基于Arc GIS的动态复杂空域临时航迹人工智能规划的研究

赵鹤逸，付茂洺

（中国民用航空飞行学院，广汉 618307）

0 引言

我国可用的空域资源及提升空间均非常有限。我国民航可用的空域主要由航路、航线、终端管制空域以及一些临时调配空域组成，除此之外均为军方控制或其他用途。目前我国空域民航使用范围只有约20%，其余80%为军用或者处于控制范围，一般情况下民航飞机不得进入军用或处于控制范围内的空域。我国航路里程的复合增速仅3.4%，而航班起降架次增速达9.9%，在空域资源放开推进十分缓慢。另一方面，全球民航客运市场在快速发展导致民航飞机数量快速增加。图1是全球民航客运市场增速曲线和全球经济增长曲线对比图。从图1中可以看出全球民航客运市场的增长速度始终保持在全球经济增长速度两倍左右。2016—2018年，民航客运市场依然保持了较高速增长，整体RPK同比增速高于全球综合PMI指数。这说明民航客运市场需求增速领先于经济增长。所以在可以预计的未来经济会继续保持增长。民航产业会在经济的增长前保持高速增长，所以民航飞机数量会快速增加，民航飞机可用的航线资源相对而言会越来越少。由此看来，充分提高规划管理临时航线数量和管理临时航线效率是解决民航航线资源和民航飞机数量快速增长矛盾的唯一办法。

图1 民航增速曲线

为了提高有限空域的利用效率以应对快速发展的民航运输业，需要采用更好的方法管理民航飞机临时飞行航线。这就是本文所研究的问题，其已经成为民航飞机飞行管理过程中必须要解决的难题。要解决这个难题，必须采用下技术：①实时准确跟踪空域内民航飞机飞行参数。②分段规划民航飞机的临时飞行航线。③采用多层智能规划算法提高规划民航飞机临时航线的效率。④优化规划民航飞机临时航线的算法；本文通过分段规划民航飞机临时航线的方法和多层人工智能技术解决以上问题。

1 国外规划临时航线算法

国外在规划民航飞机临时航线方面研究多年积累了丰富经验。提出了多种算法，如动态规划法、Voronoi图法、A*算法、粒子群算法、遗传算法、狼群算法、神经网络算法、人工势场法。这些算法由于功能单一在规划空域民航飞机临时航线时有一定作用，但是不能解决大量实时动态规划四维空间中民航飞机临时飞行航线。而实时动态分段计算临时航线的生命周期可以充分利用空域资源。避免启用和终止临时航线的过程中占用临时航线的整个空域。

1.1 建立仿真平台

由于需要考虑动态实时分段规划临时航线所以需要跟踪民航飞机的飞行速度、飞行高度、空域天气参数。常用的飞行路线规划软件无法满足要求。所以采用SXEarth_Pro 4.7.0通过谷歌影像获取所需区域的实时影像。如图2所示是SXEarth_Pro 4.7.0模拟的指定空域实时影像。

图2 指定空域实时影像

考虑到数据大小和清晰度的前提下进行截取获取影像数据，下载ASTER GDEM v3获取相应经纬度的固定区域的高程数据，然后通过ArcScene软件将该区域的影像数据与高程数据进行结合，实现所需地域的3D场景可视化。

1.2 A*神经网络

由于实时动态分段规划民航飞机临时航线的算法需要同时跟踪10～500架飞机飞行航线参数，以及飞机飞行空域天气参数。普通的A*算法已经快速不能完成计算任务。所以采用模拟人工智能的三层神经网络算法结合A*算法完成实时跟踪民航飞机飞行航线任务和跟踪空域天气参数任务以及实时动态分段规划临时焊线任务。如图3所示，整个神经网络采用三层结构。输入层是跟踪空域天气参数和已知民航飞机飞行航线参数以及需要临时进入空域的民航飞机的起点和重点以及实时位置参数。输出层是根据SXEarth_Pro 4.7.0获取的该空域高程、风力等参数信息利用A*计算模型计算可以使用临时航线航线。A*神经网络的隐藏层有多个。每一个隐藏层的数据结构记录一架跟踪的民航客机的实时 坐标 以及 飞行 速度{ID，x，y，h，v}。如图4所示，神经网络模拟曲线和实际参数曲线接近。可以看出神经网络模拟结果的误差较小。A*神经网络计算出结果与实际数据对比很接近。

图3 神经网络结构

图4 神经网络训练误差

图5 神经网络拟合曲线

2 A＊神经网络算法规划临时航线的改进

2.1 增加临时分段航线的生命周期

民航飞机飞行过程是一个动态实时变化的过程。上文规划民航飞机临时航线仅仅跟踪记录民航飞机的实时位置。民航飞机使用的航线依然是静态的。在民航飞机使用航线空域过程中，别的飞机是不能利用这段空域的。而这一点就是浪费空域资源的根本原因。所以需要分段跟踪记录民航飞机的飞行航线{（），（），（），（），（），（）}。（）是A*神经网络隐藏层记录民航客机飞行航线数据结构的代号。（），（），（）表示民航客机在时间（）内的三维坐标。数据结构（）在时间（）内是有效的。在时间（））内，（），（），（）表示的这段航线是被占用的。在时间（）以外，（），（），（）表示的这段航线是可以使用的。分段计算临时航线后要检测临时航线与已有航线重叠的情况以及临时进入空域民航飞机与固定航线飞机的距离。计算临时进入空域飞机与其他飞机航线的距离，A*神经网络程序会实时计算空域内每一架飞机与其它航线飞机在时间（）内与其它飞机航线之间的距离。通过公式（1）计算空域内每一架飞机与其它航线飞机在时间（）内与其它飞机航线之间平均的距离

