[发明专利]不明意图飞行轨迹对航路影响概率预测方法

说明书

本发明公开了一种不明意图飞行轨迹对航路影响概率预测方法，首先对获取的飞行数据样本进行预处理，然后通过分析样本可能的待选输入变量和输出变量之间的相关系数，选取相关贡献度高的待选输入变量作为预测模型的输入特征变量，再采用AR模型融合多个航向差分历史数据，并给出下一时刻航向变化的估计值；以AR模型输出的估计值、当前航向的差分数据和当前速度的差分数据作为输入，采用朴素Bayes分类器对下一时刻航向状态进行概率预测；最后根据步骤三预测的不明意图飞行轨迹的下一时刻航向状态的概率，计算不明意图飞行轨迹对指定航线产生影响的预测概率。本发明可以有效预测不明意图航空器对民用航空器飞行路线的影响预测概率，作为预警判断。

技术领域

本发明属于航空管制技术领域，具体涉及一种不明意图飞行轨迹对航路影响概率预测方法。

背景技术

近年来，三亚管制区雷达屏幕显示洋区不明意图的飞行器飞行量持续增加，使民航飞机原有的活动范围和飞行航径受到限制及影响，管制工作负荷大幅度提高。某一类飞行器没有飞行计划，飞行活动存在极大不确定性及其意图不明确性所形成的轨迹称为不明意图飞行轨迹，其对民航飞行安全造成严重威胁。为了准确评估此类飞行器的影响，有必要对其不明意图飞行轨迹进行预测，进一步研究每一条轨迹对航路飞行的影响预测概率。

基于航迹预测算法的系统被不断研究和开发。通常，在集成系统环境下，飞行员与管制员共同决定飞行器的未来航迹，意图明确时，飞行器也必须遵照该意图飞行。意图信息能够使飞行器未来运行的不确定性降低，而意图信息的提取又被称为意图预测，并得到了广泛的关注。传统的意图预测算法(Intent Inference Algorithm，IIA)是通过飞行器意图模型的离散集合，用轨迹相关度来确定哪个意图模型最贴切描述真实的飞行器意图。IIA算法可以顺利增加从飞行员行为、飞行计划和环境信息获得的意图信息量。但是该方法也存在不足，一是由于该方法较为复杂可能会出现预测延迟；二是因为该方法主要是计划航迹预测，未能更好跟踪飞行器当前模型，可能导致预测精度降低。

发明内容

本发明的目的在于克服现有技术的不足，提供一种不明意图飞行轨迹对航路影响概率预测方法。

本发明是通过以下技术方案实现的：

一种不明意图飞行轨迹对航路影响概率预测方法，包括以下步骤：

步骤一：首先对获取的飞行数据样本进行预处理，将数据样本的采样时间间隔进行均匀化；

步骤二：通过分析样本可能的待选输入变量和输出变量之间的相关系数，选取相关贡献度高的待选输入变量作为预测模型的输入特征变量，所选取的预测模型的输入特征变量包括：航向的历史差分序列数据、当前速度的差分数据和当前航向的差分数据；

步骤三：采用AR模型融合多个航向差分历史数据，并给出下一时刻航向变化的估计值；以AR模型输出的估计值、当前航向的差分数据和当前速度的差分数据作为输入，采用朴素Bayes分类器对下一时刻航向状态进行概率预测；

步骤四：根据步骤三预测的不明意图飞行轨迹的下一时刻航向状态的概率，计算不明意图飞行轨迹对指定航线产生影响的预测概率：

飞行器下一时刻航向状态的条件下，其航向变化角度为ΔS^k的概率分布状态，即

设不明意图飞行轨迹在某种飞行意图下的航向转变情况服从正态分布，即：

其中概率密度分布函数中的均值和标准差参数由训练数据集中的样本统计得出，即：

假设飞行器在接下来一段时间内都按预测状态飞行，若该不明意图飞行轨迹在接下来的某一时刻经过已知民航线路，则认为该飞行器可能在接下来的一段时间内对待评估民航线路产生影响；