CN113240212B - 生成航班飞行轨迹的数据处理方法、电子设备和介质 - Google Patents
生成航班飞行轨迹的数据处理方法、电子设备和介质 Download PDFInfo
- Publication number
- CN113240212B CN113240212B CN202110775351.XA CN202110775351A CN113240212B CN 113240212 B CN113240212 B CN 113240212B CN 202110775351 A CN202110775351 A CN 202110775351A CN 113240212 B CN113240212 B CN 113240212B
- Authority
- CN
- China
- Prior art keywords
- ith
- data
- flight
- state vector
- 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 11
- 238000009826 distribution Methods 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims description 22
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 230000033001 locomotion Effects 0.000 claims 5
- 230000010006 flight Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000005433 ionosphere Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000005436 troposphere Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种生成航班飞行轨迹的数据处理方法、电子设备和介质,包括步骤S1、获取第i时刻目标航班id对应的ADS‑B原始数据,生成第i飞行数据候选集;步骤S2、基于第i飞行数据候选集生成Bi,并存储至待处理数据集中;步骤S3、基于Bi‑1和Bi生成第i状态向量候选分布,当i小于S时,执行步骤S4,S小于N,否则,执行步骤S5;步骤S4、基于第i状态向量候选分布生成第i轨迹点Ci;步骤S5、基于第Ci‑S、Ci‑S+1、…Ci‑1和当前预测调整参数生成第i状态向量预测分布,基于第i状态向量预测分布和第i状态向量候选分布生成第i轨迹点,并更新预测调整参数;步骤S6、生成目标航班的飞行轨迹。本发明提高了航班飞行轨迹的精确性和平滑度。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种生成航班飞行轨迹的数据处理方法、电子设备和介质。
背景技术
ADS-B(Automatic Dependent Surveillance – Broadcast,广播式自动相关监视)是一种基于GPS全球卫星定位***的和空地、空空通讯数据链的航空器运行监视技术,可以通过全球卫星导航***(GNSS)等航空电子设备得到飞机的四维位置信息(经度、纬度、高度、时间)和附加信息(冲突告警信息,航线拐点等信息)以及飞机的航空器识别号等信息,并在实时的状态下向地面站和空中的监控终端将这些信息进行广播,以实现先进而有效的空中交通管制。现有技术中,通常直接基于ADS-B数据来生成航班飞行轨迹。
但是,部分情况下会出现GPS定位不准确,或由于卫星时钟误差、电离层和对流层对GPS信号传播的影响、多径效应和接收机热噪声等导致GPS产生信号偏差,同时在实际传输过程中ADS-B信号受到外部信号的干扰,造成ADS-B信号波动或失真,受到噪声干扰后的ADS-B信号对接收机解码造成很大影响,从而会导致飞机位置等信息缺失或者错误最终导致数据异常。另外,ADS-B接收设备大多不具有抗干扰功能,受地形影响一些高原等地区,接收机基本很难接收到ADS-B信号,因此存在ADS-B缺失、中断、不稳定的情况。此外,限于接收站点不均匀的原因,航班飞到偏远地区等没有布置可接受站点的区域会存在ADS-B缺失、中断的情况。且由于 ADS-B 数据是多个源融合来的,常常会带有时间的错乱,且由于异常点的存在,绘制出来的飞行轨迹会带有锯齿、毛刺等形状。综上所述,现有的直接基于ADS-B数据所生成航班飞行轨迹精确性差,且不够平滑。
发明内容
本发明目的在于,提供一种生成航班飞行轨迹的数据处理方法、电子设备和介质,提高了航班飞行轨迹的精确性和平滑度。
根据本发明第一方面,提供了一种生成航班飞行轨迹的数据处理方法,包括:
