评估追踪系统对要求的集合的符合性的方法和相关装置与流程

本发明涉及一种用于评估追踪系统对要求的集合的符合性的方法。本发明还涉及使得该方法能够被实施的计算机程序产品和可读信息介质。
背景技术：
：在航空电子领域，追踪系统是非常重要的系统，特别是考虑到追踪系统保证飞机之间不存在碰撞。因此，追踪系统是必须遵守一组待认证的强制性约束和用来提高安全性的建议的系统。因此，期望能够评估追踪系统的合规性得分。为此，追踪系统受到包括以二元方式评估每个标准的简单评估，即，如果满足标准则为100％，如果不满足标准则为0％。然而，在与强制性约束和建议性约束的复杂混合对应并且旨在改进追踪系统的多个标准的情况下，这种评估通常是不够的。因此，需要一种用于评估追踪系统对要求的集合的符合性的方法，使得可以获得对追踪系统的符合性的更精细评估。技术实现要素：为此，本说明书涉及一种用于评估追踪系统对要求的集合的符合性的方法，至少一个要求是强制性要求并且至少一个要求是建议性要求，评估方法通过计算机来执行，评估方法至少包括以下步骤：监督学习对要求的符合性的评估函数，以获得学习的评估函数，对要求的符合性的评估函数采用分段线性函数的形式，线性函数包括至少三个分段，优选地至少六个分段；将学习的评估函数应用于追踪系统以获得评估值；以及使用评估值来获得评估追踪系统对要求的集合的符合性的总得分。根据具体的实施例，单独或根据所有技术上可能的组合，方法包括以下特征中的一个或多个：该方法包括通过以下方式计算每种类型的要求的总得分：聚合所考虑类型的要求中的所有要求的评估函数，评估所述追踪系统对所述要求的集合的符合性的总得分通过聚合各要求类型的总得分来获得。方法进一步包括：用于监督学习评估值的聚合函数的步骤，聚合函数对追踪系统对要求的集合中对应于特定属性的要求的一部分的符合性进行评估；以及使用步骤，该使用步骤包括：使用评估值和学习的聚合函数来获得要求的集合中对应于特定属性的要求的每个部分的值，以及使用在使用期间获得的值和聚合函数来获得总得分。在监督学习步骤中，每个线性函数是具有五个分段的线性函数。要求设置了要遵守的阈值，以下属性中的至少一个被验证：每个线性函数包括多个阈值，所述阈值中的一个是由所述要求设置的阈值；每个线性函数包括多个阈值，具有所述评估函数的第二低值的阈值是由所述要求设置的阈值；每个线性函数包括四个阈值，第一阈值对应于所述评估函数的最大值，第二阈值对应于所述最大值的88％，第三阈值对应于所述最大值的35％，并且第四阈值对应于0；以及每个线性函数包括四个阈值，所述第一阈值对应于所述评估函数的最大值，所述第二阈值对应于所述最大值的80％，所述第三阈值对应于所述最大值的20％，并且所述第四阈值对应于0。每个线性函数包括多个阈值，并且要求设置了要遵守的阈值，以下属性中的至少一个被验证：每个阈值是由要求设置的阈值的线性函数；以及阈值中的一个是其他两个阈值的算术平均值。要求的数量大于或等于20。追踪系统提供对来自若干个传感器的早期数据的测量的评估，每个评估函数使用经评估的测量中的至少一个作为输入。每个经评估的测量都被误差所污染，每个评估函数也将所述误差考虑在内。方法进一步包括以下步骤：将某些评估值分组在一起以获得评估追踪系统与对应于特定属性的要求的集合中的要求的一部分的得分，属性例如是可用性、连续性、完整性、时间性或一致性。本说明书还涉及一种包括可读信息介质的计算机程序产品，该可读信息介质上存储有包括程序指令的计算机程序，计算机程序能够被加载到数据处理单元上并且适于当计算机程序在数据处理单元上被执行时使得如前所述的方法被执行。本说明书还涉及一种存储有包括程序指令的计算机程序产品的可读信息介质，在该可读信息介质上存储有包括程序指令的计算机程序，计算机程序能够被加载到数据处理单元上并且适于当计算机程序在数据处理单元上被执行时使得对如前所述的方法被执行。