CN110390177B - 离群飞行物确定方法及装置 - Google Patents
离群飞行物确定方法及装置 Download PDFInfo
- Publication number
- CN110390177B CN110390177B CN201910700625.1A CN201910700625A CN110390177B CN 110390177 B CN110390177 B CN 110390177B CN 201910700625 A CN201910700625 A CN 201910700625A CN 110390177 B CN110390177 B CN 110390177B
- Authority
- CN
- China
- Prior art keywords
- flying object
- outlier
- detection point
- ground
- parameters
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种离群飞行物确定方法及装置,所述方法包括:获取至少一个飞行物在预定起降阶段到达预设检测点时的运行参数;利用所述运行参数及与所述预定起降阶段对应的离群飞行物确定模型确定所述至少一个飞行物中的离群飞行物。通过以上方法,本公开可以快速、准确地确定至少一个飞行物中的离群飞行物,并且,本公开是基于全行业QAR数据及多个参数对离群飞行物进行综合判断,避免了对主观经验的依赖。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及一种离群飞行物确定方法及装置。
背景技术
根据波音2017年的统计报告显示,起飞阶段仅占整个飞行阶段的2%,降落阶段仅占整个飞行阶段的4%,但2008年至2017年期间,起飞阶段发生致命事故的比例占所有致命事故的14%,降落阶段发生致命事故的比例占所有致命事故的49%,可以看到起飞和降落是整个飞行过程中风险最高的阶段。近年来随着科技发展,航空事故率逐年下降,截至2019年2月底,我国运输航空已经实现持续安全飞行102个月,并且该记录还在不断增长。虽然没有致命事故,但不时发生可能导致致命事故的不安全事故,据记录,1990年1月至2008年4月间,我国民航飞行起飞阶段共发生擦机尾事件24起。安全始终是民航的主题,如何进一步提高安全水平,尤其是提前防范起飞降落阶段的安全事故是一个需要不断思考的重要问题。
为了提升航空安全水平,中国民航局规定从1998年1月1日起,在中国境内注册并营运的运输飞机应当安装快速存取记录器(quick access recorder,QAR)或等效设备,并从2000年开始将QAR数据直接应用到民航飞行品质监控(Flight Operations QualityAssurance,FOQA),以提升飞行安全管理水平。2017年,中国民航飞行品质监控基站正式投入运行,每天接收国内各航空公司超过3100架飞机、16000多个航班的QAR数据,用以监控航班飞行状况,及时发现运行风险。QAR数据涵盖了非常丰富的飞机航班数据,包括时间、速度、高度、姿态、位置、飞机发动机、APU辅助动力装置、飞控***、燃油***、空管信息、起落架、惯导***、齿轮箱等。QAR数据记录了飞机在飞行过程中的各项参数,能够连续完整地反映飞机***在运行中的实际状态和各种征兆,是数据科学在民航安全和运行领域应用的重要基础。
QAR数据的出现为航空安全提供了新的应用方向,但目前的应用主要集中在超限事件报警,例如,相关技术通常是根据飞机供应商或者经验预先设定某些单一变量的风险阈值,然后逐一进行各个变量与阈值的比较,超过预先设定的阈值后即判断该航班的飞行存在安全风险。相关技术过于依赖主观经验,人为影响较大,而且使得给定的阈值通常比较宽松,某种意义上减少了对安全的预警能力;其次,这种方法主要是单一变量的比较,缺乏变量之间关联性的考虑;另外,现有的应用大多基于单个航空公司或者单个机场的数据,没有覆盖到整个行业的应用水平,对整体偏差缺乏应对能力。
发明内容
有鉴于此,本公开提出了一种离群飞行物确定方法,所述方法包括:获取至少一个飞行物在预定起降阶段到达预设检测点时的运行参数;利用所述运行参数及与所述预定起降阶段对应的离群飞行物确定模型确定所述至少一个飞行物中的离群飞行物。
在一种可能的实施方式中,所述利用所述运行参数及与所述预定起降阶段对应的离群飞行物确定模型确定所述至少一个飞行物中的离群飞行物,包括:确定所述预定起降阶段中N个预设检测点下的估计离群飞行物;将被确定为估计离群飞行物的次数不小于M的飞行物确定为所述离群飞行物,其中,M、N为自然数,M≤N。
在一种可能的实施方式中,所述方法还包括:获取多个飞行物在预定起降阶段到达预设检测点的历史运行参数;对所述历史运行参数进行数据分析得到数据特征,所述数据特征包括各个历史运行参数的密度函数、各个历史运行参数之间的状态及相关性;根据所述数据特征建立离群飞行物确定模型。
在一种可能的实施方式中,所述对所述历史运行参数进行数据分析得到数据特征,包括:利用所述历史运行参数建立两两参数之间的散点图矩阵;根据所述散点图矩阵确定所述数据特征。
在一种可能的实施方式中,根据所述数据特征建立离群飞行物确定模型,包括:在存在历史运行参数呈现为离散状态,或,存在历史运行参数的密度函数呈现多峰特性的情况下,确定所述离群飞行物确定模型为多类聚类模型;或在所有历史运行参数均呈现汇聚状态且所有历史运行参数的密度函数均呈现单峰特性的情况下,确定所述离群飞行物确定模型为单类聚类模型。
在一种可能的实施方式中,在多个历史运行参数之间存在相关性的情况下,利用具有相关性的多个历史运行参数的其中之一及没有相关性的其他历史运行参数作为训练数据。
在一种可能的实施方式中,所述根据所述数据特征建立离群飞行物确定模型,还包括:在避免过拟合和欠拟合的前提下,利用所述训练数据对所述离群飞行物确定模型进行训练;对所述离群飞行物确定模型的模型参数进行调整,当在训练中确定的离群飞行物的数目占所有飞行物数目达到第一比例时,确定所述离群飞行物确定模型的最终模型参数,并根据所述最终模型参数得到训练后的离群飞行物确定模型。
在一种可能的实施方式中,所述第一比例在5%至10%之间。
在一种可能的实施方式中,在所述预定起降阶段为起飞阶段的情况下,所述预设检测点包括第一检测点,所述第一检测点为飞行物的起飞瞬间的所在位置,所述运行参数包括起飞距离、离地速度、离地仰角、离地仰角变化率均值、离地仰角变化率标准差、离地垂直速度、离地速度变化率均值、离地速度变化率标准差的任意一种或多种,其中,所述起飞距离表示飞行物从开始起飞到飞行物达到预设安全高度时的水平距离,所述离地速度表示在飞行物主轮离地瞬间飞行物的水平速度,所述离地仰角表示在飞行物主轮离地瞬间飞行物的仰角,所述离地仰角变化率均值表示飞行物主轮离地前后n秒中每一秒仰角变化的均值,所述离地仰角变化率标准差表示飞行物主轮离地前后n秒每一秒仰角变化的标准差,所述离地垂直速度表示在飞行物主轮离地瞬间飞行物的垂直速度,所述离地速度变化率均值表示飞行物主轮离地前后n秒每一秒垂直速度变化的均值,所述离地速度变化率标准差表示飞行物主轮离地前后n秒每一秒垂直速度变化的标准差,其中,n>0。
在一种可能的实施方式中,在所述预定起降阶段为进近阶段的情况下,所述预设检测点包括第二检测点、第三检测点及第四检测点,所述第二检测点为飞行物达到仪表气象条件IMC下的稳定进近检测高度时所在的位置,所述第三检测点为飞行物达到目视气象条件VMC下的稳定进近检测高度时所在的位置,所述第四检测点为飞行物处于机场五边时的稳定进近检测高度时所在的位置。
在一种可能的实施方式中,所述第二检测点的高度为1000英尺,所述第三检测点的高度为500英尺,所述第四检测点的高度为300英尺。
在一种可能的实施方式中,在所述预定起降阶段为进近阶段的情况下,所述运行参数包括俯仰角均值、航向均值、相对速度均值、垂直速度均值、每个发动机低压转子标准差、每个发动机高压转子标准差的任意一种或多种,其中,所述俯仰角均值表示飞行物高度到达预设检测点前后m秒每一秒的俯仰角的平均值,所述航向均值表示飞行物高度到达预设检测点前后m秒每一秒航向变化的平均值,
所述相对速度均值表示飞行物高度到达预设检测点前后m秒每一秒空速减去参考速度的平均值,所述垂直速度均值表示飞行物高度到达预设检测点前后m秒每一秒惯性垂直速度的平均值,所述发动机低压转子标准差表示飞行物当高度到达预设检测点前后m秒每一秒发动机的低压转子速度变化的标准差,所述发动机高压转子标准差表示当高度到达预设检测点前后m秒每一秒发动机的低压转子速度变化的标准差,其中,m>0。