步骤S1、从预设M个数据源获取第i时刻目标航班id对应的ADS-B原始数据,并进行过滤处理生成第i飞行数据候选集,i的取值为1到N,所述M个数据源包括第一数据源到第M数据源,所述第一数据源到第M数据源的优先级依次降低;
步骤S2、基于第i飞行数据候选集进行数据选取和补全处理生成第i时刻目标航班id对应的待处理数据Bi,并存储至目标航班id对应的待处理数据集中;
步骤S3、基于Bi-1和Bi生成第i状态向量候选分布,其中,B0为目标航班的预设初始待处理数据,当i小于预设的预测数量S时,执行步骤S4,S小于N,否则,执行步骤S5;
步骤S4、基于第i状态向量候选分布生成第i轨迹点Ci;
步骤S5、基于第Ci-S、Ci-S+1、…Ci-1和当前预测调整参数生成第i状态向量预测分布,基于所述第i状态向量预测分布和第i状态向量候选分布生成第i轨迹点,并基于所述第i状态向量预测分布、第i轨迹点以及第i轨迹点邻近的Q个轨迹点更新所述预测调整参数;
步骤S6、基于所述第i轨迹点生成目标航班的飞行轨迹。
本发明与现有技术相比具有明显的优点和有益效果。借由上述技术方案,本发明提供的一种生成航班飞行轨迹的数据处理方法、电子设备和介质可达到相当的技术进步性及实用性,并具有产业上的广泛利用价值,其至少具有下列优点:
本发明通过先获取精确度高的航班飞行的候选数据,再基于候选数据确定待处理数据,提高了待处理数据的准确性,基于待处理数据生成每一状态向量候选分布,再基于连续的已确定的轨迹点生成状态向量预测分布,结合每一状态向量候选分布和状态向量预测分布确定每一轨迹点,提高了生成航班飞行轨迹的平滑性,此外,实时更新预测调整参数,不断提高状态向量预测分布的准确性,进而进一步提高生成航班飞行轨迹的准确性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1为本发明实施例提供的生成航班飞行轨迹的数据处理方法流程图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种生成航班飞行轨迹的数据处理方法、电子设备和介质的具体实施方式及其功效,详细说明如后。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止,但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
本发明实施例提供了一种生成航班飞行轨迹的数据处理方法,如图1所示,包括以下步骤:
步骤S1、从预设M个数据源获取第i时刻目标航班id对应的ADS-B原始数据,并进行过滤处理生成第i飞行数据候选集,i的取值为1到N,所述M个数据源包括第一数据源到第M数据源,所述第一数据源到第M数据源的优先级依次降低;
需要说明的是,相邻两个时刻的时间间隔具体根据ADS-B生成的时间间隔以及实际应用需求来确定,其中,国内接收站点生成ADS-B数据间时间间隔国内大约4~7秒,国际接收站点生成ADS-B数据在30秒左右。
步骤S2、基于第i飞行数据候选集进行数据选取和补全处理生成第i时刻目标航班id对应的待处理数据Bi,并存储至目标航班id对应的待处理数据集中;
步骤S3、基于Bi-1和Bi生成第i状态向量候选分布,其中,B0为目标航班的预设初始待处理数据,当i小于预设的预测数量S时,执行步骤S4,S小于N,否则,执行步骤S5;
步骤S4、基于第i状态向量候选分布生成第i轨迹点Ci;
步骤S5、基于第Ci-S、Ci-S+1、…Ci-1和当前预测调整参数生成第i状态向量预测分布,基于所述第i状态向量预测分布和第i状态向量候选分布生成第i轨迹点,并基于所述第i状态向量预测分布、第i轨迹点以及第i轨迹点邻近的Q个轨迹点更新所述预测调整参数;
步骤S6、基于所述第i轨迹点生成目标航班的飞行轨迹。
需要说明的是,本发明能够基于步骤S1-步骤S6实时生成每一时刻对应的轨迹点,从而实时生成目标航班的飞行轨迹。
本发明实施例通过先获取精确度高的航班飞行的候选数据,再基于候选数据确定待处理数据,提高了待处理数据的准确性,基于待处理数据生成每一状态向量候选分布,再基于连续的已确定的轨迹点生成状态向量预测分布,结合每一状态向量候选分布和状态向量预测分布确定每一轨迹点,提高了生成航班飞行轨迹的平滑性,此外,实时更新预测调整参数,不断提高状态向量预测分布的准确性,进而进一步提高生成航班飞行轨迹的准确性。
作为一种实施例,所述步骤S1包括:
步骤S11、从预设M个数据源获取第i时刻目标航班id对应的ADS-B原始数据列表{Ai1,Ai2,…AiM},其中,Aim表示从第i时刻从第m数据源获取的ADS-B原始数据,m的取值为1到M;
