【技术实现步骤摘要】
本专利技术涉及空域航道，特别是一种面向城市空中交通场景的低空空域航道划设方法。
技术介绍
1、在现代城市空中交通的快速发展中，低空空域的管理和航道划设已成为保障飞行器高效、安全运行的关键
，当前的空域划分主要基于固定航道和区域管理策略，以静态规划方式为飞行器提供飞行路线，随着无人机和低空飞行器应用场景的多样化，空域流量密度呈现显著增长，以及为应对可能的更加多元的飞行器设备的空中交通需要更加精细的调控；
2、传统方法常以二维或三维空间的固定区域划设路径，缺乏对飞行器密集度、飞行模式等多维特征的实时分析手段，难以对复杂多变的飞行环境做出灵活响应，不便对历史和当前的飞行轨迹数据进行深度关联，无法形成有效的轨迹映射模型，路径优化与容量预测往往未能同步进行，使得空域在繁忙时段易超出最大负载，无法实时调节路径以适应飞行器密集变化的需求，影响空域通行效率。
技术实现思路
1、鉴于上述现有的面向城市空中交通场景的低空空域航道划设方法中存在的问题，提出了本专利技术。
2、因此，本专利技术所要解决的问题在于传统方法常以二维或三维空间的固定区域划设路径，缺乏对飞行器密集度、飞行模式等多维特征的实时分析手段，难以对复杂多变的飞行环境做出灵活响应，不便对历史和当前的飞行轨迹数据进行深度关联，无法形成有效的轨迹映射模型，影响空域通行效率。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种面向城市空中交通场景的低空空域航道划设方法，其包括，
4、实时
5、基于轨迹数据，组成飞行器轨迹序列数据，进行轨迹序列点映射，使用dtw算法计算飞行器轨迹的相似度，采用密度峰值聚类dpc算法，对dtw相似度数据进行聚类分析，优化城市空域划分；
6、采用ddpg算法构建深度学习模型，预测最大飞行器数量优化飞行器实时路径；
7、基于飞行密度划设子航道区域，实时检测子航道飞行密度进行预警。
8、作为本专利技术所述面向城市空中交通场景的低空空域航道划设方法的一种优选方案，其中：所述实时采集飞行器的运行数据，包括，
9、通过cns/atm系统实时采集飞行器的运行数据，包括位置坐标、速度、航程、飞行时间；
10、基于不同飞行器的运行数据，计算平均飞行速度、平均飞行高度、飞行频率和飞行密度作为飞行特征。
11、作为本专利技术所述面向城市空中交通场景的低空空域航道划设方法的一种优选方案，其中：所述细分飞行器飞行高度层，初步进行城市空域划分，包括，
12、使用预训练的支持向量机svm，基于不同飞行器的飞行特征进行飞行场景的分类；
13、基于每个飞行场景，结合所属场景的飞行器的安全标准，包括最低飞行高度确定飞行器所属高度层的细分划分高度，表示为：；其中表示该类飞行器的推荐飞行高度层，表示地面起始的最低飞行高度，u表示飞行器根据安全标准的所属空域高度层，表示该类飞行器的平均高度，表示飞行器之间的最小安全距离；
14、基于位置坐标信息和飞行器的起落坐标信息确定城市中心坐标；
15、通过voronoi图对城市空域进行网格划分，使用voronoi图划分算法初步进行区域划分。
16、作为本专利技术所述面向城市空中交通场景的低空空域航道划设方法的一种优选方案，其中：所述基于轨迹数据，组成飞行器轨迹序列数据，进行轨迹序列点映射，使用dtw算法计算飞行器轨迹的相似度，采用密度峰值聚类dpc算法，对dtw相似度数据进行聚类分析，包括，
17、采集飞行器的轨迹数据，并根据时间进行序列化处理，根据不同的飞行器在不同时间的位置组成轨迹序列数据；
18、针对不同飞行器的轨迹序列数据，通过动态规划dp法构建最优路径映射表；
19、其中计算需要映射的两个轨迹序列中每个点之间的欧式距离，生成距离矩阵d；
20、构建累积距离矩阵c，使用动态规划算法计算轨迹点到和到的最短累计距离，表示为：；；其中n和m分别表示轨迹a和轨迹b的轨迹点数，表示从上方路径来的最短累积距离，表示从左方路径来的最短累积距离，表示从对角路径来的最短累积距离；
21、从累积距离矩阵的终点开始，沿着最小累积距离反向回溯，找到对应轨迹序列中第i个节点的最优的路径映射；
22、使用dtw算法，沿着最优路径映射计算两个轨迹的相似度，使用累积距离矩阵中的最小距离值作为相似度，表示为：；其中表示a和b两个轨迹序列之间的相似度，n表示轨迹序列的轨迹点总数，和分别表示轨迹序列a和b的第i个轨迹点；
23、将计算得到的飞行器轨迹之间的dtw相似度结果组织相似度矩阵，n表示飞行器数量，并进行聚类分析；
24、采用密度峰值聚类dpc算法，通过对dtw相似度矩阵进行密度分析，识别出密度最高的轨迹，并优先选择这些密度峰值点作为初始聚类中心，表示为：；其中表示轨迹序列的局部密度，n表示所有轨迹总数，表示基于所有轨迹对的dtw距离的均值参数；
25、对每个轨迹，统计比其密度更高的轨迹并计算每个轨迹与比其密度更高轨迹的最小距离，识别密度峰值中的局部最大值作为初始聚类中心，表示为：
26、；其中表示每个轨迹到密度高于它的轨迹的最小距离，和分别表示轨迹a和b的局部密度；
27、基于初始聚类中心，根据dtw相似度矩阵将每个轨迹分配到与其dtw相似度最小的聚类中心；
28、对每个聚类重新计算类内轨迹到新聚类中心的平均dtw距离最小的轨迹序列作为新的中心，在每次迭代中，基于相似度更新聚类中心，直至相似度的变化不再明显，则停止迭代；
29、基于聚类分析，通过迭代选择类内平均dtw距离最小的轨迹作为新的聚类中心，识别和区分不同飞行器的飞行模式。
30、作为本专利技术所述面向城市空中交通场景的低空空域航道划设方法的一种优选方案，其中：所述优化城市空域划分，包括，
31、基于通过voronoi图对城市空域进行的网格划分，识别聚类中心，并根据聚类中心的轨迹序列数据，进行主航道区域的划分，基于航道划设标准，若两个聚类中心间的距离小于设定的最小空域间隔，则合并其对应的voronoi区域，形成连续的空域走廊。
32、作为本专利技术所述面向城市空中交通场景的低空空域航道划设方法的一种优选方案，其中：所述采用ddpg算法构建深度学习模型，预测最大飞行器数量优化飞行器实时路径，包括，
33、将飞行器的位置坐标数据和速度向量数据以及与其他飞行器的相对距离作为飞行器飞行的状态空间数据；
34、将飞行器的速度调整方向与大小作为动作空间数据；
35、设定奖励函数，其中奖励函数分别考虑飞行器间的安全距离、空域拥挤度以及飞行路径的平稳性；
36、将安全距离奖励、空域容量奖励和路径平稳性奖励相加的和作为总奖励函数；
37、采用ddpg算本文档来自技高网...
【技术保护点】
1.一种面向城市空中交通场景的低空空域航道划设方法，其特征在于：包括，
2.如权利要求1所述的面向城市空中交通场景的低空空域航道划设方法，其特征在于：所述实时采集飞行器的运行数据，包括，
3.如权利要求2所述的面向城市空中交通场景的低空空域航道划设方法，其特征在于：所述细分飞行器飞行高度层，初步进行城市空域划分，包括，
4.如权利要求3所述的面向城市空中交通场景的低空空域航道划设方法，其特征在于：所述基于轨迹数据，组成飞行器轨迹序列数据，进行轨迹序列点映射，使用DTW算法计算飞行器轨迹的相似度，采用密度峰值聚类DPC算法，对DTW相似度数据进行聚类分析，包括，
5.如权利要求4所述的面向城市空中交通场景的低空空域航道划设方法，其特征在于：所述优化城市空域划分，包括，
6.如权利要求5所述的面向城市空中交通场景的低空空域航道划设方法，其特征在于：所述采用DDPG算法构建深度学习模型，预测最大飞行器数量优化飞行器实时路径，包括，
7.如权利要求6所述的面向城市空中交通场景的低空空域航道划设方法，其特征在于：所述基
8.如权利要求7所述的面向城市空中交通场景的低空空域航道划设方法，其特征在于：所述实时检测子航道飞行密度进行预警，包括，
9.一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的面向城市空中交通场景的低空空域航道划设方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的面向城市空中交通场景的低空空域航道划设方法的步骤。
...【技术特征摘要】
1.一种面向城市空中交通场景的低空空域航道划设方法，其特征在于：包括，
2.如权利要求1所述的面向城市空中交通场景的低空空域航道划设方法，其特征在于：所述实时采集飞行器的运行数据，包括，
3.如权利要求2所述的面向城市空中交通场景的低空空域航道划设方法，其特征在于：所述细分飞行器飞行高度层，初步进行城市空域划分，包括，
4.如权利要求3所述的面向城市空中交通场景的低空空域航道划设方法，其特征在于：所述基于轨迹数据，组成飞行器轨迹序列数据，进行轨迹序列点映射，使用dtw算法计算飞行器轨迹的相似度，采用密度峰值聚类dpc算法，对dtw相似度数据进行聚类分析，包括，
5.如权利要求4所述的面向城市空中交通场景的低空空域航道划设方法，其特征在于：所述优化城市空域划分，包括，
6.如权利要求5所述的面向城市空中交通场景...
【专利技术属性】
技术研发人员：汤淼，陈丹，贾萌，陈奕霖，陈继伟，李坤朗，陈双成，
申请(专利权)人：南京工程学院，
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。