区域空中交通流量动态预测分析与建模研究

《区域空中交通流量动态预测分析与建模研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、区域空中交通流量动态预测分析与建模研究　　摘要：我国区域空域的构成相对复杂，同时空中交通流量较大且分布密集，极易导致飞行拥堵和冲突的发生，因此对区域空中交通流量进行动态预测可以保障空中飞行的安全性和空域资源利用的有效性。航迹预测是空中交通流量动态预测的基础，文章提出一种改进的交互多模型的跟踪滤波算法（RMIMM）对航迹进行预测，该算法引入残差均值理论使正确模型明显区分于其他模型，从而提高判别准确率，通过实例分析表明采用该方法进行航迹预测的精度较高。基于上述航迹预测算法建立了一种改进的等角航迹空中交通流量预测模型，并采用广州空中交通流量数据进行验证，结果表明所提模型具有较

2、高的预测精度，可以为区域空中交通的管理提供科学的依据。　　关键词：空中交通流量；流量预测；航迹预测　　1概述　　当前全国航班次数增多，同时我国空域组成复杂且具有较大的空中交通流量，交通堵塞和航班延迟、冲突的情况时有发生，因此对区域空中交通流量的管控势在必行。实施有效流量管控必须对其动态变化趋势进行准确预测，预测的精度和可靠性对空中交通事业的发展起着至关重要的作用。对空中交通流量的预测首要任务是对飞行器的航迹进行预测，传统的相互作用多模型算法（IMM）在模型判定上存在模糊问题，当目标的运动模型不在所列模型之中时其轨迹预测精度较低。在IMM算法中引入残差均值理论可以很好的解

3、决这一问题。在确立准确的航迹预测算法后建立相应的预测模型即可完成区域空中交通流量的动态预测。　　本文首先提出了RMIMM航迹预测算法，在此基础上引入扰动因子建立了空中交通流量预测模型，并采用广州白云山机场测试数据进行仿真模拟，仿真结果表明该模型预测精度较高，符合应用要求。　　2基于残差均值的IMM航迹预测算法　　2.1算法的提出　　传统的IMM算法是根据目标不同的运动状态建立不同的模型，通过计算各个模型是否正确后得出后验概率，进而加权求和各个正确模型的状态估计完成对目标的状态估计。设对应于目标不同运动状态的运动模型为M1，M2……Mr，建立状态方程和观测方程，分别如式1

4、和式2所示：　　2.2RMIMM算法仿真分析　　采用MonteCarlo法进行仿真实验，该方法属于随机分析，所选用的初始条件和输入函数符合随机性特点，有利于对动态系统进行模拟，MonteCarlo法的仿真过程示于图1：　　对飞机飞行轨迹进行模拟，设速度v=480km/h，得到如图2所示的轨迹，从图中可以看出飞机作匀速直线运动（CV）的轨迹分别为0到30s，51到70s，91到100s，以及131到150s；在31-50s，71-90s，111-130s三??时间段以匀角速度转弯（CT）形式运动，角速度分别为-3°/s，1.5°/s和-4.5°/s。　　对上述飞行过程采用

5、MonteCarlo仿真，次数为100，仿真结果如图3所示，可以看出采用RMIMM算法对CV和CT两种运动形式的概率计算区分明显，因此对飞机在飞行过程中所处的模型判别更加明了。　　3区域空中交通流量的动态预测模型　　3.1改进的等角航迹预测模型的提出　　采用RMIMM航迹预测算法，在传统的等角航迹预测模型中引入扰动因子ξ，模型表达式如式11所示：　　式中TPB和TTA分别为经过航路点B和实航路点A的预测时间和实际时间，VA表示经过A时的速度，SAB是通过上述航迹算法得出的A点和B点的距离，ΔV是速度变化量。　　对传统的空中交通流量预测模型引入扰动因子可以对飞行过程中产生

6、不确定因素干扰进行综合考虑，由于不确定因素带来的误差可以用速度变化量表示。采用改进的模型预测区域空中交通流量可以提高其预测精确度。　　3.2实例仿真分析　　由于所处空域的环境各有差异，因此对于不同的航空器受到环境的影响也千差万别。本文以白云山机场为实例，所用数据来自白云山机场的航班起飞统计数据，选取其中的45个航班数据进行航行轨迹推测的误差实验，并采用前文所述模型进行仿真实验。飞机的区域航路结构大致如下：起飞后飞机先经过航路点LMN，坐标为（23.69°，114.33°），之后分别进过XEBUL和EGEDA航路点，坐标分别为（24.28°，114.85°）和（25.35

7、°，115.11°）。本文对LMN，XEBUL和EGEDA之间的航段进行研究。　　首先对通过曲线回归方程拟合分别得出由于不确定因素造成的，XEBUL、EGEDA两个航路点预测通过时间与实际通过时间的误差，如式12、13所示：　　分别以-ΔTX和-ΔTE替代式11中的扰动因子，得到两个航路点的改进预测模型，分别如式14和式15所示：　　根据测试数据进行计算，结果列于表1中：　　根据计算结果，以航点LMN速度的变化ΔV为横坐标，以误差时间ΔT为纵坐标作图，得到修正速度后对误差时间的影响，如图4所示。　　从图4可以看出采用改进预测模型得到的误差