在一种可能的实施方式中,在所述预定起降阶段为落地平飘阶段的情况下,所述预设检测点包括第五检测点、第六检测点、第七检测点,其中,所述第五检测点为飞行物从俯仰法则修改为拉平法则时所在的位置,所述第六检测点为飞行物达到稳定条件下规定的拉平高度时所在的位置,所述第七检测点为飞行物接收到自动喊话提醒飞行员收回推力手柄时所在的位置。
在一种可能的实施方式中,所述第五检测点的高度为50英尺,所述第六检测点的高度为30英尺,所述第七检测点的高度为20英尺。
在一种可能的实施方式中,在所述预定起降阶段为落地平飘阶段的情况下,所述运行参数包括惯性垂直速度均值、俯仰角均值、空速均值、垂直过载均值、接地距离及接地时间的任意一种及多种,其中,所述惯性垂直速度均值表示飞行物高度到达预设检测点前后k秒每一秒惯性垂直速度的平均值,所述俯仰角均值表示飞行物高度到达预设检测点前后k秒每一秒的俯仰角的平均值,所述空速均值表示飞行物高度到达预设检测点前后k秒每一秒的空速(IAS)的平均值,所述垂直过载均值表示飞行物高度到达预设检测点前后k秒每一秒的垂直过载VRTG的平均值,所述接地距离为所述预设接地点至落地点的水平距离,接地时间表示飞行物从所述预设接地点至落地点的时间,其中,k>0。
根据本公开的另一方面,提出了一种离群飞行物确定装置,所述装置包括:第一获取模块,用于获取至少一个飞行物在预定起降阶段到达预设检测点时的运行参数;确定模块,连接于所述获取模块,用于利用所述运行参数及与所述预定起降阶段对应的离群飞行物确定模型确定所述至少一个飞行物中的离群飞行物。
根据本公开的另一方面,提供了一种离群飞行物确定装置,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行上述方法。
根据本公开的另一方面,提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其中,所述计算机程序指令被处理器执行时实现上述方法。
通过以上方法及装置,本公开可以获取至少一个飞行物在预定起降阶段到达预设检测点时的运行参数,利用所述运行参数及与所述预定起降阶段对应的离群飞行物确定模型确定所述至少一个飞行物中的离群飞行物。本公开可以快速、准确地确定至少一个飞行物中的离群飞行物,并且,本公开是基于全行业QAR数据及多个参数对离群飞行物进行综合判断,避免了对主观经验的依赖。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出了根据本公开一实施方式的离群飞行物确定方法的流程图。
图2示出了根据本公开一实施方式的离群飞行物确定方法的流程图。
图3a示出了在起飞阶段获取的同一型号飞行物的历史运行参数的示意图。
图3b示出了在起飞阶段利用历史运行参数建立的散点图矩阵的示意图。
图3c示出了对起飞阶段的离群飞行物确定模型的参数进行调整的示意图。
图3d示出了利用飞行阶段的离群飞行物确定模型进行离群飞行物确定的示意图。
图4a示出了在进近阶段获取的同一型号飞行物的历史运行参数的示意图。
图4b示出了在进近阶段利用历史运行参数建立的散点图矩阵的示意图。
图4c示出了对进近阶段的离群飞行物确定模型的参数进行调整的示意图。
图4d示出了利用进近阶段的离群飞行物确定模型在第二检测点进行离群飞行物确定的示意图。
图4e示出了利用进近阶段的离群飞行物确定模型在第三检测点进行离群飞行物确定的示意图。
图4f示出了利用进近阶段的离群飞行物确定模型在第四检测点进行离群飞行物确定的示意图。
图4g示出了结合进近阶段的多个预定检测点确定离群飞行物的示意图。
图5a示出了在落地平飘阶段获取的同一型号飞行物的历史运行参数的示意图。
图5b示出了在落地平飘阶段利用历史运行参数建立的散点图矩阵的示意图。
图5c示出了对落地平飘阶段的离群飞行物确定模型的参数进行调整的示意图。
图5d示出了利用落地平飘阶段的离群飞行物确定模型在第五检测点进行离群飞行物确定的示意图。
图5e示出了利用落地平飘阶段的离群飞行物确定模型在第六检测点进行离群飞行物确定的示意图。
图5f示出了利用落地平飘阶段的离群飞行物确定模型在第七检测点进行离群飞行物确定的示意图。
图5g示出了利用落地平飘阶段的离群飞行物确定模型在第八检测点进行离群飞行物确定的示意图。
图5h示出了结合落地平飘阶段的多个预定检测点确定离群飞行物的示意图。
图6示出了根据本公开一实施方式的离群飞行物确定装置的框图。
图7示出了根据本公开一实施方式的离群飞行物确定装置的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
请参阅图1,图1示出了根据本公开一实施方式的离群飞行物确定方法的流程图。
所述方法可以应用于终端和/或服务器中。
如图1所示,所述方法包括:
步骤S110,获取至少一个飞行物在预定起降阶段到达预设检测点时的运行参数;
步骤S120,利用所述运行参数及与所述预定起降阶段对应的离群飞行物确定模型确定所述至少一个飞行物中的离群飞行物。
通过以上方法,本公开可以获取至少一个飞行物在预定起降阶段到达预设检测点时的运行参数,利用所述运行参数及与所述预定起降阶段对应的离群飞行物确定模型确定所述至少一个飞行物中的离群飞行物。本公开可以快速、准确地确定至少一个飞行物中的离群飞行物,并且,本公开是基于全行业QAR数据及多个参数对离群飞行物进行综合判断,避免了对主观经验的依赖。
在利用本公开所述的离群飞行物确定方法确定了至少一个飞行物中的离群飞行物的情况下,表示该飞行物在预设检测点附近的起降性能与群体在该预设检测点附近的起降性能偏差较大,需要进行调整。在得到结果之后,可以将结果发送给控制中心进行参考,或者可以发出警告,以提醒工作人员注意防范风险。
在一种可能的实施方式中,本公开可以实时获取一个或多个飞行物的运行参数,从而对该一个或多个飞行物是否为离群飞行物进行判断。也可以获取一段时间的一个或多个飞行物的运行参数,从而进行判断。简而言之,本公开提出的离群飞行物确定方法可以应用在强实时场景及弱实时场景。
在一种可能的实施方式中,所述预定起降阶段可以包括起飞阶段、进近阶段及落地平飘阶段。
在一种可能的实施方式中,预设检测点可以参考航空公司飞行机组技术手册中对于起飞降落的技术描述进行确定。
对于不同预定起降阶段,可以确定不同的预设检测点,预设检测点的数目可以是一个,也可以是多个,其具体数目可以根据分析需求确定,本公开对具体的预设检测点不做限定,并且,对预设检测点的数目也不做限定。
在一种可能的实施方式中,可以选择以高度作为预设检测点的度量。
例如,进近阶段可以选用气压高度作为高度度量,避免使用雷达高度,因为雷达高度受地形和建筑物影响波动较大;落地平飘阶段可以选用雷达高度作为高度度量,因为进场后雷达高度受障碍物的影响波动平稳,可以作为高度参考。
在一个示例中,起飞阶段的预设检测点可以选择在地面高度。
在一个示例中,进近阶段的预设检测点可以包含仪表气象条件(IMC)下的稳定进近检测高度、目视气象条件(VMC)下的稳定进近检测高度、飞机处于机场五边时的稳定进近检测高度等。
在一个示例中,落地平飘阶段的预设检测点可以包含俯仰法则修改为拉平法则时的高度、稳定条件下规定的拉平高度、自动喊话提醒飞行员收回推力手柄时的高度等。
在一种可能的实施方式中,不同的起降阶段的运行参数可以根据实际情况确定。在一个示例中,运行参数可以分为直接测量参数和计算参数两类,直接测量参数为机载QAR数据提供的直接测量数据,如速度、俯仰角、上升率等;计算参数可以为基于直接测量参数计算出来的计算值,如平均值,标准差等。
以上对预设检测点、运行参数等做了一个概括性的介绍,之后将进行详细描述。
应该说明的是,本领域技术人员可以根据实际需要对预设检测点、运行参数等进行选择。
在一种可能的实施方式中,所述飞行物可以为各种类型的飞机。例如目前正在运营的航班,包括多种类型的飞机。当然,在其他的实施方式中,也可以是其他,例如,还可以是商业或非商业运用的无人机。
在一种可能的实施方式中,步骤S120利用所述运行参数及与所述预定起降阶段对应的离群飞行物确定模型确定所述至少一个飞行物中的离群飞行物,可以包括:确定所述预定起降阶段中N个预设检测点下的估计离群飞行物;将被确定为估计离群飞行物的次数不小于M的飞行物确定为所述离群飞行物,其中,M、N为自然数,M≤N。