需要说明的是,从多个数据源获取航班id对应的ADS-B数据能够尽可能确保较全面地获取到每一时刻的ADS-B数据,且能在多个ADS-B数据中选取数据质量高的ADS-B数据,提高生成航班轨迹的准确性。可以理解的是,M个数据源的选取以及M的具体取值根据实际航班所对应的地面区域所布置的用于获取ADS-B数据的站点数量、对ADS-B数据质量需求等多种因素综合设定。
步骤S12、解析Aim并从中获取并按预设航班飞行数据结构生成对应的航班飞行数据,判断所述航班飞行数据是否在预设的第一阈值区间内,若在,则执行步骤S30,否则,将Aim滤除;
可以理解的是,不同的数据源由于所采用的时间算法不同、数据层级不同、所包含的ADS-B数据量不同等因素,造成ADS-B格式不同,因此步骤S12通过解析Aim,获取到所需要的预设航班飞行数据,并按照统一的航班飞行数据结构生成航班飞行数据,因此可以根据具体的应用需求,设置对应的数据结构,获取对应的飞行数据,且统一的数据结构便于后续处理,提高数据处理效率。此外,可以基于每一类飞行数据分别设置对应的第一阈值区间,只要有一类飞行数据不在对应的第一阈值区间内,则将对应的Aim滤除,提高了获取ADS-B候选数据的准确性。
步骤S13、基于第m数据源中Aim的邻近前n个时刻对应的预设航班飞行数据,获取Aim的预设航班飞行数据的波动程度,并与预设的波动程度阈值进行比较,若大于,则将Aim滤除,否则将Aim添加至ADS-B数据候选集中。
通过步骤S13,进一步结合邻近数据判断Aim是否为异常数据,并将异常数据过滤掉,进一步提高了获取每一时刻飞行数据候选集的准确性。
基于步骤S11-步骤S13获取每一时刻飞行数据候选集后,每一时刻可能对应一个或多个数据源的飞行数据,也能是0个,因此需要对每一时刻飞行数据候选集进行过滤和补全,为每一时刻确定唯一的准确度高的飞行数据作为待处理数据,并构建待处理数据集为生成航班轨迹提供准确可靠的数据。作为一种实施例,所述步骤S2包括:
步骤S21、遍历第i飞行数据候选集,若第i飞行数据候选集为空,则执行步骤S22,否则执行步骤S23;
步骤S22、基于目标航班id和第i时刻检索预设的历史数据库,获取目标航班id在对应的历史时刻所对应的预设航班飞行数据作为Bi并存储至目标航班id对应的待处理数据集中,其中,所述历史数据库用于存储航班历史轨迹数据记录,所述航班历史轨迹数据记录包括航班id、时刻与预设航班飞行数据组成的数据对字段;
可以理解的是,历史数据库存储的历史轨迹数据记录具有一定准确性和可靠性,因此,在部分时间点数据缺失时,可以基于航班历史轨迹数据,保证数据的完整性。
步骤S23、将所述第i飞行数据候选集中优先级最高的数据源对应的候选数据确定为Bi,并存储至所述待处理数据集中。
作为一种实施例,所述预设航班飞行数据结构包括经度数据段、纬度数据段、高度数据段和速度数据段,对应的,航班飞行数据包经度、纬度、高度和速度,可以理解的是,根据实际计算需求,可以选择不同的航班飞行数据组合来获取航班运行轨迹。作为一种实施例,所述步骤S3包括:
步骤S31、将Bi-1和Bi对应的经度、纬度、高度和速度基于预设六维状态空间进行分解处理,生成第i状态向量候选分布,所述六维状态空间包括第一象限、第二象限和第三象限,所述第一象限加速度和角速度均等于0,所述第二象限的加速度不等于0且角速度等于0,所述第三象限的加速度等于0且角速度不等于0,第i状态向量为(x,y,v,a,θ,ω),x表示经度,y表示纬度,v表示速度,a表示加速度,θ表示转角,ω表示角速度。
需要说明的是,现有的航班运行轨迹多是直接基于一个位置信息单一维度的数据来生成的,而本发明基于经度、纬度、高度和速度将数据转换为多维度数据,并基于多维度数据来生成航班运行轨迹,提高了生成航班运行轨迹的准确性。
可以理解的是,由于飞机运行过程中,各个维度数据时动态变化的,因此,下一时刻的状态向量通常是符合一定分布规律的,作为一种实施例,所述第i状态向量候选分布和所述第i状态向量预测分布均为正态分布,所述步骤S4包括:
步骤S41、将所述第i状态向量候选分布概率最高的第i状态向量确定为第i目标向量,基于所述第i目标向量对应的状态参数生成第i轨迹点。
所述步骤S5中,基于所述第i状态向量预测分布和第i状态向量候选分布生成第i轨迹点,包括:
步骤S51、基于所述第i状态向量预测分布和所述第i状态向量候选分布生成第i交集分布;
步骤S52、将所述第i交集分布中概率最高的第i状态向量确定为第i目标向量,基于所述第i目标向量对应的状态参数生成第i轨迹点。
需要说明的是,通过步骤S41使得初始的S个轨迹点直接基于第i状态向量候选分布来确定。通过步骤S51-步骤S42,使得从第S+1个轨迹点全部基于该点之前的S个轨迹点所生成的该点的状态向量预测分布和该点的向量候选分布生成,来生成轨迹点,提升了航班飞行轨迹的准确性,还能够保证生成航班飞行轨迹的平滑性。
作为一种实施例,所述步骤S5中,基于所述第i状态向量预测分布、第i轨迹点以及第i轨迹点邻近的Q个轨迹点更新所述预测调整参数,包括:
