【技术实现步骤摘要】
本专利技术涉及有人无人航空器融合运行空域管理，特别涉及一种基于gcn的有人无人航空器融合运行空域关键节点识别方法。
技术介绍
1、在有人无人融合运行空域中，空中交通运输系统以复杂的网络形式存在，通过节点来表示网络中的不同个体，以节点之间的边来表示个体之间的各种联系。对于具有不同拓扑结构的复杂网络，网络中各个节点对网络整体的影响力也有所不同，对网络性能起到重要作用的节点被称为关键节点。在航路网络中，关键航路节点对维持网络的结构和功能有着重要的作用，对空中交通的安全有序运行具有重要的影响。如若发生突发事件导致关键航路节点中断失效，会造成其本身所具有的通行能力降低甚至丧失，并另波及周围节点，引发级联失效，导致空域发生大规模延误，从而使得交通网络性能大幅下降。通过辨识关键节点，并进行有针对性的保护，保证其连通并具有一定的抗压能力，可以增强整个融合运行空域网络的可靠性，同时为合理分配资源提供参考，重点管理网络中的薄弱环节。在此背景下，如何识别航路网络中关键节点，成为当前航空运输业界和学界亟待解决的难题。
2、现有技术虽取得一些成果，但仍然存在以下不足：其一，当前的对空中交通网络中的关键节点识别主要聚焦于单一有人航空器交通运行模式中，无法对有人无人航空器融合空域网络中的关键节点进行识别；其二，当前的网络关键节点识别方法多从拓扑学中描述网络的静态指标出发，忽视网络载流后所呈现的流量分布特性，不能较好地反映融合空域网络结构之上的流量作用；其三，当前，当前对网络关键节点的识别多用单一指标进行评价，不同指标之间获取的关键节点会出现差异，
技术实现思路
1、本专利技术提供了一种基于gcn的有人无人航空器融合运行空域关键节点识别方法。
2、本专利技术提供了一种基于gcn的有人无人航空器融合运行空域关键节点识别方法，包括：步骤1，有人与无人航空器融合运行空域航段网络构建；步骤2，有人与无人航空器异质交通流航段网络加权赋值；步骤3，航段网络节点重要性指标计算；步骤4，基于图卷积神经网络的关键节点识别模型构建与训练；步骤5，基于训练完成的图卷积神经网络进行关键节点识别。
3、进一步的，步骤1中，所述有人与无人航空器融合运行空域航段网络构建的方法包括：基于现实数据中航段的拓扑关系，以航路点为网络节点，航段为边，构建航段网络。
4、进一步的，步骤2中，所述有人与无人航空器异质交通流航段网络加权赋值的方法包括：根据融合运行空域下航段间有人/无人航空器流量f和有人/无人交通流运行时间t两个因素，为航段网络中边的权重进行赋值，以邻接矩阵a＝(aij)n×n存储；
5、
6、其中，aij为任意节点i到节点j的边关系，n为网络中节点个数，wij为航段网络中任意相邻节点i和j连成的边的权重；
7、
8、其中，wij为路段权重，为航段ij的分时段或全天有人航空器流量，为分时段或全天有人航空器在航段ij的平均运行时间，为航段ij的分时段或全天无人航空器流量，为分时段或全天无人航空器在航段ij的平均运行时间。
9、进一步的，步骤3中，所述航段网络节点重要性指标计算包括：根据航段网络及网络中边权计算节点重要性指标，包括加权度中心性、加权介数中心性、紧密中心性、加权圈比、节点桥接值；
10、对于网络中任意节点i，其加权度ki为：
11、
12、其中，aji为节点j到节点i的边关系；
13、对于网络中任意节点i，其加权介数中心性bci为：
14、
15、其中，gst为点s到点t最短路径上的边权重之和；为点s到点t最短路径中经过点i的路径上的边权重之和；
16、对于网络中任意节点i，其紧密中心性cci为：
17、
18、其中，dij为节点i和节点j之间的距离，n为网络中节点个数；
19、对于网络中任意节点i，其加权圈比ri为：
20、
21、其中，节点j和节点h为除节点i外任意两节点，ri为节点i的加权圈比，ki为与节点i相连的边的数量，也即度数，aij为节点i和节点j的连接情况，如果有连接则为1，否则为0；
22、对于网络中任意节点i，其桥接值vci计算包括以下步骤：
23、步骤a，初始化社团，将每个节点视为一个社团，初始化每个节点所在社团，计算初始网络的模块度q；
24、
25、其中，evw为社团v和w之间的连边占整个网络中边的比例，av为仅有一个点在社团v内部的边在整个网络中的比例，
26、
27、
