[发明专利]一种基于深度学习的航空报文纠错修正方法及系统

说明书

本发明公开了一种基于深度学习的航空报文纠错修正方法及系统，包括：接收领航计划报，对所述领航计划报进行解析，得到待验证航路信息；利用预先建立的航路‑频次字典以及预先训练好的检错深度模型判断所述待验证航路信息是否存在错误，再利用预先训练好的纠错深度模型与修正模型对错误航路信息进行纠错修正。本方法通过频次字典、检错模型、纠错模型、修正模型的多重验证、修正机制，确保输出的FPL报文中包含正确的航路信息，本方法能够实现对FPL报文(领航计划报)的自动解析，包括对航路编组的检错和纠错，确保输出的FPL报文的准确度，减少航空管制压力。

技术领域

本发明涉及空中交通信息化管理技术领域，特别涉及一种基于深度学习的航空报文纠错修正方法及系统。

背景技术

民用航空飞行动态固定格式电报的拍发与接收，是各空中交通管制单位和航空公司航务部门了解和掌握飞行动态的重要手段之一。电报的规范、正确使用不仅是飞行动态信息的及时、准确传递的基础，也是空中交通安全、有序、高效的重要保障。领航计划报(FPL)是所有报文中频率最高的报文，由空中交通服务单位根据航空器运营人或代理人在航空器飞行前提交的飞行计划数据，经审批后拍发给沿航路所有相关空中交通服务单位的电报。由于FPL报文是由人工进行编写和拍发，其中难免出现错漏，在实际使用过程中，错误的FPL报文不仅干扰了航班的正常飞行，也给管制工作带来了不必要的压力。因此，如何对领航计划报进行高效纠错成为急需解决的问题。

发明内容

本发明的目的在于克服现有技术中领航计划报由人工进行编写和拍发、易出错，干扰航空管制工作的问题，提供一种基于深度学习的航空报文纠错修正方法及系统，本方法能够实现对FPL报文的自动解析，包括对航路编组的检错和纠错修正，确保输出的FPL报文的准确度，减少航空管制压力。

为了实现上述发明目的，本发明提供了以下技术方案：

一种基于深度学习的航空报文纠错修正方法，所述方法包括：

步骤1：接收领航计划报，提取所述领航计划报中的待验证航路信息；

步骤2，在预先建立的航路-频次字典中查找所述待验证航路信息，判断所述待验证航路信息中的每个航路点(编组15的航路点信息)的频次是否大于阈值，若是，则直接输出所述领航计划报，若否，则进入步骤3；

步骤3：将所述待验证航路信息输入至预先训练的检错深度模型中，利用所述预先训练的检错深度模型判断所述待验证航路信息是否存在错误，若是，则进入步骤4；若否，则直接输出所述领航计划报；

步骤4，将所述待验证航路信息输入至预先训练好的纠错深度模型，利用所述预先训练好的纠错深度模型根据所述待验证航路信息生成一个预测航路信息，并将所述预测航路信息输出至修正模型；

以及，将所述待验证航路信息输入至所述修正模型中，利用所述修正模型对所述预测航路信息与所述待验证航路信息进行评分，当所述预测航路信息得分高于所述待验证航路信息时，利用所述预测航路信息替换所述领航计划报中的待验证航路信息，并输出替换后的领航计划报。

通过对接收到的领航计划报进行解析，根据领航计划报中的最易错的航路信息生成待验证航路信息，并通过预先建立的航路-频次字典、预先训练好的检错深度模型依次对待验证航路信息进行验证，并将验证出现错误的航路报文输出至纠错深度模型与修正模型进行纠错修正，通过多重验证、最后修正的方式确保输出的FPL报文中包含正确的航路信息，本方法能够实现对领航计划报的自动解析、自动检错以及自动修正，确保输出的FPL报文的准确度，有效减少航空管制压力。

优选的，上述基于深度学习的航空报文纠错修正方法中，所述修正模型通过以下步骤对所述预测航路信息与所述待验证航路信息进行评分：

在所述预先建立的航路-频次字典中查找所述预测航路信息与所述待验证航路信息中每个航路点出现的频次，并根据频次查找结果对所述预测航路信息与所述待验证航路信息进行评分。