CN104008674B - 一种基于模式匹配的终端区进场飞行时间预测方法 - Google Patents
一种基于模式匹配的终端区进场飞行时间预测方法 Download PDFInfo
- Publication number
- CN104008674B CN104008674B CN201410266912.3A CN201410266912A CN104008674B CN 104008674 B CN104008674 B CN 104008674B CN 201410266912 A CN201410266912 A CN 201410266912A CN 104008674 B CN104008674 B CN 104008674B
- Authority
- CN
- China
- Prior art keywords
- flight path
- flight
- path
- nominal
- termination environment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于模式匹配的终端区进场飞行时间预测方法，计算机***包括一个运行在客户端的终端区进场飞行时间预测子***，终端区进场飞行时间预测子***包括进场航迹分段模块和进场航迹匹配模块；进场航迹分段模块是根据终端区各航班的历史航迹数据对各条航迹数据进行分段处理，进场航迹匹配模块是基于历史航迹的分段结果，寻找与当前航迹最相似的航迹段，并依据该历史航迹段信息实现对当前航迹飞行时间的预测；其优点是，在机场航迹分段和航迹匹配的基础上，能够快速、有效的实现终端区进场飞行时间预测，从而辅助相关人员科学、合理的把握进场航空器的飞行态势，及时有效地采取空中交通管理措施，保障空中交通的安全、高效运行。
Description
技术领域
本发明涉及飞行航迹预测领域，特别涉及一种基于模式匹配的终端区进场飞行时间预测方法，应用本方法实现终端区航班进场飞行时间的预测、利于及时有效的采取空中交通管理措施，保障终端区交通的运输效率和减少航班延误。
背景技术
航迹预测指在飞行前或飞行过程中，根据飞行计划、雷达显示数据及FPL（FlightPlan飞行计划）报信息对飞机预计飞行位置、高度和时间进行预测。根据航迹预测所用信息源以及预测时间，可分为班期时刻表航迹、航班计划航迹、实时预测航迹及管制意图航迹。航迹预测是空中交通管理自动化***及空管辅助决策***中的重要组成部分，也是国内外空管界研究的热点问题之一。
目前飞行航迹预测方法主要有两大类：一是基于基本飞行模型的预测，二是基于历史航迹数据挖掘的预测。其中：基本飞行模型预测需要建立飞机飞行动力学模型和飞行全过程飞机性能模型，据此对飞行过程中航迹信息进行预测。如：根据复杂适应***机制，将飞行全过程分为基本飞行模型模块，针对基本飞行模型模块分别建立性能计算模型，最后进行航迹合成得到完整的4D飞行航迹；或者根据雷达扫描得到飞机过航路点信息，根据该信息以及飞机飞行速度、航迹角，按匀速飞行原理推测得到飞机过下一航路点的时间，依此类推即可得到不断更新得到后续航路点信息。基于历史航迹数据挖掘的预测，则根据历史航迹数据信息，通过回归分析方法预测飞行时间。如：通过分析管制和气象因子对飞行总时间的影响建立相应的回归模型，并进一步通过比对获得对飞行位置的预测；或者根据飞机本次飞行过程中过去时刻数据和观测数据，通过卡尔曼滤波、神经网络模拟方法建立飞机航迹短期预测模型。
对于终端区飞行航迹而言，由于飞机构型和参数多变，飞机受力分析非常复杂，采用简化模型实际很难准确模拟飞机运动，因此在终端区范围内采用飞机公司经试飞确定的计算模型最为精确。但飞机公司一般不会直接提供相应计算模型给航空公司，而且飞机飞行过程中还存在气象、管制不确定因素的影响。因此，采用基本飞行模型预测方法难以对这些不确定因素进行分析，需要有效的预测方法实现对终端区飞行航迹预测。
考虑到现有飞行航迹预测的现状，尚缺少一种能够快速、有效、实用的终端区进场飞行时间预测方法。
发明内容
鉴于现有技术领域的不足，本发明的目的在于，提供一种新的终端区进场飞行时间预测方法，该方法基于飞行航迹的模式匹配来研究终端区进场飞行时间预测，以求能够快速、有效的预测终端区进场时间，从而及时有效的采取空中交通管理措施，保障飞行安全和提高运输效率。
本发明是这样实现的，一种基于模式匹配的终端区进场飞行时间预测方法，通过计算机***辅助实现，所述计算机***主要由客户端/服务器（C/S）模式构成，计算机***包括空域导航数据库、仿真驱动子***、终端区结构建模子***、航班计划子***和显示与交互子***，其特征在于，计算机***中还包括一个运行在客户端的终端区进场飞行时间预测子***，所述终端区进场飞行时间预测子***用作终端区进场飞行时间预测方法的实现平台；
