CN111627257B - 基于航空器运动趋势预判的管制指令安全预演与校验方法 - Google Patents
基于航空器运动趋势预判的管制指令安全预演与校验方法 Download PDFInfo
- Publication number
- CN111627257B CN111627257B CN202010283374.4A CN202010283374A CN111627257B CN 111627257 B CN111627257 B CN 111627257B CN 202010283374 A CN202010283374 A CN 202010283374A CN 111627257 B CN111627257 B CN 111627257B
- Authority
- CN
- China
- Prior art keywords
- instruction
- controller
- runway
- aircraft
- control instruction
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012795 verification Methods 0.000 title claims abstract description 13
- 230000033001 locomotion Effects 0.000 title claims abstract description 11
- 230000007704 transition Effects 0.000 claims abstract description 33
- 230000000694 effects Effects 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims 1
- 230000009545 invasion Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 abstract description 8
- 230000005284 excitation Effects 0.000 abstract description 8
- 238000013213 extrapolation Methods 0.000 abstract description 5
- 238000013459 approach Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0043—Traffic management of multiple aircrafts from the ground
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90344—Query processing by using string matching techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/253—Grammatical analysis; Style critique
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19639—Details of the system layout
- G08B13/19647—Systems specially adapted for intrusion detection in or around a vehicle
- G08B13/1965—Systems specially adapted for intrusion detection in or around a vehicle the vehicle being an aircraft
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Aviation & Aerospace Engineering (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于航空器运动趋势预判的管制指令安全预演与校验方法,该方法通过电子进程单与管制员语音的方式获取管制员下发的指令,通过Petri网构建机场场面移动目标活动模型、基于时间窗指令推演的航空器轨迹外推模型,结合管制指令推演结果以及时间窗的推移模型对产生跑道入侵冲突的事件进行预警。本发明将指令与Petri网中的控制库所进行映射,管制指令的下发映射为变迁的激发,通过Petri网的可达标识图理论对管制指令进行推演,从而判断管制指令的可行性,降低了因管制员“错忘漏”引起的跑道入侵事件的发生概率,提高了机场运行效率。