步骤S53、将所述第i状态向量预测分布概率最高的状态向量确定为第i预测状态向量,解析获取每一向量维度对应的预测状态值;
步骤S54、基于第i轨迹点获取每一向量维度对应的目标状态值;
步骤S55、基于每一向量维度对应的预测状态值和每一向量维度对应的目标状态值确定每一维度的第一变化参数;
步骤S56、获取第i轨迹点邻近的Q个轨迹点每一邻近点对应的每一向量维度的目标状态值,基于第i轨迹点和第i轨迹点邻近的Q个轨迹点对应的每一向量维度的目标状态值确定每一向量维度的第二变化参数;
步骤S57、基于所述第一变化参数和第二变化参数更新每一向量维度的预测调整参数。
需要说明的是,通过步骤S53到步骤S57,实现动态调整预测调整参数,提高后续计算过程中预测下一轨迹点对应的状态向量预测分布的准确性,从而进一步提高生成航班轨迹的准确性。
可以理解的是,本发明生成的航班轨迹可以进行可视化展示,具体的,可基于精度和维度在预设地域上显示飞行轨迹,并同步将飞行高度和飞行速度分别生成对应的曲线变化曲线进行呈现,且实时显示当前时刻对应的每一维度的飞行数据,提升了用户体验。
本发明实施例还提供一种电子设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被设置为用于执行本发明实施例所述的方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机指令用于执行本发明实施例所述的方法。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (10)
1.一种生成航班飞行轨迹的数据处理方法,其特征在于,包括:
步骤S1、从预设M个数据源获取第i时刻目标航班id对应的ADS-B原始数据,并进行过滤处理生成第i飞行数据候选集,i的取值为1到N,所述M个数据源包括第一数据源到第M数据源,所述第一数据源到第M数据源的优先级依次降低;
步骤S2、基于第i飞行数据候选集进行数据选取和补全处理生成第i时刻目标航班id对应的待处理数据Bi,并存储至目标航班id对应的待处理数据集中;
步骤S3、基于Bi-1和Bi生成第i状态向量候选分布,其中,B0为目标航班的预设初始待处理数据,当i小于预设的预测数量S时,执行步骤S4,S小于N,否则,执行步骤S5;
步骤S4、基于第i状态向量候选分布生成第i轨迹点Ci;
步骤S5、基于第Ci-S、Ci-S+1、…Ci-1和当前预测调整参数生成第i状态向量预测分布,基于所述第i状态向量预测分布和第i状态向量候选分布生成第i轨迹点,并基于所述第i状态向量预测分布、第i轨迹点以及第i轨迹点邻近的Q个轨迹点更新所述预测调整参数;
步骤S6、基于所述第i轨迹点生成目标航班的飞行轨迹。
2.根据权利要求1所述的方法,其特征在于,
所述步骤S1包括:
步骤S11、从预设M个数据源获取第i时刻目标航班id对应的ADS-B原始数据列表{Ai1,Ai2,…AiM},其中,Aim表示从第i时刻从第m数据源获取的ADS-B原始数据,m的取值为1到M;
步骤S12、解析Aim并从中获取并按预设航班飞行数据结构生成对应的航班飞行数据,判断所述航班飞行数据是否在预设的第一阈值区间内,若在,则执行步骤S30,否则,将Aim滤除;
步骤S13、基于第m数据源中Aim的邻近前n个时刻对应的预设航班飞行数据,获取Aim的预设航班飞行数据的波动程度,并与预设的波动程度阈值进行比较,若大于,则将Aim滤除,否则将Aim添加至ADS-B数据候选集中。
3.根据权利要求1所述的方法,其特征在于,
所述步骤S2包括:
步骤S21、遍历第i飞行数据候选集,若第i飞行数据候选集为空,则执行步骤S22,否则执行步骤S23;
步骤S22、基于目标航班id和第i时刻检索预设的历史数据库,获取目标航班id在对应的历史时刻所对应的预设航班飞行数据作为Bi并存储至目标航班id对应的待处理数据集中,其中,所述历史数据库用于存储航班历史轨迹数据记录,所述航班历史轨迹数据记录包括航班id、时刻与预设航班飞行数据组成的数据对字段;
步骤S23、将所述第i飞行数据候选集中优先级最高的数据源对应的候选数据确定为Bi,并存储至所述待处理数据集中。
4.根据权利要求2所述的方法,其特征在于,
所述预设航班飞行数据结构包括经度数据段、纬度数据段、高度数据段和速度数据段,所述步骤S3包括:
步骤S31、将Bi-1和Bi对应的经度、纬度、高度和速度基于预设六维状态空间进行预设三种运动状态下的分解处理,生成第i状态向量候选分布,所述预设三种运动状态包括加速度和角速度均等于0的运动状态、加速度不等于0且角速度等于0的运动状态以及加速度等于0且角速度不等于0的运动状态,第i状态向量为(x,y,v,a,θ,ω),x表示经度,y表示纬度,v表示速度,a表示加速度,θ表示转角,ω表示角速度。
5.根据权利要求4所述的方法,其特征在于,
