一种基于管制意图和飞机性能模型的四维航迹预测方法与流程

本发明属于空中交通管理系统中的飞机四维(4d)航迹预测技术领域，具体指代一种基于管制意图和飞机性能模型的四维航迹预测方法。

背景技术：

作为我国国民经济和社会发展的重要行业和先进的交通运输方式，民用航空运输业随着整个国民经济的不断发展也得到了飞速的发展。至2017年，中国的民航机场总量较1990年的94个已经增加到了216个，航线总数近4000条。飞行航路上的飞机越来越多、飞行间距越来越小，空中交通安全形势越发严峻；航班延误、空域拥堵等问题也频繁发生。航班延误不仅给乘客和航空公司带来直接的经济损失，还影响国民经济发展。近年来，诸如航空器冲突探测与解脱、进离场排序、基于轨迹运行等空管自动化与智能化方法的研究日益兴起，其目的就是为了提高空中交通效率，保证空中交通安全，降低延误率。而快速准确的飞机轨迹预测是实现上述方法的基础与保障。

目前，飞机4d航迹推算方法主要有以下两类：

一种是根据计划信息中的起飞机场、落地机场及报告点的各种信息(类型、位置、高度、速度)进行综合，形成水平轨迹，然后基于飞机性能模型、飞机的标准飞行程序、飞机巡航高度和速度、转换高度等来生成一个可划分为若干段的高度剖面和速度剖面，在此过程中，考虑气象中的高空风对飞机地速的影响，三个剖面独立处理后经过一定的耦合.就合成计算出了飞机的4d轨迹，从而获得航班经过各报告点的过点位置、过点速度、过点高度以及所属管制扇区等信息。例如：任倩倩等人的“终端区四维飞行航迹的计算[j].中国民航飞行学院学报,2008,19(4):11-14”中运用建立飞行器模型，进行飞行模拟的方法，对北京终端区36r跑道的离场航线和进近航线的四维飞行轨迹进行了计算；王超等人的“基于基本飞行模型的4d航迹预测方法[j].西南交通大学学报,2009,44(2):295-300”中基于基本飞行模型的概念，按飞行阶段特点用基本飞行模型构建水平航迹、高度剖面和速度剖面，拟合生成完整的4d航迹；杜文彬等人的“基于航线对象方法的四维航迹建模与优化[j].计算机技术与发展,2012,22(8):249-252”则提出了基于航线对象方法的7种航迹段模型，按照飞行计划、管制指令和导航设备的地理分布，搭建了水平航迹，对垂直剖面建模所需的重要参数(爬升率、下降率、推力、巡航马赫数等)进行了简单的推算和优化，生成了完整的4d航迹，等等。

另一种是基于轨迹数据挖掘的航迹预测方法，随着大数据技术的兴起，历史数据挖掘等对航迹预测提供了支持。历史运行航迹数据是对飞行状态的可靠性记录，它包含影响航空器运行的所有可能因素，比如飞行计划的改变、管制意图、天气状况等。这些信息可以被挖掘出来，用来分析航迹模式并用于航迹预测，提高预测准确度。例如：garielm等的“trajectoryclusteringandanapplicationtoairspacemonitoring[j].intelligenttransportationsystems,2011,12(4):1511-1524”中以提取转弯点为聚类对象，使用聚类方法分拣航迹数据并排除偏离航迹后提取典型航迹，用于航空器监视和预测，但航迹信息损失较多，缺少高度和时间信息；赵恩来等的“改进的基于密度的航迹聚类算法[j].计算机工程,2011,37(9):270-272”中采用加权manhattan距离与惩罚系数相结合的距离度量，提出一种基于密度的改进航迹聚类方法，用于航迹预测；钱夔等的“基于bp神经网络的空中目标航迹预测模型[j].指挥信息系统与技术,2017,8(3):54-58”则提出了一种基于反向传播神经网络的空中目标航迹预测模型，将目标航迹数据自适应聚类，从而提取出特定目标的活动区域变化规律。

