一种航空器轨迹偏航预警的方法、电子设备及存储介质

    公开(公告)号:CN116052482A

    公开(公告)日:2023-05-02

    申请号:CN202310346485.9

    申请日:2023-04-03

    IPC分类号: G08G5/00

    摘要: 本发明提供了一种航空器轨迹偏航预警的方法,通过获取预设航空路网对应的航空路线信息列表,获取目标航空器的预设航空器轨迹对应的导航点信息,获取第一轨迹对应的第一轨迹信息列表,进而获取到目标航空器在预设时间段内对应的轨迹点的经纬度坐标列表,基于航空路线信息列表对经纬度坐标进行路网匹配,获取中间轨迹对应的中间轨迹信息,获取第二轨迹信息与每一第一轨迹信息之间的相似度列表,获取相似度列表中的最大值作为目标相似度,当目标相似度小于等于预设第一相似度阈值时,向目标航空器对应的服务器发送偏航预警信息。避免了起飞后发生特殊情况导致目标航空器偏航,用户不能及时发现并处理的情况。

    一种基于多数据库的数据存储方法、存储介质及电子设备

    公开(公告)号:CN115840763A

    公开(公告)日:2023-03-24

    申请号:CN202310134132.2

    申请日:2023-02-20

    IPC分类号: G06F16/2453 G06F3/06

    摘要: 本发明提供了一种基于多数据库的数据存储方法、存储介质及电子设备,该方法包括:响应于接收到目标执行事件的目标事件数据,确定出目标执行事件标识和至少包括目标物标识尾号的目标物标识;根据目标执行事件标识获取对应的事件执行时间tstart;获取第一数据库中每一数据表对应的时间窗口,得到时间窗口集ΔT;每一数据表包括具有关联的标识尾号的若干子数据表;将目标事件数据存储于目标子数据表中;目标子数据表为目标数据表中关联的标识尾号与目标物标识尾号相同的子数据表,目标数据表为ΔT中tstart所在的时间窗口对应的数据表。由此,从第一数据库中读取事件数据较为节省计算资源,且可以提升从第一数据库读取事件数据的效率。

    一种基于多卫星数据源的数据融合系统

    公开(公告)号:CN115460553A

    公开(公告)日:2022-12-09

    申请号:CN202211322285.1

    申请日:2022-10-27

    摘要: 本发明提供了一种基于多卫星数据源的数据融合系统,包括:服务器、机载装置和若干卫星;服务器用于获取融合位置数据s0=(lon0,lat0,alt0);其中,将lon0、lat0和alt0代入目标函数G(lon,lat,alt)时,G(lon,lat,alt)最小;G(lon,lat,alt)=∑i=1k((lon‑loni)2*wi)+∑i=1k((lat‑lati)2*wi)+∑i=1k((alt‑alti)2*wi);wi为si的权重系数;loni为si的经度信息,lati为si的纬度信息,alti为si的高度信息;si为第i个目标位置数据。由此,可以提高融合位置数据的数据准确度。

    用户数据处理方法、存储介质及电子设备

    公开(公告)号:CN114880581A

    公开(公告)日:2022-08-09

    申请号:CN202210755534.X

    申请日:2022-06-30

    IPC分类号: G06F16/9535 G06F16/9537

    摘要: 本发明提供了一种用户数据处理方法,包括:获取目标用户对应的画像特征数据P;根据目标用户对应的第一事件集B,确定目标用户对应的行为特征信息A;根据当前时间tnow和第一时间跨度,获取目标用户的第二事件集M={m1,m2,m3,…,mn},mi=(d1i,d2i,pi,qi,ti);确定目标用户对应的用户特征向量E=(P,A,d1n,d2n,pn/Un,qn,n‑1,L);其中,Un为mn对应的第二事件参数,Un=dist(d1n,d2n),dist()为预设的距离计算函数;L为目标用户对应的用户参数,L=Num(qi≠1,mi,1,n‑1)/(n‑1),Num()为预设的计数函数;根据E,在若干候选事件类型中,确定出目标事件类型。采用本公开,通过目标用户的画像特征数据P、行为特征信息A和第二事件集M等特征数据确定目标用户对应的目标事件类型,特征数据较为多样化,可以提高确定目标用户对应的目标事件类型的准确度。

    ADS-B数据的滤波方法、装置、计算机设备及存储介质

    公开(公告)号:CN113257044B

    公开(公告)日:2022-02-11

    申请号:CN202110775367.0

    申请日:2021-07-09

    IPC分类号: G08G5/00 G06F17/18 G06F17/16

    摘要: 本申请提供了一种ADS‑B数据的滤波方法、装置、计算机设备及存储介质,涉及航空技术领域,用于对ADS‑B数据进行滤波,去除ADS‑B数据中的噪声。方法主要包括:获取当前时刻的ADS‑B数据的观测高斯分布和ADS‑B数据的预测高斯分布,以及过程误差矩阵Q,所述观测高斯分布包括协方差矩阵R,所述预测高斯分布包括协方差矩阵P;将所述预测高斯分布中的协方差矩阵P加上所述过程误差矩阵Q;对所述观测高斯分布和加上所述过程误差矩阵Q的所述预测高斯分布进行融合,得到所述当前时刻的校准高斯分布;根据所述当前时刻的校准高斯分布更新所述当前时刻的ADS‑B数据的观测高斯分布;其中,观测的经纬度坐标符合所述观测高斯分布,预测的状态向量符合所述预测高斯分布。

    一种基于排序学习的多数据源航班起飞时间预测方法

    公开(公告)号:CN111599219B

    公开(公告)日:2021-12-24

    申请号:CN202010459570.2

    申请日:2020-05-27

    摘要: 本发明公开了一种基于排序学习的多数据源航班起飞时间预测方法,包括以下步骤:使用航班属性和航班起飞预测时间的历史数据进行预测模型训练;对预测模型进行优化;通过预测模型对多数据源航班起飞时间的实时数据进行采信。该方法将排序学习算法应用于航班预计起飞时间预测的多数据源决策采信中,基于多数据源对航班预测起飞时间的历史数据进行时间采样,结合航班属性形成航班文档集,并基于预测误差的航班起飞时间预测进行相关性标注,调用排序学习算法获取得分最高的预测起飞时间作为决策采信。本发明的方案将航班的所有数据源的历史预测数据结合在一起,合理利用了预测信息量,训练数据丰富,统一模型解决航班整个生命周期中任何时刻预测采信问题的综合决策。

    一种多数据源航班起飞时间校正方法

    公开(公告)号:CN111583725B

    公开(公告)日:2021-09-03

    申请号:CN202010459194.7

    申请日:2020-05-27

    IPC分类号: G08G5/00

    摘要: 本发明公开了一种多数据源航班起飞时间校正方法,实时接收不同数据源起飞事件报文,其特征在于,对每条报文数据的处理过程包括下述步骤:校验报文数据有效性;判断航班最终起飞时间是否确定;若航班最终起飞时间未确定,则将报文起飞时间确定为第一个起飞时间,并利用ADS‑B数据对该起飞时间进行校验;若航班最终起飞时间已确定,且早于本条报文起飞时间,则结束本条报文判断,否则利用ADS‑B数据对航班最终起飞时间和报文起飞时间进行校验,并决定是否校正最终起飞时间。本发明的方法利用ADS‑B数据对航班起飞时间进行校验,包括对单个起飞时间校验和对两个起飞时间校验,不仅仅依赖通过历史数据统计分析和经验制定选择或过滤规则,有助于克服此前规则式方法依赖于历史数据和经验,有助于提高起飞时间准确性。

    航班事件发生时间预测方法、装置、设备及存储介质

    公开(公告)号:CN112836905A

    公开(公告)日:2021-05-25

    申请号:CN202110433578.6

    申请日:2021-04-22

    摘要: 本申请提供了一种航班事件发生时间预测方法、装置、计算机设备及存储介质,涉及航空技术领域,用于提高航班事件发生时间预测的准确率。方法主要包括:获取航班固定信息和时序报文信息的历史数据,所述时序报文信息中包含航班事件发生的真实时间;对所有所述历史数据进行预处理得到训练数据集,所述训练数据集包含特征训练集、目标训练集,所述目标训练集为航班事件发生的真实时间的数据集;通过所述训练数据集进行深度学习神经网络训练得到航班事件发生时间预测模型;根据所述航班事件发生时间预测模型预测航班事件发生的时间。

    一种航班放行率的预测系统

    公开(公告)号:CN112132366A

    公开(公告)日:2020-12-25

    申请号:CN202011367710.X

    申请日:2020-11-30

    摘要: 本发明公开了一种航班放行率的预测系统,包括处理器、存储器和可读存储介质,处理器加载并执行以实现如下步骤:获取机场的样本数据集A,样本数据集A包括多个样本数据列表,A=(A1,A2,……,Ai,……,Am),其中,样本数据列表Ai是指第i个第一时间节点对应的样本数据列表;将样本数据列表Ai中样本数据进行预处理,得到目标数据和目标数据对应的目标数据集;根据目标数据集,划分为训练数据和预测数据;利用训练数据输入至预测模型,调整预测模型参数;利用预测数据输入至调整后的预测模型,得到航班放行率的预测值;本发明能够获取全部天气状态数据和全部航班状态数据,对模型进行训练,综合天气和航班双重因素,准确的预测航班放行率。