一种面向智能网联环境的机场场道车机跟驰安全评判方法

1.本发明属于机场智能管控技术领域。


背景技术：

2.随着民航产业的不断发展，机场飞机的数量迅速增加，为飞机服务的车辆也越来越多，机坪运行日益繁忙，场面交通运行复杂度升高，导致运行安全保障压力大，场道通行效率低。因此针对机场场面开发的车机安全评判方法具有重大意义。
3.在当前场面交通车机跟驰过程中，车-机、车-车信息交互主要依赖声光信息，而声光信息易受气象条件和驾驶人不确定性的影响，传统的依靠管制人员和驾驶员目视判断运行是否安全的方法不够准确，这会导致误引、漏引、丢跟等一系列问题。机场场面存在的大量不安全事件，表明仅依靠当前的场面监测设备和安全评判方法已越来越不足以保障机场在复杂条件和大流量环境下的安全运行。
4.现阶段虽然智能网联的相关技术已逐步应用于机场场面交通，但其主要应用仍局限于飞机和地面车辆在机场场道的通行路径规划方面，通过提前规划无冲突通行路线保障场面的安全运行。该技术在实时安全评判与预警方面应用深度尚且不足，机场场面仍存在活动目标主动协同弱、运行主体间存在信息孤岛、自我调整能力差等问题。