所述第i状态向量候选分布和所述第i状态向量预测分布均为正态分布。
6.根据权利要求5所述的方法,其特征在于,
所述步骤S4包括:
步骤S41、将所述第i状态向量候选分布概率最高的第i状态向量确定为第i目标向量,基于所述第i目标向量对应的状态参数生成第i轨迹点。
7.根据权利要求6所述的方法,其特征在于,
所述步骤S5中,基于所述第i状态向量预测分布和第i状态向量候选分布生成第i轨迹点,包括:
步骤S51、基于所述第i状态向量预测分布和所述第i状态向量候选分布生成第i交集分布;
步骤S52、将所述第i交集分布中概率最高的第i状态向量确定为第i目标向量,基于所述第i目标向量对应的状态参数生成第i轨迹点。
8.根据权利要求7所述的方法,其特征在于,
所述步骤S5中,基于所述第i状态向量预测分布、第i轨迹点以及第i轨迹点邻近的Q个轨迹点更新所述预测调整参数,包括:
步骤S53、将所述第i状态向量预测分布概率最高的状态向量确定为第i预测状态向量,解析获取每一向量维度对应的预测状态值;
步骤S54、基于第i轨迹点获取每一向量维度对应的目标状态值;
步骤S55、基于每一向量维度对应的预测状态值和每一向量维度对应的目标状态值确定每一维度的第一变化参数;
步骤S56、获取第i轨迹点邻近的Q个轨迹点每一邻近点对应的每一向量维度的目标状态值,基于第i轨迹点和第i轨迹点邻近的Q个轨迹点对应的每一向量维度的目标状态值确定每一向量维度的第二变化参数;
步骤S57、基于所述第一变化参数和第二变化参数更新每一向量维度的预测调整参数。
9.一种电子设备,其特征在于,包括:
至少一个处理器;
以及,与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被设置为用于执行前述权利要求1-8任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,存储有计算机可执行指令,所述计算机可执行指令用于执行前述权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110775351.XA CN113240212B (zh) | 2021-07-09 | 2021-07-09 | 生成航班飞行轨迹的数据处理方法、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110775351.XA CN113240212B (zh) | 2021-07-09 | 2021-07-09 | 生成航班飞行轨迹的数据处理方法、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113240212A CN113240212A (zh) | 2021-08-10 |
CN113240212B true CN113240212B (zh) | 2021-09-28 |
Family
ID=77141322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110775351.XA Active CN113240212B (zh) | 2021-07-09 | 2021-07-09 | 生成航班飞行轨迹的数据处理方法、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113240212B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359350B (zh) * | 2022-03-14 | 2022-05-20 | 中航信移动科技有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
CN116248170B (zh) * | 2023-05-06 | 2023-07-28 | 中航信移动科技有限公司 | 基于多星定位的目标飞行器识别方法、设备及存储介质 |
CN116321009B (zh) * | 2023-05-06 | 2023-07-28 | 中航信移动科技有限公司 | 一种基于航班轨迹的呼号识别方法、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6104345A (en) * | 1998-04-09 | 2000-08-15 | State Of Israel, Ministry Of Defense Armament Development Authority-Rafael | Direction of arrival tracking of multiple targets |
CN106610294A (zh) * | 2015-10-27 | 2017-05-03 | 高德信息技术有限公司 | 定位方法及装置 |
