CN112987773B - 一种飞行轨迹的处理方法、装置及电子设备 - Google Patents
一种飞行轨迹的处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112987773B CN112987773B CN201911214874.6A CN201911214874A CN112987773B CN 112987773 B CN112987773 B CN 112987773B CN 201911214874 A CN201911214874 A CN 201911214874A CN 112987773 B CN112987773 B CN 112987773B
- Authority
- CN
- China
- Prior art keywords
- target
- coordinate vector
- sampling moment
- historical
- probability distribution
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 27
- 239000013598 vector Substances 0.000 claims abstract description 254
- 238000005070 sampling Methods 0.000 claims abstract description 246
- 238000005315 distribution function Methods 0.000 claims abstract description 96
- 238000012545 processing Methods 0.000 claims description 53
- 238000000034 method Methods 0.000 claims description 41
- 230000006870 function Effects 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 235000015842 Hesperis Nutrition 0.000 claims description 2
- 235000012633 Iberis amara Nutrition 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种飞行轨迹的处理方法、装置及电子设备,该处理方法可以包括:获取目标飞行轨迹,其中,目标飞行轨迹包括设定数量个预设的采样时刻的目标坐标向量;获取对应每个采样时刻的概率分布函数;对于每个采样时刻,根据目标坐标向量和概率分布函数,得到对应采样时刻的概率分布函数值;根据每个采样时刻的概率分布函数值,评估目标飞行轨迹的安全性。
Description
技术领域
本发明涉及飞行评估技术领域,更具体地,涉及一种飞行轨迹的处理方法、一种飞行轨迹的处理装置、一种移动轨迹的处理方法、一种电子设备、及一种计算机可读存储介质。
背景技术
在大数据与“互联网+”战略指引下,大数据、云计算、人工智能等新兴技术正在快速增长与发展,大数据时代已经真正到来。航空业本身就是浸泡在数据中的行业,利用大数据和智能算法分析飞机的飞行轨迹,不仅可以掌握和预测旅客出行最新趋势和动态,还可以改善航空公司营销和运行策略,使航空公司能够深度挖掘商业效益,提升飞行安全管理水平。
因此,提出一种能够评估飞行轨迹安全性的方案是十分有价值的。
发明内容
本发明实施例的一个目的是提供一种评估飞行轨迹的安全性的新技术方案。
根据本发明的第一方面,提供了一种飞行轨迹的处理方法,包括:
获取目标飞行轨迹,其中,所述目标飞行轨迹包括设定数量个预设的采样时刻的目标坐标向量;
获取对应每个采样时刻的概率分布函数;
对于每个采样时刻,根据目标坐标向量和概率分布函数,得到对应采样时刻的概率分布函数值;
根据每个采样时刻的概率分布函数值,评估所述目标飞行轨迹的安全性。
可选的,所述获取对应每个采样时刻的概率分布函数的步骤包括:
获取多个历史飞行轨迹;其中,所述历史飞行轨迹包括每个所述采样时刻的历史坐标向量;
轮流将每个所述采样时刻作为目标采样时刻;
确定所述目标采样时刻的历史坐标向量的平均值,作为所述目标采样时刻的标准坐标向量;
根据所述目标采样时刻的标准坐标向量,构建所述目标采样时刻的概率分布函数。
可选的,所述目标采样时刻的概率分布函数服从高斯分布。
可选的,所述构建目标采样时刻的概率分布函数的步骤包括:
根据所述目标采样时刻的标准坐标向量和历史坐标向量,得到所述目标采样时刻的协方差矩阵;
根据所述目标采样时刻的所述标准坐标向量和所述协方差矩阵,构建所述目标采样时刻的概率分布函数。
可选的,所述根据每个采样时刻的概率分布函数值,评估所述目标飞行轨迹的安全性的步骤包括:
在所有采样时刻的所述概率分布函数值均大于或等于设定概率值的情况下,判定所述目标飞行轨迹安全。
可选的,所述处理方法还包括:
根据所述目标坐标向量对所述协方差矩阵和所述标准坐标向量进行迭代更新。
可选的,所述处理方法还包括:
确定所述目标采样时刻的每两个历史坐标向量之间的距离;
根据所述目标采样时刻的每两个历史坐标向量之间的距离,剔除所述目标采样时刻的异常的历史坐标向量。
可选的,所述剔除所述目标采样时刻的异常的历史坐标向量的步骤包括:
对于所述目标采样时刻的每个历史坐标向量,获取对应的另一设定数量个距离最近的所述目标采样时刻的历史坐标向量,作为对应的邻域坐标向量;
根据所述目标采样时刻的每个历史坐标向量与对应的邻域坐标向量之间的距离,确定所述目标采样时刻的每个历史坐标向量的离群因子,其中,所述离群因子表示对应历史坐标向量相对于所述目标采样时刻的其他历史坐标点的偏离程度;
将离群因子超出设定范围的历史坐标向量,作为异常的历史坐标向量;
剔除所述异常的历史坐标向量。
可选的,所述确定历史坐标向量的离群因子的步骤包括:
将所述目标采样时刻的每个历史坐标向量轮流作为指定坐标向量;
确定所述指定坐标向量与对应的邻域坐标向量之间的距离平均值的倒数,作为第一倒数;
