【技术实现步骤摘要】
本专利技术涉及智能空管，具体为一种基于大语言模型和返场排序时隙调配的空中管制方法。
技术介绍
1、空域归航排序是指飞行器完成空域训练任务之后，按照各自空域归航航线进行降落的一种排序和管理。
2、时隙指的是飞行器在空中或着陆时所需的特定时间段或时间窗口。在空域归航排序中，时隙用于安排飞行器的回航或降落顺序，以确保飞行器之间有足够的安全距离，并且在空中交通管制的指定时间内完成相关操作。
3、训练机的空域归航排序基于训练机的飞机类型、飞机性能、所处空域规划返航时隙等。其目的是确保训练机能够安全、有序回到指定的着陆场地，避免空中交通拥堵和碰撞，提高空中交通管理的效率和安全性。
4、空域归航排序的算法有很多，如：先到先服务算法、启发式搜索算法、模拟退火算法、粒子群优化算法、鱼群遗传算法和强化学习算法等，目前在机场中飞行器的归航排序调配方法主要有两种，第一种由空管部门如空中交通管制员等人力计算，空中交通管制员(atc)负责监控和管理空中交通，确保飞机安全间隔和避免排序冲突。当预见到冲突时，空中交通管制员会指导飞机调整飞行高度、速度或航线来避免冲突。第二种如欧洲的中央流量管理单元，机场协同决策系统等拥有训练机时刻实时监视系统的单位，能够做到广泛的训练机信息共享，通过不同的智能算法能够完成机场协同归航序列分配。
5、空域归航排序实际属于多目标时隙优化分配，近年来，多目标优化算法在空域归航排序中得到了广泛研究和应用，这些算法旨在解决返航时隙使用时发生的时间冲突问题，提高利用率并优化性能。蚁群算法、鱼
6、但是在当下来看，也依然存在一些问题：
7、1)对于大部分中小型机场来说，机场对空中交通管制员的需求和要求越来越高，空中交通管制员的慢养成属性已经跟不上发展节奏，并且由于某些地域、设备原因，机场协同决策的实施难度很高；
8、2)混合整数线性规划属于np(nondeterministic polynomial非确定性多项式)类问题，对于模型参数的敏感性高，微小的参数变化可能导致显著的不同解；
9、3)遗传算法的收敛速度慢，参数难以调整，需要依靠经验及多次试验才能得到良好的参数配置；
10、4)强化学习算法的学习稳定性差，相同问题可能得到不同答案且需要大量样本等。
技术实现思路
1、针对上述问题，本专利技术的目的在于提供一种基于大语言模型微调的空域归航排序方法，旨在解决训练机空域归航时间冲突问题，尽可能减少训练机延误时间，减少机场的运营成本，能够作为空中交通管制员的辅助调配工具，减少管制员冲突调配压力。技术方案如下：
2、一种基于大语言模型微调的空域归航排序方法，包括以下步骤：
3、s1：对机场某天的飞行返航信息及计划信息进行收集和数据处理，并根据时隙调配规则进行数据分割，得到原始数据集；
4、s2：以最小总延误时间为目标，通过对时隙冲突问题进行冲突约束设计，建立归航时隙冲突调配的数学模型；
5、s3：根据归航时隙冲突调配的数学模型，将归航时隙冲突调配问题转化为大语言模型的语言建模问题；
6、s4：根据得到的原始数据集，基于大语言模型的微调数据集格式，利用混合整数线性规划方法及语言建模模型生成大语言模型的微调数据集和测试数据集，微调数据集及测试数据集包括大模型的预期输入及预期输出，根据微调数据集及测试数据集使大语言模型学会解决归航时隙冲突问题。
7、更进一步的，所述s1的具体过程为：
8、s11：收集有关飞行计划制定信息及返航信息，以txt文本的形式进行保存，并进行数据的读取；
9、s12：通过对不同机型不同时隙申请情况进行数据集的数据分割，建立小样本数据集，使得大语言模型不会因为本身上下文文本限制而不能理解时隙调配规则。
10、更进一步的，所述s2的具体过程为：
11、s21：确定目标函数为求最小总延误时间，即：
12、
13、其中，z为总延误时间；f为所有申请时隙的训练机合集，代表训练机i实际占用时隙时间，代表训练机i申请时隙时间；
14、s22：确定冲突调配问题约束条件，包括：
15、跑道安全缓冲时间间隔约束：
16、
17、式中，ct代表不同训练机类型所受安全时间间隔常数；代表训练机j实际占用的时隙时间；
18、飞机尾焰涡流安全时间间隔约束：
19、
20、式中，kt代表不同训练机类型安全尾焰涡流时间常数；代表训练机i飞行时占用的时隙时间，代表训练机j飞行时占用的时隙时间；
21、时隙占用有效性约束：
22、
23、式中，ti＝{tstart,tend},i＝1,2,,m代表归航时隙的时隙点划分，tstart和tend表示机场开始工作时间及结束工作时间；表示时隙实际分配时间不得小于时隙申请时间；表示每个时隙最多只能被一个训练机占用，st是一个决策变量，表示时隙点t是否被航班占用，st表示如下：
24、
25、更进一步的，所述s3的具体过程为：
26、将空域归航时隙调配问题转化为语言建模问题，抽取时隙及航班信息特征作为大语言模型的输入特征向量，表示如下：
27、input＝{slotinfo，slothistory}
28、式中，slotinfo为申请时隙训练机航班信息，slothistory为机场时隙历史分配信息；
29、申请时隙训练机航班信息slotinfo具体如下：
30、slotinfo＝[fid,ftype,frequest_slot,epdone]
31、式中，fid表示训练机的呼号，ftype表示训练机的类型，frequest_slot表示训练机申请时隙，epdone表示是否清空当前训练机分配信息；
32、机场时隙历史分配信息slothistory具体如下：
33、slothistory＝[f1,f2,f3,......fn]
34本文档来自技高网...
【技术保护点】
1.一种基于大语言模型微调的空域归航排序方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大语言模型微调的空域归航排序方法，其特征在于，所述S1的具体过程为：
3.根据权利要求1所述的基于大语言模型微调的空域归航排序方法，其特征在于，所述S2的具体过程为：
4.根据权利要求1所述的基于大语言模型微调的空域归航排序方法，其特征在于，所述S3的具体过程为：
5.根据权利要求1所述的基于大语言模型微调的空域归航排序方法，其特征在于，所述S4的具体过程为：所述S4的具体包括：
【技术特征摘要】
1.一种基于大语言模型微调的空域归航排序方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大语言模型微调的空域归航排序方法，其特征在于，所述s1的具体过程为：
3.根据权利要求1所述的基于大语言模型微调的空域归航排序方法，其特征在...
【专利技术属性】
技术研发人员：季玉龙，周文涛，王进林，朱珑涛，王一，沈小龙，
申请(专利权)人：四川大学，
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。