CN111292563A (zh) * | 2020-05-12 | 2020-06-16 | 北京航空航天大学 | 一种航班航迹预测方法 |
CN112270833A (zh) * | 2020-10-27 | 2021-01-26 | 智慧足迹数据科技有限公司 | 一种轨迹拟合方法、装置、电子设备和存储介质 |
CN112766339A (zh) * | 2021-01-11 | 2021-05-07 | 中国科学院计算技术研究所 | 一种轨迹识别模型训练方法及轨迹识别方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2667367B1 (en) * | 2012-05-25 | 2017-10-04 | The Boeing Company | Conflict detection and resolution using predicted aircraft trajectories |
US10210765B2 (en) * | 2016-01-11 | 2019-02-19 | The Boeing Company | Inference and interpolation of continuous 4D trajectories |
CN108257421A (zh) * | 2017-12-22 | 2018-07-06 | 广州市中南民航空管通信网络科技有限公司 | 一种航班航迹预测方法、电子设备及存储介质 |
US11024182B2 (en) * | 2018-12-17 | 2021-06-01 | The Boeing Company | System and method to forecast flight delay based on real-time data |
US11645927B2 (en) * | 2019-07-22 | 2023-05-09 | The Boeing Company | Predictive flight diversion management |
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 |
CN112985418B (zh) * | 2021-05-06 | 2021-08-10 | 中航信移动科技有限公司 | 航空轨迹数据确定方法、装置、设备及存储介质 |
-
2021
- 2021-07-09 CN CN202110775351.XA patent/CN113240212B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6104345A (en) * | 1998-04-09 | 2000-08-15 | State Of Israel, Ministry Of Defense Armament Development Authority-Rafael | Direction of arrival tracking of multiple targets |
CN106610294A (zh) * | 2015-10-27 | 2017-05-03 | 高德信息技术有限公司 | 定位方法及装置 |
CN111292563A (zh) * | 2020-05-12 | 2020-06-16 | 北京航空航天大学 | 一种航班航迹预测方法 |
CN112270833A (zh) * | 2020-10-27 | 2021-01-26 | 智慧足迹数据科技有限公司 | 一种轨迹拟合方法、装置、电子设备和存储介质 |
CN112766339A (zh) * | 2021-01-11 | 2021-05-07 | 中国科学院计算技术研究所 | 一种轨迹识别模型训练方法及轨迹识别方法 |
Non-Patent Citations (4)
Title |
---|
Aircraft Trajectory Prediction Made Easy with Predictive;Samet Ayhan等;《2016 ACM》;20160817;全文 * |
DART: A Machine-Learning Approach to Trajectory Prediction and Demand-Capacity Balancing;Esther Calvo Fernández等;《Seventh SESAR Innovation Days》;20171130;全文 * |
基于卡尔曼滤波的动态轨迹预测算法;乔少杰等;《电子学报》;20180215(第02期);全文 * |
