空管中期冲突探测与解脱技术

中期冲突探测与解脱技术内容现有的几种典型中期冲突探测方法概述几种中期冲突探测方法的对比与优缺点分析对概率型冲突探测方法的改进中期冲突解脱算法总结中期冲突探测飞行冲突两架飞机间的横向、纵向和垂直间隔均小于规定的飞行间隔标准。中期冲突探测对未来数十分钟内(典型值为20～30分钟)，飞机之间的飞行冲突情况所进行的预测。飞行冲突探测的分类及意义飞行冲突探测分为短、中、长期三个层次。短期：预测时间为若干秒到几分钟。优点：准确。不足：对冲突解脱的要求较高，代价也较大。

长期：预测时间为数小时。不足：无法预知飞行过程中的突发情况，准确性不足。短期、中期、长期冲突探测在不同层次上协同合作，能最大程度的保证空中交通安全。典型中期冲突探测方法欧洲几何型中期冲突探测方法Prandini等所提出的随机化方法Paielli等所提出的近似解析方法欧洲几何型中期冲突探测方法通过比较为飞机设定的保护区是否发生交叠，实现对飞行冲突的确定性预测。优点：模型简单、计算速度快缺点：虚警率高随机化中期冲突探测方法两架飞机t时刻的冲突概率为考虑航迹误差后的飞机航行过程示意图随机化中期冲突探测方法

应该以预测时间内冲突概率的最大值，来衡量预测时间内的冲突概率两点不足：

1.过于耗时。例如：预测时间为20分钟，需要计算并比较1200个秒时刻的PC(t),才能得到冲突最大值。

2.PC(t)没有解析解，数值解又过于耗时。随机化中期冲突探测方法不足1的解决方法：

减少对PC(t)的计算次数。在20分钟内，按照均匀分布选择N个秒时刻来进行冲突概率计算，用这N个冲突概率中的最大值代表20分钟内的冲突概率。随机化中期冲突探测方法不足2的解决方法：

首先利用Cholesky分解和变量替换，将PC(t)的计算转化为对服从标准正态分布的随机变量w的积分

然后，利用MonteCarlo思想求此积分：按照标准正态分布N(0,I)随机选取M个点，统计出落在积分区域Et内的点的个数Y，Y/M即此时刻的冲突概率PC(t)。中期冲突探测近似解析方法用于在直飞航段空域中进行中期冲突探测飞机间的相遇几何模型1.S和R代表两架飞机.2.将两飞机的联合航迹误差都加到飞机S之上。将由安全间隔确定的冲突区域加在飞机R之上。3.S始终处于当前位置，R沿两机的相对速度方向移动。随机化中期冲突探测方法在上述模型中，包含联合航迹误差的S飞机位置随机变量在扩展冲突域中的积分不能通过解析方法直接求得。利用两次坐标变换来解决此问题，得到了求解此积分的近似解析方法。随机化中期冲突探测方法图1坐标变换前的相遇几何图2非正交变换后的相遇几何图3正交变换后的相遇几何随机化中期冲突探测方法两次坐标变换后的相遇几何

经过两次坐标变换，求联合航迹误差随机变量在扩展冲突域范围内积分不再困难。由于其两个分量都符合标准正态分布，且相互独立。因此，可以方便的通过求两个分量积分的乘积来求得二维变量的积分：现在，各分量的积分区域也变得容易确定。X方向的积分区域为(-∞,+∞)，因此，X方向上的积分为1。

Y方向上的积分范围为坐标变换后扩展冲突域的宽度范围。典型中期冲突探测方法的性能对比

方法

性能指标欧洲几何型中期冲突探测方法Prandini中期冲突探测方法Paielli中期冲突探测方法方法实现难度简单较复杂较复杂实时性较好较差好准确性方面强调安全性,但虚警率较高较好，但结果偶尔有较大偏差较好能否反映冲突可能性大小不能能能能否用于多航路点航路能能不能改进中期冲突探测近似解析方法Paielli方法的不足：

其是为直飞航路而设计，在地面导航且航路中具有多个航路点的情况下，不能直接利用Paielli方法进行中期冲突探测主要原因：

其利用两架飞机当前位置的雷达测量值以及在当前时刻的相对速度矢量，来构建两架飞机在未来预测时间范围内的相遇关系(相遇几何)。在多航路点航路中，若飞机在预测时间范围内存在发生明显的转弯，上述相遇几何会错误的刻画两架飞机在未来的相遇关系。改进中期冲突探测近似解析方法航行过程存在明显转弯的实例改进中期冲突探测近似解析方法利用当前雷达测量值所构建的相遇几何改进中期冲突探测近似解析方法飞机A航向发生变化之后两架飞机间实际的相遇几何

改进中期冲突探测近似解析方法思路：

在非直飞航路中，以两架飞机在最小预测间距时刻的位置关系，所构建出的相遇几何，才能准确的反映出预测时间范围内，两架飞机间的相遇关系。因此，根据两架飞机在最小预测间距时刻的相遇几何，来计算预测时间范围内两架飞机的冲突概率。直飞航路中的准确性对比实验直飞航路中的实时性对比结果

改进前后的近似解析方法，在Matlab平台下进行一次中期冲突探测的耗时均为约0.027秒。可见改进后的方法保持了原方法实时性强的优点。非直飞航路中的对比实验非直飞航路航行实例同MonteCarlo仿真的对比非直飞航路中的对比实验飞行冲突解脱

冲突解脱的根本目的：提供飞行间隔

飞行间隔通过冲突解脱来实现冲突解脱方法飞行冲突解脱分类飞行前调配解脱飞行中调配解脱常用的解脱方法时间调配冲突解脱高度调配冲突解脱速度调配冲突解脱航向调配冲突解脱

此外还有基于最小代价的调配预案自动生成通常适用与飞行阶段的调配。通常是在飞行计划执行的前一天进行飞行计划执行过程中进行，可以有效的利用空域适用于飞行计划未执行阶段高度、速度和航向调配适用于所有阶段典型中期冲突解脱方法大转盘算法遗传算法穷举算法大转盘算法交通转盘航路策略思想来源地面交通中的交通转盘交通转盘规则:所有从各路口进入转盘的车辆在转盘里排队沿同一方向行驶，到达合适的路口后离开转盘。地面交通中的交通转盘在疏导人流或车流方面更安全,更快捷,对避免交通事故、交通堵塞具有重要作用。交通转盘的一个显著特性就是使得原本将要发生冲突的双方沿着转盘方向排队从而不再冲突。正是由于交通转盘具有这样的特性,可以利用它来解决空中交通冲突解脱问题。使用交通转盘法进行飞行冲突解脱1.两架飞机的理论飞行线路的夹角为θ

2.两架飞机分别飞到左图中A、B两点时,达到最小安全距离ds1.两架飞机等速飞行2.A、B两点距碰撞点o的距离必然相等,设此时A、B两点距碰撞点o距离为r,3.以o为圆心,r为半径画圆,遗传算法

遗传算法是一种基于生物自然选择与遗传机理的随机搜索算法

和传统搜索算法不同,遗传算法从一组随机产生的初始解开始搜索过程。该初始解称为“种群[population]”,种群中的每个个体是问题的一个解,称为“染色体”。

这些染色体在后代迭代中,不断进化,称为遗传。在每一代中用“适应值[fit2ness]”来测量染色体的好坏。生成的下一代染色体,称为后代。后代是由前一代染色体通过交叉或变异运算形成的。在新一代形成中,

根据适应值的大小选择部分后代,淘汰部分后代,从而保持种群大小是常数。适值高的染色体被选中的概率较高。这样,经过若干代之后,算法收敛于最好的染色体,它很可能就是问题的最优解或次优解。遗传算法仿真效果图穷举算法根据两飞机的相遇几何，穷举各种解脱方式必须考虑的类型：横向（转一个或a/c两个都转）纵向（爬升或者下降a/c）速度（加速或减速）九种典型冲突集合策略例子九种典型冲突集合策略例子九种典型冲突集合策略例子高度调配解脱考虑因素航空器有其最佳巡航高度层航线天气状航线最低飞行的安全高度航线巡航高度层占用和空闲情况飞行任务的性质航空器之间的高度、纵向和横向间隔不符合安全规定时可使用高度调配解脱高度调配优缺点：优点从理论上讲，所有的冲突都可以通过高度调配的方法来解脱缺点可用高度层数量有限穿越高度层要涉及两个以上的高度层的冲突重新探测可能有多架飞机同时参与调配速度调配解脱雷达监控的程序管制下常用的一种方法优点该方法具有无需偏离航线管制风险小的优点缺点调配余度小对管制员的调配经验要求高等待航线、最后进近阶段不能调速航向调配解脱适用范围航线或终端区周围空域航空器之间距离较近甚至重叠管制员对雷达的可靠性有充分的信心，且愿意承担管制责任使用时需要管制员了解航空器所使用空域的地形特点，确保航空器不低于使用区域的最低安全高度。航向调配解脱航向调配优缺点优点可迅速配备航空器之间规定的间隔调配余度大直观易判断机组操作简便，满意度高缺点管制员安全责任