Description
技术领域
本发明属于机场管制技术领域,具体涉及一种基于航空器运动趋势预判的管制指令安全预演与校验方法。
背景技术
国际民航组织(International Civil Aviation Organization,ICAO)将跑道侵入定义为:在机场发生的任何涉及飞机、车辆和人员不被允许的情况下出现在机场跑道区域的情况。ICAO将跑道入侵冲突的原因归结为三个方面:飞行员偏差、管制员运行失误和车辆/行人偏差。其中,管制员运行失误是指由于管制员自身因素引起的跑道入侵事件,由于管制员的情绪、身体素质以及周边环境造成的“错、忘、漏”问题从而导致运行偏差事件的发生。统计显示,跑道入侵主要来源于航空器与航空器、场面车辆的冲突,29%的跑道入侵事故是由于管制员差错造成的。
近年来跑道入侵事件频繁发生最主要的原因是场面监视存在固有缺陷,主要表现为:对于管制员的指令不能在执行前进行预演,没有一个检测与纠错与校验***,使得由于管制员错误指令导致的跑道入侵冲突事件频繁发生。
发明内容
发明目的:针对现有技术的不足,本发明提出一种基于航空器运动趋势预判的管制指令安全预演与校验方法,解决管制员发布指令不能进行预演,一旦发布错误指令不能及时纠正而导致的跑道入侵事件。
技术方案:本发明所述的一种基于航空器运动趋势预判的管制指令安全预演与校验方法,包括以下步骤:
(1)通过电子进程单与管制员语音的方式,获取管制员下发的指令,对两种指令获取方式的原理进行分析,并对指令进行建模;
(2)通过修改语音识别软件识别语法规则与上传热词的方式提高语音识别软件语音识别的准确率;
(3)构建机场场面移动目标活动模型以及设计跑道入侵预警告警算法,管制指令推演分析,如若指令会引起跑道入侵的风险,则给出告警提示;
(4)基于时间窗的管制指令预演结果对管制指令进行时效性验证,若在时间窗内存在跑道入侵的风险,则给出告警提示。
进一步地,所述步骤(1)包括以下步骤:
(11)建立陆空通话语料库可以提高词表内词汇的识别率,在本文中,语音引擎通过音素的排列来定义声音,即通过不同的组合连接单词、数字、中文词语、特殊发音,使得语音识别引擎可以准确有效的识别出中英文语句以及特殊发音;
(12)对于陆空通话中特殊发音部分本文做处理,对特殊发音进行序列构造;
(13)构造基于管制员指令的不确定性有限自动机用以对文本中管制指令进行匹配;不确定性有限自动机的定义:M=(Σ,Q,δ,q0,A),其中,Σ是输入字符串的字符的集合;Q={q0,q1,…,qn}是状态的有限集合;q0∈Q是初始状态;A表示接受状态集合;δ是状态转移函数。
进一步地,所述步骤(2)包括以下步骤:
(21)创建语音配置对象:选择选择联网的方式为管制员语音先配置对象;
(22)构建语法:构建以管制员语法为关键词字符串匹配语法,构建的语法要覆盖管制员通常的说法种类;
(23)管制员语音输入:管制员通过话筒把管制指令输入***,管制员在进行语音输入时既可以说管制关键的指令,也可以说完整的语句;
(24)管制员语音识别:基于构建的语法对管制员所下发的指令信息进行匹配,从而识别出管制员所说的内容,里面含有管制指令的关键词;
(25)识别结果检测:检测识别的结果,根据正则表达式算法对管制文本进行去除多余的词语,分离出关键词,并将关键词处理成标准管制指令结构,从而确定管制员所发出的指令。
进一步地,所述步骤(3)包括以下步骤:
(31)通过电子进程单数据库的飞行计划表获取进程单指令,通过语音识别文本获取管制员语音指令,可通过两种途径获取管制员指令分别为管制员的语音指令和管制员操作电子进程单的进程单指令;
(32)机场活动区域运行模型通过Petri网进行定义N={P,T,Pre,Post,m},其中变迁集合用T表示,T=TU∪TC,TU表示不受控变迁集合,TC为受控变迁集合;库所集合P=PR∪PT,跑道连接的滑行道区域集合用PT表示;跑道区域ΩR集合用PR表示;标识向量用m表示,代表机场活动区域内车辆/航空器的分布情况;Post表示T×P的有向弧集,方向为库所pi∈P到变迁tj∈T,权重定义为1;Pre表示P×T的有向弧集,方向为变迁tj∈T到库所pi∈P,权重定义为1;
(33)机场场面活动区域的车辆和航空器分布态势用目标分布向量m表示,每经过一个位置采样周期Δτ,都需要获取场面航空器位置,并更新场面状态观测向量m;如果在场面活动区域内τ时刻有k辆车辆/架航空器,依据民航局对跑道入侵的一些要求与规定和机场场面活动区域的运行规则,可以通过线性不等式L·m≤b对跑道运行状态建立跑道入侵约束,其中,标识加权和的常量用b表示;标识向量用m表示;标识的加权矩阵用L表示;
(34)管制指令推演模型是在机场活动模型的基础上,假设航空器进入跑道是受到管制员指令控制的,机场活动区域受控Petri网定义为CN={P,T,Pre,Post,C,m},C:定义在受控变迁集合到指令集合的映射;