分别确定所述指定坐标向量对应的每个邻域坐标向量、与对应的邻域坐标向量之间的距离平均值的倒数,作为第二倒数;
根据所述第一倒数、所述第二倒数和所述另一设定数量,得到所述指定坐标向量的离群因子。
可选的,所述根据所述第一平均值、所述第二平均值和所述另一设定数量,得到所述指定坐标向量的离群因子的步骤包括:
确定第一倒数与每个第二倒数的比值;
根据所述另一设定数量,确定所有比值的平均值,作为所述指定坐标向量的离群因子。
根据本发明的第二方面,提供了一种移动轨迹的处理方法,包括:
获取目标移动轨迹,其中,所述目标移动轨迹包括设定数量个预设的采样时刻的目标坐标向量;
获取对应每个采样时刻的概率分布函数;
对于每个采样时刻,根据目标坐标向量和概率分布函数,得到对应采样时刻的概率分布函数值;
根据每个采样时刻的概率分布函数值,评估所述目标移动轨迹的安全性。
可选的,所述目标移动轨迹为目标物体移动所产生的轨迹,所述目标物体为在空中、陆地上、水面上、或者是水下发生移动的物体。
可选的,所述目标物体为在空中发生移动的物体,所述目标物体至少包括以下任意一项:载人飞机、飞行器、无人机、卫星、火箭。
可选的,所述目标物体为在陆地上发生移动的物体,所述目标物体至少包括以下任意一项:汽车、无人驾驶车、机器人。
可选的,所述目标物体为在水面上发生移动的物体,所述目标物体至少包括船只。
可选的,所述目标物体为在水下发生移动的物体,所述目标物体至少包括潜水艇。
根据本发明的第三方面,提供了一种飞行轨迹的处理装置,包括:
轨迹获取模块,用于获取目标飞行轨迹,其中,所述目标飞行轨迹包括设定数量个预设的采样时刻的目标坐标向量;
函数获取模块,用于获取对应每个采样时刻的概率分布函数;
函数值确定模块,用于对于每个采样时刻,根据目标坐标向量和概率分布函数,得到对应采样时刻的概率分布函数值;
安全性评估模块,用于根据每个采样时刻的概率分布函数值,评估所述目标飞行轨迹的安全性。
根据本发明的第四方面,提供了一种电子设备,包括根据本发明第二方面所述的处理装置;或者,包括处理器和存储器,所述存储器用于存储可执行的指令,所述指令用于控制所述处理器执行根据本发明第一方面或第二方面所述的处理方法。
根据本发明的第五方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在被处理器执行时实现如本发明第一方面或第二方面所述的处理方法。
在本发明的实施例中,利用概率分布函数来评估目标飞行轨迹的安全性,可以监控目标飞行轨迹的飞行品质,进而可以根据评估结果改进标准操作程序,改善飞行习惯,以提高飞行轨迹安全性。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1是可用于实现本发明任意实施例的飞行***的示意图。
图2示出了本发明的实施例的飞行轨迹的处理方法的流程图。
图3为飞机着陆过程示意图。
图4示出了本发明的实施例的飞行轨迹的处理方法的一个例子的流程图。
图5示出了本发明的实施例的飞行轨迹的处理方法的另一个例子的流程图。
图6示出了本发明的实施例的飞行轨迹的处理装置的框图。
图7示出了本发明的实施例的移动轨迹的处理方法的流程图。
图8示出了本发明的实施例的电子设备的框图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
<硬件配置>
图1是可用于实现本发明任意实施例的飞行***的示意图。
如图1所示,飞行***100包括服务器1000、飞机2000和网络3000。
服务器1000提供处理、数据库、通讯设施的业务点。服务器1000可以是整体式服务器或是跨多计算机或计算机数据中心的分散式服务器。服务器可以是各种类型的,例如但不限于,网络服务器,新闻服务器,邮件服务器,消息服务器,广告服务器,文件服务器,应用服务器,交互服务器,数据库服务器,或代理服务器。在一些实施例中,每个服务器可以包括硬件,软件,或用于执行服务器所支持或实现的合适功能的内嵌逻辑组件或两个或多个此类组件的组合。例如,服务器例如刀片服务器、云端服务器等,或者可以是由多台服务器组成的服务器群组,可以包括上述类型的服务器中的一种或多种等等。
在一个例子中,服务器1000可以如图1所示,包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600。尽管服务器也可以包括扬声器、麦克风等等,但是,这些部件与本发明的是合理无关,故在此省略。
其中,处理器1100例如可以是中央处理器CPU、微处理器MCU等。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、串行接口、红外接口等。通信装置1400例如能够进行有线或无线通信。显示装置1150例如是液晶显示屏、LED显示屏触摸显示屏等。输入装置1160例如可以包括触摸屏、键盘等。
在本实施例中,飞机2000至少具有三维定位功能。
如图1所示,飞机2000可以包括处理器2100、存储器2200、接口装置2300、通信装置2400、显示装置2500、输入装置2600、扬声器2700、麦克风2800,等等。其中,处理器2100可以是中央处理器CPU、微处理器MCU等。存储器2200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置2300例如包括USB接口、耳机接口等。通信装置2400例如能够进行有线或无线通信。显示装置2500例如是液晶显示屏、触摸显示屏等。输入装置2600例如可以包括触摸屏、键盘等。用户可以通过扬声器和麦克风2700输入/输出语音信息。传感器装置2800例如可以包括高度传感器,以及GPS定位模块、北斗定位模块、伽利略定位模块中的任意一种或多种。
网络3000可以是无线通信网络也可以是有线通信网络,可以是局域网也可以是广域网。在图1所示的飞行***中,飞机2000与服务器1000可以通过网络3000进行通信。
图1所示的飞行***100仅是解释性的,并且决不是为了要限制本发明、其应用或用途。
应用于本发明的实施例中,尽管图1只示出一个服务器1000、一个飞机2000,但是,应当理解的是,具体应用中,可以根据实际需求使得所述飞行***100包括多个服务器1000、飞机客户端2000。