本公开可以根据实际使用需求设定持续离群飞行物的最小检测数(例如为M),在预定起降阶段的所有预设检测点中,如果某些飞行物被检测出的离群次数不小于最小检测数,则将这些飞行物标记为持续离群飞行物,表示这些飞行物没有通过飞行控制将飞行物的起降性能调整恢复,这些被确定为离群飞行物的飞行物,相对正常飞行物群体而言,持续离群飞行物发生问题的风险较高,需要重点关注。
请参阅图2,图2示出了根据本公开一实施方式的离群飞行物确定方法的流程图。
在一种可能的实施方式中,所述方法还可以包括:
步骤S130,获取多个飞行物在预定起降阶段到达预设检测点的历史运行参数;
步骤S140,对所述历史运行参数进行数据分析得到数据特征,所述数据特征包括各个历史运行参数的密度函数、各个历史运行参数之间的状态及相关性;
步骤S150,根据所述数据特征建立离群飞行物确定模型。
通过以上方法,本公开可以获取多个飞行物在预定起降阶段到达预设检测点的历史运行参数,对所述历史运行参数进行数据分析得到数据特征,所述数据特征包括各个历史运行参数的密度函数、各个历史运行参数之间的状态及相关性,根据所述数据特征建立离群飞行物确定模型。根据本公开所述的方法确定的离群飞行物确定模型,可以快速准确地得到被检测飞行物中的离群飞行物。
在一种可能的实施方式中,所述历史运行参数可以为一个月、一周或一天或其他任意时间段的历史QAR数据。
在一种可能的实施方式中,步骤S140对所述历史运行参数进行数据分析得到数据特征,可以包括:利用所述历史运行参数建立两两参数之间的散点图矩阵;根据所述散点图矩阵确定所述数据特征。
在一种可能的实施方式中,步骤S150根据所述数据特征建立离群飞行物确定模型,可以包括:
在存在历史运行参数呈现为离散状态,或,存在历史运行参数的密度函数呈现多峰特性的情况下,确定所述离群飞行物确定模型为多类聚类模型;或在所有历史运行参数均呈现汇聚状态且所有历史运行参数的密度函数均呈现单峰特性的情况下,确定所述离群飞行物确定模型为单类聚类模型。
在一种可能的实施方式中,单类聚类模型例如可以包括One-class SVM、鲁棒协方差等。在一种可能的实施方式中,多类聚类模型例如可以包括DBSCAN、GMM等。当然,单类聚类模型和多类聚类模型不止于此,以上只是对其进行的示例性的描述及举例,本领域技术人员可以选择其他的单类聚类模型和多类聚类模型,对此,本公开不做限制。
通过以上方法,本公开可以在多个历史运行参数的数据特征满足不同条件的情况下,确定不同类型的聚类模型作为离群飞行无确定模型,从而提高不同环境的适应性,使得本公开所述的离群飞行物确定方法可以应用于各种不同的情况。
在一种可能的实施方式中,在多个历史运行参数之间存在相关性的情况下,可以利用具有相关性的多个历史运行参数的其中之一及没有相关性的其他历史运行参数作为训练数据。在一种可能的实施方式中,相关性可以指参数之间的皮尔逊相关系数不小于0.8。
通过确定参数之间的相关性,并利用具有相关性的多个历史运行参数的其中之一及没有相关性的其他历史运行参数作为训练数据,可以有效降低模型维度数,以节约运算资源,提高运算速度。
在一种可能的实施方式中,步骤S150根据所述数据特征建立离群飞行物确定模型,还可以包括:
在避免过拟合和欠拟合的前提下,利用所述训练数据对所述离群飞行物确定模型进行训练;对所述离群飞行物确定模型的模型参数进行调整,当在训练中确定的离群飞行物的数目占所有飞行物数目达到第一比例时,确定所述离群飞行物确定模型的最终模型参数,并根据所述最终模型参数得到训练后的离群飞行物确定模型。
通过在避免过拟合和欠拟合的前提下,利用所述训练数据对所述离群飞行物确定模型进行训练,本公开可以得到准确的离群飞行物确定模型,从而,在进行离群飞行物的判定时,可以得到准确的结果。
在一种可能的实施方式中,所述第一比例在5%至10%之间。通过将第一比例设置在5%至10%之间,可以满足工程应用的需求,使得对离群飞行物的判断较为准确。
下面将对预定起降阶段的不同阶段分别进行介绍。
在起飞阶段:
在一种可能的实施方式中,在所述预定起降阶段为起飞阶段的情况下,所述预设检测点可以包括第一检测点,所述第一检测点为飞行物的起飞瞬间的所在位置。在飞行物的起飞阶段,飞行物与地面接触,距地高度为0英尺。
在一种可能的实施方式中,所述运行参数可以包括起飞距离(DIST_TAKEOFF)、离地速度(IAS_LIFTOFF)、离地仰角(PITCH_LIFTOFF)、离地仰角变化率均值(PITCH_RATE_AVE)、离地仰角变化率标准差(PITCH_RATE_STD)、离地垂直速度(IVV_LIFTOFF)、离地速度变化率均值(IVV_RATE_AVE)、离地速度变化率标准差(IVV_RATE_STD)的任意一种或多种,其中,
所述起飞距离表示飞行物从开始起飞到飞行物达到预设安全高度时的水平距离,所述离地速度表示在飞行物主轮离地瞬间飞行物的水平速度,所述离地仰角表示在飞行物主轮离地瞬间飞行物的仰角,所述离地仰角变化率均值表示飞行物主轮离地前后n秒中每一秒仰角变化的均值,所述离地仰角变化率标准差表示飞行物主轮离地前后n秒每一秒仰角变化的标准差,所述离地垂直速度表示在飞行物主轮离地瞬间飞行物的垂直速度,所述离地速度变化率均值表示飞行物主轮离地前后n秒每一秒垂直速度变化的均值,所述离地速度变化率标准差表示飞行物主轮离地前后n秒每一秒垂直速度变化的标准差,其中,n>0。
在一种可能的实施方式中,n的具体大小可以根据实际情况确定,在一个示例中,n可以为5s。
以上给出了在起飞阶段的运行参数的示例,应该明白的是,本领域技术人员可以根据实际情况增加、减少运行参数,对此,本公开不做限定。
下面对在起飞阶段的模型训练及离群飞行物的确定进行示例性说明。
请参阅图3a,图3a示出了在起飞阶段获取的同一型号飞行物的历史运行参数的示意图。
根据步骤S130,本公开可以获得如图3a所示的在起飞阶段获取的同一型号飞行物的历史运行参数。
应该明白的是,此处以同一型号的飞行物为例进行介绍,但是,本公开不止于此,对于不同类型的飞行物的离群飞行物的确定,本公开同样适用。
如图3a所示,在一个示例中,本公开选择了28个飞行物(编号为No-X0001-X0028)的历史运行参数,他们包括:起飞距离(DIST_TAKEOFF)、离地速度(IAS_LIFTOFF)、离地仰角(PITCH_LIFTOFF)、离地仰角变化率均值(PITCH_RATE_AVE)、离地仰角变化率标准差(PITCH_RATE_STD)、离地垂直速度(IVV_LIFTOFF)、离地速度变化率均值(IVV_RATE_AVE)、离地速度变化率标准差(IVV_RATE_STD)。
在此处及下文中,本公开对历史运行参数、运行参数的单位不做介绍,应该明白的是,每个参数的单位可以根据实际情况确定。
在得到历史运行参数后,根据步骤S140,本公开可以对所述历史运行参数进行数据分析得到数据特征,所述数据特征包括各个历史运行参数的密度函数、各个历史运行参数之间的状态及相关性。
例如,可以利用所述历史运行参数建立两两参数之间的散点图矩阵;根据所述散点图矩阵确定所述数据特征。
请参阅图3b,图3b示出了在起飞阶段利用历史运行参数建立的散点图矩阵的示意图。如图3b所示,在散点图矩阵的对角线上,每个参数的密度函数都具备单峰特性(即只有一个波峰),近似于正态分布;并且,参数与参数之间存在着明显的数据汇聚特性,且无离散参数。
根据步骤S150,可以根据所述数据特征建立离群飞行物确定模型。
在一个示例中,历史运行参数中不存在离散参数,则离群飞行物检测问题可以看成是单类聚类问题,即正常飞行物类和离群飞行物类,可以选择相应的单类聚类算法进行离群飞行物检测,例如,可以选用One-class SVM。
请参阅图3c,图3c示出了对起飞阶段的离群飞行物确定模型的参数进行调整的示意图。
在这里,为了描述方便,将选取起飞距离DIST_TAKEOFF和离地速度IAS_LIFTOFF两个参数进行分析,应该说明的是,多参数(包括除起飞距离DIST_TAKEOFF和离地速度IAS_LIFTOFF以外的其他参数)时该模型和训练方法同样适用。
基于起飞阶段各个历史运行参数的数据特征,本公开示例性地选用One-ClassSVM算法进行聚类学习,其中,核函数示例性地选用径向基函数(RBF),并对算法的两个参数nu(用于规定SVM算法的训练误差上边界)和gamma(用于调节径向基函数的尺度参数)进行参数调整。在避免过拟合和欠拟合的前提下,对参数nu和参数gamma进行调整,直至调整到离群飞行物的数量占比在5%~10%之间为最佳。