然而，现有的4d航迹预测技术方法和存在的问题可以概况如下：

1、采用基于大数据技术的轨迹预测算法，基于大量历史数据，充分挖掘了航班历史飞行特性，但影响飞行的其它因素，例如天气等，不易融合到预测航迹中；另一方面，航空运输运行数据量大，数据类型多远，数据分布特征多样，就拿全国航迹数据来说，一天记录下来的经过数据清洗的有效数据就有5亿条，这会导致实际航迹预测过程中处理效率较低，无法满足实时性要求；此外，由于异常航迹对于生成代表性航迹具有较大影响，从而会对预测产生影响。

2、采用基于飞机运动学模型的方法，使用大量飞行性能数据和动力学参数进行计算，计算效率高，但是在不考虑气象模型或不能判断航空器实际意图的情况下，很难保证轨迹预测的精度。

3、其它例如基于卡尔曼滤波或神经网络等的无参数估计方法，实现较为简单，不需要大量输入参数，但性能提升空间小，误差较大。

技术实现要素：

针对于上述现有技术的不足，本发明的目的在于提供一种基于管制意图和飞机性能模型的四维航迹预测方法，以解决现有的空中交通量持续增长、区域通行效率亟待提升、航迹预测精度不高等问题；本发明充分利用飞机性能模型的优越性，并考虑从历史航迹数据中获取反映实际管制意图的经验参数(报告点过点高度)，将二者进行有效耦合，同时结合气象高空风数据，在保证计算效率的情况下全面提升4d航迹预测精度。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种基于管制意图和飞机性能模型的四维航迹预测方法，包括步骤如下：

1)对飞行数据进行预处理；

2)管制意图提取；

3)基于飞机性能模型和管制意图的4d航迹预测建模；

4)高空风修正建模；

5)生成航班的静态4d航迹预测结果；

6)实时雷达数据修正。

进一步地，所述步骤1)具体包括：从空中交通管理系统中采集一段时间的雷达航迹、aftn数据；将上述采集的雷达航迹、aftn数据以同时间、同速率进行同步回放；对动态空管数据进行损坏数据剔除、异常数据清洗；并建立以aftn电报和雷达航迹数据为基础的数据库；

导入atc系统所用基础情报数据，并对基础数据进行更新和补充，所述基础数据覆盖航路航线，重点机场，区管的扇区划设；

解析同期的grib气象预报数据，并存入数据库；

利用从欧控获得的bada飞行器性能数据文件，解析后存入数据库；

对历史aftn报文处理结果进行飞行计划数据处理，包括基于标准飞行程序进行航路分解、进离场航线分配。

进一步地，所述步骤2)具体包括：

21)对采集到的航空器航迹数据做融合处理，清洗后的数据与相应的飞行计划数据匹配，建立航空器飞行情况记录表；每一条飞行情况记录由机型、航班号、航路、计划起飞时间、计划降落时间、实际起飞时间、实际降落时间、起飞机场、降落机场、航迹点、经纬度、过点时间、过点速度、过点高度组成；删除航班号为空的无效记录；增加序列号字段，填写数值从一班航班本次起飞时间到降落时间过程中按过点时间排序；将航班号、机型、序列号、实际起飞时间、起飞机场、降落机场、航迹点、经纬度、过点时间、过点高度十个维度的航程记录迁移到hadoop集群的分布式数据库hbase中；

22)获取航迹点经验航程；利用同一航班中按序列号排序相近两个航迹点的航程记录信息构建数据文件的映射模型；计算航班航迹点之间实际距离，并依次累加，获得整个航班的实际航程距离，并保留为中间数据；

23)获取报告点实际过点信息；根据航线启用时间建立全国航线模型参数库，包含如下属性：航线号、启用时间、终止时间、航路报告点及经纬度；利用飞行情况记录(关联字段航路)和全国航线模型参数库(关联字段航线号)构建数据文件的映射模型，将存储于hbase中的原始数据映射为只包含航路报告点和航迹点的中间数据，利用两经纬度点之间距离公式，得出报告点与航迹点小于一定阈值(初定20km)时保留为结果信息，取最小距离的航迹点替代报告点，利用上述步骤22)中结果获得航路报告点实际航程，最小距离的航迹点的过点高度即为报告点过点高度；