附图说明本发明的其他特征和优点将在阅读本发明的实施例的以下描述时显现，仅作为示例提供并参考附图进行该描述，附图为：图1，允许实施用于评估追踪系统对要求的集合的符合性的方法的示例系统的示意图；图2，示例评估函数的示意图；以及图3，示出esassp标准按属性的约束分布的流程图。具体实施方式系统10的交互使得可以实施用于评估追踪系统对要求的集合的符合性的方法。系统10是计算机。更一般地，系统10是能够将系统10的寄存器和/或存储器中表示为电子或物理量的数据操纵和/或转换为对应于存储器、寄存器或其他类型的显示装置、传输装置或存储装置中的物理数据的其他类似数据的电子计算机。系统10包括处理器14，处理器14包括数据处理单元16、存储器18和信息介质读取器20。系统10还包括键盘22和显示单元24。计算机程序产品12包括可读信息介质。可读信息介质是由系统10，通常由数据处理单元14可读的介质。可读信息介质是适于存储电子指令并且能够与计算机系统的总线联接的介质。作为示例，可读信息介质是cd-rom、磁光盘、rom存储器、ram存储器、eprom存储器、eeprom存储器、磁卡、光卡、闪速存储器或ssd盘。包括程序指令的计算机程序被存储在可读信息介质上。计算机程序可以被加载在数据处理单元14上，并且适于驱动对评估方法的实施。参考图2描述了与计算机程序产品12交互的系统10的操作，图2示意性地示出了用于评估追踪系统对要求的集合的符合性的方法的一个示例实施例的一部分。至少一个要求是强制性要求，并且至少一个要求是建议性要求。根据定义，强制性要求是不合规将导致追踪系统被取消资格的要求。术语“必要要求”有时被用于指代这种类型的要求。根据定义，建议性要求是不合规不会导致追踪系统被取消资格的要求，但期望尊重该要求。术语“期望要求”有时被用于指代这种类型的要求。根据提出的示例，要求的数量大于或等于20。在下文中，假设每个要求设置了要遵守的阈值。这是指每个要求可以以大于或等于阈值的物理属性或小于或等于阈值的物理属性的形式制定。作为示例，这样的要求的集合对应于标准esassp的要求，该标准在题为“用于atm监控系统性能的eurocontrol规范(eurocontrolspecificationforatmsurveillancesystemperformance)”(第1卷)的文件中概述，该文件的isbn为978-2-87497-022-1并且于2012年3月出版。该标准的目的在于保证所需的质量以避免碰撞。该质量的目标在于在空中交通(民用)飞机之间的更好的分离。为了能够增大空中交通容量，必须有追踪工具，使得可以确保飞机之间的分离越来越精细。已经定义了两种标准来保证两种距离分离：5nm和3nm。esassp标准定义了从r1到r22命名的22个约束，即，22个具体指标。在下文中简要说明22个约束。第一约束r1涉及用于更新的概率的测量间隔。第一约束r1分为两个要求：强制性要求和建议性要求。第二约束r2涉及水平位置更新的概率。第二约束r2分为两个要求：强制性要求和建议性要求。第三约束r3涉及长间隙中涉及的遗漏的3d位置的比率。第三约束r3对应于强制性要求。第四约束r4涉及水平位置rms误差。rms误差通常被认为是代表测量精度的主要误差。第四约束r4分为两个要求：强制性要求和建议性要求。第五约束r5涉及连续的相关误差率。第五约束r5对应于建议性要求。第六约束r6涉及紧邻的最大时间增量。这种约束对应于这样的事实：在雷达上，存在不同时刷新的非常接近的轨道。在向空中交通管制员的演示中，不应当存在具有较远的更新日期的两个并排的轨道。这可能导致碰撞风险，即，严重的安全问题。第六约束r6对应于建议性要求。第七约束r7涉及压力高度的更新的概率。第七约束r7对应于强制性要求。第八约束r8涉及转发的压力高度的平均数据年龄。第八约束r8对应于强制性要求。第九约束r9涉及转发的压力高度的最大数据年龄。第九约束r9对应于强制性要求。第十约束r10涉及不正确的转发的压力高度的比率。应当注意，第十约束r10是对对应于杂散误差的误差的评估。