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
吴欣蓬,汤新民,毛继志,郭鸿滨,管祥民.基于密度聚类与匹配算法的异常飞行行为挖掘[J].南京航空航天大学学报,2021,53(6):863-871
基于密度聚类与匹配算法的异常飞行行为挖掘
Abnormal Flight Behavior Mining Based on Density Clustering and Matching Algorithm
投稿时间:2020-06-30  修订日期:2021-01-21
DOI:10.16356/j.1005-2615.2021.06.005
中文关键词:  密度聚类  高度层划分  快速覆盖树  过点时间  异常飞行行为
英文关键词:density clustering  flight level division  faster cover tree  cross-point time  abnormal flight behavior
基金项目:国家自然科学基金(61773202)资助项目; 中国航空无线电电子研究所航空电子系统综合技术国防科技重点实验室基金(6142505180407)资助项目;中国民航管理干部学院民航通用航空运行重点实验室开放基金(CAMICKFJJ-2019-04)资助项目。
作者单位邮编
吴欣蓬 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
毛继志 中国航空无线电电子研究所航空电子系统综合技术国防科技重点实验室上海 200241 200241
郭鸿滨 中国航空无线电电子研究所航空电子系统综合技术国防科技重点实验室上海 200241 200241
管祥民 中国民航管理干部学院民航通用航空运行重点实验室北京 100102 100102
摘要点击次数: 86
全文下载次数: 141
中文摘要:
      在空中交通愈加拥挤的背景下,航空器的异常飞行行为的有效挖掘可以辅助管制员进行调配决策。现有方法只能辨识飞机空间位置特征异常,存在水平可扩展性的局限。本文考虑位置、速度、高度和航向4个异常特征,采用高度层划分策略、局部异常因子和快速覆盖树对基于密度的有噪声应用中的空间聚类(Density-based spatial clustering of applications with noise, DBSCAN)方法进行改进,提出局部异常因子改进的考虑速度、方向及高度的基于密度聚类方法(Density-based spatial clustering considering speed, direction and high level improved by local outlier factor,LOFDBSC-SDH)密度聚类算法对正常航迹模式进行快速准确提取。然后,基于正常航迹模式设计考虑过点时间和上述异常特征的航迹匹配算法,挖掘异常飞行行为。最后,通过实验仿真验证了本文方法的有效性和应用价值。
英文摘要:
      As air traffic has become increasingly congested, the effective mining of abnormal flight behaviors can assist controllers to make decisions. Current methods can only identify abnormal spatial positions with limited horizontal scalability. This paper incorporates four abnormal characteristics, position, speed, altitude and heading, and improves the density-based spatial clustering of applications with noise (DBSCAN) by the altitude level division strategy, the local outlier factor and the faster cover tree. Then, the density clustering algorithm named density-based spatial clustering considering speed, direction and high level improved by local outlier factor (LOFDBSC-SDH) is proposed to effectively extract the normal track patterns of airplanes. Next, based on the normal track patterns, a track matching algorithm is designed to mine abnormal flight behavior patterns, including flights’ cross-point time and above abnormal features. Finally, the effectiveness of the proposed scheme is verified by the experimental simulation.
[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4029431位访问者 本站今日一共被访问980

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