24)获取报告点高度层高度和航迹点高度层高度；利用全国航线模型参数库(关联字段高度层低度、高度层高度)构建数据文件的映射模型，将报告点和航迹点过点高度原始数据映射为高度层高度，并保存为中间数据；

25)对步骤23)和步骤24)中得到的报告点实际航程和高度层高度，使用k-means(硬聚类算法)，得出同一起降机场、同一机型同一航线条件下经过各报告点的经验航程以及经验高度层高度；

26)利用步骤24)得到的航迹点高度层高度以及飞行情况记录中的航迹点过点时间作为巡航高度计算过程信息，删除掉飞行时间持续低于一定范围(暂定10min)的信息，然后从中获取持续时间最长的高度作为航班巡航高度；

27)建立航路经验数据信息表，将上述计算过程得到的数据信息进行记录，得到航路经验数据信息表，该信息表中存储数据即为提取到的管制意图信息。

进一步地，所述步骤27)中航路经验数据信息表中包括机型、航班号、起飞机场、降落机场、报告点名称、报告点实际航程、报告点过点高度、巡航高度、航路段等。

进一步地，所述步骤3)具体包括：接收创建、修改或提取的飞行计划处理信息，利用步骤27)中获取的航路经验数据信息表中报告点经验过点信息，替换飞行计划中的报告点高度、巡航高度，结合采集到的实际雷达航迹气象数据信息，构建基于管制意图和飞机性能模型的4d航迹预测模型。

进一步地，所述步骤4)具体包括：对grib格式高空风/温度数据进行解析和插值，获取均匀划分的单个经纬度高度网格中的高空风/温度数据；根据预测航路位置、高度信息调用高空风数据，获取计算的4d轨迹点所在位置的风速性能模型计算该点出真空速为地速方向为当前航路段的航向，将三者进行矢量运算，获取航空器地速大小，实现高空风对航迹预测结果的修正建模。

进一步地，所述步骤5)具体包括：在已建立的耦合管制意图和飞机性能模型的4d航迹预测模型基础上，结合高空风对航迹预测的修正模型，利用空域基础参数、航班计划航路数据及bada性能数据库中的相关参数，计算生成航班的静态4d航迹预测结果。

进一步地，所述步骤6)具体包括：引接雷达探测到的航班实时数据，当航空器收到实际雷达数据时，认为该位置处的管制意图明确，将当前雷达收到的实际航迹点时间、位置、速度、航向作为虚拟报告点插入至计划航路中，根据雷达航迹点所处航段，由雷达航迹和航段起始点的位置关系获取雷达航迹点对应的经验航程，将雷达航迹点实际过点高度作为当前位置的目标高度，按照步骤5)所述对后续阶段的预测结果进行重新计算，实现对航班4d航迹预测结果的动态修正。

本发明的有益效果：

(1)本发明基于历史航迹数据的管制意图提取方法，生成城市对、机型字段条件下的各报告点常用过点高度、航段航程等意图信息数据文件，实现对管制意图的快速程序化提取。

(2)本发明建立了耦合飞机性能模型和管制意图的飞机4d航迹预测数学物理模型。预测模型考虑有气象、管制意图、飞机性能等多种信息，可以快速准确地实现飞机4d航迹预测，提高管制效率。