终端区进场飞行时间预测子***包括进场航迹分段模块和进场航迹匹配模块；其中：
所述进场航迹分段模块是根据终端区各航班的历史航迹数据{(X i ,Y i ,Z i ,V i ,T i ,H i )}对各条航迹数据进行分段处理，i=1，2，…，p，其中，(X i ,Y i ,Z i )为各航迹点三维坐标，V i 为该点地速，T i 为过点时刻，H i 为飞机航向，p为航迹点个数；处理过程包括：
1）确定某条航迹进入终端区点、起始进近定位点和最后进近定位点的序号，并设起始进近定位点为第k个点；
2）对该航迹上第1个点至第k个点，根据水平斜率进行分段线性拟合，设线性拟合后将航迹点分为m组，即m个直线段；
3）对上述m个航迹组，分别计算其与标称航迹偏离情况，对每个航迹组中各航迹点，根据X i 或Y i 的值进行插值，得到标称航迹上对应的或值，分别计算该航迹点与标称航迹上点的偏离程度，即或，以及该组航迹点平均偏离、最大偏离及最小偏离值；
4）根据航迹偏离情况，判断该段航迹状态，若最大/最小偏离值都在一定范围内，则认为该段航迹在标称航迹上，否则判断出其在标称航迹左侧/右侧；然后根据航迹偏离值变化情况，判断航迹变化趋势；
5）将飞行状态相同的相邻航迹段进行合并，所谓合并即是：根据飞机向左/右偏离标称航迹，以及飞机相对于标称航迹的飞行趋势，即靠近、远离、平行来描述飞机水平飞行状态，最终得到该条航迹分段，以及各段航迹的状态；
所述进场航迹匹配模块是基于历史航迹的分段结果，寻找与当前航迹最相似的航迹段，并依据该历史航迹段信息实现对当前航迹飞行时间的预测；处理过程包括：
1）当飞机进入终端区时，根据飞机进入终端区点的位置、飞行高度、速度和航向，寻找最相似航迹段进行匹配，将该航迹段飞行时间和状态作为初始预测飞行时间和飞行状态；
2）每隔1分钟时间读取前1分钟内航迹点数据，对总航迹进行更新，并进行分段线性拟合，从而实现航迹分段；
3）然后根据预测航迹状态与实际航迹状态的比较，判断是否需要重新查找匹配航迹；航迹匹配方法为从航迹状态相同或接近的历史航迹段中，寻找与当前航迹位置偏离、高度、速度和航向偏离最小的航迹段，作为匹配航迹段；
4）由于航班飞行无后效性，即后续飞行认为只取决于当前状态，因此根据匹配航迹段及匹配航迹后续信息，对进场飞行时间进行预测；
所述一种基于模式匹配的终端区进场飞行时间预测方法，其特征在于，利用所述进场航迹分段模块实现历史航迹的分段处理，利用所述进场航迹匹配模块实现当前航迹与历史航迹的匹配的步骤为；
步骤1：在终端区结构建模子***中输入终端区航路网络结构数据，标称航路航线数据，在航班计划子***中编制航班计划数据，设置仿真时间，调用仿真驱动子***，统计各进场航班的实际航迹数据，统计实际航迹点与标称航迹上点的偏离程度及偏离方向；
步骤2：在终端区进场飞行时间预测子***的进场航迹分段模块中，基于实际航迹点与标称航迹上点的偏离程度及偏离方向，判断当前航迹及历史航迹的各航迹段的飞行状态：标称航迹上；标称航迹左侧且远离标称航迹；标称航迹左侧且靠近标称航迹；标称航迹左侧且平行标称航迹；标称航迹右侧且远离标称航迹；标称航迹右侧且靠近标称航迹；标称航迹右侧且平行标称航迹；
步骤3：在终端区进场飞行时间预测子***的进场航迹匹配模块中，将当前航迹的分段结果与历史航迹分段结果进行匹配，选出相似程度最高的历史航迹作为当前航迹的匹配航迹，基于匹配航迹各航迹段的飞行时间对当前航迹未来1分钟的飞行时间进行预测；
步骤4：终端区进场飞行时间预测结果在显示与交互子***中显示出来。
本发明的优点是，在机场航迹分段和航迹匹配的基础上，能够快速、有效的实现终端区进场飞行时间预测，从而辅助相关人员科学、合理的把握进场航空器的飞行态势，并及时有效地采取空中交通管理措施，保障空中交通的安全、高效运行。
附图说明
图1，是本发明的终端区进场飞行时间预测流程图；
图2，是本发明的***总体拓扑结构图。
图2中：1、服务器；2、仿真驱动服务器；3、第一客户端；4、第二客户端；5、第三客户端；6、第四客户端。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实例，对本发明进行进一步详细说明，应当理解，此处所描述的具体实例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，当前航迹的分段结果与历史航迹分段结果进行匹配的流程为：
100：飞机进入终端区时间t0；
101：初始化:ti-1=t0向上取整IAF_STATUS=0；