第十约束r10对应于强制性要求。第十一约束r11涉及压力高度无符号误差。应当注意，第十一约束r11是对主要误差类型的误差的评估。第十一约束r11对应于强制性要求。第十二约束r12对应于紧急指示器/spi报告的延迟显示。第十二约束r12对应于强制性要求。第十三约束r13涉及飞行器id的变化的延迟。第十三约束r13对应于强制性要求。第十四约束r14涉及具有正确值的飞行器身份的更新的概率。第十四约束r14分为两个要求：强制性要求和建议性要求。第十五约束r15涉及不正确的飞行器身份的比率。应当注意，第十五约束r15是对杂散误差类型的误差的评估。第十五约束r15对应于强制性要求。第十六约束r16涉及爬升/下降rms误差的速率。在本上下文中，评估的错误具有主要错误类型。第十六约束r16对应于强制性要求。第十七约束r17涉及追踪速度rms误差。在本上下文中，评估的错误具有主要错误类型。第十七约束r17对应于建议性要求。第十八约束r18涉及追踪速度角度rms误差。在本上下文中，评估的错误具有主要错误类型。第十八约束r18对应于建议性要求。第十九约束r19涉及不相关的错误目标报告的密度。在本上下文中，评估的错误具有杂散错误类型。第十九约束r19对应于建议性要求。第二十约束r20涉及接近真实追踪的错误追踪的每小时速率。在本上下文中，评估的错误具有相关的错误类型。第二十约束r20对应于建议性要求。第二十一约束r21涉及连续性。第二十一约束r21对应于建议性要求。第二十二约束r22涉及在不满足约束r2、r4、r12或r13时必须进行的手动调查(对结果的手动分析)。第二十二约束r22分为两个要求：强制性要求和建议性要求。总之，可以建立下表1，x的存在表明存在相关的要求：表1：对其名称的每个约束的关联、相关单位以及强制性要求和建议性要求的存在总之，esassp标准是14个强制性要求和12个建议性要求的集合，总共代表26个要求，这26个要求根据22个不同的指标进行评估。在下文中，假设该方法被实施为评估26个先前的要求。评估方法包括监督学习步骤、应用步骤和使用步骤。在监督学习步骤期间，学习用于以分段线性函数的形式评估追踪系统对要求的符合性的函数。这使得可以获得学习的评估函数。每个评估函数将值与物理属性相关联。该值表示追踪系统对要求的符合性。在示出的方法中，每个评估函数是分段线性函数。根据定义，分段是评估函数的线性部分。术语“段”有时用于术语分段。作为示例，由分段定义的函数是一个仅包含三个分段的函数：第一分段，对于该第一分段，当变量小于0时，函数的值为nil；第二分段，对于该第二分段，当变量在0和1之间时，值是变量；以及第三分段，对于该第三分段，当变量大于1时，函数的值等于1。对于描述的方法，每个评估函数包括至少三个分段。优选地，每个评估函数是包括小于或等于6的多个分段的线性函数。在描述的示例中，每个线性函数是具有以下五个分段的线性函数：第一部分、第二部分、第三部分、第四部分和第五部分。因此，每个线性函数包括限定分段的四个阈值(第一阈值、第二阈值、第三阈值和第四阈值)。更具体地，第一阈值是第一分段和第二分段之间的界面，第二阈值是第二分段和第三分段之间的界面，第三阈值是第三分段和第四分段之间的界面，并且第四阈值是第四分段和第五分段之间的界面。每个阈值是物理属性的值。在下文中，如图2所示出，假设阈值严格减小，即，第一阈值具有严格大于第二阈值的值，第二阈值具有严格大于第三阈值的值，并且第三阈值具有严格大于第四阈值的值。此外，对于示出的示例，第一阈值对应于评估函数的最大值，第二阈值对应于最大值的88％，第三阈值对应于最大值的35％，并且第四阈值具有nil值。更具体地，对于得分在0到100％之间的评估函数，这意味着：对于大于第一阈值的物理属性，评估函数的值为100％；对于第一阈值和第二阈值之间的物理属性，评估函数的值在100％和88％之间线性减小；对于第二阈值和第三阈值之间的物理属性，评估函数的值在88％和35％之间线性减小；对于第三阈值和第四阈值之间的物理属性，评估函数的值在35％和0％之间线性减小；以及对于小于第四阈值的物理属性，评估函数的值等于0。