(3)本发明提出了飞机机动模式使用策略，根据目标点和当前计算报告点位置关系，模拟管制指令触发时机，实现了考虑管制意图的预测计算。

(4)本发明将实时监视数据获得的航迹点作为明确的管制意图目标点，加入到4d预测模型中，实现对航迹预测结果的自动优化和重建，进一步提升航迹预测准确度。

(5)本发明有利于尽早探测出各个不同架次的飞行轨迹之间的冲突，提升空中交通安全。

(6)本发明有利于在当前时间点之前对所有架次的飞行情况进行总体把握，平滑交通流，增加空中交通通过量，提升空中交通效率。

附图说明

图1为本发明方法原理图。

图2为机动模式1示意图。

图3为机动模式2示意图。

图4为机动模式3示意图。

图5为速度矢量图。

具体实施方式

为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。

对本发明中所用的专用术语和常用缩写进行定义：

参照图1所示，本发明的一种基于管制意图和飞机性能模型的四维航迹预测方法，包括步骤如下：

1、飞行数据预处理

从空中交通管理系统中采集一段时间的雷达航迹、aftn数据；将采集的动态空管数据以同时间、同速率进行同步回放。对动态空管数据进行损坏数据剔除、异常数据清洗用于后续处理和入库；建立一套以aftn电报和雷达航迹数据为基础，能够准确描述一条航迹全部的相关运行动态的数据库体系。

导入atc系统所用基础情报数据(包括航路、航线和机场等)，并对基础数据进行更新和补充，覆盖主要航路航线，重点机场，区管的扇区划设等内容，充分满足航路拆分的数据要求。

对同期的grib气象预报数据，解析并入库，为航迹预测提供必要的气象预报信息。

利用从欧控获得的bada飞行器性能数据文件，解析并完成数据入库，为航迹预测提供必要的飞行器性能信息。

对历史aftn报文处理结果进行飞行计划数据处理，包括基于标准飞行程序进行航路分解、进离场航线分配等。

2、管制意图提取

21)对采集到的航空器航迹数据做融合处理，清洗后的数据与相应的飞行计划数据匹配，建立航空器飞行情况记录表；每一条飞行情况记录由机型、航班号、航路、计划起飞时间、计划降落时间、实际起飞时间、实际降落时间、起飞机场、降落机场、航迹点、经纬度、过点时间、过点速度、过点高度等属性组成；删除航班号为空的无效记录；增加序列号字段，填写数值从一班航班本次起飞时间到降落时间过程中按过点时间排序；将航班号、机型、序列号、实际起飞时间、起飞机场、降落机场、航迹点、经纬度、过点时间、过点高度十个维度的航程记录迁移到hadoop集群的分布式数据库hbase中；

22)获取航迹点经验航程；利用同一航班中按序列号排序相近两个航迹点的航程记录信息构建数据文件的映射模型；计算航班航迹点之间实际距离，并依次累加，获得整个航班的实际航程距离，并保留为中间数据；

23)获取报告点实际过点信息；根据航线启用时间建立全国航线模型参数库，包含如下属性：航线号、启用时间、终止时间、航路报告点及经纬度；利用飞行情况记录(关联字段航路)和全国航线模型参数库(关联字段航线号)构建数据文件的映射模型，将存储于hbase中的原始数据映射为只包含航路报告点和航迹点的中间数据，利用两经纬度点之间距离公式，得出报告点与航迹点小于一定阈值(初定20km)时保留为结果信息，取最小距离的航迹点替代报告点，利用上述步骤22)中结果获得航路报告点实际航程，最小距离的航迹点的过点高度即为报告点过点高度；

24)获取报告点高度层高度和航迹点高度层高度；根据我国rvsm空域相关标准规范建立高度层参数库，主要包含3个属性，分别为高度层序号、高度层低度、高度层高度。利用全国航线模型参数库(关联字段高度层低度、高度层高度)构建数据文件的映射模型，将报告点和航迹点过点高度原始数据映射为高度层高度，并保存为中间数据；

25)对步骤23)和步骤24)中得到的报告点实际航程和高度层高度，使用k-means(硬聚类算法)，得出同一起降机场、同一机型同一航线条件下经过各报告点的经验航程以及经验高度层高度；

26)利用步骤24)得到的航迹点高度层高度以及飞行情况记录中的航迹点过点时间作为巡航高度计算过程信息，删除掉飞行时间持续低于一定范围(暂定10min)的信息，然后从中获取持续时间最长的高度作为航班巡航高度；