如图3c所示,黑色边线(椭圆等)是算法学习得到的分类边界,在分类边界外是训练过程中标记出来的离群飞行物,分类边界内是训练过程中标记出来的正常飞行物。可以看到,参数nu越大,分类边界越像中心汇集;参数gamma可用来调节分类边界的形状,该参数越大,分类边界越弯曲,但是该参数过大,易出现过拟合(如图3c中右下角所示)。过拟合和欠拟合都会影响异常检测的结果,所以本公开在参数调整中予以避免。从图3c可以看出,当参数nu为0.1且参数gamma为5时,起飞阶段的离群飞行物确定模型具有较好的表现。
当对离群飞行物确定模型训练好后,即可利用离群飞行物确定模型对需要进行离群判断的飞行物进行判断。
请参阅图3d,图3d示出了利用飞行阶段的离群飞行物确定模型进行离群飞行物确定的示意图。
如图3d所示,将离群飞行物确定模型的参数nu设置为0.1,将参数gamma设置为5,将至少一个飞行物(例如480个)的运行参数(起飞距离(DIST_TAKEOFF)、离地速度(IAS_LIFTOFF)、离地仰角(PITCH_LIFTOFF)、离地仰角变化率均值(PITCH_RATE_AVE)、离地仰角变化率标准差(PITCH_RATE_STD)、离地垂直速度(IVV_LIFTOFF)、离地速度变化率均值(IVV_RATE_AVE)、离地速度变化率标准差(IVV_RATE_STD)中的一个或多个)输入离群飞行物确定模型中,可以确定出离群飞行物大概为43个(图3d中的深色点),占所有训练数据的9.03%左右。
在以上示例中,对于起飞阶段,本公开选择的预设检测点仅为1个,因此,对于上例,确定出的43个离群飞行物即为最终结果。
应该说明的是,在本示例及之后的示例中,由于可视化限制的原因(可视化只能用3维),在示意图中其它参数(除DIST_TAKEOFF、IAS_LIFTOFF)无法体现在图中,但是,飞行物是否为离群飞行物是可以体现在图中的。例如,将8个参数输入模型,每个飞行物都会被标记为正常或离群,在三维图中体现正常航班(浅色);离群航班(深色)。
对于进近阶段:
根据航空公司机组人员的技术手册,当满足下列所有准则时,被视为稳定进近阶段:
1)飞机处于正确的飞行航径;2)为保持正确的飞行航径只需要稍微改变俯仰和航向;3)飞机处于进近速度;4)飞机处于正确的着陆形态;5)下沉率不大于某个设定值;6)推力调定与飞机的形态相适应;7)所有简令和检查单已执行。
在一种可能的实施方式中,在所述预定起降阶段为进近阶段的情况下,所述预设检测点可以包括第二检测点、第三检测点及第四检测点,所述第二检测点可以为飞行物达到仪表气象条件IMC下的稳定进近检测高度时所在的位置,所述第三检测点可以为飞行物达到目视气象条件VMC下的稳定进近检测高度时所在的位置,所述第四检测点可以为飞行物处于机场五边时的稳定进近检测高度时所在的位置。
在一种可能的实施方式中,所述第二检测点的高度可以为1000英尺,所述第三检测点的高度可以为500英尺,所述第四检测点的高度可以为300英尺。
在一种可能的实施方式中,在所述预定起降阶段为进近阶段的情况下,所述运行参数可以包括俯仰角均值(PITCH_ave)、航向均值(Head_diff)、相对速度均值(IASminusVREF)、垂直速度均值(IVV_ave)、每个发动机低压转子标准差、每个发动机高压转子标准差的任意一种或多种,其中,所述俯仰角均值表示飞行物高度到达预设检测点前后m秒每一秒的俯仰角的平均值,所述航向均值表示飞行物高度到达预设检测点前后m秒每一秒航向变化的平均值,所述相对速度均值表示飞行物高度到达预设检测点前后m秒每一秒空速减去参考速度的平均值,所述垂直速度均值表示飞行物高度到达预设检测点前后m秒每一秒惯性垂直速度的平均值,所述发动机低压转子标准差表示飞行物当高度到达预设检测点前后m秒每一秒发动机的低压转子速度变化的标准差,所述发动机高压转子标准差表示当高度到达预设检测点前后m秒每一秒发动机的低压转子速度变化的标准差,其中,m>0。
在一种可能的实施方式中,m的具体大小可以根据实际情况确定,在一个示例中,m可以为5s。
以上给出了在进近阶段的运行参数的示例,应该明白的是,本领域技术人员可以根据实际情况增加、减少运行参数,对此,本公开不做限定。
下面对在进近阶段的模型训练及离群飞行物的确定进行示例性说明。
请参阅图4a,图4a示出了在进近阶段获取的同一型号飞行物的历史运行参数的示意图。
根据步骤S130,本公开可以获得如图4a所示的在进近阶段获取的同一型号飞行物的历史运行参数。
如图4a所示,在一个示例中,本公开选择了27个飞行物(编号为No-X0001~X0027)的历史运行参数。
在一种可能的实施方式中,在所述预定起降阶段为进近阶段的情况下,所述运行参数可以包括俯仰角均值(PITCH_ave)、航向均值(Head_diff)、相对速度均值(IASminusVREF)、垂直速度均值(IVV_ave)、每个发动机低压转子标准差、每个发动机高压转子标准差。其中,在本示例中,如图4a所示,本公开获取了当高度到达检测点前后m秒发动机1的低压转子速度变化的标准差(N11_std)、当高度到达检测点前后m秒发动机2的低压转子速度变化的标准差(N12_std)、当高度到达检测点前后m秒发动机1的高压转子速度变化的标准差(N21_std)、当高度到达检测点前后m秒发动机2的高压转子速度变化的标准差(N22_std)。当然,应该明白的是,对于飞行物的发动机而言,其数目可以是其他,例如飞行物可以包括4个发动机,在这种情况下,可以将其他2个发动机的参数引入。
在得到历史运行参数后,根据步骤S140,本公开可以对所述历史运行参数进行数据分析得到数据特征,所述数据特征包括各个历史运行参数的密度函数、各个历史运行参数之间的状态及相关性。
例如,可以利用所述历史运行参数建立两两参数之间的散点图矩阵;根据所述散点图矩阵确定所述数据特征。
请参阅图4b,图4b示出了在进近阶段利用历史运行参数建立的散点图矩阵的示意图。
从图4b可以得到:1)N11_std,N12_std,N21_std和N22_std高度相关,因此可以选择利用N11_std代表N12_std,N21_std和N22_std来进行模型训练(当然,也可以选择其他任一个参数作为代表);2)Head_diff是离散参数,离群飞行物检测将是多类聚类问题;3)除Head_diff以外,其他运行参数的密度函数是单峰的,近似正态分布,且每个散点图都有明显的数据汇聚属性。
根据步骤S150,可以根据所述数据特征建立离群飞行物确定模型。
在一个示例中,由于历史运行参数中存在离散参数Head_diff,则离群飞行物检测问题是多类聚类问题,即多个正常飞行物类和离群飞行物类,基于此,可以选择相应的多类聚类算法进行离群飞行物检测,例如,可以选用DBSCAN算法。
请参阅图4c,图4c示出了对进近阶段的离群飞行物确定模型的参数进行调整的示意图。
在这里,为了描述方便,选取Head_diff,IVV_ave和IASminusVREF三个历史运行参数进行分析,应该说明的是,多参数时该模型和训练方法同样适用。DBSCAN算法有两个参数需要调整,即参数eps及参数min_samples,其中eps表示DBSCAN算法中规定的邻域半径,min_samples表示DBSCAN算法中规定的核心对象邻域中包含的最小样本数。
在避免过拟合和欠拟合的前提下,对参数eps和参数min_samples进行调整,直至调整到离群飞行物的数量占比在5%~10%之间为最佳。
与之前相似的,调整参数时,可以先固定一个参数调整另一个参数,例如,请参照图4c第一行,先固定min_sample以调整min_samples,第一幅图处于过拟合,第三幅图处于欠拟合,第二幅图正常。然后固定第二幅图的参数min_sample对参数eps进行调整,如第二行所示。如此反复迭代,直至调整到离群飞行物的数量占比在5%~10%之间。
如图4c所示,深色点(椭圆圈出部分)为训练过程中标记出来的离群飞行物,浅色点为训练过程中标记出来的正常飞行物。
如图4c所示,在本示例中,当参数eps为0.18或0.22、参数min_samples位5的情况下,进近阶段的离群飞行物确定模型具有较好的表现。
当对离群飞行物确定模型训练好后,即可利用离群飞行物确定模型对需要进行离群判断的飞行物进行判断。
请参阅图4d,图4d示出了利用进近阶段的离群飞行物确定模型在第二检测点进行离群飞行物确定的示意图。其中,将eps设置为0.18和将min_samples设置为5,将将至少一个飞行物(例如480个)的运行参数(PITCH_ave,Head_diff,IASminusVREF,IVV_ave和N11_std)输入离群飞行物确定模型中,可以确定出离群飞行物大概为43个(图4d中的深色点),占所有训练数据的9.03%左右。