技术实现要素：

5.发明目的：为了解决上述现有技术存在的问题，本发明提出了一种面向智能网联环境的机场场道车机跟驰安全评判方法。
6.技术方案：本发明提出了一种面向智能网联环境的机场场道车机跟驰安全评判方法，具体包括如下步骤：
7.步骤1：获取飞机的实时滑行速度，引导车的实时速度以及飞机和引导车之间实时的距离；
8.步骤2：基于机场场面通讯系统和空地一体化网联环境，进行车机信息交互；
9.步骤3：根据飞机的实时速度，引导车的实时速度以及飞机和引导车之间实时的距离计算飞机的等效动量ma以及飞机所受到的势场|e
total
|；根据ma和|e
total
|计算飞机受到引导车的安全势场作用力f
va
；
10.步骤4：根据计算得到的f
va
，判断飞机此时的安全状态，具体为：若f
va
＜w1，则判定飞机此时处于安全的状态，若w1＜f
va
＜w2，则判定飞机此时处于危险的状态，若f
va
＞w2，认为飞机此时处于极度危险的状态；w1和w2均为预设的阈值，且0＜w1＜w2。
11.进一步的，所述步骤3中根据如下公式计算飞机受到引导车的安全势场作用力f
va
：
12.f
va
＝|e
total
|
·
ma·
(1+dr
p
)
13.其中，dr
p
表示驾驶飞机的飞行员风险系数。
14.进一步的，基于如下假设计算计算飞机的等效动量ma：
15.假设1：等效动量与飞机的质量、滑行速度有关
16.假设2：当飞机的质量小于等于预设的质量阈值时，飞机发生事故造成的损失与飞机的质量成正比；当飞机质量大于预设的质量阈值后时，随着飞机质量的增加，飞机发生事故造成的损失的增幅趋于稳定；
17.假设3：飞机的速度越大，造成的事故损失越大，事故损失的变化率越大；
18.计算飞机的等效动量ma的表达式如下所示：
[0019][0020]
其中，ma表示飞机的质量，va表示飞机的实时速度，k1、k2均为待定参数。
[0021]
进一步的，所述飞机所受到的势场|e
total
|的表达式为：
[0022]
|e
total
|＝(ωv+ωd·
drd)
·
|ev|
[0023]
其中，ωv为引导车的车辆势场权重，ωd表示飞行员势场权重，drd表示驾驶引导车的驾驶员的风险系数，ev为引导车产生的车辆势场；ev的表达式为：
[0024][0025]
其中，δx为引导车和飞机之间的实时间距；k3、k4、k5均为待定参数；mv为引导车的虚拟质量，mv的表达式为：
[0026][0027]
其中，mv表示引导车的质量，vv表示引导车的实时速度，k6、k7、k8均为待定参数。
[0028]
进一步的，该方法还包括当飞机处于较为危险的状态或者极度危险的状态时，计算飞机的速度调整量，供飞行员参考，具体为：
[0029]
计算飞机在引导车的安全势场作用力下的加速度a
va
：
[0030][0031]
其中，ma表示飞机的质量；
[0032]
计算车机跟驰模型：
[0033][0034]
其中，a
max
为机场场面允许的飞机滑行过程的最大加速度，v
expect
为飞机在机场场面的期望滑行速度，为飞机实际的加速度，δ为当前飞机滑行速度与期望速度之间差值的系数值，va为飞机的实时速度；
[0035]
根据计算得到飞机速度的调整量。
[0036]
有益效果：
[0037]
(1)本发明提出了一种面向智能网联环境的机场场道车机跟驰安全评判方法，可以有效地利用机场场面现有的众多监测设备，并利用智能网联环境提高运行主体之间的信息交互和运行主体对周围环境的信息感知能力。
[0038]
(2)本发明提出了利用飞机所受引导车安全势场作用力进行车机跟驰安全状态评判的方法，既考虑了引导车引起的势场对飞机的影响，同时也能衡量不同种类飞机的自身性质对安全评判的影响。
[0039]
(3)本发明提出了等效动量的概念来描述飞机的运动状态，可通过计算得出的飞机所受的势场力推导基于安全势场的车机跟驰模型，以便于更加真实地刻画了飞机这种大
质量低滑行速度的交通个体的跟驰行为。
附图说明
[0040]
图1为本发明的方法流程图。
[0041]
图2为基于安全势场的车机跟驰模型的流程图。
具体实施方式
[0042]
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
[0043]
如图1所示，本发明基于安全势场理论，综合考虑了机场场面引导车、引导车驾驶员、飞机驾驶员多个因素对车机跟驰过程的影响，结合网联环境的介入，反映了两个动量差异巨大的交通个体跟驰过程下的安全状况，揭示了“人-车-机-网”的交互关系，能够预测安全风险变化趋势，并通过执行如下步骤s1-步骤s5，对某一时刻飞机的安全状态做出安全评判：
[0044]
步骤s1：基于机/车载监测识别设备，获取车机基本信息，实时飞机、引导车的运动状态及位置信息；
[0045]
步骤s1所述的车机基本信息的对向包括引导车和飞机，对于引导车，其基本信息包括质量(单位：kg)和型号种类(在此方法中将其视为标准车)，对于飞机，其基本信息包括质量(单位：kg)和型号种类(厂商、机型、发动机型号等)；所述实时信息包括跟驰过程中引导车的实时速度(单位：m/s)和飞机的实时速度(单位：m/s)；位置信息指引导车和飞机间距离(单位：m)。
[0046]
所述机/车载检测识别设备包括飞机或引导车各自gps定位系统、运动检测雷达、测距雷达或者测速传感器等。
[0047]
步骤s2：基于机场场面通讯系统和网联环境，进行车机信息交互；
[0048]
步骤s2中所述机场场面网联环境和通讯系统包括机场场面各类信号发生器、信号接收器和路由器等。步骤s2中所进行车机信息交互的信息主要包括引导车和飞机的实时速度(单位：m/s)、质量(单位：kg)、型号种类(尤其是飞机的厂商、机型、发动机型号等)和实时间距(单位：m)，这些信息都由步骤s1获取。
[0049]
步骤s3：基于步骤s1、s2所获得的车机基本信息、运动状态信息、位置信息等，计算飞机受到车辆安全势场场力。
[0050]
步骤s31根据车辆的质量、型号种类和实时速度计算车辆的虚拟质量。本实施例将引导车视为标准车，故将车机跟驰过程中引导车的虚拟质量mv定义为：