可选地，第一阈值对应于评估函数的最大值，第二阈值对应于最大值的80％，第三阈值对应于最大值的20％，并且第四阈值对应于0。更具体地，对于得分在0到100％之间的评估函数，这意味着：对于大于第一阈值的物理属性，评估函数的值为100％；对于第一阈值和第二阈值之间的物理属性，评估函数的值在100％和80％之间线性减小；对于第二阈值和第三阈值之间的物理属性，评估函数的值在80和20％之间线性减小；对于第三阈值和第四阈值之间的物理属性，评估函数的值在20％和0％之间线性减小；以及对于小于第四阈值的物理属性，评估函数的值等于0。阈值的选择取决于情况。然而，为了便于评估函数的解释，优选地，阈值中的一个是由与评估函数相关联的要求所设置的阈值。在示出的示例中，第二阈值是由要求设置的阈值。因此，一旦针对物理属性的评估函数的值高于第二阈值，这意味着满足要求。先前提出的评估函数适用于强制性要求或建议性要求。为了说明这个想法，在下文中参考esassp标准的要求概述具体的例子。对于建议性要求的第一种情况，在该情况下必须使用由esassp标准提供的建议性阈值rec最大化百分比，评估函数是具有五个分段的线性函数，包括由以下公式确定的四个阈值s1、s2、s3和s4：第一阈值s1使得s1＝100-(100-rec)*0.35；第二阈值s2使得s1＝rec；第四阈值s4使得s4＝100-(100-rec)*2；以及第三阈值s3s3使得s3＝(s2+s4)/2。实际应用于esassp标准的相应要求的结果在下表2中进行总结：约束s1s2s3s4r2999998.598r1499.3989796表2：评估函数对百分比的建议性要求最大化类型对于建议性要求的第二种情况，在该情况下值必须被最小化，而具有由esassp标准提供的建议性阈值rec的指标的值相对较大(在的单位中通常为几百)，评价函数是具有五个分段的线性函数，包括由以下公式确定的四个阈值s1、s2、s3和s4：第一阈值s1使得s1＝rec*0.35；第二阈值s2使得s1＝rec；第四阈值s4使得s4＝rec*1.43；以及第三阈值s3使得s3＝(s2+s4)/2。实际应用于esassp标准的相应要求的结果在下表3中进行总结：约束s1s2s3s4r4122.5350425.25500.5r17144.865.72r1851012.1514.3r193.51012.1514.3表3：评估函数对值的建议性要求用相对较大的值最小化类型对于建议性要求的第三种情况，在该情况下值必须被最小化，而具有由esassp标准提供的建议性阈值rec的指标的值相对较小(通常为0.1)，评价函数是线性函数，该线性函数具有五个分段并且包括由以下公式确定的四个阈值s1、s2、s3和s4：第一阈值s1使得s1＝rec*0.35；第二阈值s2使得s1＝rec；第四阈值s4使得s4＝rec*2；以及第三阈值s3使得s3＝(s2+s4)/2。实际应用于esassp标准的相应要求的结果在下表4中进行总结：表4：评估函数对值的建议性要求用相对较小的值最小化类型对于强制性要求的第四种情况，在该情况下必须使用由esassp标准提供的强制性阈值mand最大化百分比，评估函数是线性函数，该线性函数具有五个分段并且包括由以下公式确定的四个阈值s1、s2、s3和s4：第一阈值s1使得s1＝100-(100-mand)*0.68；第二阈值s2使得s1＝mand；第四阈值s4使得s4＝100-(100-mand)*1.02；以及第三阈值s3使得s3＝(s2+s4)/2。