基于历史数据的空中改航算法研究;陈正茂等;《工程科学与技术》;20180709(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113240212A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113240212B (zh) | 生成航班飞行轨迹的数据处理方法、电子设备和介质 | |
US11719831B2 (en) | System and method for tracking and forecasting the positions of marine vessels | |
CN105931497B (zh) | 通航空中冲突检测方法、装置和通用航空器 | |
Sun et al. | Flight extraction and phase identification for large automatic dependent surveillance–broadcast datasets | |
US9567080B2 (en) | Goal-based planning system | |
CN107656266B (zh) | 基于ads-b的s模式二次雷达信息融合***及其融合方法 | |
US20130229298A1 (en) | Threaded Track Method, System, and Computer Program Product | |
US10210765B2 (en) | Inference and interpolation of continuous 4D trajectories | |
US20090204277A1 (en) | Method of Estimating Atmospheric Data at Any Point of a Path of an Aircraft | |
CN113301508B (zh) | 一种飞行器位置估计、欺骗检测的方法 | |
US10388169B2 (en) | System and method for providing in-flight weather information to compute an optimized vertical flight profile | |
WO2020142850A1 (en) | System and method for tracking vessels | |
CN110673087B (zh) | 基于ads-b广播信号飞机航路监测方法、装置及计算机存储介质 | |
CN115775473B (zh) | 一种ads-b航空监视***中的航空器定位*** | |
CN108153980A (zh) | 基于ads-b与tcas数据融合的综合显示方法 | |
GB2601860A (en) | An architecture for providing forecasts of GNSS obscuration and multipath | |
CN113447886B (zh) | 场面多点定位***数据质量监控方法、装置及电子设备 | |
CN113253201B (zh) | 广域多点定位***数据质量监控方法、装置及电子设备 | |
CN101630445B (zh) | 基于噪声误差的异步多传感器数据处理方法和*** | |
US10801841B1 (en) | Trajectory prediction via a feature vector approach | |
CN112085970A (zh) | 一种空中交通防撞方法、装置及飞机 | |
US20220406199A1 (en) | Method and device for supervising a traffic control system | |
Porretta et al. | Strategic conflict detection and resolution using aircraft intent information | |
Kumar et al. | Application of isolation forest for detection of energy anomalies in ADS-B trajectory data | |
Vismari et al. | An absolute-relative risk assessment methodology approach to current safety critical systems and its application to the ADS-B based air traffic control system |
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 |