用于航空数据提供商的动态选择的装置、方法和系统与流程

本发明涉及飞行管理，并且更具体地涉及航空数据提供商的动态选择。

背景技术：

1、当共享航空信息时，不同的数据提供商以他们自己的结构提供数据，其中，信息的质量和地理分布彼此不同。不同的数据环境可以仅建立共享信息的过程，而不对信息质量施加任何要求。随后，每个供应商提供具有不同质量水平的不同种类的信息。

2、此外，这些提供商通常提供可以彼此显著变化的基于模型的预测。考虑到大多数航空信息提供商不提供对地球上整个空域的覆盖，不同提供商之间的信息类型和质量的差异使得难以将该信息干净地集成到设备和应用中。

技术实现思路

1、本技术的主题提供了克服现有技术的上述缺点的航空数据提供商的动态选择的示例。已经响应于现有技术的当前状态，并且特别是响应于常规系统的缺点，开发了本技术的主题。

2、本文公开的是一种用于航空数据提供商的动态选择的装置。该装置包括处理器和存储器，该存储器存储可由处理器执行的代码，以在飞行期间接收来自第一航空数据提供商的第一实时航空数据流，以供飞行管理系统使用；在飞行期间接收来自至少一个第二航空数据提供商的至少一个第二实时航空数据流，同时接收第一实时航空数据流；将来自第一实时航空数据流和至少一个第二实时航空数据流的数据提供给决策模型，以用于预测第一实时航空数据流和至少一个第二实时航空数据流的哪个数据具有更高精度；以及在飞行期间，响应于至少一个第二实时航空数据流中的一个具有比第一实时航空数据流更高的预测精度，将使用来自第一实时航空数据流的数据切换到来自至少一个第二实时航空数据流中的一个的数据。本段的前述主题表征本公开的示例1。

3、代码可由处理器执行以基于历史航空数据生成决策模型。本段的前述主题表征本公开的示例2，其中，示例2还包括根据以上示例1的主题。

4、所生成的决策模型包括基于历史航空数据训练的机器学习模型。本段的前述主题表征本公开的示例3，其中，示例3还包括根据以上示例2的主题。

5、训练所生成的决策模型以解决针对特定应用选择的至少一个目标变量的最小化问题。本段的前述主题表征本公开的示例4，其中，示例4还包括根据以上示例3的主题。

6、目标变量包括消息延迟和更新频率中的一个或多个。本段的前述主题表征本公开的示例5，其中，示例5还包括根据以上示例4的主题。

7、代码可由处理器执行以进一步基于使用所接收的第一实时航空数据流和至少一个第二实时航空数据流训练决策模型。本段的前述主题表征本公开的示例6，其中，示例6还包括根据以上示例3的主题。

8、代码可由处理器执行以使缩放参数与第一实时航空数据流和至少一个第二实时航空数据流相关联，该缩放参数包括加权值，决策模型使用该加权值来确定实时航空数据对第一实时航空数据流和至少一个第二实时航空数据流的精度预测的影响。本段的前述主题表征本公开的示例7，其中，示例7还包括根据以上示例6的主题。

9、代码可由处理器执行以在将来自第一航空数据提供商和至少一个第二航空数据提供商的每个航空数据流提供给决策模型之前对每个航空数据流进行标准化。本段的前述主题表征本公开的示例8，其中，示例8还包括根据以上示例1至7中的任一项的主题。

10、代码可由处理器执行以基于第一实时航空数据流和至少一个第二实时航空数据流的精度预测的比较来检测第一实时航空数据流和至少一个第二实时航空数据流中的误差。本段的前述主题表征本公开的示例9，其中，示例9还包括根据以上示例1至8中任一项的主题。

11、代码可由处理器执行以确定飞行的地理位置，在该地理位置处，发生从使用来自第一实时航空数据流的数据到来自至少一个第二实时航空数据流中的一个的数据的切换，该地理位置包括由决策模型使用的另一变量，用于预测何时从第一实时航空数据流切换到至少一个第二实时航空数据流。本段的前述主题表征本公开的示例10，其中，示例10还包括根据以上示例1至9中的任一项的主题。

