一种基于SVM的低空空域通航飞机冲突检测方法技术

本发明专利技术公开了一种基于SVM的低空空域通航飞机冲突检测方法，包括如下步骤：S1，通过选取核函数及其参数构建SVM模型；S2，获取目标飞机和本机的信息，并对信息进行预处理，通过预处理得到目标飞机与本机的相对信息；S3，将预处理得到的目标飞机与本机的相对信息输入SVM模型，通过SVM模型对输入的相对信息进行分类，并根据分类设定预测值；S4，参照前一段时间的预测结果，对预测值进行移动平均加权，得到最终预测值，根据最终预测值判断目标飞机是否对本机产生冲突。该方法用于对相对较远距离的目标飞机进行冲突探测，可以有效地检测飞机在低空空域的冲突，以增强低空空域飞行环境下飞行员的交通态势感知能力，及时调整飞行方案，避免冲突发生。

【技术实现步骤摘要】
一种基于SVM的低空空域通航飞机冲突检测方法
本专利技术涉及一种通航飞机冲突检测方法，尤其涉及一种基于SVM(支持向量机)的低空空域通航飞机冲突检测方法。
技术介绍
近些年来，随着航空事业的蓬勃发展，国内飞机的数目与日俱增，空域内航线日益密集，飞行器流量日益加大，这就造成了空域变得越来越拥挤，拥挤意味着冲突。无论是航线设定过密，还是飞机本身故障或是风力等环境因素，都可能造成飞机发生碰撞冲突。由于飞机运输的特殊性，一旦飞机在空中发生冲突，就很难保证乘客人身及财产安全。另外，如不能有效地疏通这种拥挤，也会降低空域资源的利用率，极大地阻碍国家航空事业的发展。因此，能够提前预知冲突的发生，并及早地采取有效的防范措施就显得尤为重要。为了解决上述问题，相关机构在飞机飞行过程中的各个阶段以及不同原因引起的冲突分别进行研究，例如，在申请号为201310323633.1的中国专利技术专利申请中公开了一种基于A-SMGCS系统的滑行道冲突检测方法，可以有效地检测飞机在滑行过程中产生的冲突，及时采取相应措施；在申请号为201110120282.5的中国专利技术专利申请中公开了一种空中目标的冲突检测方法，可以有效地检测飞机在高空飞行过程中产生的冲突，使得飞行员较早获知飞机发生的冲突和碰撞的可能性，及时调整飞行方案，避免冲突发生；在申请号为201210368083.0的中国专利技术专利申请中公开了一种飞行冲突解脱方法及装置，可以有效地检测由于飞机延迟产生的冲突。上述研究能很好地检测冲突发生的可能性，使飞行员提前采取措施，降低飞行风险。但是对于低空空域的冲突探测问题，并没有相应的研究。低空空域的冲突探测问题一般为短期问题，飞机速度相对较慢，飞行自由度高且飞行环境复杂。按照传统TCAS冲突探测逻辑，在进行解脱机动时，如果两架飞机的距离相对较近，那么所执行的规避机动相对剧烈。如果在更广的范围进行冲突检测，提前向飞行员提供当前的交通态势，有利于飞行员提前进行判断处理，能够有效避免近距离的剧烈规避机动。但是，由于低空空域的不确定性，在远距离进行传统的线性外推具有较大的难度和不确定性。
技术实现思路
针对现有技术的不足，本专利技术所要解决的技术问题在于提供一种基于SVM的低空空域通航飞机冲突检测方法。为实现上述专利技术目的，本专利技术采用下述的技术方案：一种基于SVM的低空空域通航飞机冲突检测方法，包括如下步骤：S1，通过选取核函数及其参数构建SVM模型；S2，获取目标飞机和本机的信息，并对所述信息进行预处理，通过预处理得到目标飞机与本机的相对信息；S3，将预处理得到的目标飞机与本机的相对信息输入SVM模型，通过SVM模型对输入的相对信息进行分类，并根据分类设定预测值；S4，参照前一段时间的预测结果，对预测值进行移动平均加权，得到最终预测值，根据最终预测值判断目标飞机是否对本机产生冲突。其中较优地，在步骤S1中，所述参数包括惩罚因子和径向基函数。