102：读取前1分钟内航迹点数据,储存在traj_h中;设置总航迹traj_total=traj_h；
103：根据飞机进入终端区状态,搜索匹配航迹,预测飞行时间；
104：ti=ti-1+1读取前1分钟内航迹点数据,储存在traj_h中；
105：飞机是否到达IAF点
是，转106：截取IAF点之前的航迹点;IAF_STATUS=1；
否，转107：更新飞机总航迹traj_total;根据总航迹进行分段线性拟合并将航迹分段；
108：是否需要重新搜索匹配航迹段
是，转109：重新搜索查找最相似航迹段；
否，转110：更新航迹预测输出；
111：IAF_STATUS=1
是，转112：结束；
否，转104。
现给出实现终端区进场飞行时间的实例：
假设以A机场终端区某3条历史航迹数据，作为测试数据，进行飞行时间预测。通过对终端区航路模型中进行多次仿真实验，得到30条航迹数据，统计各条进场航迹的各航迹点数据，进而求得其与标称航迹相应航迹点的偏离程度及偏离方向。
对前27条历史航迹的分段处理结果以下仅列出其中代表性的3条航迹数据的分段信息，其中航迹2是较常见的一种情形，即飞机沿标准进场程序飞行至起始进近定位点（IAF）XLN，然后沿标准进近程序飞行至最后进近定位点(FAF)。航迹状态就是以航迹2作为标称航迹进行划分的，这3条航迹分段情况如下：
航迹1：分为4个航迹段，其状态分别为：
标称航迹右侧、远离标称航迹；
标称航迹右侧、平行于标称航迹；
标称航迹右侧、靠近标称航迹；
IAF-FAF进近段。
航迹2：分为2个航迹段，其状态分别为：
沿标称航迹飞行；
IAF-FAF进近段。
航迹3：分为4个航迹段，其状态分别为：
标称航迹左侧、靠近标称航迹；
标称航迹左侧、远离标称航迹；
标称航迹左侧、靠近标称航迹；
IAF-FAF进近段。
选取后面3条历史航迹数据，作为测试数据，进行飞行时间预测。
航迹28：
| 预计到达IAF点所需时间(分钟) | 预计到达FAF点所需时间(分钟) | 实际到达IAF点所需时间(分钟) | 实际到达FAF点所需时间（分钟） |
| 24.08 | 34.06 | 29.48 | 34.33 |
| 23.09 | 33.07 | 28.55 | 33.40 |
| 25.58 | 29.46 | 27.48 | 32.33 |
| 24.65 | 28.53 | 26.48 | 31.33 |
| 23.67 | 27.56 | 25.48 | 30.33 |
| 22.72 | 26.61 | 24.48 | 29.33 |
| 21.73 | 25.61 | 23.48 | 28.33 |
| 20.79 | 24.67 | 22.48 | 27.33 |
| 21.94 | 24.52 | 21.55 | 26.40 |
| 14.50 | 19.02 | 20.48 | 25.33 |
| 15.18 | 20.53 | 19.48 | 24.33 |
| 13.99 | 19.74 | 18.50 | 23.35 |
| 14.13 | 19.13 | 17.50 | 22.35 |
| 17.28 | 19.86 | 16.48 | 21.33 |
| 12.36 | 17.36 | 15.48 | 20.33 |
| 11.50 | 16.50 | 14.53 | 19.38 |
| 10.60 | 15.60 | 13.53 | 18.38 |
| 9.78 | 14.78 | 12.50 | 17.35 |
| 9.15 | 14.15 | 11.75 | 16.60 |
| 8.91 | 13.91 | 10.48 | 15.33 |
| 6.22 | 11.97 | 9.53 | 14.38 |
| 7.77 | 9.52 | 8.53 | 13.38 |
| 5.23 | 9.96 | 7.50 | 12.35 |
| 4.79 | 12.79 | 6.47 | 11.32 |
| 4.12 | 12.12 | 5.50 | 10.35 |
| 3.45 | 11.45 | 4.53 | 9.38 |
| 2.51 | 10.51 | 3.45 | 8.30 |
| 2.09 | 7.35 | 2.47 | 7.32 |
| 1.24 | 6.51 | 1.50 | 6.35 |
| 0.37 | 5.63 | 0.50 | 5.35 |
| 0.09 | 5.36 | 0.00 | 4.85 |
IAF误差平均值-2.1513均方差1.7275误差绝对值平均值2.2335,最大值5.9822，
FAF误差平均值-1.6997均方差2.0042，误差绝对值平均值2.2484，最大值6.3155。