实际应用于esassp标准的相应要求的结果在下表5中进行总结：约束s1s2s3s4r297.969796.9796.94r797.289695.9695.92r1199.93299.999.89999.838r1498.649897.9897.96表5：评估函数对百分比的建议性要求最大化类型对于强制性要求的第六种情况，在该情况下必须使用由esassp标准提供的强制性阈值mand最小化值，评估函数是线性函数，该线性函数具有五个分段并且包括由以下公式确定的四个阈值s1、s2、s3和s4：第一阈值s1使得s1＝mand*0.96；第二阈值s2使得s1＝mand；第四阈值s4使得s4＝rec*1.02；以及第三阈值s3使得s3＝(s2+s4)/2。实际应用于esassp标准的相应要求的结果在下表6中进行总结：约束s1s2s3s4r30.480.50.5050.51r4480500505510r83.8444.044.08r915.361616.1616.32r100.0960.10.1010.102r1211.521212.1212.24r1323.042424.2424.48r150.0960.10.1010.102表6：评估函数对值的强制性要求最小化类型在学习步骤结束时，因此针对每个要求获得学习的评估函数。在应用步骤期间，将学习的评估函数应用于待评估的追踪系统。这使得可以针对每个评估函数获得特定于待评估的追踪系统的评估值。应用步骤特别是对由追踪系统供给的数据进行实施。在应用步骤结束时，因此获得评估值。在使用步骤期间，评估值被用于获得评估追踪系统与要求的集合的合规性的总得分。总得分取决于根据或多或少复杂函数的评估值。在一个简单实施例中，总得分是对评估值的简单添加。在一个优选的实施例中，该方法包括通过以下方式计算每种类型的要求的总得分：聚合所考虑类型的要求中的所有要求的评估函数，评估追踪系统对要求的集合的符合性的总得分通过聚合各要求类型的总得分来获得。在这样的实施例中，首先聚合对应于与强制性要求(第一类型的要求)相关的评估函数的评估值以获得得分umand(x)(表示所有强制性要求的总体满足度)，聚合对应于与建议性要求(第二类型的要求)相关的评估函数的评估值以获得得分urec(x)(表示所有建议性要求的总体满足度)，并且最后将两个得分umand(x)和urec(x)聚合以获得总得分u(x)。总得分u(x)是应用umand(x)的第一权重、urec(x)的第二权重、umand(x)与urec(x)之间的最小得分的第三权重以及最后umand(x)与urec(x)之间的最大得分的第四权重的加权。在一般情况下，这四个权重是不同的。例如，第一权重与第二权重之间的比率大于或等于3。同样，umand(x)是通过对与强制性要求相关的评估函数以及这些函数的子集之间的不同最小值和最大值进行加权而获得。urec(x)是通过对与建议性要求相关的评估函数以及这些函数的子集之间的不同最小值和最大值进行加权而获得。根据一个特定示例，总得分由以下函数给出：u(x)＝0.805*umand(x)+0.105*urec(x)+0.11*min(umand(x),urec(x))u(x)umand(x)urec(x)得分umand(x)可以从对中间分数的计算中分级获得，如下所示：·时间性：utemps；mand(x)＝0.25*ur8；mand(x)+0.25*ur9；mand(x)+0.25*ur12；mand(x)+0.25*ur13；mand(x)·可用性：udispo；mand(x)＝0.225*ur2；mand(x)+0.225*ur7；mand(x)+0.11*max(ur2；mand(x),ur7；mand(x))+0.22*min(ur2；mand(x),ur14；mand(x))+0.22*min(ur7；mand(x),ur14；mand(x))·错误误差：ufaux；mand(x)＝0.5*ur10；mand(x)+0.5*ur15；mand(x)·核心误差(精度)：ucoeur；mand(x)＝0.5*ur4；mand(x)+0.5*ur11；mand(x)·完整性误差：uinteg；mand(x)＝ucoeur；mand(x)/3+2*ufaux；mand(x)/3·强制性要求的总得分：umand(x)＝0.2*uinteg；mand(x)+0.4*udispo；mand(x)+0.2*min(ur3；mand(x),utemps；mand(x))+0.1*min(ur3；mand(x),uinteg；mand(x))+0.1*min(ur3；mand(x),udispo；mand(x)。