為了應(yīng)對航線網(wǎng)規(guī)模擴大、空域資源緊缺等問題帶來的挑戰(zhàn),基于四維航跡的運行（Traiectory Based Operation,TBO）被國際民航組織（ICAO）作為下一代空中交通管理系統(tǒng)的核心運行理念。TBO是以對飛行器的4D航跡預(yù)測為參考,將航跡在空管系統(tǒng)內(nèi)部實現(xiàn)共享,精確的管理與控制著飛行器的運行。因此,探究高精度的4D航跡預(yù)測技術(shù)是目前亟待解決的核心問題。本文針對高精度的4D航跡預(yù)測問題,提出一種新穎的基于深度學習神經(jīng)網(wǎng)絡(luò)的4D航跡預(yù)測方法。該方法主要是在分析飛行大數(shù)據(jù)的基礎(chǔ)上,挖掘大量歷史飛行航跡的時空特征,建立神經(jīng)網(wǎng)絡(luò)預(yù)測模型,實現(xiàn)4D航跡的高精度預(yù)測。首先,分析了ADS-B歷史航跡數(shù)據(jù)并對其進行了預(yù)處理,研究了ADS-B監(jiān)視技術(shù)和ADS-B航跡數(shù)據(jù)格式,并采用三次樣條插值算法對飛行數(shù)據(jù)進行了缺失點補充。然后,考慮到航跡含有比較豐富的時空特征,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）和長短期記憶網(wǎng)絡(luò)（Long Short-Term Memory,LSTM）相結(jié)合的CNN-LSTM組合神經(jīng)網(wǎng)絡(luò)4D航跡預(yù)測模型。CNN模塊用... 

【文章來源】：中國民航大學天津市

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

015-2019年中國民航旅客運輸量及增長走勢

015-2019年中國民航貨郵運輸量及增長走勢為了應(yīng)對空域資源緊張、航空運行安全等問題帶來的挑戰(zhàn)，國際民航組織

航跡插值結(jié)果示例


本文編號：3552098