[发明专利]一种航班飞机轨迹数据预测系统及方法

说明书

本发明公开了深度学习与航空轨迹预测技术领域的一种航班飞机轨迹数据预测系统及方法，包括：接收各航班飞机轨迹数据；对各航班飞机轨迹数据进行分组后保存；对分组后的飞机轨迹数据进行特征分析，去掉冗余特征；对特征分析后的飞机轨迹数据进行预处理；对预处理后的飞机轨迹数据进行监督学习问题适用转换；将转换后的飞机轨迹数据输入MobileNet‑LSTM混合模型进行训练及预测，得到当下未来时刻的轨迹点。本发明在提高轨迹预测准确性的基础上，使网络轻量化，为更多真实场景下的轨迹预测提供更多选择，对智能空中交通管制产生深远影响。

技术领域

本发明涉及一种航班飞机轨迹数据预测系统及方法，属于深度学习与航空轨迹预测技术领域。

背景技术

随着近年来航空运输业的蓬勃发展，以及低空空域的开放，航线网络的规模也日益扩大，空域资源变得越来越稀缺。为了应对不断增加的空中交通给交通管制系统带来的挑战，国际民用航空组织将轨迹预测作为下一代空中交通管制系统核心操作理念。因为ADS-B轨迹数据是一个多变量的时间序列，因此深度学习可以被用来处理轨迹预测问题。就当前轨迹预测问题中，用的最多的是LSTM网络，它能很好地捕捉轨迹在时间维度上的特征，但不能很好地捕捉轨迹的空间特征。CNN更适合做提取空间的特征，因此CNN与LSTM的结合也被应用在轨迹预测中，性能会有一定的提升，但CNN主要普遍应用在计算机视觉领域，模型复杂且计算量大，在某些真实场景中要求低时延、响应速度快的场景下其是不适用的。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种航班飞机轨迹数据预测系统及方法，在提高轨迹预测准确性的基础上，使网络轻量化，为更多真实场景下的轨迹预测提供更多选择，对智能空中交通管制产生深远影响。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种航班飞机轨迹数据预测方法，包括：

接收各航班飞机轨迹数据；

对各航班飞机轨迹数据进行分组后保存；

对分组后的飞机轨迹数据进行特征分析，去掉冗余特征；

对特征分析后的飞机轨迹数据进行预处理；

对预处理后的飞机轨迹数据进行监督学习问题适用转换；

将转换后的飞机轨迹数据输入MobileNet-LSTM混合模型进行训练及预测，得到当下未来时刻的轨迹点。

进一步的，所述飞机轨迹数据由ADS-B接收机接收得到，且飞机轨迹数据包括多个特征，所述特征包括日期、时间、呼号、航班号、经度、维度、高度、速度、航向角和垂直速度。

进一步的，对各航班飞机轨迹数据进行分组后保存，包括：以航班号作为分组依据对各航班飞机轨迹数据进行分组，生成各航班的时序序列，将各航班的时序序列和飞机轨迹数据保存到以各自航班号命名的文件中。

进一步的，对分组后的飞机轨迹数据进行特征分析，去掉冗余特征，包括：计算飞机轨迹数据中各特征间的皮尔逊相关系数、概率分布、均值及方差，所述冗余特征包括呼号及航班号。

进一步的，对特征分析后的飞机轨迹数据进行预处理，包括：

将飞机轨迹数据中所有的数值数据转换成浮点数；

采用上一时刻数据和下一时刻数据进行平均后替换飞机轨迹数据中出现的缺空值；

使用线性函数归一化方法对飞机轨迹数据中每一列数据进行归一化处理；

合并飞机轨迹数据中的日期列和时间列，减少冗余时间列；

将飞机轨迹数据划分为训练集和测试集。