航迹29：
| 预计到达IAF点所需时间 | 预计到达FAF点所需时间 | 实际到达IAF点所需时间 | 实际到达FAF点所需时间 |
| 25.55 | 29.08 | 27.07 | 28.62 |
| 28.05 | 31.93 | 25.93 | 27.48 |
| 24.38 | 28.26 | 24.98 | 26.53 |
| 22.90 | 25.03 | 23.93 | 25.48 |
| 21.95 | 24.08 | 22.93 | 24.48 |
| 21.46 | 23.60 | 22.47 | 24.02 |
| 19.86 | 21.99 | 20.93 | 22.48 |
| 17.21 | 21.55 | 19.92 | 21.47 |
| 16.20 | 20.54 | 18.93 | 20.48 |
| 15.79 | 17.54 | 17.93 | 19.48 |
| 14.80 | 16.55 | 16.92 | 18.47 |
| 13.77 | 15.52 | 15.93 | 17.48 |
| 11.96 | 16.30 | 15.00 | 16.55 |
| 11.97 | 15.86 | 13.92 | 15.47 |
| 13.41 | 15.16 | 12.93 | 14.48 |
| 12.26 | 14.01 | 11.92 | 13.47 |
| 11.10 | 12.85 | 10.92 | 12.47 |
| 9.95 | 11.70 | 9.92 | 11.47 |
| 8.85 | 10.60 | 8.92 | 10.47 |
| 5.90 | 9.79 | 7.92 | 9.47 |
| 4.89 | 8.77 | 6.92 | 8.47 |
| 5.84 | 7.59 | 5.92 | 7.47 |
| 4.07 | 6.20 | 4.92 | 6.47 |
| 3.91 | 5.70 | 3.92 | 5.47 |
| 2.89 | 4.67 | 2.92 | 4.47 |
| 1.86 | 3.65 | 1.92 | 3.47 |
| 1.20 | 2.95 | 1.00 | 2.55 |
| 0.19 | 1.94 | 0.00 | 1.55 |
IAF误差平均值-0.8799均方差1.2252误差绝对值平均值1.1326,最大值3.0359，
FAF误差平均值0.1136均方差1.1649，误差绝对值平均值0.6927，最大值4.4490。
航迹30：
| 预计到达IAF点所需时间 | 预计到达FAF点所需时间 | 实际到达IAF点所需时间 | 实际到达FAF点所需时间 |
| 23.75 | 27.22 | 25.83 | 30.25 |
| 22.32 | 25.78 | 24.38 | 28.80 |
| 21.26 | 24.73 | 23.30 | 27.72 |
| 20.28 | 23.75 | 22.30 | 26.72 |
| 19.38 | 22.85 | 21.32 | 25.73 |
| 20.85 | 23.11 | 20.32 | 24.73 |
| 20.14 | 25.89 | 19.32 | 23.73 |
| 21.32 | 23.07 | 18.30 | 22.72 |
| 20.32 | 22.07 | 17.30 | 21.72 |
| 19.37 | 21.12 | 16.32 | 20.73 |
| 15.91 | 20.97 | 15.32 | 19.73 |
| 14.93 | 19.99 | 14.30 | 18.72 |
| 14.00 | 19.06 | 13.37 | 17.78 |
| 15.19 | 16.94 | 12.32 | 16.73 |
| 14.09 | 15.84 | 11.30 | 15.72 |
| 13.06 | 14.81 | 10.30 | 14.72 |
| 12.00 | 13.75 | 9.32 | 13.73 |
| 10.91 | 12.66 | 8.30 | 12.72 |
| 7.80 | 12.54 | 7.33 | 11.75 |
| 6.74 | 11.47 | 6.32 | 10.73 |
| 5.57 | 10.31 | 5.32 | 9.73 |
| 5.14 | 9.87 | 4.90 | 9.32 |
| 3.43 | 8.16 | 3.30 | 7.72 |
| 2.32 | 7.05 | 2.30 | 6.72 |
| 1.28 | 6.01 | 1.30 | 5.72 |
| 0.39 | 5.12 | 0.38 | 4.80 |
