基于数据挖掘的四维航迹精密预测方法研究

发布时间：2018-04-13 09:22

本文选题：航迹预测 + 四维航迹　；参考：《南京航空航天大学》2016年硕士论文

【摘要】：随着我国航空运输业的快速发展,空中交通流量的增长势头迅猛。为解决目前出现的航空运输系统效率低以及大面积航班延误等问题,实施科学的空中交通流量管理手段势在必行。四维航迹预测技术是空中交通流量管理的关键技术之一,也是空管自动化系统发展的核心技术,因此,探究精确的航迹预测技术是目前要研究的重点。随着空管系统大数据时代来临,空中交通运行环境日趋复杂,相关表征数据呈海量剧增、多源异构、高度复杂等特点,如何从中提取有用信息,精细描述空中飞行交通态势,深度认知交通流组织模式和演变规律,并将之有效用于航迹预分析等关键技术也是目前亟待解决的问题。本文围绕上述问题提出了一种基于数据挖掘的四维航迹精密预测算法,算法基本思想是通过对大量历史飞行数据的挖掘分析,建立预测模型,预测时,选择与当前输入条件最匹配的历史飞行轨迹作为四维航迹输出,由于历史轨迹为真实飞行轨迹并且采样频率(20秒左右)较高,相较于只输出以飞行定位点序列为基础的四维航迹预测,更为细致、真实,本文称这种航迹预测为精密航迹预测。本文首先对四维航迹预测的研究现状和预测算法分类进行了总结;随后提出了一种基于谱聚类的历史轨迹分析方法,并在此基础上利用时空数据管理中频繁路径树、R树等方法建立了一种针对飞行历史轨迹的FPR-Tree索引;接着,对在FPR-Tree中检索k近邻轨迹的方法进行了讨论;最后,本文提出了一种基于FPR-Tree的四维航迹预测方法,对算法过程和输入参数进行了详细的阐述,并使用中南地区的真实历史飞行数据和航空运输网络数据,对算法进行了测试,结果表明,本文提出的预测方法用于预战术预测时准确率超过60%,用于战术预测时准确率超过80%。同时,本文还对以上述算法为核心的四维航迹预测原型系统实现进行了描述。
[Abstract]:This paper presents a four - dimensional trajectory prediction algorithm based on FPR - Tree .

【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V355

【相似文献】