[发明专利]民航交通管制运行多尺度态势感知流程的处理方法

权利要求书

1.一种民航交通管制运行多尺度态势感知流程的处理方法，其特征在于，包括：

空管运行数据安全防护与融合步骤：获取空管运行数据，基于区块链技术、缺失空管运行数据填补算法及时空对准的空管运行数据融合算法，对所述空管运行数据进行数据安全与融合处理，得到第一数据；

民航管制运行安全态势表征步骤：基于所述第一数据，采用特征降维与提取、嵌入式学习技术及深度强化学习技术，实现民航管制运行安全态势表征；

民航管制运行多尺度安全态势评估步骤：采用协作学习与融合算法进行多尺度安全态势评估；

民航管制运行安全态势智能预测步骤：采用启发式深层递归框架进行民航管制运行安全态势智能预测；

其中，民航管制运行多尺度安全态势评估步骤具体为：

构建民航管制运行安全态势指标体系：通过分析民航管制运行与安全管理业务需求，提炼影响民航管制运行安全态势的一级指标和二级指标；设计民航管制运行安全态势指标量化标定，并依据各个指标对安全态势的影响程度和实际情况设计指标权重，划分安全态势指数等级区间；

安全态势评估：将民航管制运行安全态势表征数据输入协作多核态势评估模型，并结合安全态势指数等级区间实现民航管制运行多尺度安全态势评估；所述协作多核态势评估模型采用softmax函数和多核学习理论；

所述安全态势评估具体为：

输入民航管制运行安全态势表征数据，每一数据作为一态势样本；

将所述态势样本映射到四个态势核空间；四个态势核空间分别为交通流动态子态势空间、管制运行安全子态势空间、管制运行效能子态势空间和管制工作负荷子态势空间；

在四个态势核空间中，分别训练softmax函数，并进行损失加权；

引入正则项作为协作学习约束，得到最终的损失函数；

采用最终的损失函数实现安全态势评估，并输出态势评估结果。

2.如权利要求1所述的方法，其特征在于，民航管制运行安全态势表征步骤具体为：

对所述空管运行数据进行特征降维与提取，生成初步知识图谱；

采用嵌入式学习技术对所述知识图谱进行完整性补充；

采用深度强化学习机制对已构建的知识图谱进行隐式关系链接的智能抽取，从而实现基于知识图谱库的民航管制运行安全态势表征。

3.如权利要求1或2所述的方法，其特征在于，民航管制运行安全态势智能预测步骤具体为：

采用启发式深层递归框架改进态势预测网络模型的架构；

结合长期历史态势预警序列形成风险状况集，与短期态势预测下的安全风险指数和容忍度评价，以提升态势预测网络模型的智能分析能力；

采用所述态势预测网络模型实现民航管制运行安全态势的智能预测。

4.如权利要求3所述的方法，其特征在于，所述方法还包括采用无重复抽样的K折交叉验证方法训练所述协作多核态势评估模型，具体为：

将N个态势样本均分为K组，用其中的K-1组来训练模型，然后用训练得到的模型对下一组态势进行评估，并计算评估误差，通过计算K次的误差平均值，得到交叉验证误差。

5.如权利要求1所述的方法，其特征在于，所述空管运行数据包括气象数据、飞行计划、流控数据、管制语音和监视数据。