得分urec(x)可以从对中间得分的计算中如下分级获得：·核心误差(精度)：ucoeur；rec(x)＝0.13*ur4；rec(x)+0.205*ur16；rec(x)+0.07*ur17；rec(x)+0.465*ur18；rec(x)+0.13*max(ur17；rec(x),ur18；rec(x))·相关误差：ucorr；rec(x)＝0.25*ur5；rec(x)+0.75*ur20；rec(x)·完整性误差：uint；rec(x)＝0.05*ucorr；rec(x)+0.25*ucoeur；rec(x)+0.55*ur19；rec(x)+0.05*min(ucorr；rec(x),ucoeur；rec(x))+0.05*min(ucorr；rec(x),ur19；rec(x))+0.05*min(ucoeur；rec(x),ur19；rec(x))·可用性：udispo；rec(x)＝ur2；rec(x)/3+2*ur14；rec(x)/3·建议性要求的总得分：urec(x)＝0.22*udispo；rec(x)+0.07*ur6；rec(x)+0.57*uint；rec(x)+0.14*max(udispo；rec(x),uint；rec(x))在更详细的实施例中，总得分是每个评估函数的加权，每个加权系数通过监督学习而获得。每个中间得分计算中的加权系数也通过监督学习而获得。在使用步骤结束时，获得追踪系统的总得分，该总得分反映了追踪系统对要求的合规性。因此，与在本申请的
背景技术：
中呈现的二元评估方法相比，评估方法使得可以获得对追踪系统的符合性更精细的评估。实际上，每个评估函数的区别在于它使得可以通过强制性要求和建议性要求来解释属性相对于期望属性的偏差。尽管如此，评估函数仍然是相对简单的函数，使得能够管理大量的标准(在本文中，该数量大于或等于20)。获得这样的总得分允许用于多个应用。这使得可以促进追踪系统的认证。特别地，在设计期间可以评估追踪系统的性能。由于总得分更精细，因此对两个追踪系统的比较也变得更容易。这种属性有利地用于设计追踪系统的方法中，对于该方法，优化函数将包括最大化总得分。追踪系统设计者也可以使用该属性来确定追踪系统中待改进的元素。总得分还使得能够检测出现有追踪系统的弱点并且使得能够确定添加一个或多个传感器能够如何改进追踪系统。为了进一步促成追踪系统设计者的任务，方法进一步包括：用于监督学习评估值的聚合函数的步骤，聚合函数对追踪系统对要求的集合中对应于特定属性的要求的一部分的符合性进行评估；以及使用步骤，该使用步骤包括：使用评估值和学习的聚合函数来获得要求的集合中对应于特定属性的要求的每个部分的值，以及使用在使用期间获得的值和聚合函数来获得总得分。换言之，这相当于将某些评估值分组在一起以获得评估追踪系统对要求的集合中对应于特定属性的要求的一部分的符合性的得分。属性是例如可用性、连续性、完整性、时间性或一致性。如图3中示出，在esassp标准的情况下，所有约束r1至r22被分成五个属性g1、g2、g3、g4和g5。称为“可用性”的第一属性g1将约束r1、r2、r7和r14的要求组合在一起。称为“连续性”的第二属性g2将约束r1和r21的要求组合在一起。称为“完整性”的第三属性g3将作为误差的评估等级的三个等级c1、c2和c3组合在一起。这三个等级分别是主要误差、相关误差和杂散误差。对应于主要误差的评估的第一等级c1将约束r4、r11、r16、r17和r18的要求组合在一起。对应于相关误差的评估的第二等级c2将约束r5和r20的要求组合在一起。