| 0.01 | 4.75 | 0.00 | 4.42 |
IAF误差平均值0.6438均方差1.7225误差绝对值平均值1.3961,最大值3.0485
FAF误差平均值-0.1747均方差1.4992，误差绝对值平均值1.0523，最大值3.0333
通过上述预测结果，可以看出基于模式匹配的终端区进场飞行时间预测的误差较小，准确性较高，可协助空管人员加强对A机场终端区进场航空器未来时段的飞行态势的监视，以便及时采取管制措施。
图2为本发明的***总体拓扑结构图：所述计算机***主要由客户端/服务器（C/S）模式构成，计算机***包括：
一个服务器1，服务器1的硬盘中安装空域导航数据库，用于向客户端提供机场终端区结构、飞航路航线、限制区、危险区、禁区、障碍物、导航数据服务。
一个仿真驱动服务器2，仿真驱动服务器2的硬盘中安装仿真驱动数据（库），用于向客户端提供飞行动力模型和飞行运动模型数据服务。
第一客户端3，第一客户端3的硬盘中安装机场终端区建模子***，用于建立机场终端区结构模型，包括机场、导航台、航路点、障碍物、航路航线、扇区、管制区、限制区、危险区、禁区。
第二客户端4，第二客户端4的硬盘中安装航班计划子***，用于产生符合一定分布规律的航班计划。
第三客户端5，第三客户端5的硬盘中安装终端区进场飞行时间预测子***，用于终端区进场航班飞行时间的预测。
第三客户端6，第三客户端6的硬盘中安装显示与交互子***，用于机场终端区建模子***中生成的终端区航路环境，以及终端区进场飞行时间预测子***生成的进场航班飞行时间的显示与交互。
根据上述说明，结合本领域技术可实现本发明的方案。
Claims (2)
1.一种基于模式匹配的终端区进场飞行时间预测方法，通过计算机***辅助实现，所述计算机***主要由客户端/服务器C/S模式构成，计算机***包括空域导航数据库、仿真驱动子***、终端区结构建模子***、航班计划子***和显示与交互子***，其特征在于，计算机***中还包括一个运行在客户端的终端区进场飞行时间预测子***，所述终端区进场飞行时间预测子***用作终端区进场飞行时间预测方法的实现平台；
终端区进场飞行时间预测子***包括进场航迹分段模块和进场航迹匹配模块；其中：
所述进场航迹分段模块是根据终端区各航班的历史航迹数据{(Xi,Yi,Zi,Vi,Ti,Hi)}对各条航迹数据进行分段处理，i＝1，2，…，p，其中，(Xi,Yi,Zi)为各航迹点三维坐标，Vi为该点地速，Ti为过点时刻，Hi为飞机航向，p为航迹点个数；处理过程包括：
1)确定某条航迹进入终端区点、起始进近定位点和最后进近定位点的序号，并设起始进近定位点为第k个点；
2)对该航迹上第1个点至第k个点，根据水平斜率进行分段线性拟合，设线性拟合后将航迹点分为m组，即m个直线段；
3)对上述m个直线段，分别计算其与标称航迹偏离情况对每个航迹组中各航迹点，根据Xi或Yi的值进行插值，得到标称航迹上对应的X′i0或Y′i0值，分别计算该航迹点与标称航迹上点的偏离程度，即Δd＝Xi-X′i0或Δd＝Yi-Y′i0，以及该组航迹点平均偏离、最大偏离及最小偏离值；
4)根据航迹偏离情况，判断该段航迹状态，若最大/最小偏离值都在一定范围内，则认为该段航迹在标称航迹上，否则判断出其在标称航迹左侧/右侧；然后根据航迹偏离值变化情况，判断航迹变化趋势；
5)将飞行状态相同的相邻航迹段进行合并，所谓合并即是：根据飞机向左/右偏离标称航迹，以及飞机相对于标称航迹的飞行趋势，即靠近或远离或平行来描述飞机水平飞行状态，最终得到该条航迹分段，以及各段航迹的状态；
所述进场航迹匹配模块是基于历史航迹的分段结果，寻找与当前航迹最相似的航迹段，并依据该历史航迹段信息实现对当前航迹飞行时间的预测；处理过程包括：
1)当飞机进入终端区时，根据飞机进入终端区点的位置、飞行高度、速度和航向，寻找最相似航迹段进行匹配，将该航迹段飞行时间和状态作为初始预测飞行时间和飞行状态；
2)每隔1分钟时间读取前1分钟内航迹点数据，对总航迹进行更新，并进行分段线性拟合，从而实现航迹分段；
3)然后根据预测航迹状态与实际航迹状态的比较，判断是否需要重新查找匹配航迹；航迹匹配方法为从航迹状态相同或接近的历史航迹段中，寻找与当前航迹位置偏离、高度、速度和航向偏离最小的航迹段，作为匹配航迹段；
4)由于航班飞行无后效性，即后续飞行认为只取决于当前状态，因此根据匹配航迹段及匹配航迹后续信息，对进场飞行时间进行预测。
2.如权利要求1所述一种基于模式匹配的终端区进场飞行时间预测方法，其特征在于，利用所述进场航迹分段模块实现历史航迹的分段处理，利用所述进场航迹匹配模块实现当前航迹与历史航迹的匹配的步骤为；
