[发明专利]一种无人机实时轨迹预测方法

说明书

本发明公开了一种无人机实时轨迹预测方法，步骤如下：（1）获取数据；（2）数据预处理；（3）生成无人机轨迹各个变量数据集；（4）利用马尔科夫模型确定无人机状态；（5）根据无人机的状态，增添BN层，建立基于LSTM网络的无人机轨迹预测模型；（6）预测无人机的经度、纬度及高度。本发明的方法能捕捉无人机的飞行状态，充分利用历史轨迹点信息，避免无人机的冲突与碰撞，保证众多的无人机在低空空域安全、有序地飞行。

技术领域

本发明属于空中交通流量管理技术领域，具体涉及一种无人机实时轨迹预测方法。

背景技术

无人驾驶飞机简称“无人机”，英文缩写为“UAV”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。

无人机结构简单、机动性强、飞行状态多变，因此，其飞行状态及轨迹难以预测。随着无人机需求与数量的不断增加，为避免无人机之间的冲突与碰撞，保证众多的无人机在低空空域安全、有序地飞行，需要对无人机轨迹预测方法进一步研究，从而为无人机冲突检测、异常行为预警和空域状态科学评估提供决策支持。

目前，传统的无人机轨迹预测方法是基于无人机动力学模型的，通过建立动力学方程来解释无人机飞行时的力学原理，在一定的假设条件下，对无人机轨迹进行预测，这些预测方法需要复杂的动力学建模以及较多的假设与约束，而且不能充分利用无人机的历史信息。在无人机的轨迹预测的过程中，无人机的状态是多变的。因此，为了提高预测精度，首先需要对无人机的状态进行判断，再充分利用历史轨迹点信息对无人机的位置进行预测。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种无人机实时轨迹预测方法，以解决现有技术中无人机飞行状态难辨识、轨迹预测精度低、轨迹预测速度慢的问题；本发明的方法能捕捉无人机的飞行状态，充分利用历史轨迹点信息，避免无人机的冲突与碰撞，保证众多的无人机在低空空域安全、有序地飞行。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种无人机实时轨迹预测方法，步骤如下：

(1)获取数据：采集无人机历史广播式自动相关监视系统(ADS-B)数据，得到无人机时间戳、无人机ID、纬度、经度、高度、水平速度、飞行时间的数据信息；

(2)数据预处理：将上述获取到的数据信息按飞行时间进行排序，将纬度和经度转换成直角坐标；并删除获取到的数据中非固定时间间隔和存在不明显位置信息的数据；

(3)生成无人机轨迹各个变量数据集：对上述步骤(2)预处理后的数据进行筛选，得到纬度、经度、高度和水平速度数据，并计算无人机的垂直速度，生成相应的时间序列数据；

(4)利用马尔科夫模型确定无人机状态；

(5)根据无人机的状态，增添BN层，建立基于LSTM网络的无人机轨迹预测模型；

(6)预测无人机的经度、纬度及高度。

进一步地，所述步骤(3)中纬度、经度、高度、水平速度的时间序列由ADS-B数据预处理及筛选后得到，垂直速度的时间序列通过计算高度变化值除以飞行时间间隔得到，最终的无人机轨迹数据集包括纬度、经度、高度、水平速度和垂直速度五个变量。

进一步地，所述步骤(4)的具体过程如下：

(41)对数据集进行分组：

将步骤(3)中的数据集按不同的时间间隔分组，生成相应时间间隔的无人机轨迹时间序列数据；

(42)划分无人机的飞行状态：