低空应急救援航空器航迹预测算法研究

低空应急救援航空器航迹预测算法研究

钱晓霞

上海市   中国民用航空华东地区空中交通管理局  邮编：200050

摘要：随着通用航空的快速发展，该航空手段由于具有启动速度快、救援效率高、受限空间少等特点，往往在自然灾害、重大事故、社安问题等突发事件中得到普遍应用。本文研究对象是轻型通用航空器，背景是一段时间内执行低空空域救援任务的飞行，目的是预测该段时间的飞行轨迹。本文提出基于状态相关模态切换混合估计和改进意图推理的航迹预测算法。该算法预测精度更高。

首先，对现有的基于飞行状态和飞行意图的航迹预测算法（State-Based and Intent-Based Trajectory Prediction, SIBTP）进行研究，分析其计算过程并发现存在的问题。在此基础上，本文提出将状态相关模态切换的混合估计算法(State-Dependent mode Transition Hybrid Estimation, SDTHE)与改进意图推理算法（Improved Intention Inference Algorithm, IIIA）相结合，得到一种结果更准确的航迹预测算法。该算法在SIBTP算法的基础上，解决了交互式多模型算法中似然函数为零均值的高斯函数假设的缺陷，并且考虑了航空器实时的飞行状态和模式，使得预测结果更为准确。

关键词：航迹预测，交互式多模型，意图推理，混合估计

一、飞行意图推理算法研究现状分析

由于低空救援空域的特殊性，缺少雷达等监视设备的覆盖，所以救援飞行的安全和间隔基本由飞行员掌握。因此，要保证飞行救援的安全，我们就必须把在整个低空救援行动中驾驶员的飞行意图纳入研究范围。在国外，与航空器相关的意图推测方法已经开展了多年的研究，可以将其大致分为两类：第一类是主观意图，指的是飞行员在驾驶航空器时临时做出的意图行动，包括航向改变、垂直方向改变、速度变化等等。一般，基本的主观意图信息可以用来与各个航空器进行意图信息交换；第二类是客观意图，特指在未来特定时间段内航空器的特定航向、高度层和速度。通常来讲，比起主观意图，客观意图在一个更长的时间内可使飞行员对航空器的航迹做出更准确的预测，因此可以减少错误报警的概率。该类算法的代表性算法是Kroze.J等学者提出的意图推理算法（Intent Inference Algorithm, IIA）[1]。该算法的解决方案包含来自正在跟踪的附近飞机的任何广播或数据链路信息。此外，当定义域知识数据可用时，例如交通、天气、地形和特殊用途空域(Special Used Airspace, SUA)，在意图模型中考虑这些数据。意图推断系统能够验证被跟踪的航空器是否遵循广播意图，并且如果航空器似乎遵循某种其他意图，那么它将识别被跟踪飞机的最可能的意图。最后，意图推断系统使用可信度最高的意图来预测航空器的未来航迹。然而，在计算过程中存在推理延迟，并且由于不能实时获得飞行器的当前飞行状态和模式，所以在短期内，轨迹预测的准确度降低或不符合实际情况。在国内，飞行意图信息的研究起步较晚，2014年张军峰等[3]提出了基于航空器性能数据以及航空器意图的四维航迹预测方法。通过统计分析航空器实际雷达轨迹数据，根据水平轨迹、高度和速度剖面等构建了航空器意图模型。采用航空器意图模型与航空器动力与运动学模型相结合的方法，考虑气象因素，基于性能数据设计了四维航迹预测模型。在最后的仿真验算阶段，数据来源是真实的进场航班ACA025与CES2161，分析依据是预计和真实的到达时间这两者的差值。2015年蒋海行等[4]针对提高航空器四维轨迹预测精度，更进一步地解释了飞行意图的概念、分类、描述语言等内容。通过设计飞行意图的数学模型，利用航空器自身参数来研究4D轨迹预测的计算过程。用上海浦东国际机场的某个进场航班数据作为数值仿真的来源，最后从分析结果来看，意图模型的建立显著增强了飞行轨迹的预测能力。

因此，在复杂多变的应急救援环境下，如何根据航空器当前时刻的飞行状态来推断下一时刻的飞行意图，然后利用得到的飞行意图对航空器进行实时性的航迹预测是本文主要研究的内容。

