一种基于svm的低空空域通航飞机冲突检测方法
【技术领域】
[0001]本发明涉及一种通航飞机冲突检测方法，尤其涉及一种基于SVM(支持向量机）的 低空空域通航飞机冲突检测方法。
【背景技术】
[0002] 近些年来，随着航空事业的蓬勃发展，国内飞机的数目与日倶增，空域内航线日益 密集，飞行器流量日益加大，这就造成了空域变得越来越拥挤，拥挤意味着冲突。无论是航 线设定过密，还是飞机本身故障或是风力等环境因素，都可能造成飞机发生碰撞冲突。由于 飞机运输的特殊性，一旦飞机在空中发生冲突，就很难保证乘客人身及财产安全。另外，如 不能有效地疏通这种拥挤，也会降低空域资源的利用率，极大地阻碍国家航空事业的发展。 因此，能够提前预知冲突的发生，并及早地采取有效的防范措施就显得尤为重要。
[0003] 为了解决上述问题，相关机构在飞机飞行过程中的各个阶段以及不同原因引起的 冲突分别进行研究，例如，在申请号为201310323633.1的中国发明专利申请中公开了一种 基于A-SMGCS系统的滑行道冲突检测方法，可以有效地检测飞机在滑行过程中产生的冲突， 及时采取相应措施;在申请号为201110120282.5的中国发明专利申请中公开了一种空中目 标的冲突检测方法，可以有效地检测飞机在高空飞行过程中产生的冲突，使得飞行员较早 获知飞机发生的冲突和碰撞的可能性，及时调整飞行方案，避免冲突发生；在申请号为 201210368083.0的中国发明专利申请中公开了一种飞行冲突解脱方法及装置，可以有效地 检测由于飞机延迟产生的冲突。上述研究能很好地检测冲突发生的可能性，使飞行员提前 采取措施，降低飞行风险。
[0004] 但是对于低空空域的冲突探测问题，并没有相应的研究。低空空域的冲突探测问 题一般为短期问题，飞机速度相对较慢，飞行自由度高且飞行环境复杂。按照传统TCAS冲突 探测逻辑，在进行解脱机动时，如果两架飞机的距离相对较近，那么所执行的规避机动相对 剧烈。如果在更广的范围进行冲突检测，提前向飞行员提供当前的交通态势，有利于飞行员 提前进行判断处理，能够有效避免近距离的剧烈规避机动。但是，由于低空空域的不确定 性，在远距离进行传统的线性外推具有较大的难度和不确定性。
【发明内容】
[0005] 针对现有技术的不足，本发明所要解决的技术问题在于提供一种基于SVM的低空 空域通航飞机冲突检测方法。
[0006] 为实现上述发明目的，本发明采用下述的技术方案：
[0007] -种基于SVM的低空空域通航飞机冲突检测方法，包括如下步骤：
[0008] Sl，通过选取核函数及其参数构建SVM模型；
[0009] S2,获取目标飞机和本机的信息，并对所述信息进行预处理，通过预处理得到目标 飞机与本机的相对信息；
[0010] S3,将预处理得到的目标飞机与本机的相对信息输入SVM模型，通过SVM模型对输 入的相对信息进行分类，并根据分类设定预测值；
[0011] S4,参照前一段时间的预测结果，对预测值进行移动平均加权，得到最终预测值， 根据最终预测值判断目标飞机是否对本机产生冲突。
[0012]其中较优地，在步骤Sl中，所述参数包括惩罚因子和径向基函数。
[0013]其中较优地，在步骤SI中，选取核函数的参数，包括如下步骤：
[0014] Sll，设定种群规模、迭代次数、搜索空间大小和速度，根据限制随机初始化粒子的 位置 X=(Xl，X2,…，Xn)和速度 V= (Vl，V2，…，Vn);
[0015] S12,根据每个粒子的位置Xi = (Xil，xi2)对SVM模型进行训练，将交叉验证的正确率 作为所述粒子的适应度，位置X 1=Uu, Xl2)的横纵坐标分别代表惩罚因子和径向基函数；
[0016] S13,根据每个粒子的适应度，与所述粒子历史位置上的适应度相比较，将适应度 高的作为新的个体极值?1=(?11，？^，...，？^);