(35)跑道入侵预警告警算法是通过生成不同控制指令下的可达标识图;中可达集是否违反了跑道入侵的线性约束来实现,若违反了约束,则说明该指令可能引起跑道入侵冲突,则不予以执行指令,反之,正常执行指令。
进一步地,所述步骤(4)包括以下步骤:
(41)经过坐标装换获取机场场面航空器的实时位置信息和飞行计划信息;
(42)通过位置信息计算航空器距离航空器,航空器距离跑道的距离;
(43)通过基本的匀速运动学计算航空器进入跑道的时间τi,离开跑道的时间τj;
(44)判断时间窗内[τi,τj],是否会有标识违反跑道运行约束,进而判断是否会引起跑道运行冲突。
有益效果:与现有技术相比,本发明的有益效果:1、针对管制员语音识别不准的问题提出了改进的语音识别软件语音识别算法,通过对管制指令进行建模并将模型与民航专业热词运用到语音识别软件识别中,从而大大提高了语音识别软件对管制语音的识别率;2、针对管制员“错忘漏”引起的跑道入侵事件的发生提出了将电子进程单指令与管制员语音指令结合,将指令与Petri网中的控制库所进行映射,管制指令的下发映射为变迁的激发,通过Petri网的可达标识图理论对管制指令进行推演,从而判断管制指令的可行性。降低了因管制员“错忘漏”引起的跑道入侵事件的发生概率,提高了机场运行效率;3、构建了机场静态与动态模型,并对场面活动目标和管制指令进行建模,研究基于Petri网可达标识图的指令与轨迹外推的预演冲突算法;4、研究并分析语音识别软件识别语音的基本原理,与语音识别软件开放的接口进行数据对接,进行二次开发,使语音识别软件语音对管制员语音指令有较好的识别率,从而将语音识别应用到了跑道入侵预警***。
附图说明
图1为本发明的流程图;
图2为指令预演流程图;
图3为机场活动区域模型图;
图4为机场活动区域受控运行模型图;
图5为进入跑道指令和轨迹外推的场面图;
图6为进入跑道与脱离跑道航空器轨迹外推的时间窗的预演分析图;
图7为指令控制的机场运行模型初始状态图;
图8为指令控制的机场运行模型结束状态图。
具体实施方式
下面结合附图对本发明作进一步详细描述。本发明提供一种基于航空器运动趋势预判的管制指令安全预演与校验方法,如图1所示,具体包括以下步骤:
步骤1:通过电子进程单与管制员语音的方式,获取管制员下发的指令,对两种指令获取方式的原理进行分析,并对指令进行建模。
管制员可以通过电子进程单发布指令,指令包括进入跑道、脱离跑道、起飞、降落等,获取电子进程单中该航班的最新数据并反馈给终端***。管制指令主要通过管制语音识别的语音文本与电子进程单的数据库获取,通过Petri网的可达标识图对管制指令进行预演并做出分析,指令预演流程图如图2所示,管制指令预演模块首先通过读取电子进程单的数据库和管制员语音文本,检测是否存在指令的生成或是更新,如若存在新的指令,则对于新的指令通过基于航空器运动趋势所占用时间窗的指令预演分析,若新的指令违反跑道运行规则,即引起跑道冲突,则***将驳回管制员指令,不予以指令,并提示相关的警告信息。本发明可以对管制员指令进行提前检测与纠错,有助于降低由于管制员错误指令导致的跑道入侵冲突事件发生的事件。具体包括以下步骤:
(1)建立陆空通话语料库可以提高词表内词汇的识别率,在本文中,语音引擎通过音素的排列来定义声音,即通过不同的组合连接单词、数字、中文词语、特殊发音,使得语音识别引擎可以准确有效的识别出中英文语句以及特殊发音。对于陆空通话中特殊发音部分本文做了处理,以下给出特殊发音的序列构造。
(2)对于陆空通话中特殊发音部分本文做处理,对特殊发音进行序列构造。例如,英文字母特殊发音处理:对于英文字母“A-Z”,在陆空通话标准中有其特殊发音,本文将分别用ALPHA-ZULU等单词替换英文字母。数字特殊发音的处理:分别用洞、幺、两、拐替换0、1、2、7。民航专业术语发音的处理:将民航特有名词以及专业术语进行整理汇总,如,航空公司、机场、活动区、天气、高度等,并将发音序列添加到语料库中。
(3)构造基于管制员指令的不确定性有限自动机用以对文本中管制指令进行匹配;不确定性有限自动机的定义:M=(Σ,Q,δ,q0,A),其中,Σ是输入字符串的字符的集合;Q={q0,q1,…,qn}是状态的有限集合;q0∈Q是初始状态;A表示接受状态集合;δ是状态转移函数。
步骤2:通过修改语音识别软件识别语法规则与上传热词的方式提高语音识别软件语音识别的准确率。
语音识别软件给用户的接口可以上传热词词表与识别语法。上传用户热词可以提高一些热词的识别率,提高识别语义的正确率,每一个用户有一个专属的用户词表,可以避免干扰,通过上传民航专业术语可以有效的对民航专业术语进行识别。语法识别是科大语音识别软件留给用户自己编写语音识别时的语法规则,在语音识别时可以提高与语法规则相同的语句的识别率。具体包括以下步骤:
(1)创建语音配置对象:选择选择联网的方式为管制员语音先配置对象;
(2)构建语法:构建以管制员语法为关键词字符串匹配语法,构建的语法要覆盖管制员通常的说法种类;
(3)管制员语音输入:管制员通过话筒把管制指令输入***,管制员在进行语音输入时既可以说管制关键的指令,也可以说完整的语句;
(4)管制员语音识别:基于构建的语法对管制员所下发的指令信息进行匹配,从而识别出管制员所说的内容,里面含有管制指令的关键词;
(5)识别结果检测:检测识别的结果,根据正则表达式算法对管制文本进行去除多余的词语,分离出关键词,并将关键词处理成标准管制指令结构,从而确定管制员所发出的指令。在本发明中给出了标准的ATC指令,通过不同的管制员进行模拟陆空通话的真实环境,通过比较语音识别改进前与改进后的识别率进行对比。
语音识别结果如上图所示为管制员语音识别界面,分别对一组管制指令进行对比其中试验管制指令为247个字。改进后与改进前识别正确率统计如表1所示。
表1管制员指令识别率对比
步骤3:构建机场场面移动目标活动模型以及设计跑道入侵预警告警算法,对管制指令进行推演,如若指令会引起跑道入侵的风险,则给出告警提示。
管制指令建模是将指令的推演过程与Petri网中的一系列变迁的激发进行映射。管制的任一指令为ik且ik∈I,根据Petri网中变迁与库所的关系,自动生成相应的变迁激发序列Tm={tn,tn+1,…}。当有航空器准备进入跑道或是离开跑道时,应等待管制员的指令,当接到管制员的进入跑道、穿越跑道、脱离跑道指令时,航空器将执行下一步动作。具体包括以下步骤:
(1)通过电子进程单数据库的飞行计划表获取进程单指令,通过语音识别文本获取管制员语音指令,可通过两种途径获取管制员指令分别为管制员的语音指令和管制员操作电子进程单的进程单指令,管制指令用I表示,则I=Id∪Iy,其中,进程单的指令集用Id表示;语音指令集用Iy表示;管制指令建模是将指令的推演过程与Petri网中的一系列变迁的激发进行映射;管制的任一指令为ik且ik∈I,根据Petri网中变迁与库所的关系,自动生成相应的变迁激发序列Tm={tn,tn+1,…};
(2)如图3所示,将允许航空器/车辆滑行的区域定义为机场活动区域(MovementsArea),表示为Ω=ΩR∪ΩA∪ΩT,其中ΩR为跑道区域,ΩA为停机坪及连接停机坪的滑行道等空地区域,ΩT为滑行道区域,进一步将ΩT通过边界线集L划分为n个子区域,即
将其映射为机场活动区域模型,可以通过Petri网进行定义N={P,T,Pre,Post,m},其中变迁集合用T表示,T=TU∪TC,TU表示不受控变迁集合,TC为受控变迁集合;库所集合P=PR∪PT,跑道连接的滑行道区域集合用PT表示;跑道区域ΩR集合用PR表示;标识向量用m表示,代表机场活动区域内车辆/航空器的分布情况;Post表示T×P的有向弧集,方向为库所pi∈P到变迁tj∈T,权重定义为1;Pre表示P×T的有向弧集,方向为变迁tj∈T到库所pi∈P,权重定义为1。
(3)机场场面活动区域的车辆和航空器分布态势用目标分布向量m表示,每经过一个位置采样周期Δτ,都需要获取场面航空器位置,并更新场面状态观测向量m;如果在场面活动区域内τ时刻有k辆车辆/架航空器,依据民航局对跑道入侵的一些要求与规定和机场场面活动区域的运行规则,可以通过线性不等式L·m≤b对跑道运行状态建立跑道入侵约束,其中,标识加权和的常量用b表示;标识向量用m表示;标识的加权矩阵用L表示。例如:
当五边内有一架航空器准备降落,禁止另一架航空器起飞,即每条跑道只有一个方向,其对应的约束为:
规定航空器在进入跑道与脱离跑道满足间隔要求,每条与跑道连接的联络滑行道中最多只能有一个航空器或车辆,其对应的约束为:
(4)管制指令推演模型是在机场活动模型的基础上,假设航空器进入跑道是受到管制员指令控制的,机场活动区域受控Petri网定义为CN={P,T,Pre,Post,C,m},C:定义在受控变迁集合到指令集合的映射。图4为机场活动区域受控运行模型,航空器进入跑道是受到管制员指令控制的,机场活动区域受控Petri网定义为N={P,T,Pre,Post,C,m},C与C′为不同方向塔台进近指令与离场指令;管制员指令与控制库所映射关系如表2所示:
表2管制员指令与控制库所映射关系
(5)推演可达标识图中可达集是否违反了跑道入侵的线性约束,若违反了约束,则说明该指令可能引起跑道入侵冲突,则不予以执行指令,反之,正常执行指令。基于可达图的指令可行性验证的算法流程如下:
1)通过电子进程单数据库的飞行计划表获取进程单指令,通过语音识别文本获取管制员语音指令;
2)对于提取到的管制指令ik,根据移动目标当前的位置、速度等状态信息推演移动目标执行指令后的状态信息,生成占用活动区域的库所集合Ppre;