其中较优地，在步骤S1中，选取核函数的参数，包括如下步骤：S11，设定种群规模、迭代次数、搜索空间大小和速度，根据限制随机初始化粒子的位置X＝(X1,X2,...,Xn)和速度V＝(V1,V2,...,Vn)；S12，根据每个粒子的位置Xi＝(xi1,xi2)对SVM模型进行训练，将交叉验证的正确率作为所述粒子的适应度，位置Xi＝(xi1,xi2)的横纵坐标分别代表惩罚因子和径向基函数；S13，根据每个粒子的适应度，与所述粒子历史位置上的适应度相比较，将适应度高的作为新的个体极值Pi＝(Pi1,Pi2,...,PiD)；S14，根据每个粒子的适应度和所有粒子经过的最优适应度相比较，将适应度高的作为新的全局极值Pg＝(Pg1,Pg2,...,PgD)；S15，根据粒子的速度和位置更新公式对粒子进行更新；S16，判断当前迭代次数是否满足条件：gen<下降阈值，如果满足，则转向步骤S17；否则，判断当前迭代次数是否满足最大迭代次数，如果满足，则输出结果，适应度最高的粒子的坐标值即为所述参数的值；若不满足，则转向步骤S13；S17，计算粒子的适应度值，根据粒子适应度的大小按一定比例从种群P中选取出种群P2，并对P2进行重组交叉和变异；S18，计算P2的适应度，根据适应度重插入种群P中，转向步骤S13。其中较优地，在步骤S15中，所述粒子的速度更新公式为：其中，Vi＝(Vi1,Vi2,...,ViD)为每一个粒子的速度，Xi＝(xi1,xi2,...,xiD)为每一个粒子位置；Pi＝(Pi1,Pi2,...,PiD)为个体极值，Pg＝(Pg1,Pg2,...,PgD)为全局极值，k代表种群的当前代数，c1,c2为加速度常数，r1,r2为(0,1)之内的随机数；其中,gen为当前迭代次数，MAXGEN为最大迭代次数；所述粒子的位置更新公式为：其中，Vi＝(Vi1,Vi2,...,ViD)为每一个粒子的速度，Xi＝(xi1,xi2,...,xiD)为每一个粒子位置；k代表种群的当前代数。其中较优地，在步骤S2中，所述对信息进行预处理，包括如下步骤：S21，以本机为参考，对目标飞机进行坐标转换，得到相对位置：PR＝(xR,yR,zR)＝Pi-Po＝(xi-xo,yi-yo,zi-zo)；S22，以本机航向方向为y轴正方向方向，对目标飞机的速度进行转换，得到相对速度：VR＝(vRx,vRy,vRz)＝Vi-Vo＝(vxi-vxo,vyi-vyo,vzi-vzo)；S23，根据相对位置和相对速度计算目标飞机的水平相对航向和垂直航向。其中较优地，在步骤S23中，计算目标飞机的水平相对航向，包括如下步骤：获取目标飞机相对速度在x轴正方向和y轴正方向的分速度vRx和vRy；判断vRx和vRy的方向，根据vRx和vRy的方向，确定目标飞机的水平相对航向：如果目标飞机的相对速度vRx＞0,vRy＞0,水平相对航向为：如果目标飞机的相对速度vRx＜0,vRy＞0或者vRx＜0,vRy＜0,水平相对航向为：如果目标飞机的相对速度vRx＞0,vRy＜0,水平相对航向w为：其中较优地，在步骤S23中，计算目标飞机的垂直航向，包括如下步骤：获取目标飞机相对速度在z轴正方向的分速度vRx；判断vRz的方向，根据vRz的方向，确定目标飞机的垂直航向：如果垂直相对速度(z轴正方向的分速度)vRz＞0，垂直航向为：如果垂直相对速度vRz＜0，垂直航向为：其中较优地，在步骤S2中，通过预处理得到目标飞机与本机的相对信息为：其中，VR＝(vRx，vRy，vRz)为目标飞机的相对速度；PR＝(xR，yR，zR)为目标飞机的相对位置；θRi为目标飞机的水平相对航向；为目标飞机的垂直航向。其中较优地，在步骤S3中，将预处理得到的目标飞机与本机的相对信息输入SVM模型之后，先将相对信息进行过滤处理，将位于圆柱形的冲突保护区之外的目标飞机提前划分为非冲突目标。其中较优地，在步骤S4中，参照前一段时间的预测结果，对所述预测值进行移动平均加权，即采用如下公式对预测值进行处理：其中，Pj(Ti)为根据分类设定的预测值；wj为滑动加权系数。本专利技术所提供的基于SVM的低空空域通航飞机冲突检测方法，通过获取监视区域内飞机的位置和速度等信息，计算目标飞机相对于本机位置和速度航向信息，本文档来自技高网...