请参阅图4e,图4e示出了利用进近阶段的离群飞行物确定模型在第三检测点进行离群飞行物确定的示意图。其中,将eps设置为0.22和将min_samples设置为5,将将至少一个飞行物(例如480个)的运行参数(PITCH_ave,Head_diff,IASminusVREF,IVV_ave和N11_std)输入离群飞行物确定模型中,可以确定出离群飞行物大概为45个(图4e中的深色点),占所有训练数据的9.45%左右。
请参阅图4f,图4f示出了利用进近阶段的离群飞行物确定模型在第四检测点进行离群飞行物确定的示意图。其中,将eps设置为0.18和将min_samples设置为5,将将至少一个飞行物(例如480个)的运行参数(PITCH_ave,Head_diff,IASminusVREF,IVV_ave和N11_std)输入离群飞行物确定模型中,可以确定出离群飞行物大概为40个(图4f中的深色点),占所有训练数据的8.40%左右。
对于进近阶段来说,对离群飞行物的检测选择的预定检测点的数目为3,因此,在得到第二检测点、第三检测点、第四检测点的离群飞行物的结果时,可以根据“确定所述预定起降阶段中N个预设检测点下的估计离群飞行物;将被确定为估计离群飞行物的次数不小于M的飞行物确定为所述离群飞行物”进一步确定离群飞行物。例如,可以综合第二检测点(1000英尺)、第三检测点(500英尺)和第四检测点(300英尺)分别检测出的离群飞行物,进一步筛选出持续离群飞行物。
请参阅图4g,图4g示出了结合进近阶段的多个预定检测点确定离群飞行物的示意图。
在设定持续离群飞行物的最小检测数为3(M)时,共标记出12个持续离群飞行物,在图4g中用深色点标出。这些飞行物没有通过飞行控制将飞机的起降性能调整恢复,这些飞行物虽然不一定触发告警,但是相对群体表现,持续离群飞行物发生问题的风险较高,需要重点关注。
对于落地平飘阶段:
在一种可能的实施方式中,在所述预定起降阶段为落地平飘阶段的情况下,所述预设检测点包括第五检测点、第六检测点、第七检测点,其中,所述第五检测点为飞行物从俯仰法则修改为拉平法则时所在的位置,所述第六检测点为飞行物达到稳定条件下规定的拉平高度时所在的位置,所述第七检测点为飞行物接收到自动喊话提醒飞行员收回推力手柄时所在的位置。
在一种可能的实施方式中,所述第五检测点的高度为50英尺,所述第六检测点的高度为30英尺,所述第七检测点的高度为20英尺。
在一种可能的实施方式中,在所述预定起降阶段为落地平飘阶段的情况下,所述运行参数可以包括惯性垂直速度均值(IVV_ave)、俯仰角均值(PITCH_ave)、空速均值(IAS_ave)、垂直过载均值(VRTG_ave)、接地距离(DIST_LD)及接地时间(TIME_LD)的任意一种及多种,其中,所述惯性垂直速度均值表示飞行物高度到达预设检测点前后k秒每一秒惯性垂直速度(IVV)的平均值,所述俯仰角均值表示飞行物高度到达预设检测点前后k秒每一秒的俯仰角的平均值,所述空速均值表示飞行物高度到达预设检测点前后k秒每一秒的空速(IAS)的平均值,所述垂直过载均值表示飞行物高度到达预设检测点前后k秒每一秒的垂直过载VRTG的平均值,所述接地距离为所述预设接地点至落地点的水平距离,接地时间表示飞行物从所述预设接地点至落地点的时间,其中,k>0。
在一种可能的实施方式中,k的具体大小可以根据实际情况确定,在一个示例中,k可以为5s。
以上给出了在落地平飘阶段的运行参数的示例,应该明白的是,本领域技术人员可以根据实际情况增加、减少运行参数,对此,本公开不做限定。
下面对在落地平飘阶段的模型训练及离群飞行物的确定进行示例性说明。
请参阅图5a,图5a示出了在落地平飘阶段获取的同一型号飞行物的历史运行参数的示意图。
根据步骤S130,本公开可以获得如图5a所示的在落地平飘阶段获取的同一型号飞行物的历史运行参数。
如图5a所示,在一个示例中,本公开选择了28个飞行物(编号为No-X0001~X0028)的历史运行参数,在一种可能的实施方式中,在所述预定起降阶段为落地平飘阶段的情况下,所述运行参数包括惯性垂直速度均值(IVV_ave)、俯仰角均值(PITCH_ave)、空速均值(IAS_ave)、垂直过载均值(VRTG_ave)、接地距离(DIST_LD)及接地时间(TIME_LD)。
在得到历史运行参数后,根据步骤S140,本公开可以对所述历史运行参数进行数据分析得到数据特征,所述数据特征包括各个历史运行参数的密度函数、各个历史运行参数之间的状态及相关性。
例如,可以利用所述历史运行参数建立两两参数之间的散点图矩阵;
根据所述散点图矩阵确定所述数据特征。
请参阅图5b,图5b示出了在落地平飘阶段利用历史运行参数建立的散点图矩阵的示意图。
从图5b可以看出:1)图5b中,对角线上的密度函数均具备单峰特性,近似正态分布;2)参数与参数之间存在着明显的数据汇聚特性,且无离散参数;3)DIST_LD和TIME_LD高度相关,因此可以选取DIST_LD代表TIME_LD进行训练(在之后的离群飞行物判断时,也可以用DIST_LD代表TIME_LD)。
根据步骤S150,可以根据所述数据特征建立离群飞行物确定模型。
在一个示例中,历史运行参数中不存在离散参数,则离群飞行物检测问题可以看成是单类聚类问题,即正常飞行物类和离群飞行物类,基于此,可以选择相应的单类聚类算法进行离群飞行物检测,例如可以选择One-class SVM算法。
请参阅图5c,图5c示出了对落地平飘阶段的离群飞行物确定模型的参数进行调整的示意图。
在这里,为了描述方便,选取IVV_ave和DIST_LD两个历史运行参数进行飞行物异常检测分析,应该说明的是,多参数时该模型和训练方法同样适用。本公开示例性地选择One-Class SVM算法进行聚类学习,其中,核函数选用径向基函数(RBF),并对算法的两个核心参数nu和gamma进行参数调整,nu用来规定SVM算法的训练误差上边界,gamma用来调节径向基函数的尺度参数,在避免过拟合和欠拟合的前提下,直至调整到离群飞行物的数量占比在5%~10%之间为最佳,结果图5c所示。
如图5c所述,分界线内部是离群飞行物确定模型标出的离群飞行物,分界线外部是离群飞行物确定模型标出的正常点,分界线是离群飞行物确定模型学习得到的分类边界。可以看到,参数nu越大,分类边界越像中心汇聚;参数gamma可用来调节分类边界的形状,该参数越大,分类边界越弯曲,但是该参数过大,易出现过拟合(如图5c中右下角图例所示)。过拟合和欠拟合都会影响异常检测的结果,本公开在参数调整中予以避免。
从图5c可以看出,当参数nu为0.05、参数gamma为5的情况下,落地平飘阶段的离群飞行物确定模型具有较好的表现。
当对离群飞行物确定模型训练好后,即可利用离群飞行物确定模型对需要进行离群判断的飞行物进行判断。
请参阅图5d,图5d示出了利用落地平飘阶段的离群飞行物确定模型在第五检测点进行离群飞行物确定的示意图。其中,在本示例中,将参数nu设置为0.05,将参数ganmma设置为5,选择第五检测点(50英尺)处的至少一个飞行物的运行参数(IVV_ave、PITCH_ave、IAS_ave、VRTG_ave和DIST_LD)输入离群飞行物确定模型中,可以确定出离群飞行物大概为27个(图5d中的深色点),占所有训练数据的5.67%左右。
请参阅图5e,图5e示出了利用落地平飘阶段的离群飞行物确定模型在第六检测点进行离群飞行物确定的示意图。其中,在本示例中,将参数nu设置为0.05,将参数ganmma设置为5,选择第六检测点(30英尺)处的至少一个飞行物的运行参数(IVV_ave、PITCH_ave、IAS_ave、VRTG_ave和DIST_LD)输入离群飞行物确定模型中,可以确定出离群飞行物大概为25个(图5e中的深色点),占所有训练数据的5.25%左右。
请参阅图5f,图5f示出了利用落地平飘阶段的离群飞行物确定模型在第七检测点进行离群飞行物确定的示意图。其中,在本示例中,将参数nu设置为0.05,将参数ganmma设置为5,选择第七检测点(20英尺)处的至少一个飞行物的运行参数(IVV_ave、PITCH_ave、IAS_ave、VRTG_ave和DIST_LD)输入离群飞行物确定模型中,可以确定出离群飞行物大概为27个(图5f中的深色点),占所有训练数据的5.67%左右。
应该说明的是,在对起降阶段的各个阶段的离群飞行物确定的过程中,可以选择除本公开列举出的预定检测点,下面给出一种示例。