对应于杂散误差的评估的第三等级c3将约束r10、r15和r19的要求组合在一起。称为“时间性”的第四属性g4将约束r8、r9、r12和r13的要求组合在一起。称为“一致性”的第五个属性g5仅将第六约束r6的建议性要求组合在一起。提出的评估方法意味着输入的物理属性是“现场”真实情况的良好反映。因此，输入的物理属性的改善导致与总得分相关的改善。因此，优选地，追踪系统提供对来自若干个传感器的早期数据的测量的评估，每个评估函数使用经评估的测量中的至少一个作为输入。根据一个优选的实施例，每个经评估的测量被误差所污染，使用来自相同的传感器的后来数据作为参考来评估该误差，每个评估函数也使用来自所述经评估的测量的至少一个误差作为输入。作为示例，这特别适用于追踪系统对飞行器的轨迹的评估。因此，提出了用于确定待评估的追踪系统对飞行器的轨迹的评估的误差的方法。方法包括获得步骤、预测步骤、收集步骤、重建步骤和确定步骤。在获得步骤期间，在第一时刻t1和第二时刻t2之间从多个传感器获得数据。传感器例如是雷达、ads、wam。ads(自动相关监视)，也称为ads-b(自动相关监视-广播)，是用于空中交通管制和其他相关应用的协作监视系统。装备有ads-b的飞机通过卫星定位系统(gps)确定该飞机的位置，并且定期将此位置和其他信息发送到地面站。wam(广域多边定量)是在机场中使用的、基于到达时差的原理的飞机监视技术。wam使用来自多个传感器的数据来获得飞机的位置。例如，wam从地面上的若干个天线收集数据以应用数学计算，从而可以获得飞机的位置。radar(无线电检测和测距)可以检测天空中飞机的存在并确定该飞机的位置。radar向天空中发射电磁脉冲，通过分析由飞机反射并向radar重新发射的波来获得飞机的检测和定位。在描述的示例中，第一时刻t1和第二时刻t2之间的时间间隔小于或等于30分钟。因此，获得步骤使得可以在第一时刻t1和第二时刻t2之间获得多个数据。在预测步骤期间，追踪系统根据在第一时刻t1和第二时刻t2之间获得的数据来预测飞机的轨迹。因此，获得飞行器的预测轨迹。在收集步骤期间，在初始时刻t0和第一时刻之间以及在第二时刻t2和第三时刻t3之间收集来自传感器的数据。初始时刻t0在第一时刻t1之前。第三时刻t3在第一时刻t1和第二时刻t2之后。第二时刻t2和第三时刻t3之间的时间间隔与第一时刻t1和第二时刻t2之间的时间间隔之间的比率r大于或等于0.5。初始时刻t0和第一时刻t1之间的时间间隔与第一时刻t1和第二时刻t2之间的时间间隔之间的比率r'大于或等于0.5。例如，第二时刻t2和第三时刻t3之间的时间间隔大于或等于15分钟。结果，在描述的示例中，比率r大于0.5。同样，初始时刻t0和第一时刻t1之间的时间间隔大于或等于15分钟。结果，在描述的示例中，比率r'大于0.5。在重建步骤期间，从收集的数据和获得的数据重建飞行器的实际轨迹。重建更具体地涉及飞机在第一时刻t1和第二时刻t2之间的轨迹。重建步骤例如包括通过三次样条来对数据进行插值以及通过最小二乘法技术的调整。在确定步骤期间，通过比较预测轨迹和重建轨迹来获得误差。为了通过追踪系统确定重建轨迹和预测轨迹之间的误差，执行以下步骤：通过追踪系统将参考轨迹插值到追踪的更新时间。这种插值意味着内插了表征追踪的若干个物理属性，主要的物理属性是水平位置、垂直位置、水平速度矢量、垂直速度，通过获得参考轨迹的插值属性与预测轨迹的属性之间的差异，沿给定轴(位置、速度等)计算误差，以及对于整个轨迹，使用针对给定物理属性所计算的误差的集合来计算rms(均方根)值和max值。这样的方法使得可以获得飞行器的轨迹的可靠误差。该方法可以通过使用如参照图1所描述的系统处理数据来远程实施。根据另一实施例，该方法由位于追踪系统中的控制器来实施。这例如使得可以用延迟时间来验证追踪系统的操作，以告警确定方法是否获得了过多的误差。本发明涉及前述实施例的任何技术上可能的组合。当前第1页12