27)建立航路经验数据信息表，将上述计算过程得到的数据信息进行记录，得到航路经验数据信息表。具体记录信息包括机型、航班号、起飞机场、降落机场、报告点名称、报告点实际航程、报告点过点高度、巡航高度、航路段等。

3、基于飞机性能模型和管制意图的4d航迹预测建模；

接收创建、修改或提取的飞行计划处理信息，利用步骤27)中获取的航路经验数据信息表中报告点经验过点信息，替换飞行计划中的报告点高度、巡航高度等，结合采集到的实际雷达航迹气象等数据信息，构建基于管制意图和飞机性能模型的4d航迹预测模型，实现4d航迹的仿真预测。

飞行性能模型采用欧控试验中心航空器性能数据库bada中的tem(total-energymodel)模型。bada(baseofaircraftdate)是法国eec(eurocontrolexperimentcentre)中心开发的一个以美国信息交换标准代码ascii(americanstandardcodefortheinterchangeofinformation)数据形式存储的，包含不同类型飞机性能参数和运行程序参数的飞机性能数据库。tem模型是将飞机被看做一个质点来建模，作用在飞机上的合外力作的功等于飞机的动能和势能增量。

表示如下；

式中：m为航空器质量；vtas为真空速；t为推力；d为阻力；g为重力加速度；γ为航空器的爬升/下降角。

上升下降率为：

其中，h为高度，为能量分配系数，可以转化为马赫数的函数f(m)，表示按照选定的速度进行爬升时，用于爬升的推力与用于加速的推力的比值。利用bada性能库中的飞行器性能参数，即与飞机气动性能、发动机性能、载重、航程相关的参数，包括飞机在不同姿态下的升力系数、阻力系数，发动机在不同高度、不同环境温度、不同推力输出情况下的耗油率，以及飞机重量、经济巡航速度、最大航程等，来计算发动机推力、空气阻力和燃油流量，然后根据这些参数来确定巡航、爬升及下降速度，实现航班飞行轨迹仿真动力学建模。按飞行阶段特点，将4d航迹分成水平飞行轨迹、高度剖面和速度剖面三个剖面进行建模。建模思路：首先是合成从起始点位置和航向至结束点位置和航向的二维水平飞行轨迹，然后研究沿着已知水平轨迹的速度剖面和高度剖面，从而实现4d航迹仿真计算。

下面详细说明管制意图和飞机性能模型的耦合方法：

(1)水平剖面

从数据挖掘得到的航路经验数据里，提取该机型、该航路、该起降机场条件下的各报告点间经验航程作为需要计算的航路各报告点的目标航程。同时计算航段目标航程。例如，数据挖掘得到报告点a和报告点b间航程为sa和sb，则航段目标航程为sab＝sb-sa。

(2)高度和速度剖面计算

航空器飞行模型构建的过程中，在无特殊情况的条件下，航路飞行默认是按照标准飞行程序爬升至巡航高度，再以巡航高度飞行一段距离后按照标准下降程序下降至落地机场。但在实际飞行过程中，航空器经过不同的管制区域时需要接受不同管制扇区的指挥，各扇区之间需要在扇区移交协议基础上，通过高度调整指挥航空器进入指定飞行高度层移交给下一管制扇区。不同扇区之间高度的限制要求将会影响航空器到达各报告点的高度。在航迹预测计算时，将从历史航迹挖掘中得到的报告点经验过点高度作为报告点目标高度。要求航空器在指定报告点到达指定的高度。在标准飞行程序基础上，将航空器从一个报告点1到达另一个报告点2的飞行过程划分为三种模式：

模式1：航空器先由报告点1的高度爬升/下降到报告点2的高度，爬升/下降姿态和飞机性能模型相匹配，到达报告点2的高度后，再平飞至报告点2，如图2所示；

模式2：先在报告点1的高度上平飞一段距离，再由报告点1的高度爬升/下降到报告点2的高度，爬升/下降姿态和飞机性能模型相匹配，如图3所示；

模式3：先由报告点1的高度爬升到巡航高度，再由巡航高度爬升/下降到报告点2的高度，爬升/下降姿态和飞机性能模型相匹配，如图4所示。

使用策略：根据当前计算点和下一计算点在总航路中所处的位置情况和两点间的位置情况，机动选择使用预测飞行模式。

一、假设当前计算点航程s0，根据飞机性能模型和标准飞行程序预估当前计算点高度爬升/下降到下一计算点高度所需航程s1，航路总目标航程为stotal，起飞机场爬升到巡航高度所需航程sclimb，巡航高度下降至目的机场所需航程sdescend。