请参阅图5g,图5g示出了利用落地平飘阶段的离群飞行物确定模型在第八检测点进行离群飞行物确定的示意图。其中,在本示例中,将参数nu设置为0.05,将参数ganmma设置为5,选择第八检测点(10英尺)处的至少一个飞行物的运行参数(IVV_ave、PITCH_ave、IAS_ave、VRTG_ave和DIST_LD)输入离群飞行物确定模型中,可以确定出离群飞行物大概为24个(图5g中的深色点),占所有训练数据的5.04%左右。
对于落地平飘阶段来说,对离群飞行物的检测选择的预定检测点的数目为4,因此,在得到第五检测点、第六检测点、第七检测点、第八检测点的离群飞行物的结果时,可以根据“确定所述预定起降阶段中N个预设检测点下的估计离群飞行物;将被确定为估计离群飞行物的次数不小于M的飞行物确定为所述离群飞行物”进一步确定离群飞行物。例如,可以综合第五检测点(50英尺)、第六检测点(30英尺)、第七检测点(20英尺)、第八检测点(10英尺)分别检测出的离群飞行物,进一步筛选出持续离群飞行物。
请参阅图5h,图5h示出了结合落地平飘阶段的多个预定检测点确定离群飞行物的示意图。
在设定持续离群飞行物的最小检测数为4(M)时,共标记出8个持续离群飞行物,在图5h中用深色点标出。这些飞行物没有通过飞行控制将飞机的起降性能调整恢复,这些飞行物虽然不一定触发告警,但是相对群体表现,持续离群飞行物发生问题的风险较高,需要重点关注。
根据以上介绍可知,本公开所述的离群飞行物确定方法完全是数据驱动,且是全行业数据,多参数同时分析,避免了主观经验的依赖,涵盖了全行业的数据特征,包含了参数间的相关特性。该方法的实现不需要先验阈值,完全从数据中寻找离群飞行物和判定边界,可以减少主观经验对管理的影响,且能够客观的提取出起降性能离群的飞行物,航空公司可以专注于离群飞行物以提高安全管理服务水平,飞行员可以利用这些信息来改进他们的飞行技术。
请参阅图6,图6示出了根据本公开一实施方式的离群飞行物确定装置的框图。如图6所示,所述装置包括:第一获取模块10,用于获取至少一个飞行物在预定起降阶段到达预设检测点时的运行参数;确定模块20,连接于所述获取模块10,用于利用所述运行参数及与所述预定起降阶段对应的离群飞行物确定模型确定所述至少一个飞行物中的离群飞行物。
通过以上装置,本公开可以获取至少一个飞行物在预定起降阶段到达预设检测点时的运行参数,利用所述运行参数及与所述预定起降阶段对应的离群飞行物确定模型确定所述至少一个飞行物中的离群飞行物。本公开可以快速、准确地确定至少一个飞行物中的离群飞行物,并且,本公开是基于全行业QAR数据及多个参数对离群飞行物进行综合判断,避免了对主观经验的依赖。
在利用本公开所述的装置确定了至少一个飞行物中的离群飞行物的情况下,表示该飞行物在预设检测点附近的起降性能与群体在该预设检测点附近的起降性能偏差较大,需要进行调整。在得到结果之后,可以将结果发送给控制中心进行参考,或者可以发出警告,以提醒工作人员注意防范风险。
在一种可能的实施方式中,所述确定模块包括:第一确定子模块,用于确定所述预定起降阶段中N个预设检测点下的估计离群飞行物;第二确定子模块,连接于所述第一确定子模块,用于将被确定为估计离群飞行物的次数不小于M的飞行物确定为所述离群飞行物,其中,M、N为自然数,M≤N。
请参阅图7,图7示出了根据本公开一实施方式的离群飞行物确定装置的框图。在一种可能的实施方式中,如图7所示,所述装置还可以包括:第二获取模块30,用于获取多个飞行物在预定起降阶段到达预设检测点的历史运行参数;分析模块40,连接于所述第二获取模块30,用于对所述历史运行参数进行数据分析得到数据特征,所述数据特征包括各个历史运行参数的密度函数、各个历史运行参数之间的状态及相关性;建立模块50,连接于所述分析模块40及第一获取模块10,用于根据所述数据特征建立离群飞行物确定模型。
在一种可能的实施方式中,所述对所述历史运行参数进行数据分析得到数据特征,包括:利用所述历史运行参数建立两两参数之间的散点图矩阵;根据所述散点图矩阵确定所述数据特征。在一种可能的实施方式中,根据所述数据特征建立离群飞行物确定模型,包括:在存在历史运行参数呈现为离散状态,或,存在历史运行参数的密度函数呈现多峰特性的情况下,确定所述离群飞行物确定模型为多类聚类模型;或在所有历史运行参数均呈现汇聚状态且所有历史运行参数的密度函数均呈现单峰特性的情况下,确定所述离群飞行物确定模型为单类聚类模型。
在一种可能的实施方式中,在多个历史运行参数之间存在相关性的情况下,利用具有相关性的多个历史运行参数的其中之一及没有相关性的其他历史运行参数作为训练数据。
在一种可能的实施方式中,所述根据所述数据特征建立离群飞行物确定模型,还包括:在避免过拟合和欠拟合的前提下,利用所述训练数据对所述离群飞行物确定模型进行训练;对所述离群飞行物确定模型的模型参数进行调整,当在训练中确定的离群飞行物的数目占所有飞行物数目达到第一比例时,确定所述离群飞行物确定模型的最终模型参数,并根据所述最终模型参数得到训练后的离群飞行物确定模型。
在一种可能的实施方式中,所述第一比例在5%至10%之间。
在一种可能的实施方式中,在所述预定起降阶段为起飞阶段的情况下,所述预设检测点包括第一检测点,所述第一检测点为飞行物的起飞瞬间的所在位置,所述运行参数包括起飞距离、离地速度、离地仰角、离地仰角变化率均值、离地仰角变化率标准差、离地垂直速度、离地速度变化率均值、离地速度变化率标准差的任意一种或多种,其中,所述起飞距离表示飞行物从开始起飞到飞行物达到预设安全高度时的水平距离,所述离地速度表示在飞行物主轮离地瞬间飞行物的水平速度,所述离地仰角表示在飞行物主轮离地瞬间飞行物的仰角,所述离地仰角变化率均值表示飞行物主轮离地前后n秒中每一秒仰角变化的均值,所述离地仰角变化率标准差表示飞行物主轮离地前后n秒每一秒仰角变化的标准差,所述离地垂直速度表示在飞行物主轮离地瞬间飞行物的垂直速度,所述离地速度变化率均值表示飞行物主轮离地前后n秒每一秒垂直速度变化的均值,所述离地速度变化率标准差表示飞行物主轮离地前后n秒每一秒垂直速度变化的标准差,其中,n>0。
在一种可能的实施方式中,在所述预定起降阶段为进近阶段的情况下,所述预设检测点包括第二检测点、第三检测点及第四检测点,所述第二检测点为飞行物达到仪表气象条件IMC下的稳定进近检测高度时所在的位置,所述第三检测点为飞行物达到目视气象条件VMC下的稳定进近检测高度时所在的位置,所述第四检测点为飞行物处于机场五边时的稳定进近检测高度时所在的位置。
在一种可能的实施方式中,所述第二检测点的高度为1000英尺,所述第三检测点的高度为500英尺,所述第四检测点的高度为300英尺。
在一种可能的实施方式中,在所述预定起降阶段为进近阶段的情况下,所述运行参数包括俯仰角均值、航向均值、相对速度均值、垂直速度均值、每个发动机低压转子标准差、每个发动机高压转子标准差的任意一种或多种,其中,所述俯仰角均值表示飞行物高度到达预设检测点前后m秒每一秒的俯仰角的平均值,所述航向均值表示飞行物高度到达预设检测点前后m秒每一秒航向变化的平均值,所述相对速度均值表示飞行物高度到达预设检测点前后m秒每一秒空速减去参考速度的平均值,所述垂直速度均值表示飞行物高度到达预设检测点前后m秒每一秒惯性垂直速度的平均值,所述发动机低压转子标准差表示飞行物当高度到达预设检测点前后m秒每一秒发动机的低压转子速度变化的标准差,所述发动机高压转子标准差表示当高度到达预设检测点前后m秒每一秒发动机的低压转子速度变化的标准差,其中,m>0。
在一种可能的实施方式中,在所述预定起降阶段为落地平飘阶段的情况下,所述预设检测点包括第五检测点、第六检测点、第七检测点,其中,所述第五检测点为飞行物从俯仰法则修改为拉平法则时所在的位置,所述第六检测点为飞行物达到稳定条件下规定的拉平高度时所在的位置,所述第七检测点为飞行物接收到自动喊话提醒飞行员收回推力手柄时所在的位置。
在一种可能的实施方式中,所述第五检测点的高度为50英尺,所述第六检测点的高度为30英尺,所述第七检测点的高度为20英尺。
在一种可能的实施方式中,在所述预定起降阶段为落地平飘阶段的情况下,所述运行参数包括惯性垂直速度均值、俯仰角均值、空速均值、垂直过载均值、接地距离及接地时间的任意一种及多种,其中,所述惯性垂直速度均值表示飞行物高度到达预设检测点前后k秒每一秒惯性垂直速度的平均值,所述俯仰角均值表示飞行物高度到达预设检测点前后k秒每一秒的俯仰角的平均值,所述空速均值表示飞行物高度到达预设检测点前后k秒每一秒的空速(IAS)的平均值,所述垂直过载均值表示飞行物高度到达预设检测点前后k秒每一秒的垂直过载VRTG的平均值,所述接地距离为所述预设接地点至落地点的水平距离,接地时间表示飞行物从所述预设接地点至落地点的时间,其中,k>0。
