首页  |  期刊简介  |  编委会  |  稿件评审流程  |  学术道德规范  |  论文检索  |  期刊订阅  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1005-2615
国内刊号:32-1429/V
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式ʽ
  • 主管:工业和信息化部
  • 主办:南京航空航天大学
  • 国际刊号:1005-2615
  • 国内刊号:32-1429/V
  • 地址:南京市御道街29号
  • 电话:025-84892726
  • 传真:025-84892726
  • E-mail:tnc01@nuaa.edu.cn
  • 邮编:210016
刘金安,汤新民,胡钰明,陈强超.基于聚类分析的航空器滑行过点时间预测[J].南京航空航天大学学报,2020,52(6):903-911
基于聚类分析的航空器滑行过点时间预测
Prediction of Aircraft Taxiing Estimated Time of Arrival Based on Cluster Analysis
投稿时间:2020-07-02  修订日期:2020-12-01
DOI:10.16356/j.1005-2615.2020.06.009
中文关键词:  滑行预计到达时间预测  特征提取  历史轨迹数据  K-means算法
英文关键词:forecast taxiing estimated time of arrival(ETA)  feature extraction  historical trajectory data  K-means algorithm
基金项目:国家自然科学基金(61773202)资助项目;四川省科技计划(2018JZ0030)资助项目。
作者单位邮编
刘金安 南京航空航天大学民航学院南京211106 211106
汤新民 南京航空航天大学民航学院南京211106 211106
胡钰明 中南民航空管通信网络科技有限公司广州510080 510080
陈强超 中国民用航空中南地区空中交通管理局广州510080 510080
摘要点击次数: 50
全文下载次数: 65
中文摘要:
      为了预测航空器滑行预计到达时间(Estimated time of arrival,ETA),减少场面冲突,提高机场运行效率,本文使用卡尔曼滤波算法对场面历史轨迹数据进行预处理。为了衡量轨迹样本间的距离,综合三类特征用于机场场面历史轨迹数据聚类。特征包含航空器滑行时段和场面航空器数量,以及参考动态时间规整(Dynamic time warping,DTW)算法提取的轨迹差异度特征。将两个样本特征的欧式距离作为样本间的相似度量;基于均差最大原则确定初始聚类中心,使用K-means算法对样本进行聚类,根据待规划航空器的所处时段和场面航空器数量选择匹配度最高的类簇,将其聚类中心样本的轨迹序列和塔台规划的静态路径相结合预测航空器滑行ETA。通过将实际轨迹数据与预测的滑行ETA进行对比分析,证明了本文预测航空器滑行ETA的准确性。
英文摘要:
      To predict aircraft taxiing estimated time of arrival(ETA), reduce conflicts, and improve the efficiency of the airport, this paper uses the Kalman filter algorithm to preprocess historical trajectory data of an airport. In order to measure the distance between trajectory samples, three kinds of features are synthesized for clustering of airport historical trajectory data, including the aircraft taxiing period and the number of surface aircraft. In addition ,we refer to the dynamic time warp (DTW) algorithm to extract the difference features of the trajectory. The Euclidean distance of two sample features is taken as their similarity. Initial clustering center is determined based on the divided difference maximum principle. The K-means algorithm is used to cluster samples, and the cluster with the highest matching degree is selected according to the time period of the aircraft to be planned and the number of aircraft operating on the surface. The trajectory sequence of the cluster’s center sample and the static path planned by the tower are combined to predict the aircraft taxiing ETA. By comparing and analyzing the actual trajectory data with the predicted taxiing ETA, the good performance of predicting the aircraft taxiing ETA in this paper is verified.
[HTML]  查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《南京航空航天大学学报》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892726      传真:025-84892726       E-mail:tnc01@nuaa.edu.cn

您是本站第3034643位访问者 本站今日一共被访问700

技术支持:北京勤云科技发展有限公司

敬请关注《南航学报》官方微信