【技术保护点】
一种基于SVM的低空空域通航飞机冲突检测方法，其特征在于包括如下步骤：S1，通过选取核函数及其参数构建SVM模型；S2，获取目标飞机和本机的信息，并对所述信息进行预处理，通过预处理得到目标飞机与本机的相对信息；S3，将预处理得到的目标飞机与本机的相对信息输入SVM模型，通过SVM模型对输入的相对信息进行分类，并根据分类设定预测值；S4，参照前一段时间的预测结果，对预测值进行移动平均加权，得到最终预测值，根据最终预测值判断目标飞机是否对本机产生冲突。

【技术特征摘要】
1.一种基于SVM的低空空域通航飞机冲突检测方法，其特征在于包括如下步骤：S1，通过选取核函数及其参数构建SVM模型；S2，获取目标飞机和本机的信息，并对所述信息进行预处理，通过预处理得到目标飞机与本机的相对信息；S3，将预处理得到的目标飞机与本机的相对信息输入SVM模型，先将相对信息进行过滤处理，将位于圆柱形的冲突保护区之外的目标飞机提前划分为非冲突目标，通过SVM模型对输入的相对信息进行分类，并根据分类设定预测值；S4，参照前一段时间的预测结果，对预测值进行移动平均加权，得到最终预测值，根据最终预测值判断目标飞机是否对本机产生冲突。2.如权利要求1所述的基于SVM的低空空域通航飞机冲突检测方法，其特征在于：在步骤S1中，所述参数包括惩罚因子和径向基函数。3.如权利要求2所述的基于SVM的低空空域通航飞机冲突检测方法，其特征在于在步骤S1中，选取核函数的参数，包括如下步骤：S11，设定种群规模、迭代次数、搜索空间大小和速度，根据限制随机初始化粒子的位置X＝(X1,X2,...,Xn)和速度V＝(V1,V2,...,Vn)；S12，根据每个粒子的位置Xi＝(xi1,xi2)对SVM模型进行训练，将交叉验证的正确率作为所述粒子的适应度，位置Xi＝(xi1,xi2)的横纵坐标分别代表惩罚因子和径向基函数；S13，根据每个粒子的适应度，与所述粒子历史位置上的适应度相比较，将适应度高的作为新的个体极值Pi＝(Pi1,Pi2,...,PiD)；S14，根据每个粒子的适应度和所有粒子经过的最优适应度相比较，将适应度高的作为新的全局极值Pg＝(Pg1,Pg2,...,PgD)；S15，根据粒子的速度和位置更新公式对粒子进行更新；S16，判断当前迭代次数是否满足条件：gen<下降阈值，如果满足，则转向步骤S17；否则，判断当前迭代次数是否满足最大迭代次数，如果满足，则输出结果，适应度最高的粒子的坐标值即为所述参数的值；若不满足，则转向步骤S13；S17，计算粒子的适应度值，根据粒子适应度的大小按一定比例从种群P中选取出种群P2，并对P2进行重组交叉和变异；S18，计算P2的适应度，根据适应度重插入种群P中，转向步骤S13。4.如权利要求3所述的基于SVM的低空空域通航飞机冲突检测方法，其特征在于：在步骤S15中，所述粒子的速度更新公式为：其中，Vi＝(Vi1,Vi2,...,ViD)为每一个粒子的速度，Xi＝(xi1,xi2,...,xiD)为每一个粒子位置；Pi＝(Pi1,Pi2,...,PiD)为个体极值，Pg＝(Pg1,Pg2,...,PgD)为全局极值，k代表种群的当前代数，c1,c2为加速度...

【专利技术属性】
技术研发人员：管祥民，吕人力，孙亮，刘洋，
申请(专利权)人：中国民航管理干部学院，
类型：发明
国别省市：北京;11