3)根据生成的库所集合,结合Petri网中变迁激发的优先级顺序,自动生成变迁激发的序列Tm;
4)根据生成的库所集合和变迁集合,自动生成可达标识图RG(PN);
5)推演可达标识图中可达集是否违反了跑道入侵的线性约束,若违反了约束,则说明该指令可能引起跑道入侵冲突,则不予以执行指令,反之,正常执行指令。
步骤4:基于时间窗的管制指令预演结果对管制指令进行时效性验证,若在时间窗内存在跑道入侵的风险,则给出告警提示。具体包括以下步骤:
(1)经过坐标装换获取机场场面航空器的实时位置信息和飞行计划信息,飞行计划信息是通过读取电子进程单实现。电子进程单在启动初始化时,首先读取表的内容,对表的内容进行加载并显示在屏幕上,先读取飞行计划表tab_fpl,飞行计划表中存放电子进程单中所有的数据,在初始化***时首先确定管制席位、进离港航班。飞行计划表主要包括:航班号、时间、报文信息、进港与离港记录、飞行计划状态、机型、停机位、跑道号、席位移交关系、扇区移交关系等。对于本发明跑道入侵预警只用到部分指令内容,如表3所示。
表3飞行计划表
(2)通过位置信息计算航空器距离航空器,航空器距离跑道的距离。
假设当前场面存在两架航空器分别为航空器A和B,航空器A降落后沿着跑道滑行从A3滑行道脱离跑道,航空器B在滑行道A1中沿着滑行bc段滑行,如图5所示:
(3)通过基本的匀速运动学公式计算航空器进入跑道的时间τi,离开跑道的时间τj;根据ADS-B经纬度数据与机场平面坐标可以得到场面各个点相对地面站的坐标。航空器B的位置设为点b,滑行道A1与跑道的交点记为点c,航空器A的位置记为点a,滑行道A3与跑道的交点记为点d,则路段bc、ca、ad的长度分别可以表示为Lbc,Lca,Lad:
航空器B在滑行道bc段的滑行时间、航空器B在跑道ca段的滑行时间、航空器A在跑道ad段的滑行时间分别表示为:
时间窗的关键节点可表示为:
τ2=τ1+tab
τ3=τ1+tad
τ4=τ2+tca
(4)判断时间窗内[τi,τj],是否会有标识违反跑道运行约束,进而判断是否会引起跑道运行冲突。如图6所示为进入跑道与脱离跑道航空器轨迹外推的时间窗的预演分析图,假设航空器A在时刻τ1为基准点在跑到继续前进,航空器A占用库所pk的时间窗为[τ1,τ3),则航空器B在τ2进入跑道,则航空器B占用库所pk的时间窗为[τ2,τ4)。
对于基于时间窗的Petri网可达标识图定义为四元组RG(PN)=(R(m),E,f,K(m)),其中,R(m)为顶点集,为弧集,f:E→Tm为旁标,若mi[t>mj,则f(mi,mj)=t,K(m)为标识m的状态持续时间段为[τi,τi+1),即移动目标在活动区域pk占用的时间窗,则K(m)=[τi,τi+1)。
在图5所示,机场跑道对应p0库所,滑行道对应p3库所,五边对应p1库所。标识m可以表示为m=[m(p3),m(p0),m(p1)],则其标识可达图为RG(PN)=(R(m),E,f,K(m)),其中R(m)={m0,m1,m2}={[1,0,1]T,[1,1,0]T,[0,2,0]T},K(m0)=[τ0,τ1),K(m1)=[τ1,τ2),K(m2)=[τ2,τ3)。由于航空器A与B在跑道的时间窗K(m2)的标识为[0,2,0]T,即在相同的时间内跑道中出现两架航空器,违反了场面活动区域规则的约束条件L·m≤1,所以会产生预警信息。
图7指令控制的机场运行模型初始状态,在PIPEv4.3.0仿真平台上,根据语音识别提取出管制员的指令,管制员的指令对应机场场面运行模型的变迁的使能,依据Petri网的可达图对管制员指令进行推演,如果有发生跑道入侵的可能性即违反了Petri网中定义的约束则驳回管制员的指令并予以告警。
图8指令控制的机场运行模型结束状态,经过管制员的起飞、落地、从滑行道P8脱离跑道、入库、落地指令,对应变迁T4,T2,T1,T32,T20,T2,T11激发后,当跑道上还有飞行器并且没有起飞与脱离跑道的指令时,此时管制员再次发放一个降落指令时,变迁T2激发,库所p1中的托肯将会转移到库所p0中,p0库所中将会出现两个托肯,跑道此时m(p0)≥1违反了跑道运行约束,此时将对管制员指令进行语音与视频的告警并驳回管制员的指令。
Claims (3)
1.一种基于航空器运动趋势预判的管制指令安全预演与校验方法,其特征在于,包括以下步骤:
(1)通过电子进程单与管制员语音的方式,获取管制员下发的指令,对两种指令获取方式的原理进行分析,并对指令进行建模;
(2)通过修改语音识别软件识别语法规则与上传热词的方式提高语音识别软件语音识别的准确率;
(3)构建机场场面移动目标活动模型以及设计跑道入侵预警告警算法,管制指令推演分析,如若指令会引起跑道入侵的风险,则给出告警提示;
