基于自生成深度神经网络的4D航迹预测
2021-07-02李旭娟皮建勇黄飞翔贾海朋
李旭娟,皮建勇,黄飞翔,贾海朋
(1.贵州大学计算机科学与技术学院,贵阳 550025;2.贵州大学云计算与物联网研究中心,贵阳 550025;3.中国民用航空西南地区空中交通管理局贵州分局,贵阳 550005)
(*通信作者电子邮箱xjlee8687@126.com)
0 引言
应国际民航组织(International Civil Aviation Organization,ICAO)提出的全球空管一体化要求,美国和欧洲率先制定了未来空管的发展规划,直接影响了全球空管一体化运行概念的实行,其中美国下一代航空运输系统(Next Generation Air Transportation System,NextGen)已于2020 年启用,欧洲单一天空计划(Single European Sky ATM Research,SESAR)也还在不断演进。它们共同支撑的运行概念是轨迹和性能[1],为提高飞行效率、增强可预测性、节约能耗、容量评估等,形成一个基于轨迹的空管系统,虽然各有不同的侧重点,但4D 航迹预测都是系统任务的基础保障,而我国下一代空中交通管理系统也必然需要实现4D航迹预测技术[2]。
4D 航迹是航空器在时空上的运行轨迹,即经度、纬度、高度三维坐标在时间轴上的变化。4D 航迹数据是典型的时序数据,时序数据的频率模式[3]可分为随机的(Random)、无秩序的(Chaotic)、拟周期的(Quasy-periodic)和周期的(Periodic),其中随机的和周期的是完全不可预测和完全可预测的模式,而无秩序的是指未来短期可预测且非线性依赖于前一时刻,最后拟周期的是指序列的变化显示出一种随时间变化的相似性,但每个时间点又略有不同。
以往的航迹预测方法[4-9]是将航迹时序数据作为无秩序的,用前一时刻的位置信息或变化量预测下一时刻的信息,再将预测输出作为再下一时刻的输入,以此迭代的方式对未来一段时间的航迹进行预测,实现了高精度的航迹预测。……
