公开(公告)号：CN118469346B

公开(公告)日：2024-09-03

申请号：CN202410923073.1

申请日：2024-07-10

申请人： 中国民用航空飞行学院

发明人： 潘卫军 ,  高健伟 ,  陈志远 ,  王玄 ,  左青海 ,  栾天 ,  王润东 ,  何沁悦 ,  姜沿强 ,  陈晟 ,  尹子锐

IPC分类号： G06Q10/0637 ,  G06Q50/26

摘要： 本发明涉及空域管理技术领域，公开一种城市超低空空域划分和容量计算方法，包括以下步骤：使用改进的Voronoi方法对空域进行划分；计算基础空域容量；获取城市建筑信息数据，计算人口暴露风险指数、建筑物影响因子；获取城市建筑中的微气象数据和通讯信号数据，计算平均信号强度、信号传播路径长度、微尺度气象影响因子；基于基础空域容量、人口暴露风险指数、建筑物影响因子、平均信号强度、信号传播路径长度、微尺度气象影响因子，使用空域模型计算城市超低空空域容量。本发明能够使用少量数据，快速、高效、准确地计算超低空空域容量。

公开(公告)号：CN115527397A

公开(公告)日：2022-12-27

申请号：CN202211237546.X

申请日：2022-09-30

申请人： 中国民用航空飞行学院

发明人： 王壮 ,  潘卫军 ,  周少武 ,  王泆棣 ,  王梓璇 ,  邓蕾蕾 ,  潘璇 ,  何沁悦 ,  陈志远 ,  韩博源 ,  高健伟 ,  唐灵弢

IPC分类号： G08G5/00 ,  G08G5/06

摘要： 本发明公开了一种基于多模神经网络的空管态势特征提取方法及装置，该方法包括下述步骤：首先，获取空管监视数据并进行预处理；然后，监视数据分类，根据卷积神经网络和全连接神经网络两种模态，将经度、纬度、航向、水平速度数据归为二维姿态数据，将航空器识别号、高度、垂直速度数据归为其余有效数据；之后，使用二维姿态数据绘制空管二维态势图作为卷积神经网络的输入，提取空管水平面态势特征，使用其余有效数据构建二维结构化数据，提取空管航空器数量和高度态势特征。最后，经过特征融合，输出提取的空管态势特征。本发明可以应用在空中交通管理过程中，提取全面的空管态势特征，提升空管自动化和智能化水平。

公开(公告)号：CN118036714B

公开(公告)日：2024-06-11

申请号：CN202410437635.1

申请日：2024-04-12

申请人： 中国民用航空飞行学院

发明人： 潘卫军 ,  高健伟 ,  姜沿强 ,  蒋培元 ,  张坚 ,  陈晟 ,  王玄 ,  左青海 ,  栾天 ,  李正阳

IPC分类号： G06N3/098 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0442 ,  G06Q10/04 ,  G06Q50/40

摘要： 本发明涉及空域流量预测技术领域，提出基于集成学习算法的空域流量预测方法，包括步骤：收集历史空域流量数据和与之相关的空间结构数据，并进行预处理；构建GNN模型，使用GNN模型计算对空域网络中的各节点影响程度、节点间影响程度，节点为任一机场或任一航路点；GNN模型对节点影响程度、节点间影响程度以及时间序列数据进行特征转换和注意力融合，得到融合后的特征向量；将融合后的特征向量输入LSTM模型，得到预测的节点的空域流量。本发明通过集成GNN模型和LSTM模型对节点的空域流量的影响程度进行分析，以及对节点的空域流量进行预测。

公开(公告)号：CN118469346A

公开(公告)日：2024-08-09

申请号：CN202410923073.1

申请日：2024-07-10

申请人： 中国民用航空飞行学院

发明人： 潘卫军 ,  高健伟 ,  陈志远 ,  王玄 ,  左青海 ,  栾天 ,  王润东 ,  何沁悦 ,  姜沿强 ,  陈晟 ,  尹子锐

IPC分类号： G06Q10/0637 ,  G06Q50/26

摘要： 本发明涉及空域管理技术领域，公开一种城市超低空空域划分和容量计算方法，包括以下步骤：使用改进的Voronoi方法对空域进行划分；计算基础空域容量；获取城市建筑信息数据，计算人口暴露风险指数、建筑物影响因子；获取城市建筑中的微气象数据和通讯信号数据，计算平均信号强度、信号传播路径长度、微尺度气象影响因子；基于基础空域容量、人口暴露风险指数、建筑物影响因子、平均信号强度、信号传播路径长度、微尺度气象影响因子，使用空域模型计算城市超低空空域容量。本发明能够使用少量数据，快速、高效、准确地计算超低空空域容量。

公开(公告)号：CN118036714A

公开(公告)日：2024-05-14

申请号：CN202410437635.1

申请日：2024-04-12

申请人： 中国民用航空飞行学院

发明人： 潘卫军 ,  高健伟 ,  姜沿强 ,  蒋培元 ,  张坚 ,  陈晟 ,  王玄 ,  左青海 ,  栾天 ,  李正阳

IPC分类号： G06N3/098 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0442 ,  G06Q10/04 ,  G06Q50/40

摘要： 本发明涉及空域流量预测技术领域，提出基于集成学习算法的空域流量预测方法，包括步骤：收集历史空域流量数据和与之相关的空间结构数据，并进行预处理；构建GNN模型，使用GNN模型计算对空域网络中的各节点影响程度、节点间影响程度，节点为任一机场或任一航路点；GNN模型对节点影响程度、节点间影响程度以及时间序列数据进行特征转换和注意力融合，得到融合后的特征向量；将融合后的特征向量输入LSTM模型，得到预测的节点的空域流量。本发明通过集成GNN模型和LSTM模型对节点的空域流量的影响程度进行分析，以及对节点的空域流量进行预测。

公开(公告)号：CN115527397B

公开(公告)日：2023-06-02

申请号：CN202211237546.X

申请日：2022-09-30

申请人： 中国民用航空飞行学院

发明人： 王壮 ,  潘卫军 ,  周少武 ,  王泆棣 ,  王梓璇 ,  邓蕾蕾 ,  潘璇 ,  何沁悦 ,  陈志远 ,  韩博源 ,  高健伟 ,  唐灵弢

IPC分类号： G08G5/00 ,  G08G5/06

摘要： 本发明公开了一种基于多模神经网络的空管态势特征提取方法及装置，该方法包括下述步骤：首先，获取空管监视数据并进行预处理；然后，监视数据分类，根据卷积神经网络和全连接神经网络两种模态，将经度、纬度、航向、水平速度数据归为二维姿态数据，将航空器识别号、高度、垂直速度数据归为其余有效数据；之后，使用二维姿态数据绘制空管二维态势图作为卷积神经网络的输入，提取空管水平面态势特征，使用其余有效数据构建二维结构化数据，提取空管航空器数量和高度态势特征。最后，经过特征融合，输出提取的空管态势特征。本发明可以应用在空中交通管理过程中，提取全面的空管态势特征，提升空管自动化和智能化水平。