(4)基于时间窗的管制指令预演结果对管制指令进行时效性验证,若在时间窗内存在跑道入侵的风险,则给出告警提示;
所述步骤(1)包括以下步骤:
(11)建立陆空通话语料库可以提高词表内词汇的识别率,语音引擎通过音素的排列来定义声音,即通过不同的组合连接单词、数字、中文词语、特殊发音,使得语音识别引擎可以准确有效的识别出中英文语句以及特殊发音;
(12)对于陆空通话中特殊发音部分做处理,对特殊发音进行序列构造;
(13)构造基于管制员指令的不确定性有限自动机用以对文本中管制指令进行匹配;不确定性有限自动机的定义:M=(Σ,Q,δ,q0,A),其中,Σ是输入字符串的字符的集合;Q={q0,q1,…,qn}是状态的有限集合;q0∈Q是初始状态;A表示接受状态集合;δ是状态转移函数;
所述步骤(2)包括以下步骤:
(21)创建语音配置对象:选择联网的方式为管制员语音配置对象;
(22)构建语法:构建以管制员语法为关键词字符串匹配语法,构建的语法要覆盖管制员通常的说法种类;
(23)管制员语音输入:管制员通过话筒把管制指令输入***,管制员在进行语音输入时说管制关键的指令,或者 说完整的语句;
(24)管制员语音识别:基于构建的语法对管制员所下发的指令信息进行匹配,从而识别出管制员所说的内容,里面含有管制指令的关键词;
(25)识别结果检测:检测识别的结果,根据正则表达式算法对管制文本进行去除多余的词语,分离出关键词,并将关键词处理成标准管制指令结构,从而确定管制员所发出的指令。
2.根据权利要求1所述的一种基于航空器运动趋势预判的管制指令安全预演与校验方法,其特征在于,所述步骤(3)包括以下步骤:
(31)通过电子进程单数据库的飞行计划表获取进程单指令,通过语音识别文本获取管制员语音指令,通过两种途径获取管制员指令,分别为管制员的语音指令和管制员操作电子进程单的进程单指令;
(32)机场活动区域运行模型通过Petri网进行定义N={P,T,Pre,Post,m},其中变迁集合用T表示,T=TU∪TC,TU表示不受控变迁集合,TC为受控变迁集合;库所集合P=PR∪PT,跑道连接的滑行道区域集合用PT表示;跑道区域ΩR集合用PR表示;标识向量用m表示,代表机场活动区域内车辆/航空器的分布情况;Post表示T×P的有向弧集,方向为库所pi∈P到变迁tj∈T,权重定义为1;Pre表示P×T的有向弧集,方向为变迁tj∈T到库所pi∈P,权重定义为1;
(33)机场场面活动区域的车辆和航空器分布态势用目标分布向量m表示,每经过一个位置采样周期△τ,都需要获取场面航空器位置,并更新场面状态观测向量m;如果在场面活动区域内τ时刻有k辆车辆/架航空器,依据民航局对跑道入侵的要求与规定和机场场面活动区域的运行规则,通过线性不等式L·m≤b对跑道运行状态建立跑道入侵约束,其中,标识加权和的常量用b表示;标识向量用m表示;标识的加权矩阵用L表示;
(34)管制指令推演模型是在机场活动模型的基础上,假设航空器进入跑道是受到管制员指令控制的,机场活动区域受控Petri网定义为CN={P,T,Pre,Post,C,m},C:定义在受控变迁集合到指令集合的映射;
(35)跑道入侵预警告警算法是通过生成不同控制指令下的可达标识图;中可达集是否违反了跑道入侵的线性约束来实现,若违反了约束,则说明该指令可能引起跑道入侵冲突,则不予以执行指令,反之,正常执行指令。
3.根据权利要求1所述的一种基于航空器运动趋势预判的管制指令安全预演与校验方法,其特征在于,所述步骤(4)包括以下步骤:
(41)经过坐标变换获取机场场面航空器的实时位置信息和飞行计划信息;
(42)通过位置信息计算航空器距离航空器,航空器距离跑道的距离;
(43)通过基本的匀速运动学计算航空器进入跑道的时间τi,离开跑道的时间τj;
(44)判断时间窗内[τi,τj],是否会有标识违反跑道运行约束,进而判断是否会引起跑道运行冲突。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010283374.4A CN111627257B (zh) | 2020-04-13 | 2020-04-13 | 基于航空器运动趋势预判的管制指令安全预演与校验方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010283374.4A CN111627257B (zh) | 2020-04-13 | 2020-04-13 | 基于航空器运动趋势预判的管制指令安全预演与校验方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111627257A CN111627257A (zh) | 2020-09-04 |
CN111627257B true CN111627257B (zh) | 2022-05-03 |