如图6所示，平均距离的计算过程，1为固定航线飞机坐标点，3是已有临时航线飞机坐标点。为正在规划临时航线飞机的坐标点。由此可以看出，1、2、3之间最小的距离分别为2 km与6 km。相关的距离为40 km以及100 km，为此可以计算得到1的平均每跳距离为17.50 km，同理得到到2、3的平均距离为16.42 km以及15.9 km。然后飞行分段临时航线的民航飞机数据结构向飞行航线管理程序发送平均距离的数据。就可以避免临时分段航线出现重叠的情况。

图6 平均距离估计示意图

在指定空域内临时分段航线数量巨大的时候，会出现规划的临时分段航线冗余或不足的情况。从而导致A*神经网络计算出现延时。在分段临时航线有效而使用这段航线的民航客机没有使用这一段临时航线的时候。（）是无效的，但是飞行航线{（），（），（），（），（），（）}是有效的。飞行航线{（i-k），（），（），（），（），（）}参数记录在预选飞行航线数据库中。从而降低A*神经网络的计算量，减少A*神经网络出现计算延时的情况。

2.2 增加A*神经网络拓扑结构优化处理

由于A*神经网络在不考虑天气因素和高程的时候，民航飞机飞行航线规划各个方向是可行的。如图7（a）所示临时分段航线是有很多选择的。

图7 两种临时分段航线拓扑结构

需要利用A*神经网络输入层的陆地高程信息和天气信息以及在（）时刻已经使用的分段临时航线参数进行筛选。得到图（b）的优化临时分段航线。考虑到利用人工智能筛选技术，在已经优化的分段临时航线中筛选出最佳临时分段航线可以大大提高临时航线的合理性。

如图8所示，在以上优化的临时分段航线内，起点和终点之间的距离为55 km，分段临时航线有4条，可以得到起点到终点平均每一段临时航线距离是12.5 km；在考虑高程、天气因素、已有分段临时航线等因素的时候，起点和终点之间的距离还是55 km。但是临时分段航线变成为10段。由此可以计算得到起点到终点方向上的平均每段距离变成5.5 km。但是总航程增加了。由此可以看出临时航线2分段数增加数量也增加航程。

图8 两种分段临时航线

为了避免增加临时分段航线数量的同时增加总航程。在A*神经网络算法基础上，采用人工智能模型在A*神经网络算法规划出的分段临时航线数据集中，从满足油耗最少、路线最短、时间最短、路线最安全等条件出发筛选最优临时分段航线。这个人工智能模型只在A*神经网络算法计算结果中进行筛选。筛选后的结果也反馈到A*神经网络计算的入口。从而降低A*神经网络算法的计算量。提高A*神经网络算法规划分段临时航线的速度。提高规划的分段临时航线合理性。避免出现民航客机飞完临时航线后大大增加航程和油耗的问题。

3 预改进A＊神经网络算法的实现

通过上述的分析改进传统的规划临时民航航空航线方法。改进之后采用A*神经网络算法以及优化的A*神经网络算法可以很好的计算规划出分段临时航空航线。然后结合人工智能算法筛选出合理的临时航线。并把筛选结果反馈给A*神经网络。可以减低A*神经网络计算大量复杂临时分段航线时可能出现的延时。为此本文给出的改进模式为：

首先利用A*神经网络计算出可用的临时分段航线拓扑网络，然后利用Python采用人工智能技术从临时分段航线拓扑网络筛选出合理的临时航线。

4 仿真实验与分析

4.1 仿真目的

本文在SXEarth 4.7.0环境下仿真A*神经网络规划实时动态分段临时航线算法。

4.2 仿真的环境

本文采用的SXEarth 4.7.0进行仿真，所有的数据都是采用Google地球实时数据。仿真实验结果更加真实可靠。

4.3 仿真参数

本文仿真航线如图9所示。

图9 临时航线模拟

本文主要用临时航线航程比较判断临时航线规划算法的性能，航程误差为Er，第个分段航线的航程误差为：

其中的EstiX 以及EstiY分别是未知分段临时航线的估计横、纵坐标，UX 以及UY为其分别是最优航程的横纵坐标。所有的未知节点的平均航程误差为，

其中为临时分段航线的个数。

4.4 结果与分析

如图10所示，采用A*神经网络规划临时航线算法规划临时航线航程误差是非常大的。对于改进之后的A*神经网络规划临时航线算法航程误差较均匀。同时因为采用Python人工智能筛选技术，规划临时航线的运算速度提高了。

图10 A＊神经网络算法和改进的A＊神经网络算法规划临时航线的航程误差对比

5 结语

对于我国民航客机数量迅速增加，航空空域资源有限的情况，本文采用A*神经网络优化规划临时航线的方法。在仿真分析结果的基础上，采用规划分段临时航线的技术结合人工智能算法筛选合理的分段临时航线。综合考虑油耗、路线、时间、路线安全等因素筛选出更合理的临时航线。达到合理规划临时航线提高空域利用效率的目的。解决我国民航客机数量迅速增加，航空空域资源有限限制航空业快速发展的矛盾。