应用于本发明的实施例中,服务器1000的所述存储器1200用于存储指令,所述指令用于控制所述处理器1100进行操作以执行本发明实施例提供的飞行轨迹的处理方法或移动轨迹的处理方法。
尽管在图1中对服务器1000示出了多个装置,但是,本发明可以仅涉及其中的部分装置,例如,服务器1000只涉及存储器1200和处理器1100。
尽管在图1中对飞机2000示出了多个装置,但是,本发明可以仅涉及其中的部分装置,例如,飞机2000只涉及传感器装置2800。
在上述描述中,技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
<飞行轨迹的处理方法实施例>
图2为根据本发明实施例的飞行轨迹的处理方法的示意性流程图。
在一个例子中,图2所示的飞行轨迹的处理方法可以是由电子设备实施,该电子设备可以是服务器。在一个实施例中,服务器可以是如图1所示的服务器1000。
如图2所示,本实施例的飞行轨迹的处理方法包括如下步骤S1000~S4000:
步骤S1000,获取目标飞行轨迹。
其中,目标飞行轨迹包括设定数量个预设的采样时刻的目标坐标向量。
本实施例中的坐标向量可以是由对应预设的三维世界坐标系中每个坐标轴的坐标分量构成。例如,在飞机在某一采样时刻的坐标为(X1,Y1,Z1)的情况下,对应的坐标向量可以为
在本实施例中,对于所有的坐标向量,位于相同位置的坐标分量所对应的坐标轴相同。
在飞机从起飞到着陆的整个飞行过程中,设置在飞机上的传感器可以采集飞机的飞行数据,该飞行数据可以包括坐标和对应的采样时刻。
在一个实施例中,该目标飞行轨迹可以包括飞机着陆前的设定数量个采样时刻的目标坐标向量。
图3为飞机着陆过程示意图,横轴表示采样时刻,纵轴表示飞行高度。飞机着陆过程中,用于表征飞行高度的Z轴坐标分量可以为逐渐减小至零。如图3所示,从第n个采样时刻开始,飞机的飞行高度变为零。因此,可以是获取Z轴坐标分量为零之前的设定数量个采样时刻(可以包括Z轴坐标分量为零后的第一个采样时刻)的目标坐标向量,构成目标飞行轨迹。
在如图3所示的实施例中,在设定数量为n的情况下,可以是获取第1个采样时刻至第n个采样时刻(包括第1个采样时刻和第n个采样时刻)的目标坐标向量,构成目标飞行轨迹。
在一个实施例中,该目标飞行轨迹还可以包括飞机起飞后的设定数量个采样时刻的目标坐标向量。
在本实施例中,飞机起飞过程中,用于表征飞行高度的Z轴坐标分量可以是由零逐渐增大,因此,可以是获取Z轴坐标分量不为零之后的设定数量个采样时刻(可以包括Z轴坐标分量为零的最后一个采样时刻)的目标坐标向量,构成目标飞行轨迹。
在一个实施例中,该目标飞行轨迹还可以包括飞机在指定飞行高度的飞行过程中,设定数量个采样时刻的目标坐标向量。在本例中,可以是获取Z轴坐标分量为指定飞行高度的设定数量个采样时刻的目标坐标向量,构成目标飞行轨迹。
步骤S2000,获取对应每个采样时刻的概率分布函数。
在一个实施例中,每个采样时刻的概率分布函数,可以是根据对应采样时刻的多个历史坐标向量确定。具体的,获取对应每个采样时刻的概率分布函数步骤可以包括如下所示的步骤S2100~S2400:
步骤S2100,获取多个历史飞行轨迹。
其中,历史飞行轨迹包括每个采样时刻的历史坐标向量。在本实施例中,多个历史飞行轨迹均为预先判定安全的飞行轨迹,即对应飞行过程中未发生预设的不安全事件。
具体的,可以是根据预先设定的预测模型来预测每个历史飞行轨迹是否为安全的飞行轨迹,并根据预测结果剔除不安全的历史飞行轨迹。
具体的,如果目标飞行轨迹包括飞机着陆前的设定数量个采样时刻的目标坐标向量,那么,历史飞行轨迹也包括飞机着陆前的设定数量个采样时刻的目标坐标向量,而且,历史飞行轨迹和目标飞行轨迹的着陆点位于同一降落跑道。如果目标飞行轨迹包括飞机起飞后的设定数量个采样时刻的目标坐标向量,那么,历史飞行轨迹也包括飞机起飞后的设定数量个采样时刻的目标坐标向量,而且,历史飞行轨迹和目标飞行轨迹的起飞点位于同一起飞跑道。如果目标飞行轨迹包括飞机在指定飞行高度的飞行过程中,设定数量个采样时刻的目标坐标向量,那么,历史飞行轨迹也包括飞机在指定飞行高度的飞行过程中,设定数量个采样时刻的目标坐标向量,而且,历史飞行轨迹和目标飞行轨迹的飞行起始点、及飞行路径相同。
以目标飞行轨迹和历史飞行轨迹均包括飞机着陆前的设定数量个采样时刻的坐标向量为例,对于飞机着陆前的第N个采样时刻的目标坐标向量和历史坐标向量,看作是相同采样时刻的坐标向量。
例如,设定数量为n,m个历史飞行轨迹可以分别表示为
步骤S2200,轮流将每个采样时刻分别作为目标采样时刻。
步骤S2300,确定目标采样时刻的历史坐标向量的平均值,作为目标采样时刻的标准坐标向量。
例如,目标采样时刻为第t(t∈[1,n])个采样时刻,m个历史飞行轨迹中第t个采样时刻的历史坐标向量可以分别表示为:
对于目标采样时刻的标准坐标向量,可以表示为:
步骤S2400,根据目标采样时刻的标准坐标向量,构建目标采样时刻的概率分布函数。
由于飞行员操作结果属于典型的高斯分布,因此,在本发明的一个实施例中,目标采样时刻的概率分布函数服从高斯分布。
在此基础上,构建目标采样时刻的概率分布函数的步骤可以包括如下所示的步骤S2410~S2420:
步骤S2410,根据目标采样时刻的标准坐标向量和历史坐标向量,得到目标采样时刻的协方差矩阵。
在一个实施例中,目标采样时刻(第t(t∈[1,n])个采样时刻)的协方差可以表示为:
步骤S2420,根据目标采样时刻的标准坐标向量和协方差矩阵,构建目标采样时刻的概率分布函数。
其中,Ot表示目标采样时刻的目标坐标向量,p(Ot)表示目标采样时刻的概率分布函数值。
步骤S3000,对于每个采样时刻,根据目标坐标向量和概率分布函数,得到对应采样时刻的概率分布函数值。
具体的,可以是将每个采样时刻的目标坐标向量代入对应采样时刻的概率分布函数,得到对应采样时刻的概率分布函数值。
步骤S4000,根据每个采样时刻的概率分布函数值,评估该目标飞行轨迹的安全性。
在一个实施例中,可以是在所有采样时刻的概率分布函数值均大于或等于设定概率值的情况下,判定目标飞行轨迹安全。
该设定概率值可以是预先根据应用场景或具体需求来设定,不同采样时刻对应的设定概率值可以相等,也可以不相等。
在一个实施例中,在概率分布函数服从高斯分布的情况下,可以是按3σ准则,剔除长尾的分布,剩下99.73%分布的经纬高值形成的椭球体都是安全区间,即可以是所有采样时刻的概率分布函数值p(Ot)≥0.13%(t∈[1,n])的情况下,判定目标飞行轨迹安全。
如果存在任意一个采样时刻的概率分布函数值小于设定概率值,则可以判定目标飞行轨迹不安全。
在本发明的实施例中,利用概率分布函数来评估目标飞行轨迹的安全性,可以监控目标飞行轨迹的飞行品质,进而可以根据评估结果改进标准操作程序,改善飞行习惯,以提高飞行轨迹安全性。
进一步地,本发明的实施例还可以用于提高飞行机组的操纵品质,完善飞行训练大纲、优化空中交通管制程序、改善空中航行服务,为安全管理中的风险管理提供数据和信息支持。
在一个实施例中,该方法还可以包括:根据目标坐标向量对协方差矩阵和标准坐标向量进行迭代更新。
通过对协方差矩阵和标准坐标向量进行迭代更新,进而对概率分布函数进行迭代更新,可以使得通过该概率分布函数对后续飞行轨迹的评估结果更加精确。
在本发明的一个实施例中,在执行上述步骤S2200,轮流将每个所述采样时刻作为目标采样时刻之后,且在执行步骤S2300,确定标准坐标向量之前,该方法还可以包括如下所示的步骤S3100~S3200:
步骤S3100,确定目标采样时刻的每两个历史坐标向量之间的距离。
例如,目标采样时刻为第t(t∈[1,n])个采样时刻,目标采样时刻的每两个历史坐标向量之间的距离可以表示为:
其中,i,j∈[1,m],i≠j。
步骤S3200,根据目标采样时刻的每两个历史坐标向量之间的距离,剔除目标采样时刻的异常的历史坐标向量。
其中,异常的历史坐标向量为,偏离目标采样时刻的其他历史坐标向量较多的历史坐标向量。该异常的历史坐标向量可能是由于设置在飞机中的传感器出现异常导致,如果根据异常的历史坐标向量来确定概率分布函数,将会导致根据该概率分布函数对目标轨迹进行评估的结果不准确。
在一个实施例中,剔除目标采样时刻的异常的历史坐标向量的步骤可以包括如下所示的步骤S3210~S3230:
步骤S3210,对于目标采样时刻的每个历史坐标向量,获取对应的另一设定数量个距离最近的目标采样时刻的历史坐标向量,作为对应的邻域坐标向量。
在本实施例中,另一设定数量可以是根据应用场景或具体需求设定,例如,该另一设定数量可以是k。
例如,对于目标采样时刻的任意一个历史坐标向量(Ot)i(i∈[1,m]),其对应的领域坐标向量可以为Qt(Qt∈Nk((Ot)i))。
步骤S3220,根据目标采样时刻的每个历史坐标向量与对应的邻域坐标向量之间的距离,确定目标采样时刻的每个历史坐标向量的离群因子。
其中,离群因子表示对应历史坐标向量相对于目标采样时刻的其他历史坐标点的偏离程度。
在一个实施例中,确定目标采样时刻的每个历史坐标向量的离群因子的步骤可以包括如下所示的步骤S3221~S3224:
步骤S3221,将目标采样时刻的每个历史坐标向量轮流作为指定坐标向量。
例如,指定坐标向量可以是将第i(i∈[1,m])个历史飞行轨迹中目标采样时刻的历史坐标向量(Ot)i。
步骤S3222,确定指定坐标向量与对应的邻域坐标向量之间的距离平均值的倒数,作为第一倒数。
对于指定坐标向量(Ot)i,其与对应的邻域坐标向量之间的距离为dist((Ot)i,Qt),Pt∈Nk((Ot)i),那么,第一倒数可以表示为:
步骤S3223,分别确定指定坐标向量对应的每个邻域坐标向量、与对应的邻域坐标向量之间的距离平均值的倒数,作为第二倒数。
对于指定坐标向量(Ot)i对应的每个邻域坐标向量Pt(Pt∈Nk((Ot)i)),分别确定每个邻域坐标向量Pt与对应的邻域坐标向量之间的距离的平均值的倒数density(Pt),每个邻域坐标向量Pt与对应的邻域坐标向量之间的距离的平均值的第二倒数的计算方式可以参照前述的第一倒数的计算方式,在此不再赘述。
步骤S3224,根据第一倒数、第二倒数和另一设定数量,得到指定坐标向量的离群因子。
在一个实施例中,得到指定坐标向量的离群因子的步骤可以包括:
分别确定第一倒数与每个第二倒数的比值;根据另一设定数量,确定所有比值的平均值,作为指定坐标向量的离群因子。
其中,指定坐标向量的离群因子可以表示为:
步骤S3230,将离群因子超出设定范围的历史坐标向量,作为异常的历史坐标向量。
步骤S3240,剔除异常的历史坐标向量。
在本实施例中,通过剔除异常的历史坐标向量,可以使得根据历史坐标向量所得到的概率分布函数更加精确,根据该概率分布函数对目标飞行轨迹的安全性的评估结果也更加精确。
<例子1>
下面以一个具体的例子来说明本发明实施例中飞行轨迹的处理方法实施的过程。
如图4所示,该飞行轨迹的处理方法可以包括步骤S4001~S4008:
步骤S4001,获取多个历史飞行轨迹。
其中,历史飞行轨迹包括设定数量个预设的采样时刻的历史坐标向量。
例如,设定数量为n,m个历史飞行轨迹可以分别表示为 />
步骤S4002,轮流将每个采样时刻分别作为目标采样时刻。
步骤S4003,确定目标采样时刻的历史坐标向量的平均值,作为目标采样时刻的标准坐标向量。
例如,目标采样时刻为第t(t∈[1,n])个采样时刻,m个历史飞行轨迹中第t个采样时刻的历史坐标向量可以分别表示为:
对于目标采样时刻的标准坐标向量,可以表示为:
步骤S4004,根据目标采样时刻的标准坐标向量和历史坐标向量,得到目标采样时刻的协方差矩阵。
目标采样时刻(第t(t∈[1,n])个采样时刻)的协方差可以表示为:
步骤S4005,根据目标采样时刻的标准坐标向量和协方差矩阵,构建目标采样时刻的概率分布函数。
目标采样时刻的概率分布函数可以表示为:
其中,Ot表示目标采样时刻的目标坐标向量,p(Ot)表示目标采样时刻的概率分布函数值。
步骤S4006,获取目标飞行轨迹。
其中,目标飞行轨迹包括每个采样时刻的目标坐标向量。
步骤S4007,对于每个采样时刻,根据目标坐标向量和概率分布函数,得到对应采样时刻的概率分布函数值。
将每个采样时刻的目标坐标向量代入对应采样时刻的概率分布函数,得到对应采样时刻的概率分布函数值。
步骤S4008,根据每个采样时刻的概率分布函数值,评估该目标飞行轨迹的安全性。
<例子2>
在例子1的基础上,在执行步骤S4002之后、执行步骤S4003之前,该方法还可以包括如图5所示的步骤S5001~S5008:
步骤S5001,确定目标采样时刻的每两个历史坐标向量之间的距离。
步骤S5002,对于目标采样时刻的每个历史坐标向量,获取对应的另一设定数量个距离最近的目标采样时刻的历史坐标向量,作为对应的邻域坐标向量。
例如,该另一设定数量可以是k,对于目标采样时刻的任意一个历史坐标向量(Ot)i(i∈[1,m]),其对应的领域坐标向量可以为Qt(Qt∈Nk((Ot)i))。
步骤S5003,将目标采样时刻的每个历史坐标向量轮流作为指定坐标向量。
例如,指定坐标向量可以是将第i(i∈[1,m])个历史飞行轨迹中目标采样时刻的历史坐标向量(Ot)i。
步骤S5004,确定指定坐标向量与对应的邻域坐标向量之间的距离平均值的倒数,作为第一倒数。
对于指定坐标向量(Ot)i,其与对应的邻域坐标向量之间的距离为dist((Ot)i,Qt),Pt∈Nk((Ot)i),那么,第一倒数可以表示为:
步骤S5005,分别确定指定坐标向量对应的每个邻域坐标向量、与对应的邻域坐标向量之间的距离平均值的倒数,作为第二倒数。
对于指定坐标向量(Ot)i对应的每个邻域坐标向量Pt(Pt∈Nk((Ot)i)),分别确定每个邻域坐标向量Pt与对应的邻域坐标向量之间的距离的平均值的倒数density(Pt),(Pt∈Nk((Ot)i))。
步骤S5006,根据第一倒数、第二倒数和另一设定数量,得到指定坐标向量的离群因子。
指定坐标向量的离群因子可以表示为:
步骤S5007,将离群因子超出设定范围的历史坐标向量,作为异常的历史坐标向量。
步骤S5008,剔除异常的历史坐标向量。
<飞行轨迹的处理装置实施例>
在本实施例中,提供一种飞行轨迹的处理装置6000。如图6所示,该处理装置6000可以包括轨迹获取模块6100、函数获取模块6200、函数值确定模块6300和安全性评估模块6400。该轨迹获取模块6100用于获取目标飞行轨迹,其中,目标飞行轨迹包括设定数量个预设的采样时刻的目标坐标向量;该函数获取模块6200用于获取对应每个采样时刻的概率分布函数;该函数值确定模块6300用于对于每个采样时刻,根据目标坐标向量和概率分布函数,得到对应采样时刻的概率分布函数值;该安全性评估模块6400用于根据每个采样时刻的概率分布函数值,评估目标飞行轨迹的安全性。
在一个实施例中,函数获取模块6200可以用于:
获取多个历史飞行轨迹;其中,历史飞行轨迹包括每个采样时刻的历史坐标向量;
轮流将每个采样时刻作为目标采样时刻;
确定目标采样时刻的历史坐标向量的平均值,作为目标采样时刻的标准坐标向量;
根据目标采样时刻的标准坐标向量,构建目标采样时刻的概率分布函数。
在一个实施例中,目标采样时刻的概率分布函数服从高斯分布。
在一个实施例中,构建目标采样时刻的概率分布函数包括:
根据目标采样时刻的标准坐标向量和历史坐标向量,得到目标采样时刻的协方差矩阵;
根据目标采样时刻的标准坐标向量和协方差矩阵,构建目标采样时刻的概率分布函数。
在一个实施例中,根据每个采样时刻的概率分布函数值,评估目标飞行轨迹的安全性包括:
在所有采样时刻的概率分布函数值均大于或等于设定概率值的情况下,判定目标飞行轨迹安全。
在一个实施例中,该处理装置6000还可以包括:
用于根据目标坐标向量对协方差矩阵和标准坐标向量进行迭代更新的模块。
在一个实施例中,该处理装置6000还可以包括:
用于确定目标采样时刻的每两个历史坐标向量之间的距离的模块;
用于根据目标采样时刻的每两个历史坐标向量之间的距离,剔除目标采样时刻的异常的历史坐标向量的模块。
在一个实施例中,剔除目标采样时刻的异常的历史坐标向量包括:
对于目标采样时刻的每个历史坐标向量,获取对应的另一设定数量个距离最近的目标采样时刻的历史坐标向量,作为对应的邻域坐标向量;
根据目标采样时刻的每个历史坐标向量与对应的邻域坐标向量之间的距离,确定目标采样时刻的每个历史坐标向量的离群因子,其中,离群因子表示对应历史坐标向量相对于目标采样时刻的其他历史坐标点的偏离程度;
将离群因子超出设定范围的历史坐标向量,作为异常的历史坐标向量;
剔除异常的历史坐标向量。
在一个实施例中,确定历史坐标向量的离群因子包括:
将目标采样时刻的每个历史坐标向量轮流作为指定坐标向量;
确定指定坐标向量与对应的邻域坐标向量之间的距离平均值的倒数,作为第一倒数;
分别确定指定坐标向量对应的每个邻域坐标向量、与对应的邻域坐标向量之间的距离平均值的倒数,作为第二倒数;
根据第一倒数、第二倒数和另一设定数量,得到指定坐标向量的离群因子。
在一个实施例中,根据第一平均值、第二平均值和另一设定数量,得到指定坐标向量的离群因子包括:
确定第一倒数与每个第二倒数的比值;
根据另一设定数量,确定所有比值的平均值,作为指定坐标向量的离群因子。
本领域技术人员应当明白,可以通过各种方式来实现飞行轨迹的处理装置6000。例如,可以通过指令配置处理器来实现飞行轨迹的处理装置6000。例如,可以将指令存储在ROM中,并且当启动设备时,将指令从ROM读取到可编程器件中来实现飞行轨迹的处理装置6000。例如,可以将飞行轨迹的处理装置6000固化到专用器件(例如ASIC)中。可以将飞行轨迹的处理装置6000分成相互独立的单元,或者可以将它们合并在一起实现。飞行轨迹的处理装置6000可以通过上述各种实现方式中的一种来实现,或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。
在本实施例中,飞行轨迹的处理装置6000可以具有多种实现形式,例如,飞行轨迹的处理装置6000可以是任何的提供轨迹处理功能的软件产品或者应用程序中运行的功能模块,或者是这些软件产品或者应用程序的外设嵌入件、插件、补丁件等,还可以是这些软件产品或者应用程序本身。
<移动轨迹的处理方法实施例>
图7为根据本发明实施例的移动轨迹的处理方法的示意性流程图。
在一个例子中,图7所示的移动轨迹的处理方法可以是由电子设备实施,该电子设备可以是服务器。
如图7所示,本实施例的飞行轨迹的处理方法包括如下步骤S7100~S7400:
步骤S7100,获取目标移动轨迹。
其中,目标移动轨迹包括设定数量个预设的采样时刻的目标坐标向量。
获取目标移动轨迹的方式可以参照前述的步骤S1000,在此不再赘述。
在本发明的一个实施例中,该目标移动轨迹可以是目标物体移动所产生的轨迹。
目标物体可以是在空中、陆地上、水面上、或者是水下移动的物体。在空中移动的物体例如可以是载人飞机、飞行器、无人机、卫星、火箭等。在陆地上移动的物体例如可以是汽车、无人驾驶车、机器人等。在水上移动的物体可以是船只等。在水下移动的物体例如可以是潜水艇等。
步骤S7200,获取对应每个采样时刻的概率分布函数。
获取对应每个采样时刻的概率分布函数的方式可以参照前述的步骤S2000,在此不再赘述。
步骤S7300,对于每个采样时刻,根据目标坐标向量和概率分布函数,得到对应采样时刻的概率分布函数值。
对于每个采样时刻,根据目标坐标向量和概率分布函数,得到对应采样时刻的概率分布函数值的方式,可以参照前述的步骤S3000,在此不再赘述。
步骤S7400,根据每个采样时刻的概率分布函数值,评估目标移动轨迹的安全性。
根据每个采样时刻的概率分布函数值,评估目标移动轨迹的安全性的方式,可以参照前述的步骤S4000,在此不再赘述。
<电子设备实施例>
在本实施例中,还提供一种电子设备7000。在一个例子中,该电子设备7000也可以是如图1所示的服务器1000。
在一方面,该电子设备7000可以包括前述的飞行轨迹的处理装置6000,用于实施本发明任意实施例的飞行轨迹的处理方法。
在另一方面,如图8所示,电子设备7000还可以包括处理器7100和存储器7200,该存储器7200用于存储可执行的指令;该处理器7100用于根据指令的控制运行电子设备7000执行根据本发明任意实施例的飞行轨迹的处理方法或者是移动轨迹的处理方法。
<计算机可读存储介质实施例>
在本实施例中,还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序在被处理器执行时实现如本发明任意实施例的飞行轨迹的处理方法或者是移动轨迹的处理方法。
本发明可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,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。本发明的范围由所附权利要求来限定。
Claims (18)
1.一种飞行轨迹的处理方法,包括:
获取目标飞行轨迹,其中,所述目标飞行轨迹包括设定数量个预设的采样时刻的目标坐标向量;
获取对应每个采样时刻的概率分布函数;
对于每个采样时刻,根据目标坐标向量和概率分布函数,得到对应采样时刻的概率分布函数值;
根据每个采样时刻的概率分布函数值,评估所述目标飞行轨迹的安全性;
所述获取对应每个采样时刻的概率分布函数的步骤包括:
获取多个历史飞行轨迹;其中,所述历史飞行轨迹包括每个所述采样时刻的历史坐标向量;
轮流将每个所述采样时刻作为目标采样时刻;
确定所述目标采样时刻的历史坐标向量的平均值,作为所述目标采样时刻的标准坐标向量;
根据所述目标采样时刻的标准坐标向量,构建所述目标采样时刻的概率分布函数。
2.根据权利要求1所述的处理方法,其中,所述目标采样时刻的概率分布函数服从高斯分布。
3.根据权利要求2所述的处理方法,其中,所述构建所述目标采样时刻的概率分布函数的步骤包括:
根据所述目标采样时刻的标准坐标向量和历史坐标向量,得到所述目标采样时刻的协方差矩阵;
根据所述目标采样时刻的所述标准坐标向量和所述协方差矩阵,构建所述目标采样时刻的概率分布函数。
4.根据权利要求3所述的处理方法,其中,所述根据每个采样时刻的概率分布函数值,评估所述目标飞行轨迹的安全性的步骤包括:
在所有采样时刻的所述概率分布函数值均大于或等于设定概率值的情况下,判定所述目标飞行轨迹安全。
5.根据权利要求3所述的处理方法,其中,所述处理方法还包括:
根据所述目标坐标向量对所述协方差矩阵和所述标准坐标向量进行迭代更新。
6.根据权利要求1所述的处理方法,其中,所述处理方法还包括:
确定所述目标采样时刻的每两个历史坐标向量之间的距离;
根据所述目标采样时刻的每两个历史坐标向量之间的距离,剔除所述目标采样时刻的异常的历史坐标向量。
7.根据权利要求6所述的处理方法,其中,所述剔除所述目标采样时刻的异常的历史坐标向量的步骤包括:
对于所述目标采样时刻的每个历史坐标向量,获取对应的另一设定数量个距离最近的所述目标采样时刻的历史坐标向量,作为对应的邻域坐标向量;
根据所述目标采样时刻的每个历史坐标向量与对应的邻域坐标向量之间的距离,确定所述目标采样时刻的每个历史坐标向量的离群因子,其中,所述离群因子表示对应历史坐标向量相对于所述目标采样时刻的其他历史坐标点的偏离程度;
将离群因子超出设定范围的历史坐标向量,作为异常的历史坐标向量;
剔除所述异常的历史坐标向量。
8.根据权利要求7所述的处理方法,其中,所述确定所述目标采样时刻的每个历史坐标向量的离群因子的步骤包括:
将所述目标采样时刻的每个历史坐标向量轮流作为指定坐标向量;
确定所述指定坐标向量与对应的邻域坐标向量之间的距离平均值的倒数,作为第一倒数;
分别确定所述指定坐标向量对应的每个邻域坐标向量、与对应的邻域坐标向量之间的距离平均值的倒数,作为第二倒数;
根据所述第一倒数、所述第二倒数和所述另一设定数量,得到所述指定坐标向量的离群因子。
9.根据权利要求8所述的处理方法,其中,所述根据所述第一倒数、所述第二倒数和所述另一设定数量,得到所述指定坐标向量的离群因子的步骤包括:
确定第一倒数与每个第二倒数的比值;
根据所述另一设定数量,确定所有比值的平均值,作为所述指定坐标向量的离群因子。
10.一种移动轨迹的处理方法,包括:
获取目标移动轨迹,其中,所述目标移动轨迹包括设定数量个预设的采样时刻的目标坐标向量;
获取对应每个采样时刻的概率分布函数;
对于每个采样时刻,根据目标坐标向量和概率分布函数,得到对应采样时刻的概率分布函数值;
根据每个采样时刻的概率分布函数值,评估所述目标移动轨迹的安全性;
所述获取对应每个采样时刻的概率分布函数的步骤包括:
获取多个历史移动轨迹;其中,所述历史移动轨迹包括每个所述采样时刻的历史坐标向量;
轮流将每个所述采样时刻作为目标采样时刻;
确定所述目标采样时刻的历史坐标向量的平均值,作为所述目标采样时刻的标准坐标向量;
根据所述目标采样时刻的标准坐标向量,构建所述目标采样时刻的概率分布函数。
11.根据权利要求10所述的处理方法,所述目标移动轨迹为目标物体移动所产生的轨迹,所述目标物体为在空中、陆地上、水面上、或者是水下发生移动的物体。
12.根据权利要求11所述的处理方法,所述目标物体为在空中发生移动的物体,所述目标物体至少包括以下任意一项:载人飞机、飞行器、无人机、卫星、火箭。
13.根据权利要求11所述的处理方法,所述目标物体为在陆地上发生移动的物体,所述目标物体至少包括以下任意一项:汽车、无人驾驶车、机器人。
14.根据权利要求11所述的处理方法,所述目标物体为在水面上发生移动的物体,所述目标物体至少包括船只。
15.根据权利要求11所述的处理方法,所述目标物体为在水下发生移动的物体,所述目标物体至少包括潜水艇。
16.一种飞行轨迹的处理装置,包括:
轨迹获取模块,用于获取目标飞行轨迹,其中,所述目标飞行轨迹包括设定数量个预设的采样时刻的目标坐标向量;
函数获取模块,用于获取对应每个采样时刻的概率分布函数;
函数值确定模块,用于对于每个采样时刻,根据目标坐标向量和概率分布函数,得到对应采样时刻的概率分布函数值;
安全性评估模块,用于根据每个采样时刻的概率分布函数值,评估所述目标飞行轨迹的安全性;
所述函数获取模块用于:
获取多个历史飞行轨迹;其中,所述历史飞行轨迹包括每个所述采样时刻的历史坐标向量;
轮流将每个所述采样时刻作为目标采样时刻;
确定所述目标采样时刻的历史坐标向量的平均值,作为所述目标采样时刻的标准坐标向量;
根据所述目标采样时刻的标准坐标向量,构建所述目标采样时刻的概率分布函数。
17.一种电子设备,其中,包括根据权利要求16所述的处理装置;或者,包括处理器和存储器,所述存储器用于存储可执行的指令,所述指令用于控制所述处理器执行如权利要求1至15中任一项所述的处理方法。
18.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在被处理器执行时实现如权利要求1至15中任一项所述的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911214874.6A CN112987773B (zh) | 2019-12-02 | 2019-12-02 | 一种飞行轨迹的处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911214874.6A CN112987773B (zh) | 2019-12-02 | 2019-12-02 | 一种飞行轨迹的处理方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112987773A CN112987773A (zh) | 2021-06-18 |
CN112987773B true CN112987773B (zh) | 2024-04-26 |
Family
ID=76331142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911214874.6A Active CN112987773B (zh) | 2019-12-02 | 2019-12-02 | 一种飞行轨迹的处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112987773B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114692760B (zh) * | 2022-03-30 | 2023-03-24 | 中国民航科学技术研究院 | 下降率估算模型构建、下降率估算方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106428009A (zh) * | 2015-07-31 | 2017-02-22 | 福特全球技术公司 | 车辆轨迹确定 |
CN106651088A (zh) * | 2016-08-15 | 2017-05-10 | 中国民航科学技术研究院 | 一种基于时态gis的飞行品质监控方法 |
CN109116867A (zh) * | 2018-09-28 | 2019-01-01 | 拓攻(南京)机器人有限公司 | 一种无人机飞行避障方法、装置、电子设备及存储介质 |
CN109829601A (zh) * | 2018-12-07 | 2019-05-31 | 深圳大学 | 一种驾驶员驾驶车辆风险行为的预测方法及*** |
CN109871599A (zh) * | 2019-01-30 | 2019-06-11 | 西安理工大学 | 一种无人驾驶车辆运行安全指数评价方法 |
CN110400061A (zh) * | 2019-07-05 | 2019-11-01 | 中国民航科学技术研究院 | 一种飞行安全综合评估的方法、装置、控制器及存储介质 |
-
2019
- 2019-12-02 CN CN201911214874.6A patent/CN112987773B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106428009A (zh) * | 2015-07-31 | 2017-02-22 | 福特全球技术公司 | 车辆轨迹确定 |
CN106651088A (zh) * | 2016-08-15 | 2017-05-10 | 中国民航科学技术研究院 | 一种基于时态gis的飞行品质监控方法 |
CN109116867A (zh) * | 2018-09-28 | 2019-01-01 | 拓攻(南京)机器人有限公司 | 一种无人机飞行避障方法、装置、电子设备及存储介质 |
CN109829601A (zh) * | 2018-12-07 | 2019-05-31 | 深圳大学 | 一种驾驶员驾驶车辆风险行为的预测方法及*** |