Family
ID=72258831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010283374.4A Active CN111627257B (zh) | 2020-04-13 | 2020-04-13 | 基于航空器运动趋势预判的管制指令安全预演与校验方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111627257B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112185175B (zh) * | 2020-09-17 | 2022-02-18 | 北京中兵智航软件技术有限公司 | 电子进程单的处理方法及装置 |
CN112330145B (zh) * | 2020-11-04 | 2023-07-21 | 中国人民大学 | 一种降低航班道口冲突率的机位分配方法和*** |
CN114913716A (zh) * | 2022-05-12 | 2022-08-16 | 智航信息服务(深圳)有限公司 | 一种航班调度综合管理方法以及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007043025A1 (de) * | 2007-09-11 | 2009-03-12 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren zum Betreiben eines Flughafens |
CN101916565A (zh) * | 2010-06-24 | 2010-12-15 | 北京华安天诚科技有限公司 | 空管***中的语音识别方法及语音识别装置 |
CN106846920A (zh) * | 2017-01-24 | 2017-06-13 | 南京航空航天大学 | 一种基于自然语义提取的空管辅助决策方法 |
CN106875948A (zh) * | 2017-02-22 | 2017-06-20 | 中国电子科技集团公司第二十八研究所 | 一种基于管制语音的冲突告警方法 |
CN110069771A (zh) * | 2019-03-11 | 2019-07-30 | 中国电子科技集团公司第二十八研究所 | 一种基于语义组块的管制指令信息处理方法 |
CN110415683A (zh) * | 2019-07-10 | 2019-11-05 | 上海麦图信息科技有限公司 | 一种基于深度学习的空中管制语音指令识别方法 |
-
2020
- 2020-04-13 CN CN202010283374.4A patent/CN111627257B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007043025A1 (de) * | 2007-09-11 | 2009-03-12 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren zum Betreiben eines Flughafens |
CN101916565A (zh) * | 2010-06-24 | 2010-12-15 | 北京华安天诚科技有限公司 | 空管***中的语音识别方法及语音识别装置 |
CN106846920A (zh) * | 2017-01-24 | 2017-06-13 | 南京航空航天大学 | 一种基于自然语义提取的空管辅助决策方法 |
CN106875948A (zh) * | 2017-02-22 | 2017-06-20 | 中国电子科技集团公司第二十八研究所 | 一种基于管制语音的冲突告警方法 |
CN110069771A (zh) * | 2019-03-11 | 2019-07-30 | 中国电子科技集团公司第二十八研究所 | 一种基于语义组块的管制指令信息处理方法 |
CN110415683A (zh) * | 2019-07-10 | 2019-11-05 | 上海麦图信息科技有限公司 | 一种基于深度学习的空中管制语音指令识别方法 |
Non-Patent Citations (2)
Title |
---|
基于多监视源的跑道入侵防御技术研究;许峰;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20190215;正文第8-14、34-43页 * |
陆空通话标准用语(英语)的语音指令识别技术研究;刘万凤 等;《计算机科学》;20130731;正文第132-135页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111627257A (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111627257B (zh) | 基于航空器运动趋势预判的管制指令安全预演与校验方法 | |
US10818192B2 (en) | Conflict alerting method based on control voice | |
CN111667831B (zh) | 基于管制员指令语义识别的飞机地面引导***及方法 | |
US11900817B2 (en) | Aircraft speech recognition systems and methods | |
CN106910376B (zh) | 一种空中交通运行管制指令监控方法与*** | |
CN111667830B (zh) | 基于管制员指令语义识别的机场管制决策支持***及方法 | |
US11508254B2 (en) | Training and/or assistance platform for air management via air traffic management electronic system, associated method | |
EP4016502A1 (en) | Dialogue system for autonomous aircraft | |
CN106846920A (zh) | 一种基于自然语义提取的空管辅助决策方法 | |
CN114155861A (zh) | 空管语音智能监控*** | |
US11823040B2 (en) | Method for testing air traffic management electronic system, associated electronic device and platform | |
CN113409787A (zh) | 一种基于人工智能技术的民航管制语音识别*** | |
Vela et al. | Ground level aviation noise prediction: a sequence to sequence modeling approach using LSTM recurrent neural networks | |
EP3855428B1 (en) | Aircraft speech recognition systems and methods | |
CN116092342A (zh) | 一种管制员模拟培训自动应答和质量评估方法及*** | |
CN112948161B (zh) | 一种基于深度学习的航空报文纠错修正方法及*** | |
CN114121017A (zh) | 多安全级空管语音智能监控*** | |
CN114187893A (zh) | 空管语音智能监控方法和*** | |
Zhou et al. | Data-driven traffic dynamic understanding and safety monitoring applications | |
Lasheras et al. | Flight call sign identification on a Controller Working Position | |
Wang et al. | A new structural template design of control instruction for semantic analysis | |
Pavlinović et al. | First steps in designing air traffic control communication language technology system—Compiling spoken corpus of radiotelephony communication | |
Misra et al. | Machine Learning-based Live Predictive Warnings for Unstabilized Approaches in Aircraft | |
CN115691274A (zh) | 一种飞行程序验证和运行处理方法及装置 | |
Chakrabarti | Optimal Sequencing and Scheduling Algorithm for Traffic Flows Based on Extracted Control Actions Near the Airport |
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 |