二、当满足当前计算点高度小于巡航高度，且飞过的航程一定阈值sm时(当stotal>＝n1*sclimb+n2*sdescend，取sm＝n1*sclimb，当stotal>＝n1*sclimb+n2*sdescend，取sm＝0.5*s0，n1，n2为可调系数，n1，n2取值大于1)，认为仍有进入巡航高度的可能。此时有：当下一有目标高度的计算点为目的机场时，选择模式3；当下一有目标高度的计算点不为目的机场时，若下降航程阈值n2*sdescend>下一点的航程s0+s1>爬升航程阈值n1*sclimb，则选择模式1；否则，选择模式3。

三、不满足步骤二的条件，当前点位置高度高于巡航高度或已经飞出较远距离，则认为不再具有爬升至巡航高度的可能，此时有：当下一有目标高度的计算点为目的机场时，选择模式2；当前计算点与下一计算点距离<n3*s1时，选择模式1，n3为可调系数；当前计算点与下一计算点距离>＝n4*s1时，选择模式2，n4为可调系数。

(3)剖面耦合

根据报告点经纬度信息，计算报告点间计划航程。

设第一点a的经纬度(b1,l1),第二点b的经纬度(b2,l2)；a,b两点之间经度差a和纬度差b：

a＝b1-b2

b＝l1-l2

a,b两点之间计划航程s'ab：

根据报告点目标航程和4d轨迹点航程计算得到的4d轨迹点所属航段，并按照航段计划航程与航段目标航程等比例求得4d轨迹点到对应的航段的起始点的计划航程。例如：假设有4d轨迹点n，sc>4d轨迹点计算航程sn>sb，则判断该轨迹点在航段bc内，航段bc的计划航程和历史挖掘得到的目标航程分别为sbc和s'bc，由等比例关系得到n到b对应的计划航程应当为：由s'bn和s'bc即可求出轨迹点n的位置坐标。

根据计划航程和所属航段的起始报告点位置信息，计算得到4d轨迹点对应的位置信息，从而获得所有4d轨迹点的预测位置、时间、高度、速度结果以及报告点的预测过点时间、过点速度、过点高度。

4、高空风修正

参照图5所示，对grib格式高空风/温度数据进行解析和插值，获取均匀划分的单个经纬度高度网格中的高空风/温度数据。根据预测航路位置、高度信息调用高空风数据，获取计算的4d轨迹点所在位置的风速性能模型计算该点出真空速为地速方向为当前航路段的航向，将三者进行矢量运算，获取航空器地速大小，实现高空风对4d航迹预测的修正计算。

5、静态4d航迹预测结果

利用掌握的基础空域数据(包括位置点基础信息、飞机性能数据、进离场程序、航路数据、地图数据等)以及气象grib报文信息，结合数据挖掘得到的航路经验航迹信息表中相关数据，采用已建立的基于管制意图和飞机性能相结合的飞机4d航迹预测模型，并考虑高空风对地速的影响，计算得到航空器静态4d轨迹预测结果。

6、实时雷达数据修正

引接雷达探测到的航班实时数据，包括时间、位置、速度、航向等，当航空器收到实际雷达数据时，认为该位置处的管制意图明确，将当前雷达收到的实际航迹点时间、位置、速度、航向作为虚拟报告点插入至计划航路中，根据雷达航迹点所处航段，由雷达航迹和航段起始点的位置关系获取雷达航迹点对应的经验航程，将雷达航迹点实际过点高度作为当前位置的目标高度，按照上述策略对后续阶段的预测结果进行重新计算，实现航迹预测的动态修正。

本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。