CN109871599A (zh) * | 2019-01-30 | 2019-06-11 | 西安理工大学 | 一种无人驾驶车辆运行安全指数评价方法 |
CN110400061A (zh) * | 2019-07-05 | 2019-11-01 | 中国民航科学技术研究院 | 一种飞行安全综合评估的方法、装置、控制器及存储介质 |
Non-Patent Citations (2)
Title |
---|
基于GMM的航班轨迹预测算法研究;林毅;张建伟;武喜萍;刘宇;;工程科学与技术(第04期);全文 * |
通用航空飞行计划评估方法综述;吴仁彪;何理;王晓亮;张喆;王鹏;;信号处理(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112987773A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921200B (zh) | 用于对驾驶场景数据进行分类的方法、装置、设备和介质 | |
US10032111B1 (en) | Systems and methods for machine learning of pilot behavior | |
Sushchenko et al. | Design of robust systems for stabilization of unmanned aerial vehicle equipment | |
EP3288006B1 (en) | Community noise management with aircraft dynamic path variation | |
National Research Council et al. | Autonomy research for civil aviation: toward a new era of flight | |
EP3705849A3 (en) | Method and apparatus for visualizing risk levels associated with aerial vehicle flights | |
US11631335B2 (en) | Flight planning using obstacle data | |
Dung et al. | The drone-following models in smart cities | |
JP2016535905A5 (zh) | ||
Rufa et al. | Unmanned aircraft system navigation in the urban environment: A systems analysis | |
Maeder et al. | Trajectory prediction for light aircraft | |
Ivić et al. | Search strategy in a complex and dynamic environment: The MH370 case | |
CN112987773B (zh) | 一种飞行轨迹的处理方法、装置及电子设备 | |
Day | Drones for transmission infrastructure inspection and mapping improve efficiency | |
Chen et al. | Fault‐Tolerant Optical Flow Sensor/SINS Integrated Navigation Scheme for MAV in a GPS‐Denied Environment | |
US11487301B2 (en) | Method and device for generating an optimum vertical trajectory intended to be followed by an aircraft | |
Sherman et al. | Collision avoidance system for fixed-wing UAVs using ping-2020 ADS-B transreceivers | |
Lin et al. | Vision‐based tracking and position estimation of moving targets for unmanned helicopter systems | |
Smith | Optimal collision avoidance trajectories for unmanned/remotely piloted aircraft | |
Kamthan et al. | UAVs: on development of fuzzy model for categorization of countermeasures during threat assessment | |
JP2022518532A (ja) | 単一の平面視画像フレームに基づく検出及び測距 | |
Hayner et al. | HALO: Hazard-aware landing optimization for autonomous systems | |
KR101600772B1 (ko) | 비행 동역학 모델을 활용한 항공기 정밀 추적 방법 | |
Ewers et al. | Optimal path planning using psychological profiling in drone‐assisted missing person search | |
Borshchova et al. | DAAMSIM: A simulation framework for establishing detect and avoid system requirements |
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 |