12、第一航空数据提供商和第二航空数据提供商包括提供用于多个飞行的航空数据流的基于地面的站，所接收的流包括来自不同的基于地面的站的重叠的航空数据流。本段的前述主题表征本公开的示例11，其中，示例11还包括根据以上示例1至10中任一项的主题。

13、本文进一步公开了一种用于航空数据提供商的动态选择的方法。该方法包括：在飞行期间接收来自第一航空数据提供商的第一实时航空数据流，以供飞行管理系统使用；在飞行期间接收来自至少一个第二航空数据提供商的至少一个第二实时航空数据流，同时接收第一实时航空数据流；将来自第一实时航空数据流和至少一个第二实时航空数据流的数据提供给决策模型，以用于预测第一实时航空数据流和至少一个第二实时航空数据流的哪个数据具有更高精度；以及在飞行期间，响应于至少一个第二实时航空数据流中的一个具有比第一实时航空数据流更高的预测精度，将使用来自第一实时航空数据流的数据切换到来自至少一个第二实时航空数据流中的一个的数据。本段的前述主题表征本公开的示例12。

14、该方法进一步包括基于历史航空数据生成决策模型，所生成的决策模型包括基于历史航空数据训练的机器学习模型。本段的前述主题表征本公开的示例13，其中，示例13还包括根据以上示例12的主题。

15、训练所生成的决策模型以解决针对特定应用选择的目标变量的最小化问题，该目标变量包括消息延迟和更新频率中的一个或多个。本段的前述主题表征本公开的示例14，其中，示例14还包括根据以上示例13的主题。

16、该方法进一步包括使用所接收的第一实时航空数据流和至少一个第二实时航空数据流训练决策模型。本段的前述主题表征本公开的示例15，其中，示例15还包括根据以上示例13的主题。

17、该方法进一步包括使缩放参数与第一实时航空数据流和至少一个第二实时航空数据流相关联，该缩放参数包括加权值，决策模型使用该加权值来确定实时航空数据对第一实时航空数据流和至少一个第二实时航空数据流的精度预测的影响。本段的前述主题表征本公开的示例16，其中，示例16还包括根据以上示例15的主题。

18、该方法进一步包括在将来自第一航空数据提供商和至少一个第二航空数据提供商的每个航空数据流提供给决策模型之前对每个航空数据流进行标准化。本段的前述主题表征本公开的示例17，其中，示例17还包括根据以上示例12至16中任一项的主题。

19、该方法进一步包括基于第一实时航空数据流和至少一个第二实时航空数据流之间的精确预测的比较来检测第一实时航空数据流和至少一个第二实时航空数据流中的误差。本段的前述主题表征本公开的示例18，其中，示例18还包括根据以上示例12至7中的任一项的主题。

20、该方法进一步包括确定飞行的地理位置，在该地理位置处，发生从使用来自第一实时航空数据流的数据到来自至少一个第二实时航空数据流中的一个的数据的切换，该地理位置包括由决策模型使用的另一变量，用于预测何时从第一实时航空数据流切换到至少一个第二实时航空数据流。本段的前述主题表征本公开的示例19，其中，示例19还包括根据以上示例12至18中任一项的主题。

21、本文进一步公开了一种用于航空数据提供商的动态选择的系统，该系统包括：多个基于地面的站，每个基于地面的站从不同的地理位置流传输航空数据；以及飞行管理系统，包括处理器以及存储器，该存储器存储可由处理器执行的代码，以在飞行期间接收来自第一航空数据提供商的第一实时航空数据流，以供飞行管理系统使用；在飞行期间接收来自至少一个第二航空数据提供商的至少一个第二实时航空数据流，同时接收第一实时航空数据流；将来自第一实时航空数据流和至少一个第二实时航空数据流的数据提供给决策模型，以用于预测第一实时航空数据流和至少一个第二实时航空数据流的哪个数据具有更高精度；以及在飞行期间，响应于至少一个第二实时航空数据流中的一个具有比第一实时航空数据流更高的预测精度，将使用来自第一实时航空数据流的数据切换到来自至少一个第二实时航空数据流中的一个的数据。本段的前述主题表征本公开的示例20。