步骤1：在终端区结构建模子***中输入终端区航路网络结构数据，标称航路航线数据，在航班计划子***中编制航班计划数据，设置仿真时间，调用仿真驱动子***，统计各进场航班的实际航迹数据，统计实际航迹点与标称航迹上点的偏离程度及偏离方向；
步骤2：在终端区进场飞行时间预测子***的进场航迹分段模块中，基于实际航迹点与标称航迹上点的偏离程度及偏离方向，判断当前航迹及历史航迹的各航迹段的飞行状态：标称航迹上；标称航迹左侧且远离标称航迹；标称航迹左侧且靠近标称航迹；标称航迹左侧且平行标称航迹；标称航迹右侧且远离标称航迹；标称航迹右侧且靠近标称航迹；标称航迹右侧且平行标称航迹；
步骤3：在终端区进场飞行时间预测子***的进场航迹匹配模块中，将当前航迹的分段结果与历史航迹分段结果进行匹配，选出相似程度最高的历史航迹作为当前航迹的匹配航迹，基于匹配航迹各航迹段的飞行时间对当前航迹未来1分钟的飞行时间进行预测；
步骤4：终端区进场飞行时间预测结果在显示与交互子***中显示出来。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410266912.3A CN104008674B (zh) | 2014-06-16 | 2014-06-16 | 一种基于模式匹配的终端区进场飞行时间预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410266912.3A CN104008674B (zh) | 2014-06-16 | 2014-06-16 | 一种基于模式匹配的终端区进场飞行时间预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104008674A CN104008674A (zh) | 2014-08-27 |
| CN104008674B true CN104008674B (zh) | 2016-01-20 |
Family
ID=51369309
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410266912.3A Expired - Fee Related CN104008674B (zh) | 2014-06-16 | 2014-06-16 | 一种基于模式匹配的终端区进场飞行时间预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104008674B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105303896B (zh) * | 2015-09-07 | 2018-08-24 | 飞友科技有限公司 | 航班预计到达时间精确预估方法 |
| CN105427676B (zh) * | 2015-12-30 | 2017-12-08 | 北京招通致晟科技有限公司 | 航空器通过出港点时间的确定方法和装置 |
| CN105427675B (zh) * | 2015-12-30 | 2018-05-01 | 北京招通致晟科技有限公司 | 航空器落地时间的预测方法和装置 |
| CN108615411B (zh) * | 2016-12-13 | 2021-03-05 | 北京航管科技有限公司 | 一种实现航班信息处理的方法及装置 |
| CN108230757B (zh) * | 2018-01-29 | 2020-12-15 | 上海空地信息技术有限公司 | 一种基于水平航迹的终端区进场效率测度方法 |
| CN109493644B (zh) * | 2018-11-16 | 2020-08-14 | 四川大学 | 一种基于历史航迹数据挖掘的四维航迹推测方法 |
| CN111899571B (zh) * | 2020-07-29 | 2021-11-02 | 成都民航空管科技发展有限公司 | 基于aman***的自动调整航班进近程序的方法及*** |
| CN111968414B (zh) * | 2020-08-26 | 2022-08-05 | 成都民航空管科技发展有限公司 | 基于大数据和ai的4d轨迹预测方法、装置及电子设备 |
| CN112164247A (zh) * | 2020-09-03 | 2021-01-01 | 重庆大学 | 一种基于船舶轨迹聚类的船舶航线预测方法 |
| CN112529248B (zh) * | 2020-11-09 | 2024-06-04 | 北京宇航***工程研究所 | 一种数据驱动的运载火箭智能飞行天地镜像*** |
