一种远程塔台模式下多机场非侵入区告警检测方法与流程

本技术涉及机场非侵入区告警检测，具体而言，涉及一种远程塔台模式下多机场非侵入区告警检测方法。

背景技术：

1、随着经济的发展，飞机的需求不断增多，机场的建设规模在扩大，越来越多的机场开设了多条跑道以应对各地区航班量日益增大的情况，机场塔台管制的任务日渐繁重，如何维持良好的交通秩序，在提升飞行效率的同时保证人民生命财产安全，是交通管制工作应该重点关注的方向。远程塔台技术将传统的塔台管理由机场转移到远程指挥中心，相对于传统塔台，远程塔台建设更便捷、成本更低，能够显著降低机场运营成本。

2、目前，现有的非侵入区告警检测方法并不适用远程塔台模式，无法保障多机场、多跑道复杂空域环境下的非侵入区告警检测服务，因此，如何实现对远程塔台模式下的多机场非侵入区的告警检测是目前急需解决的技术难题。

技术实现思路

1、本技术的实施例提供了一种远程塔台模式下多机场非侵入区告警检测方法，以解决现有技术中无法对远程塔台模式下的多机场非侵入区进行告警检测的技术难题。

2、本技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本技术的实践而习得。

3、根据本技术实施例的第一方面，提供了一种远程塔台模式下多机场非侵入区告警检测方法，包括：

4、获取机场数据、飞机的历史飞行数据和飞机的实时飞行数据；

5、基于飞机在机场的起飞/降落信息，将所述机场数据与所述历史飞行数据和所述实时飞行数据进行关联，得到关联数据，所述关联数据包括关联训练数据和关联检测数据；

6、基于所述关联训练数据，构造模型自监督训练数据集；

7、构建集成神经网络模型，并基于所述模型自监督训练数据集训练所述集成神经网络模型；

8、基于所述关联检测数据进行数据特征提取，获得特征数据；

9、将所述特征数据输入至训练好的集成神经网络模型进行检测，得到检测结果。

10、在本技术的一些实施例中，基于前述方案，所述基于飞机在机场的起飞/降落信息，将所述机场数据与所述历史飞行数据和所述实时飞行数据进行关联，得到关联数据，包括：

11、根据飞机在机场的起飞/降落信息，确定关联字段；

12、基于所述关联字段将所述机场数据中的多个子数据与所述历史飞行数据和所述实时飞行数据中的多个子数据一一进行关联，得到多个关联子数据；

13、整合多个所述关联子数据并进行验证，得到所述关联数据。

14、在本技术的一些实施例中，基于前述方案，所述基于所述关联训练数据，构造模型自监督训练数据集，包括：

15、从所述机场数据和所述历史飞行数据中提取出与非侵入区告警相关的非侵入区参数数据、与飞机飞行相关的飞行参数数据和告警结果数据；

16、基于提取到的所述飞行参数数据、所述非侵入区参数数据和所述告警结果数据进行数据整合，得到模型自监督训练数据集，所述模型自监督训练数据集包括训练集、测试集、验证集。

17、在本技术的一些实施例中，基于前述方案，在从所述机场数据和所述历史飞行数据中提取出与飞机飞行相关的飞行参数数据以及与非侵入区告警相关的非侵入区参数数据之前，还包括：

18、对所述机场数据和所述历史飞行数据进行异常值处理和缺失值补充。

19、在本技术的一些实施例中，基于前述方案，所述构建集成神经网络模型，包括：

20、构建用于检测多个非侵入区的多个子网络；

21、将所述多个子网络进行整合构建所述集成神经网络模型。

22、在本技术的一些实施例中，基于前述方案，所述构建用于检测多个非侵入区的多个子网络，包括：

23、针对一个非侵入区构建多个非侵入区检测网络；

24、以测试评估结果为依据，从所述多个非侵入区检测网络中筛选出最优的网络作为用于检测所述多个非侵入区检测网络对应的非侵入区的子网络。

25、在本技术的一些实施例中，基于前述方案，所述针对一个非侵入区构建多个非侵入区检测网络，包括：

26、确定非侵入区检测网络的模型输入；

27、确定非侵入区检测网络的模型输出；

28、计算非侵入区检测网络的模型结构；

29、定义非侵入区检测网络的前向传播计算；

30、定义非侵入区检测网络的损失函数。

31、在本技术的一些实施例中，基于前述方案，所述计算非侵入区检测网络的模型结构，包括：

32、根据所述非侵入区检测网络的输出层神经元个数以及所述非侵入区检测网络所处理的数据类型设定网络层数范围；

33、根据所述非侵入区检测网络的输入层神经元个数、所述非侵入区检测网络的输出层神经元个数以及所述训练集的样本数计算神经元个数。

34、在本技术的一些实施例中，基于前述方案，所述以测试评估结果为依据，从所述多个非侵入区检测网络中筛选出最优的网络作为用于检测所述多个非侵入区检测网络对应的非侵入区的子网络，包括：

35、基于所述验证集对完成训练的所述多个非侵入区检测网络进行性能评估；

36、选择性能最优的非侵入区检测网络作为用于检测所述多个非侵入区检测网络对应的非侵入区的子网络。

37、在本技术的一些实施例中，基于前述方案，在得到检测结果之后，还包括：

38、基于关联数据中的关联特性，溯源出所述告警结果所在的机场数据和相关的航班数据。

39、根据本技术实施例的第二方面，提供了一种远程塔台模式下多机场非侵入区告警检测装置，包括：

40、获取单元，用于获取机场数据、飞机的历史飞行数据和飞机的实时飞行数据；

41、关联单元，用于基于飞机在机场的起飞/降落信息，将所述机场数据与所述历史飞行数据和所述实时飞行数据进行关联，得到关联数据，所述关联数据包括关联训练数据和关联检测数据；

42、第一提取单元，用于基于所述关联训练数据，构造模型自监督训练数据集；

43、模型构建单元，构建集成神经网络模型；

44、训练单元，用于基于所述模型自监督训练数据集训练所述集成神经网络模型；

45、第二提取单元，用于基于所述关联检测数据进行数据特征提取，获得特征数据；

46、检测单元，用于将所述特征数据输入至训练好的集成神经网络模型进行检测，得到检测结果。

47、根据本技术实施例的第三方面，提供了一种电子设备，包括：存储器和处理器；

48、所述存储器，用于存储计算机指令；

49、所述处理器，用于调用所述计算机指令，使得电子设备执行上述第一方面所述的方法。

50、根据本技术实施例的第四方面，提供了一种计算机可读存储介质，所述存储介质中存储有计算机指令，所述计算机指令在计算机上运行时，使得所述计算机执行上述第一方面所述的方法。

51、本技术的技术方案，先根据机场数据和历史飞行数据训练集成神经网络模型，再利用集成神经网络模型对实时飞行数据和机场数据进行告警检测，实现了对远程塔台模式下的多机场非侵入区的告警检测，且训练的集成神经网络模型具有较强的鲁棒性，保证了预测结果的可靠性。

52、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。