28、其中，ci和cj分别为节点i与节点j在网络中的分属社团，若ci为v，则δ(ci,v)为1，否则δ(ci,v)为0，若cj为w，则δ(cj,w)为1，否则δ(cj,w)为0，m为网络中所有边权和的一半，ki为节点i的度数；
29、步骤b，对于每个节点i，计算将其移动到相邻社团j后的模块度增益δq，如果δq>0，则将节点i移动到使模块度增益最大的相邻社团j，更新节点i所在的社团，重复步骤b，直到不能再通过移动节点来增加模块度；
30、步骤c，根据最终的社团划分结果，将节点分配到各自的社团中；最终节点i桥接值vci为：
31、vci＝∑jqij；
32、其中，qij为代表节点i是否属于社团j的值，若节点i属于社团j，则qij＝1，否则为0。
33、进一步的，步骤4中，所述基于图卷积神经网络的关键节点识别模型构建与训练的方法包括：步骤4.1使用传播模型计算训练的节点中每个节点的重要度真实值；步骤4.2构建图卷积神经网络模型；步骤4.3训练图卷积神经网络的关键节点识别模型。
34、进一步的，步骤4.1中，所述使用传播模型计算训练的节点中每个节点的重要度真实值包括：根据所建立的航段网络，设定sir模型参数，逐步模拟每个节点作为传染源时的传播过程，记录其感染其他节点的数量作为节点的重要度真实值标签y。
35、进一步的，步骤4.2中，所述构建图卷积神经网络模型包括：输入层、图卷积层、随航空器失活层、输出层。
36、进一步的，所述图卷积神经网络中输入层包括：将所述航段网络的网络节点、邻接矩阵a、节点重要性指标组成的特征矩阵x、节点的重要度真实值标签y作为图卷积神经网络的输入。
37、进一步的，所述图卷积神经网络中图卷积层包括：接收输入层输入，使用图卷积神经网络学习每个节点的向量表示，捕捉节点及其邻居的特征，输出新的的特征矩阵z；
38、
39、其中，σ为激活函数，使用relu函数，是对角度矩阵，为邻接矩阵a加上自连接形成的矩阵，w是权重矩阵。
40、进一步的，所述图卷积神经网络中随航空器失活层包括：接收图卷积层输出的特征矩阵，随航空器将一部分神经元的输出置为零，最后获取矩阵h；
<本文档来自技高网...【技术保护点】
1.一种基于GCN的有人无人航空器融合运行空域关键节点识别方法，其特征在于，包括：
2.根据权利要求1所述的关键节点识别方法，其特征在于，步骤1中，所述有人与无人航空器融合运行空域航段网络构建的方法包括：基于现实数据中航段的拓扑关系，以航路点为网络节点，航段为边，构建航段网络。
3.根据权利要求1所述的关键节点识别方法，其特征在于，步骤2中，所述有人与无人航空器异质交通流航段网络加权赋值的方法包括：
4.根据权利要求3所述的关键节点识别方法，其特征在于，步骤3中，所述航段网络节点重要性指标计算包括：
5.根据权利要求4所述的关键节点识别方法，其特征在于，步骤4中，所述基于图卷积神经网络的关键节点识别模型构建与训练的方法包括：
6.根据权利要求5所述的关键节点识别方法，其特征在于，步骤4.1中，所述使用传播模型计算训练的节点中每个节点的重要度真实值包括：
7.根据权利要求6所述的关键节点识别方法，其特征在于，步骤4.2中，所述构建图卷积神经网络模型包括：
8.根据权利要求7所述的关键节点识别方法，其
9.根据权利要求8所述的关键节点识别方法，其特征在于，步骤5中，所述基于训练完成的图卷积神经网络进行关键节点识别的方法包括：
...【技术特征摘要】
1.一种基于gcn的有人无人航空器融合运行空域关键节点识别方法，其特征在于，包括：
2.根据权利要求1所述的关键节点识别方法，其特征在于，步骤1中，所述有人与无人航空器融合运行空域航段网络构建的方法包括：基于现实数据中航段的拓扑关系，以航路点为网络节点，航段为边，构建航段网络。
3.根据权利要求1所述的关键节点识别方法，其特征在于，步骤2中，所述有人与无人航空器异质交通流航段网络加权赋值的方法包括：
4.根据权利要求3所述的关键节点识别方法，其特征在于，步骤3中，所述航段网络节点重要性指标计算包括：
5.根据权利要求4所述的关键节点识别方法，其特征在...
【专利技术属性】
技术研发人员：张颖，徐世民，周笑桐，陈海燕，谢华，杨磊，王兵，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。