| CN112862171B (zh) * | 2021-01-29 | 2022-05-27 | 北京航空航天大学 | 一种基于时空神经网络的航班到达时间预测方法 |
| CN113838313B (zh) * | 2021-11-29 | 2022-02-18 | 中国民用航空总局第二研究所 | 一种航向信标航道余隙抖动的障碍物识别方法 |
| CN114495582B (zh) * | 2021-12-08 | 2023-03-31 | 中国电子科技集团公司第二十八研究所 | 一种基于实时雷达数据的四维航迹速度动态分段修正方法 |
| CN114595518B (zh) * | 2022-03-09 | 2022-09-27 | 中国民航大学 | 一种基于数字孪生的商业航天飞行与民航运行协作*** |
| CN117272236B (zh) * | 2023-11-23 | 2024-03-12 | 青岛民航凯亚***集成有限公司 | 一种基于航班时序的多来源预达时间融合方法及*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5786773A (en) * | 1996-10-02 | 1998-07-28 | The Boeing Company | Local-area augmentation system for satellite navigation precision-approach system |
| CN101344995A (zh) * | 2008-08-18 | 2009-01-14 | 中国民航大学 | 机场离场航班协同放行*** |
| CN101527087A (zh) * | 2009-04-24 | 2009-09-09 | 中国民航大学 | 航班过台间隔的实现方法 |
| CN101527086A (zh) * | 2009-04-24 | 2009-09-09 | 中国民航大学 | 航班时隙分配的实现方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2953627B1 (fr) * | 2009-12-04 | 2012-07-13 | Thales Sa | Procede d'aide a la rejointe d'une trajectoire verticale de descente et dispositif associe |
-
2014
- 2014-06-16 CN CN201410266912.3A patent/CN104008674B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5786773A (en) * | 1996-10-02 | 1998-07-28 | The Boeing Company | Local-area augmentation system for satellite navigation precision-approach system |
| CN101344995A (zh) * | 2008-08-18 | 2009-01-14 | 中国民航大学 | 机场离场航班协同放行*** |
| CN101527087A (zh) * | 2009-04-24 | 2009-09-09 | 中国民航大学 | 航班过台间隔的实现方法 |
| CN101527086A (zh) * | 2009-04-24 | 2009-09-09 | 中国民航大学 | 航班时隙分配的实现方法 |
Non-Patent Citations (1)
| Title |
|---|
| 飞行间隔标准的安全评估研究;张晓燕;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20070815(第02期);C031-34：正文全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104008674A (zh) | 2014-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104008674B (zh) | 一种基于模式匹配的终端区进场飞行时间预测方法 | |
| CN102496313B (zh) | 监视数据对飞行器计划预测轨迹的修正方法 | |
| US8825366B2 (en) | Method and device for determining an optimal flight trajectory followed by an aircraft | |