二、基于状态相关模态切换混合估计和改进意图推理的航迹预测算法

新算法的计算步骤如下(预测时间为u)：

1、根据ADS-B得到目标当前时刻的位置、速度信息，通过SDTHE得到时间u结束时的飞行状态和模式估计；

2、结合航向和TCPs信息，通过IIIA算法得到推理的意图和目标的位置；

3、根据航空器的速度，可以算出目标达到意图节点的用时。

IIIA的意图区域所含的位置点有两类：目标设定当前航向能到达的位置点和航向改变ϑ 经过的位置点。我们假设ϑ =45°，那么意图区域以外的部分可以定义为目标的左侧、右侧区域。是目的意图航迹节点，于是，根据目标的飞行模态，所有位置点可以通过以下两种方式来表示：

1、如果目标处于CV状态，那么

在当前航向的延长线上；

2、如果目标处于CT状态，那么在当前航向前方的任一侧。

当为CV状态时，如图3.4所示，在航空器的延长线上，所以可以将预测时间u一直延长至点。因为目标的，所以其航向保持不变，即该段的飞行意图不变，也就是说目的意图节点也在当前航向的延长线上。因此，可以使用SDTHE算法对航迹进行预测的过程可以持续到（图3.4中的红色实线段）。

图3.4 当飞行模态为CV时的预测示意图

当为CT状态时，如图3.5所示，点位于目标当前航向的右侧。当目标的航向正好指向点时（图中橙色五角星处），利用SDTHE来预测航迹的算法就要到这结束（图中的橙色实线段），后面这段就用一条虚直线将点和点连接起来（如图中蓝色虚线段所示）。

图3.5 当飞行模态为CT时的预测示意图

新算法的具体结构图如图3.6所示：

图3.6 基于状态相关模态切换混合估计和改进意图推理的航迹预测算法

三、小结

SDTHE算法结合IIIA算法，很好地解决了IMM算法中两个存在不足的假设[5]：一是假设新息序列是均值为零的高斯白噪声；二是假设模态转移矩阵为常数矩阵。这两种假设大大影响了最后航迹预测的结果。与SIBTP相比，新算法预测航迹更加准确和具有实时性。运用了之前将飞行状态和飞行意图相结合的原理，在增强航迹预测能力的基础上，大大减少了估计飞行模态出错的可能性。因此在低空救援环境中，本文研究出来的算法对预测航迹更具有实际意义。上述研究为低空应急救援航空器航迹预测算法提供了新的内容，但是由于真实低空救援环境的复杂度较高，本人所学知识和本身能力有限，所提出的航迹预测算法的新内容还不足以具体应用，需要加以更多的理论论证和实验数据研究。于是，关于本文中存在的以下问题需要重点改进：

1、本文所讨论的航迹预测算法都是在二维平面，并且只考虑CV、CT两种飞行模态。但是在实际的低空应急救援过程中，航空器运动是在三维立体空间内的。因此，后续研究可以结合垂直方向上各种飞行模式的转换情况来具体分析问题。

2、本文假设航空器的地速和空速相等，未考虑风等气象因素的影响，不符合实际救援过程。因此，后续研究可以考虑风等气象因素对航空器速度的影响，从而影响航空器航迹，提高预测精度。

3、由于缺少真实应急救援的通航数据，本文的仿真示例过程引用的数据缺少真实性，这在一定程度上缺少说服力，因此后续研究可以在数据方面投入一些精力。

参考文献

[1] Krozel J, Andrisani D.Intelligent path prediction for vehicular travel[J]. 1993, 23:478-487.

[2] 韩峰，赵嶷飞，张鹏.飞机起飞爬升四维轨迹合成计算[J].中国民航学院学报，2006，24(21)：10-12.

[3] 张军峰，蒋海行，武晓光.基于BADA及航空器的四维航迹预测[J]，2014，49（3）：553~558.

[4] 蒋海行，张军峰，王菲.航空器意图及在思维航迹预测中的应用[J]，2015，39（2）：338~341.

[5] Hwang I, Balakrishnan H, Tomlin C. State estimation for hybrid systems: applications to aircraft tracking[J]. IEE Proceedings-Control Theory and Applications, 2006, 153(5):556-566.