算子为pm；

64、步骤c2-2：采集航班信息、停机位信息、机场加油车信息以及任务保障区信息，生成遗传算法初始种群；

65、步骤c2-3：根据机场加油车辆调度优化目标函数计算个体适应度，并对每代群体按照适应度值降序排序，取适应度值最大的个体染色体作为精英保留，计算个体适应度的函数为：

66、

67、其中，f表示加油车辆调度适应度函数变量，w1、w2、w3和w4满足0≤w1,w2,w3,w4≤1且w1+w2+w3+w4＝1，并根据个体适应度值分别计算个体被遗传到下一代群体的概率及其累积概率：

68、

69、

70、其中，pii表示第ii个个体被遗传到下一代群体的概率，fii表示第ii个个体的适应度值，表示种群所有个体适应度值总和，qii表示第ii个个体被遗传到下一代群体的累积概率；

71、步骤c2-4：对染色体进行选择操作，首先采用轮盘赌算法选择染色体，若所有的染色体具有相等的适应度值，则通过服从均匀分布的随机数对染色体进行随机性选择；

72、步骤c2-5：对染色体进行交叉操作，生成两个随机正数t1和t2，将其作为需要截取的染色体片段，使用位置交换操作交换两个位串的匹配区域；

73、步骤c2-6：对染色体进行变异操作，随机选取变异点t3和t4，交换这两个位置上的基因；

74、步骤c2-7：计算经选择、交叉和变异后的种群个体适应度，按照适应度值进行降序排序，淘汰适应度值最小的个体，并使用上一代精英补充，更新精英个体；

75、步骤c2-8：重复执行步骤c2-4至步骤c2-7共计g次，获得最优加油车调度方案，停止演化，取适应度值最高的个体作为最后遗传算法求得的全局最优解。

76、进一步的，步骤c2-2中所述的生成遗传算法初始种群，即结合贪心思想生成初始种群，具体方法如下：

77、步骤c2-2-1：初始化待服务航班和加油车辆信息，将需求提供燃油加注服务的nfc架次航班按照离港时间进行排序，并编号为1,2,…,nfc，同样将l辆加油车进行编号为1,2,…,l；

78、步骤c2-2-2：根据模型约束条件获得可选车辆的集合，在车辆的集合中随机选择一个车辆的编号，即为服务航班的车辆编号，直到最后一个航班选择完毕，就能得到一个染色体的个体；

79、步骤c2-2-3：循环步骤c2-2-2执行np次之后，就能得到种群规模为np的初始种群。

80、进一步的，所述车载终端模块，支持机场停机位分配数据引接，实现场面统一态势可视化监管和自动报警。

81、有益效果：

82、1、将ads-b out技术应用于机场加油车辆，可以将车辆的定位/身份信息发送给空管监视系统使用，通过机场和空管的协同管理，降低跑道侵入风险，提高机场安全管控能力。

83、2、加油车辆管理系统利用组合导航定位技术实时监测车辆超速、驶入或离开电子围栏、违章停车、逼近航空器等违章行为，并通过车载移动终端和调度席同步告警，保障车辆运行安全。

84、3、集成航班信息、a-cdm保障节点信息、排班数据、驾驶员技能信息、任务保障区域信息、路径规划等数据，使用智能优化调度算法进行任务智能调度，实现保障过程中车辆调度、使用效率最优化。