| CN104077928B (zh) | 适用于航路外无规律飞行的通航过点位置信息更新方法 | |
| CN104246641A (zh) | Uav的安全紧急降落 | |
| CN101694752A (zh) | 空域运行仿真中冲突的自动检测和调解***及方法 | |
| CN103413011B (zh) | 一种基于计算几何和模拟退火的空域扇区划分方法 | |
| CN102436764A (zh) | 通过历史数据挖掘航班管制因素的方法 | |
| Chen et al. | Cooperative area reconnaissance for multi-UAV in dynamic environment | |
| CN109191921A (zh) | 一种基于4d轨迹预测的空管监视数据仿真方法 | |
| US10497269B2 (en) | Integrated management for airport terminal airspace | |
| Murrieta-Mendoza et al. | Method to calculate aircraft VNAV trajectory cost using a performance database | |
| Cobano et al. | 4D trajectory planning in ATM with an anytime stochastic approach | |
| Choi et al. | Design of an optimal route structure using heuristics-based stochastic schedulers | |
| Ma et al. | Volcanic Ash Region Path Planning Based on Improved A‐Star Algorithm | |
| Vormer et al. | Optimization of flexible approach trajectories using a genetic algorithm | |
| Lee et al. | Real‐time collision‐free landing path planning for drone deliveries in urban environments | |
| Chen et al. | A Two‐Stage Method for UCAV TF/TA Path Planning Based on Approximate Dynamic Programming | |
| Murrieta Mendoza et al. | Aircraft lateral flight optimization using artificial bees colony | |
| Tang et al. | 4D trajectory prediction of aircraft taxiing based on fitting velocity profile | |
| Ren et al. | An en route capacity optimization model based on air traffic control process | |
| Di Vito et al. | An overview on systems and algorithms for on-board 3D/4D trajectory management | |
| Alam et al. | Real time prediction of worst case air traffic sector collision risk using evolutionary optimization | |
| Lee et al. | Uas surveillance in low-altitude airspace with geofencing: Constrained stochastic linear hybrid systems approach | |
| Gardi et al. | 4-dimensional trajectory generation algorithms for RPAS Mission Management Systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160120 Termination date: 20200616 |