终端区航空器飞行轨迹聚类分析及异常检测研究

发布时间：2023-05-20 11:14

　　在繁忙的终端管制区内,管制员需要根据管制区内航空器的飞行态势、空域航路结构和管制意图为航空器分配进离场程序、调配进场排序和安全间隔等发布相应的管制指令,依赖于这种高负荷、经验式的空中交通管制方式,不仅使得终端区内航空器运行效率低,限制了管制决策的实时性,而且极大地增加了航空器安全风险。因此,考虑到航空器飞行轨迹作为表征航空器运行状态的一种宏观形式,是在基于轨迹数据的模式下从海量轨迹集合中挖掘异常轨迹的关键点,本文以此为切入研究终端区航空器飞行轨迹分布规律以及实时异常检测,达到降低管制员工作负荷,保障航空器飞行安全的目的。首先,针对监视数据库中解析数据的特点,进行数据预处理和轨迹压缩处理,获得飞行基准轨迹;同时充分考虑到轨迹数据的多维特征属性,构建基于多维特征的轨迹相似性模型,在此基础上采用改进后的聚类方法分析轨迹的分布规律,结果表明改进后的方法提高了挖掘航空器潜在飞行模式的能力,并实现了飞行轨迹的自动分类。其次,在总结现有飞行轨迹预测模型的基础上,提出结合航空器能量高度和卷积神经网络算法,实时预测航空器未来飞行轨迹,同时讨论网络模型结构的影响,得出适用于本文的最优飞行轨迹预测模型;并与...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 研究内容及章节安排
        1.3.1 主要研究内容
        1.3.2 章节安排
第二章 航空器飞行轨迹数据处理
    2.1 ADS-B数据预处理
        2.1.1 ADS-B介绍
        2.1.2 ADS-B数据预处理
        2.1.3 获取飞行基准轨迹
    2.2 飞行轨迹数据的压缩处理
        2.2.1 轨迹压缩方法概述
        2.2.2 基于时间比的自顶向下轨迹压缩算法
    2.3 本章小结
第三章 航空器飞行轨迹自动分类
    3.1 轨迹相似性模型
        3.1.1 轨迹相似性度量方法
        3.1.2 多维特征的轨迹相似性度量
    3.2 轨迹聚类的改进
        3.2.1 聚类算法的概述
        3.2.2 改进的模糊C-均值聚类
    3.3 算例及分析
        3.3.1 飞行轨迹聚类分析
        3.3.2 参数变化对聚类效果的影响
        3.3.3 航空器飞行轨迹自动分类
    3.4 本章小结
第四章 航空器飞行轨迹预测
    4.1 深度神经网络介绍
        4.1.1 概述
        4.1.2 常用的深度神经网络介绍
    4.2 基于卷积神经网络的飞行轨迹预测
        4.2.1 航空器能量高度
        4.2.2 飞行轨迹预测模型
    4.3 算例及分析
        4.3.1 卷积神经网络参数学习
        4.3.2 飞行轨迹预测结果比较
    4.4 本章小结
第五章 航空器飞行轨迹异常检测
    5.1 终端区航空器异常轨迹定义
    5.2 异常轨迹检测模型
        5.2.1 基于TRADBSCAN算法的中心轨迹提取
        5.2.2 不同飞行剖面上飞行轨迹异常检测
        5.2.3 实时异常轨迹检测
    5.3 算例及分析
        5.3.1 航空器异常轨迹的确定
        5.3.2 机型对异常检测的影响
        5.3.3 实时异常轨迹检测结果比较
    5.4 本章小结
第六章 总结与展望
    6.1 研究工作总结和创新点
        6.1.1 研究工作总结
        6.1.2 创新点
    6.2 展望
致谢
参考文献
在学期间发表的学术论文及参与科研项目情况



本文编号：3821014