基于监视数据的终端区航空器异常行为识别研究

发布时间：2020-09-11 20:11

　　随着我国民用航空运输业的飞速发展,航班流量持续增长,其中终端区航班流量增长尤其显著,加重了管制部门的工作负担,可能导致安全隐患,因此有必要对终端区航空器异常行为的识别展开研究。对终端区航空器异常行为的识别,不仅是研发高效辅助决策系统的前提,还可以为空管人员提供有效的决策方案。本文采用数据挖掘技术中的聚类分析完成了基于监视数据的终端区航空器轨迹分类,在轨迹分类的基础上结合统计学方法完成了终端区航空器异常行为的识别。首先,介绍了终端区雷达数据的分类及其特点,给出了终端区雷达数据的处理方法;在总结了不同领域的轨迹相似性模型度量方法的基础上,构建了基于速度修正系数的轨迹相似性模型;采用基于速度修正系数的轨迹谱聚类对终端区的航空器轨迹进行了分类实验。然后,在聚类分析的基础上,考虑航空器轨迹位置、速度和高度等因素,提出了终端区航空器位置异常和终端区航空器能量高度异常的定义,给出了终端区航空器异常行为的识别方法。最后,在统计分析数据的基础上,通过计算数据分布的特征,得到中心轨迹和异常轨迹识别的阈值,从而识别出航空器轨迹位置异常和航空器能量高度异常,并对识别结果进行了分析。实验表明基于速度修正系数的航空器轨迹谱聚类能够实现对航空器轨迹的合理划分;在分类基础上结合统计学方法的航空器异常行为识别能够识别终端区内的航空器异常行为。
【学位单位】：中国民航大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：V355
【部分图文】：

分类图,异常行为,分类图,船舶

图 3-1 船舶异常行为分类图GPS 系统的静态车辆轨迹数据挖掘和基于道路视频监控系统现阶段车辆异常检测的主要数据基础。其中，车载 GPS 系统 GPS 信号易受建筑物遮挡、商用 GPS 定位存在一定误差等挖掘中基于车载 GPS 系统的静态车辆轨迹数据存在数据较随着道路交通系统的发展，道路视频监控系统逐渐完善，道实时性、可溯性和直观性，基于道路视频监控系统的车辆轨成为车辆异常行为研究的热点。行为通常是指高速公路交通或城市道路交通中具有潜在危险车辆异常行为包括违章停车、逆行、违章掉头等。车辆异常行，现阶段常用的异常检测方法是基于监督学习或人工定义的指

分布图,事故率,航班,分布图

结合轨迹的飞行距离，两者归一化加权求得轨迹的可疑度，通，确定异常轨迹的数量上限，取出可疑度最高的数条轨迹，计算取出是否超过给定的阈值，若超过给定的阈值，则将可疑度最高的数条轨区航空器能量高度的异常班一次完整的飞行包括：滑行和起飞阶段；爬升阶段；巡航阶段；下降阶段。其中飞行过程中高度低于 3000 以下的飞行阶段，包括起飞，最后着陆，复飞等阶段被认为是飞行关键阶段，这是对飞行任务至飞行事故多发阶段。确保航空器运行安全是民航飞行的重中之重，通的统计不难发现，航空器从下降到着陆阶段是事故多发阶段，如图 3-3发阶段包含于终端区空域之中，因此有必要对航空器从下降到着陆阶的异常行为展开研究。

基于监视数据的终端区航空器异常行为识别研究

Hausdorff距离222

【参考文献】