[0051][0052]
式中mv、vv分别表示车机跟驰过程中引导车的质量(单位：kg)、速度(单位：m/s)，k6、k7、k8为待定参数。引导车的虚拟质量mv可通过机场场面引导车和飞机发生事故或冲突及其引发损失后果的严重程度确定。
[0053]
步骤s32计算引导车产生的车辆势场。由于在跟驰过程中，将车机视为在同一直线上运动，因此两者的相对位置矢量与飞机运动方向始终共线，仅需考虑其大小，且无需考量道路边界影响；机场场面道路情况一般较好，在此不考虑路面影响因素，由此可得引导车产
生车辆势场ev的计算公式：
[0054][0055]
式中mv为引导车的虚拟质量，δx为引导车和飞机之间的实时间距(单位：m)，vv为实时引导车车速(单位：m/s)，k3、k4、k5为待定参数。
[0056]
步骤s33计算飞机所受到的势场。飞机跟驰过程中，考虑引导车及其驾驶员对飞机的影响。为考虑驾驶员的心理生理、个人认知、驾驶技能、违章风险的影响，引入驾驶员风险系数，则飞机所受势场e
total
可表示为：
[0057]
|e
total
|＝ωv·
|ev|+ωd·
|ed|
[0058]
＝ωv·
|ev|+ωd·
drd·
|ev|
[0059]
＝(ωv+ωd·
drd)
·
|ev|
[0060]
式中ωv、ωd分别表示引导车势场与驾驶员势场所占权重，drd表示驾驶引导车的驾驶员风险系数，drd∈[0，1]，且drd越大，ωd·
drd的值越大，在ωv和|ev|不变时，会导致|e
total
|增加，即引导车及其驾驶员对飞机影响越大，所以当驾驶员心理生理状态更佳，个人认知更广泛，驾驶技能更高超，违章风险更低时，drd应更小。
[0061]
步骤s34计算飞机等效动量。与传统的车辆跟驰行为不同，车机跟驰过程中引导车与飞机无论是在尺寸、质量还是加速度上都有显著差异。为了在道路交通流理论中真实刻画飞机这种大质量低滑行速度的交通个体的跟驰行为，本实施例引入等效动量的概念来描述飞机的运动状态。等效动量的定义有以下假设：
[0062]
(1)等效动量与飞机的质量、滑行速度有关；
[0063]
(2)当飞机质量非常小时，其引发的事故造成的损失微小，当物体质量很大时，其引发事故的事故造成的损失巨大；假设飞机质量到达一定量级后，随飞机质量增加，引发的事故损失增幅较小(也即事故造成的损失的增幅趋于稳定)；
[0064]
(3)飞机的速度增加引发的事故损失增大，且速度增加损失变化率增加。
[0065]
基于以上三点假设，得出等效动量定义式：
[0066][0067]
式中，ma、va分别为车机跟驰过程中飞机的质量(单位：kg)、速度(单位：m/s)，ma为飞机的等效动量，k1、k2为待定参数。等效动量的参数标定可根据在飞机所受引导车安全势场作用力基础上推导出的网联环境下基于安全势场的车机跟驰模型来进行标定。
[0068]
步骤s35计算引导车引发的安全势场对飞机的作用力。由电场力公式f＝eq，其中该公式中的势场强度e等价理解为前车对飞机得车辆势场ev；q为点电荷带电量，属于物体电场环境下的定义属性，现将车辆场中的定义属性定义为飞机的等效动量ma与飞行员风险系数dr
p
。可得飞机所受引导车安全势场作用力f
va
的计算公式为：
[0069]fva
＝|e
total
|
·
ma·
(1+dr
p
)
[0070]
式中，|e
total
|为飞机所受的由引导车和引导车驾驶员引起的势场，ma为飞机的等效动量，dr
p
为驾驶飞机的飞行员风险系数，与飞行员自身的心理生理、个人认知、驾驶技能等有关。
[0071]
步骤s4：基于步骤s3计算所得的安全势场场力，与事先设好的阈值做比较；
[0072]
步骤s4中所述的阈值由历史事故数据计算得出，历史事故可以以引导车进入飞机
周围某一特定区域来定义。由于f
va
是衡量引导车对飞机影响的变量，f
va
越大，则说明引导车对飞机的影响越大，飞机此时安全状态越危险，反之，飞机则越安全。通过设置阈值w1、w2(0＜w1＜w2)判断f
va
和w1、w2的大小关系的方式为下一步衡量飞机的安全状态做好数据准备。不同型号的飞机因为质量、动力学特性、发动机吸引力或其造成的尾流影响不同，其阈值的设置也可能不同。
[0073]
步骤s5：基于步骤s4所得比较结果，判断此时飞机所处的安全状态，并基于网联环境，将判断结果反馈到飞机和引导车。
[0074]
步骤s5在步骤s4获得的f
va
和w1、w2的大小关系的基础上对飞机进行安全状态评判。当f
va
＜w1时，认为飞机此时处于安全的状态；当w1＜f
va
＜w2时，认为飞机此时处于危险状态；当f
va
＞w2时，认为飞机此时处于极度危险的状态。步骤s5通过步骤s2所述的网联环境和通讯系统将飞机此时的安全状态反馈给飞行员和引导车驾驶员等，为飞行员下一步行动提供决策辅助。
[0075]
在进行安全判定的过程中，结合步骤s3的成果，也可以推导出网联环境下基于安全势场的跟驰模型，推导过程如下：
[0076]
如图2所示，首先由步骤s3计算得出的引导车对飞机的安全势场场力，计算飞机所受到该势场力的加速度a
va
：
[0077][0078]
式中，ma为飞机自身质量，|e
total
|为飞机所受的由引导车和引导车驾驶员引起的势场，ma为飞机的等效动量，dr
p
为飞行员风险系数。
[0079]
网联环境下基于安全势场的车机跟驰模型：
[0080][0081]
式中表示由跟驰模型得出的飞机实际的加速度，a
max
为机场场面允许的飞机滑行过程的最大加速度，δ为当前飞机滑行速度与期望速度之间差值的系数值，v
expect
为飞机在机场场面的期望滑行速度，ωv、ωd分别表示引导车势场与驾驶员势场所占权重，drd、dr
p
分别为驾驶员风险系数与飞行员风险系数，mv、ma、vv、va分别表示引导车和飞机的质量和速度，δx表示车机间距，k1、k2、k3、k4、k5、k6、k7、k8都是表示待定参数。跟驰模型的推导流程图如图2所示。根据车的速度调整飞机的速度。
[0082]
利用此网联环境下基于安全势场的车机跟驰模型，可以刻画车机跟驰过程中的关系，也能够在飞机处于危险状态时，计算飞机速度的调整量。