[0017] S14,根据每个粒子的适应度和所有粒子经过的最优适应度相比较，将适应度高的 作为新的全局极值?8=(?0，？@，...^卻）；
[0018] S15,根据粒子的速度和位置更新公式对粒子进行更新；
[0019] S16,判断当前迭代次数是否满足条件:gen〈下降阈值，如果满足，则转向步骤S17; 否则，判断当前迭代次数是否满足最大迭代次数，如果满足，则输出结果，适应度最高的粒 子的坐标值即为所述参数的值;若不满足，则转向步骤S13;
[0020] S17,计算粒子的适应度值，根据粒子适应度的大小按一定比例从种群P中选取出 种群P2，并对P2进行重组交叉和变异；
[0021 ] Sl8，计算P2的适应度，根据适应度重插入种群P中，转向步骤Sl3。
[0022]其中较优地，在步骤S15中，所述粒子的速度更新公式为：
[0024] 其中，Vi= (VilJi2,…，ViD)为每一个粒子的速度，Xi= (Xi1Ji2,…，xiD)为每一个 粒子位置;Pi = (Pu，Pi2,. ..，PiD)为个体极值，Pg=(Pgl，Pg2,...，P gD)为全局极值，k代表种群 的当前代数，cl，c2为加速度常数，rl，r2为(0，1)之内的随机数；
[0026]其中，gen为当前迭代次数，MAXGEN为最大迭代次数；
[0027]所述粒子的位置更新公式为：
[0029] 其中^二以丨^~…彳"为每一个粒子的速度上二匕^~…^…为每一个 粒子位置;k代表种群的当前代数。
[0030] 其中较优地，在步骤S2中，所述对信息进行预处理，包括如下步骤：
[0031] S21，以本机为参考，对目标飞机进行坐标转换，得到相对位置:Pr= (XR，yR, Zr)= Pi-Pο - ( Xi-Xo , yi-y〇 , Zi-z〇);
[0032] S22,以本机航向方向为y轴正方向方向，对目标飞机的速度进行转换，得到相对速 1? : Vr= ( VRx，VRy，VRz ) = Vi_V。= ( Vxi-Vxo，Vyi-Vyo，Vzi-Vzo);
[0033] S23,根据相对位置和相对速度计算目标飞机的水平相对航向和垂直航向。
[0034] 其中较优地，在步骤S23中，计算目标飞机的水平相对航向，包括如下步骤：
[0035]获取目标飞机相对速度在X轴正方向和y轴正方向的分速度Vrx和VRy;
[0036] 判断VRx和VRy的方向，根据VRx和VRy的方向，确定目标飞机的水平相对航向：
[0037] 如果目标飞机的相对速度vRx>0，vRy>0，水平相对航向为：
[0038] 如果目标飞机的相对速度VRx<0，VRy>0或者 VRx<0，VRy<0，水平相对航向为：
[0039] 如果目标飞机的相对速度vRx>0，vRy<0，水平相对航向w为： ?
[0040] 其中较优地，在步骤S23中，计算目标飞机的垂直航向，包括如下步骤：
[0041 ]获取目标飞机相对速度在ζ轴正方向的分速度VRx;
[0042]判断VRz的方向，根据VRz的方向，确定目标飞机的垂直航向：
[0043] 如果垂直相对速度（ζ轴正方向的分速度）VRz>〇,垂直航向为：
[0044] 如果垂直相对速度vrz<0，垂直航向为：
[0045] 其中较优地，在步骤S2中，通过预处理得到目标飞机与本机的相对信息为：
[0046] 其中，
Vr= (VRx，VRy，VRz)为目标飞机的相对速度;Pr= (XR， yR，ZR)为目标飞机的相对位置；0Rl为目标飞机的水平相对航向；(61?为目标飞机的垂直航 向。
[0047] 其中较优地，在步骤S3中，将预处理得到的目标飞机与本机的相对信息输入SVM模 型之后，先将相对信息进行过滤处理，将位于圆柱形的冲突保护区之外的目标飞机提前划 分为非冲突目标。
[0048] 其中较优地，在步骤S4中，参照前一段时间的预测结果，对所述预测值进行移动平 均加权，即采用如下公式对预测值进行处理：