根据以上介绍可知,本公开所述的离群飞行物确定装置完全是数据驱动,且是全行业数据,多参数同时分析,避免了主观经验的依赖,涵盖了全行业的数据特征,包含了参数间的相关特性。该方法的实现不需要先验阈值,完全从数据中寻找离群飞行物和判定边界,可以减少主观经验对管理的影响,且能够客观的提取出起降性能离群的飞行物,航空公司可以专注于离群飞行物以提高安全管理服务水平,飞行员可以利用这些信息来改进他们的飞行技术。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (11)
1.一种离群飞行物确定方法,其特征在于,所述方法包括:
获取至少一个飞行物在预定起降阶段到达预设检测点时的运行参数;
利用所述运行参数及与所述预定起降阶段对应的离群飞行物确定模型确定所述至少一个飞行物中的离群飞行物;
所述方法还包括:
获取多个飞行物在预定起降阶段到达预设检测点的历史运行参数;
对所述历史运行参数进行数据分析得到数据特征,所述数据特征包括各个历史运行参数的密度函数、各个历史运行参数之间的状态及相关性,所述对所述历史运行参数进行数据分析得到数据特征,包括:利用所述历史运行参数建立两两参数之间的散点图矩阵;根据所述散点图矩阵确定所述数据特征;
根据所述数据特征建立离群飞行物确定模型。
2.根据权利要求1所述的方法,其特征在于,所述利用所述运行参数及与所述预定起降阶段对应的离群飞行物确定模型确定所述至少一个飞行物中的离群飞行物,包括:
确定所述预定起降阶段中N个预设检测点下的估计离群飞行物;
将被确定为估计离群飞行物的次数不小于M的飞行物确定为所述离群飞行物,
其中,M、N为自然数,M≤N。
3.根据权利要求1所述的方法,其特征在于,根据所述数据特征建立离群飞行物确定模型,包括:
在存在历史运行参数呈现为离散状态,或,存在历史运行参数的密度函数呈现多峰特性的情况下,确定所述离群飞行物确定模型为多类聚类模型;或
在所有历史运行参数均呈现汇聚状态且所有历史运行参数的密度函数均呈现单峰特性的情况下,确定所述离群飞行物确定模型为单类聚类模型。
4.根据权利要求3所述的方法,其特征在于,在多个历史运行参数之间存在相关性的情况下,利用具有相关性的多个历史运行参数的其中之一及没有相关性的其他历史运行参数作为训练数据。
5.根据权利要求4所述的方法,其特征在于,所述根据所述数据特征建立离群飞行物确定模型,还包括:
在避免过拟合和欠拟合的前提下,利用所述训练数据对所述离群飞行物确定模型进行训练;
对所述离群飞行物确定模型的模型参数进行调整,当在训练中确定的离群飞行物的数目占所有飞行物数目达到第一比例时,确定所述离群飞行物确定模型的最终模型参数,并根据所述最终模型参数得到训练后的离群飞行物确定模型。
6.根据权利要求1所述的方法,其特征在于,在所述预定起降阶段为起飞阶段的情况下,所述预设检测点包括第一检测点,所述第一检测点为飞行物的起飞瞬间的所在位置,所述运行参数包括起飞距离、离地速度、离地仰角、离地仰角变化率均值、离地仰角变化率标准差、离地垂直速度、离地速度变化率均值、离地速度变化率标准差的任意一种或多种,其中,所述起飞距离表示飞行物从开始起飞到飞行物达到预设安全高度时的水平距离,所述离地速度表示在飞行物主轮离地瞬间飞行物的水平速度,所述离地仰角表示在飞行物主轮离地瞬间飞行物的仰角,所述离地仰角变化率均值表示飞行物主轮离地前后n秒中每一秒仰角变化的均值,所述离地仰角变化率标准差表示飞行物主轮离地前后n秒每一秒仰角变化的标准差,所述离地垂直速度表示在飞行物主轮离地瞬间飞行物的垂直速度,所述离地速度变化率均值表示飞行物主轮离地前后n秒每一秒垂直速度变化的均值,所述离地速度变化率标准差表示飞行物主轮离地前后n秒每一秒垂直速度变化的标准差,其中,n>0。
7.根据权利要求1所述的方法,其特征在于,在所述预定起降阶段为进近阶段的情况下,所述预设检测点包括第二检测点、第三检测点及第四检测点,所述第二检测点为飞行物达到仪表气象条件IMC下的稳定进近检测高度时所在的位置,所述第三检测点为飞行物达到目视气象条件VMC下的稳定进近检测高度时所在的位置,所述第四检测点为飞行物处于机场五边时的稳定进近检测高度时所在的位置。
8.根据权利要求1所述的方法,其特征在于,在所述预定起降阶段为进近阶段的情况下,所述运行参数包括俯仰角均值、航向均值、相对速度均值、垂直速度均值、每个发动机低压转子标准差、每个发动机高压转子标准差的任意一种或多种,其中,所述俯仰角均值表示飞行物高度到达预设检测点前后m秒每一秒的俯仰角的平均值,所述航向均值表示飞行物高度到达预设检测点前后m秒每一秒航向变化的平均值,所述相对速度均值表示飞行物高度到达预设检测点前后m秒每一秒空速减去参考速度的平均值,所述垂直速度均值表示飞行物高度到达预设检测点前后m秒每一秒惯性垂直速度的平均值,所述发动机低压转子标准差表示飞行物当高度到达预设检测点前后m秒每一秒发动机的低压转子速度变化的标准差,所述发动机高压转子标准差表示当高度到达预设检测点前后m秒每一秒发动机的低压转子速度变化的标准差,其中,m>0。
9.根据权利要求1所述的方法,其特征在于,在所述预定起降阶段为落地平飘阶段的情况下,所述预设检测点包括第五检测点、第六检测点、第七检测点,其中,所述第五检测点为飞行物从俯仰法则修改为拉平法则时所在的位置,所述第六检测点为飞行物达到稳定条件下规定的拉平高度时所在的位置,所述第七检测点为飞行物接收到自动喊话提醒飞行员收回推力手柄时所在的位置。
10.根据权利要求1所述的方法,其特征在于,在所述预定起降阶段为落地平飘阶段的情况下,所述运行参数包括惯性垂直速度均值、俯仰角均值、空速均值、垂直过载均值、接地距离及接地时间的任意一种及多种,其中,所述惯性垂直速度均值表示飞行物高度到达预设检测点前后k秒每一秒惯性垂直速度的平均值,所述俯仰角均值表示飞行物高度到达预设检测点前后k秒每一秒的俯仰角的平均值,所述空速均值表示飞行物高度到达预设检测点前后k秒每一秒的空速(IAS)的平均值,所述垂直过载均值表示飞行物高度到达预设检测点前后k秒每一秒的垂直过载VRTG的平均值,所述接地距离为预设接地点至落地点的水平距离,接地时间表示飞行物从所述预设接地点至落地点的时间,其中,k>0。
11.一种离群飞行物确定装置,其特征在于,所述装置包括:
第一获取模块,用于获取至少一个飞行物在预定起降阶段到达预设检测点时的运行参数;
确定模块,连接于所述获取模块,用于利用所述运行参数及与所述预定起降阶段对应的离群飞行物确定模型确定所述至少一个飞行物中的离群飞行物;
所述装置还包括:
第二获取模块,用于获取多个飞行物在预定起降阶段到达预设检测点的历史运行参数;
分析模块,连接于所述第二获取模块,用于对所述历史运行参数进行数据分析得到数据特征,所述数据特征包括各个历史运行参数的密度函数、各个历史运行参数之间的状态及相关性,所述对所述历史运行参数进行数据分析得到数据特征,包括:利用所述历史运行参数建立两两参数之间的散点图矩阵;根据所述散点图矩阵确定所述数据特征;
建立模块,连接于所述分析模块及第一获取模块,用于根据所述数据特征建立离群飞行物确定模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910700625.1A CN110390177B (zh) | 2019-07-31 | 2019-07-31 | 离群飞行物确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910700625.1A CN110390177B (zh) | 2019-07-31 | 2019-07-31 | 离群飞行物确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110390177A CN110390177A (zh) | 2019-10-29 |
CN110390177B true CN110390177B (zh) | 2023-06-16 |
Family
ID=68288108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910700625.1A Active CN110390177B (zh) | 2019-07-31 | 2019-07-31 | 离群飞行物确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110390177B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111477036B (zh) * | 2020-04-08 | 2021-01-29 | 中国电子科技集团公司第二十八研究所 | 一种空管自动化***航空器高度异常检测方法 |
CN112200052B (zh) * | 2020-09-30 | 2023-06-09 | 驭势(上海)汽车科技有限公司 | 轨迹偏移识别、车辆行驶分析方法、装置、设备及介质 |
CN114004292B (zh) * | 2021-10-29 | 2023-02-03 | 重庆大学 | 基于飞参数据无监督聚类的飞行员平飘顶杆行为分析方法 |
CN117314173A (zh) * | 2023-11-08 | 2023-12-29 | 重庆大学 | 一种基于无线电高度辅助测算的擦机尾风险识别分析方法及*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10643480B2 (en) * | 2016-04-19 | 2020-05-05 | George Mason University | Method and apparatus for probabilistic alerting of aircraft unstabilized approaches using big data |
CN107045638B (zh) * | 2016-12-30 | 2021-03-30 | 中国民航管理干部学院 | 一种基于情景意识模型的飞行安全事件分析方法 |
CN110033194B (zh) * | 2019-04-17 | 2021-02-26 | 中国民航科学技术研究院 | 一种飞机不稳定进近探测与评价方法及电子设备 |
-
2019
- 2019-07-31 CN CN201910700625.1A patent/CN110390177B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110390177A (zh) | 2019-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110390177B (zh) | 离群飞行物确定方法及装置 | |
US20230334993A1 (en) | Unmanned Aerial Vehicle Authorization And Geofence Envelope Determination | |
US10643480B2 (en) | Method and apparatus for probabilistic alerting of aircraft unstabilized approaches using big data | |
US8798898B2 (en) | Methods and systems for inferring aircraft parameters | |
US9177479B2 (en) | System and method for determining aircraft operational parameters and enhancing aircraft operation | |
CN111177851B (zh) | 一种无人机运行安全风险评估中对地风险的评估方法 | |
FR2939558A1 (fr) | Procede de modelisation meteorologique pour le calcul d'un plan de vol d'aeronef | |
EP2743739B1 (en) | Using aircraft trajectory data to infer atmospheric conditions | |
Olive et al. | Quantitative assessments of runway excursion precursors using Mode S data | |
US20220139233A1 (en) | Method and system for updating a flight plan | |
Das et al. | Comparison of algorithms for anomaly detection in flight recorder data of airline operations | |
CN115064009A (zh) | 一种终端区无人机与有人机冲突风险等级划分方法 | |
Milano et al. | Air risk maps for unmanned aircraft in urban environments | |
CN113487914A (zh) | 基于机场气象报文的低着陆运行标准识别告警方法 | |
CN116415818B (zh) | 基于聚类算法的飞机进近阶段风险点确认方法和*** | |
US20180079495A1 (en) | Systems and methods for forecasting and reducing the occurrence of tire overspeed events during aircraft takeoff and landing | |
Payan et al. | Improvement of rotorcraft safety metrics using performance models and data integration | |
Jiang et al. | Research on the flight anomaly detection during take-off phase based on FOQA data | |
Jiang et al. | A method for the outlier flights detection of the final approach based on FOQA data | |
Roychoudhury et al. | Initial demonstration of the real-time safety monitoring framework for the national airspace system using flight data | |
Payan et al. | Review of proactive safety metrics for rotorcraft operations and improvements using model-based parameter synthesis and data fusion | |
Distefano et al. | Investigation of the causes of runway excursions | |
He et al. | Data-driven method for estimating aircraft mass from quick access recorder using aircraft dynamics and multilayer perceptron neural network | |
Johnson et al. | Investigating the impacts of a separation standard for UAS operations in enroute and transition airspace | |
Venturelli Cavalheiro et al. | Characterizing Effective Navigation Performance of Legacy Aircraft to Enable Reduced Procedural Separation in Support of Advanced Air Mobility |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |