申请/专利权人：南京航空航天大学

申请日：2020-09-23

公开（公告）日：2024-04-16

公开（公告）号：CN112183605B

主分类号：G06F18/23213

分类号：G06F18/23213;G06Q10/0639;G06Q50/40;G08G5/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.01.22#实质审查的生效;2021.01.05#公开

摘要：本发明公开了一种基于运行特征的民航管制扇区分类方法，收集历史数据，并进行预处理；结合SQL和Python软件从历史数据中提取出所需要的特定扇区范围ADS‑B航迹数据，获取扇区分类指标；提出基于遗传算法改进的核模糊C‑均值聚类算法，获得较优的聚类效果；设置聚类有效性指标，确定扇区分类类别数量；将提取出的关键分类因子作为算法输入，输出扇区聚类结果；根据聚类结果明确所选样本的分类特性，结合样本的数值分布分析验证不同类型扇区的交通运行的多维属性。本发明实现了从宏观的总体运行特征对扇区进行分类，有助于了解不同类别扇区的运行特性，为管制运行管理提供优化依据，同时可为扇区分类专项管理、动态配置及远程管制等创新发展提供理论支撑。

主权项：1.一种基于运行特征的民航管制扇区分类方法，其特征在于，包括以下步骤：1收集多地区、多对象、多种类的历史数据，并对历史数据进行预处理；2通过射线法，结合SQL和Python软件从历史数据中提取出所需要的特定扇区范围ADS-B航迹数据，计算选取后的ADS-B数据，获取扇区分类指标；3提出基于遗传算法改进的核模糊C-均值聚类算法，获得较优的聚类效果；4通过对实测雷达数据计算得出的空中交通复杂性评价指标数据值，进行标准化处理后分析指标之间的相关性，对指标体系进行精简降维，提取适合作为算法输入的聚类因子；设置聚类有效性指标，衡量聚类结果是否最优，确定扇区分类类别数量；将提取出的关键分类因子作为算法输入，经过机器学习聚类算法输出扇区聚类结果；根据聚类结果明确所选样本的分类特性，进而结合样本的数值分布分析验证不同类型扇区的交通运行的多维属性；所述步骤2包括以下步骤：21以一个点为基础，从它引出一条射线，当射线与多边形有偶数个交点时，即射线穿越多边形边界次数为偶数次，此时点在多边形外；当射线与多边形有奇数个的交点时，即射线穿越多边形边界次数为奇数次，那么该点必然在多边形的内部；22将每个航空器视为一个点，扇区的形状为多边形，在步骤1的基础上保留在扇区内的航空器的航迹数据，不在扇区内的航空器其航迹数据就剔除；23将上述数据导入SQL数据库，用SQL查询出所需高度范围内的数据，筛选出所需的扇区航迹数据；24参考度量交通流复杂性的指标分类方式计算获取能够客观反映扇区运行特征的指标数据；所述步骤3包括以下步骤：31依据KFCM目标函数取得最小值的时候对应的聚类效果最好的原则，参考遗传算法适应度函数设计准则，定义GA-KFCM适应度函数： 32采用非线性排序选择方法，按照适应度大小对个体进行排序，然后根据顺序分配个体被选择的概率，非线性选择概率分布为：fz＝q1-qz-1其中，q∈0，1为指定参数，z＝1，2，...，n为排序序号；33采用自适应的思想，动态确定遗传算法交叉概率以及变异概率： 其中，pc0为初始交叉概率，pm0为初始变异概率，T为最大进化代数，t为当前进化代数。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于运行特征的民航管制扇区分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD