留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种基于SVM的低空飞行冲突探测算法

韩冬 张学军 聂尊礼 管祥民

韩冬, 张学军, 聂尊礼, 等 . 一种基于SVM的低空飞行冲突探测算法[J]. 北京航空航天大学学报, 2018, 44(3): 576-582. doi: 10.13700/j.bh.1001-5965.2017.0159
引用本文: 韩冬, 张学军, 聂尊礼, 等 . 一种基于SVM的低空飞行冲突探测算法[J]. 北京航空航天大学学报, 2018, 44(3): 576-582. doi: 10.13700/j.bh.1001-5965.2017.0159
HAN Dong, ZHANG Xuejun, NIE Zunli, et al. A conflict detection algorithm for low-altitude flights based on SVM[J]. Journal of Beijing University of Aeronautics and Astronautics, 2018, 44(3): 576-582. doi: 10.13700/j.bh.1001-5965.2017.0159(in Chinese)
Citation: HAN Dong, ZHANG Xuejun, NIE Zunli, et al. A conflict detection algorithm for low-altitude flights based on SVM[J]. Journal of Beijing University of Aeronautics and Astronautics, 2018, 44(3): 576-582. doi: 10.13700/j.bh.1001-5965.2017.0159(in Chinese)

一种基于SVM的低空飞行冲突探测算法

doi: 10.13700/j.bh.1001-5965.2017.0159
基金项目: 

国家自然科学基金 U1533119

详细信息
    作者简介:

    韩冬  男, 博士研究生。主要研究方向:航空监视、航空电子

    张学军  男, 博士, 教授, 博士生导师。主要研究方向:航空数据通信系统、航空电子技术、现代空中交通管理技术

    通讯作者:

    张学军, E-mail: zhxj@buaa.edu.cn

  • 中图分类号: V355

A conflict detection algorithm for low-altitude flights based on SVM

Funds: 

National Natural Science Foundation of China U1533119

More Information
  • 摘要:

    随着低空飞行密度不断增加,低空航行安全已引起广泛关注,由于低空环境复杂,低空飞行受地面障碍物和天气影响比商用航空显著,传统的空中交通警戒与防撞系统(TCAS)和其他冲突探测方法并不适用于低空密集飞行环境。针对传统探测方法计算量大、适用性差的不足,引入支持向量机(SVM)的二元分类方法,通过对本机和周边飞机航迹归一化处理,采用智能优化算法对关键参数进行优化,利用模拟数据对分类器进行预先训练,实现了适用于低空飞行的高效冲突探测。以大量的仿造数据对算法有效性进行了测试验证,结果表明漏警率和误警率分别控制在约0.1%和6%,克服了传统确定型方法与概率型方法难以兼顾效率与适用性的缺陷。

     

  • 图 1  检测系统结构

    Figure 1.  Detection system structure

    图 2  保护区模型

    Figure 2.  Protection zone model

    图 3  GA-PSO混合算法训练流程

    Figure 3.  GA-PSO hybrid algorithm training process

    图 4  w变化曲线

    Figure 4.  Variation curve of w

    图 5  粒子变异流程

    Figure 5.  Particle variation process

    图 6  交叉验证平均正确率

    Figure 6.  Average accuracy of cross-validation

    表  1  无冲突判定准则

    Table  1.   No conflict judgment criteria

    卦限编号 卦限区间 无冲突判定准则
    1 xR>0, yR>0, zR>0
    2 xR<0, yR>0, zR>0
    3 xR<0, yR<0, zR>0
    4 xR>0, yR<0, zR>0
    5 xR>0, yR>0, zR<0
    6 xR<0, yR>0, zR<0
    7 xR<0, yR<0, zR<0
    8 xR>0, yR<0, zR<0
    下载: 导出CSV

    表  2  3种算法参数

    Table  2.   Parameters of three algorithms

    参数 GA算法 PSO算法 GA-PSO混合算法
    训练代数 100 100 100
    种群大小 30 30 30
    c1 N/A 1.5 1.5
    c2 N/A 1.7 1.7
    代沟 0.9 N/A 0.5
    交叉概率 0.7 N/A 0.7
    变异概率 0.02 N/A 0.02
    注:N/A表示不适用。
    下载: 导出CSV

    表  3  归一化飞行状态

    Table  3.   Normalized flight status

    飞机序号 相对经度xRi 相对纬度yRi 相对高度zRi 相对速度‖VRi 相对航向角θRi
    1 0.34 0 0.212 -1 0.2
    2 0.78 -0.5 -0.261 0.2 0.5
    3 -0.88 1 0.921 0 0.1
    N -0.44 0.34 0 -0.3 0.8
    注:xRiyRizRi、‖VRi‖的区间为[-1, 1];θRi区间为[0, 1]。
    下载: 导出CSV

    表  4  SVM模型的平均正确率

    Table  4.   Average accuracy of SVM models

    %
    训练集(冲突-非冲突) GA算法 PSO算法 GA-PSO混合算法
    100-100 82.016 9 81.903 82.789
    150-150 87.649 8 87.603 4 89.029
    200-200 82.713 1 83.641 4 84.244
    300-300 85.779 7 87.139 8 87.411
    下载: 导出CSV

    表  5  CESSNA 172的尺寸和性能

    Table  5.   Dimensions and performance of CESSNA 172

    尺寸 数值 主要性能 数值
    长/ft 27.2 最大巡航速度/(km·h-1) 230
    高/ft 8.9 最大航程/nmi 640(1 185 km)
    翼展/ft 36.1 最大爬升率/(ft·mim-1) 730(223 m/min)
    极限速度/(km·h-1) 302
    失速速度/(km·h-1) 89
    注:最大承载人数为4。
    下载: 导出CSV

    表  6  用于检测的统计数据

    Table  6.   Statistical data for detection

    检测总次数 冲突航迹检测次数 不冲突航迹检测次数
    104 069 51 680 52 439
    下载: 导出CSV

    表  7  检测系统性能的统计数据

    Table  7.   Statistical data for performance of detection system

    性能 初始检测状态 10 s内检测
    不经过移动加权平均 经过移动加权平均
    漏警数 10 57 52
    误警数 363 3 280 3 277
    漏警率/% N/A 0.110 3 0.100 6
    误警率/% N/A 6.254 9 6.249 2
    下载: 导出CSV
  • [1] GARIEL M, HANSMAN R, FRAZZOLI E. Impact of GPS and ADS-B reported accuracy on conflict detection performance in dense traffic: AIAA-2011-6893[R]. Reston: AIAA, 2011.
    [2] FULTON N L.Airspace design:Towards a rigorous specification of complexity based on computational geometry[J].Aeronautical Journal, 1999, 103(1020):75-84. doi: 10.1017/S0001924000027779
    [3] CHIANG, YI J, KLOSOWSKI J, et al. Geometric algorithms for conflict detection and resolution in air traffic management[C]//36th IEEE Conference on Decision and Control. Piscataway, NJ: IEEE Press, 1997, 2(2): 1835-1840.
    [4] MCDONALD J, VIVONA R. Strategic airborne conflict detection of air traffic and area hazards: NAS2-98005[R]. Washington, D. C. : NASA, 2000.
    [5] PRANDINI M, HU J, SASTRY S.A probabilistic approach to aircraft conflict detection[J].IEEE Transactions on Intelligent Transportation Systems, 2000, 1(4):199-220. doi: 10.1109/6979.898224
    [6] JARDIN M R. Grid-based strategic air traffic conflict detection: AIAA-2005-5826[R]. Reston: AIAA, 2005.
    [7] HU J. Aircraft conflict detection in presence of spatially correlated wind perturbations: AIAA-2003-5339[R]. Reston: AIAA, 2003.
    [8] 李彬, 吴珍珍.基于航迹预测的飞行冲突预测[J].微处理机, 2011(2):73-80. http://kns.cnki.net/KCMS/detail/detail.aspx?filename=wclj201102022&dbname=CJFD&dbcode=CJFQ

    LI B, WU Z Z.Flight conflict detection based on flight path prediction[J].Microprocessors, 2011(2):73-80(in Chinese). http://kns.cnki.net/KCMS/detail/detail.aspx?filename=wclj201102022&dbname=CJFD&dbcode=CJFQ
    [9] 韩艳茹, 敬忠良, 龚嘉琦.空中交通预警与防撞系统(TCAS)风险及对策研究[J].计算机测量与控制, 2012, 20(3):737-740. http://kns.cnki.net/KCMS/detail/detail.aspx?filename=jzck201203052&dbname=CJFD&dbcode=CJFQ

    HAN Y R, JING Z L, GONG J Q.Research of traffic alert and collision avoidance system(TCAS) risk and countermeasure[J].Computer Measurement & Control, 2012, 20(3):737-740(in Chinese). http://kns.cnki.net/KCMS/detail/detail.aspx?filename=jzck201203052&dbname=CJFD&dbcode=CJFQ
    [10] WILLIAMSON T, SPENCER N A.Development and operation of the traffic alert and collision avoidance system(TCAS)[J].Proceedings of the IEEE, 1989, 77(11):1735-1744. doi: 10.1109/5.47735
    [11] 林熙. 密集飞行条件下的间隔自主保持方法研究[D]. 北京: 北京航空航天大学, 2011: 11-13.

    LIN X. Research on self-separation assurance methods in condition of intensive flight[D]. Beijing: Beihang University, 2011: 11-13(in Chinese).
    [12] LIN C E.Collision avoidance solution for low-altitude flights[J].Proceedings of the Institution of Mechanical Engineers, Part G:Journal of Aerospace Engineering, 2011, 225(7):779-790. doi: 10.1177/0954410011399211
    [13] JIAO Y L, ZHANG X J, GUAN X M.An algorithm for airborne conflict detection based on support vector machine[J].Applied Mechanics and Materials, 2012, 229-231:1140-1145. doi: 10.4028/www.scientific.net/AMM.229-231
    [14] CORTES C, VAPNIK V.Support-vector networks[J].Machine Learning, 1995, 20(3):273-276. http://ci.nii.ac.jp/naid/10021013062
    [15] KOHAVI R. A study of cross-validation and bootstrap for accuracy estimation and model selection[C]//Proceedings of the 14th International Joint Conference on Artificial Intelligence. New York: ACM, 1995: 1137-1143.
  • 加载中
图(6) / 表(7)
计量
  • 文章访问数:  414
  • HTML全文浏览量:  3
  • PDF下载量:  454
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-03-17
  • 录用日期:  2017-04-01
  • 刊出日期:  2018-03-20

目录

    /

    返回文章
    返回
    常见问答