趙鶴逸，付茂洺

（中國民用航空飛行學(xué)院，廣漢 618307）

0 引言

我國可用的空域資源及提升空間均非常有限。我國民航可用的空域主要由航路、航線、終端管制空域以及一些臨時調(diào)配空域組成，除此之外均為軍方控制或其他用途。目前我國空域民航使用范圍只有約20%，其余80%為軍用或者處于控制范圍，一般情況下民航飛機(jī)不得進(jìn)入軍用或處于控制范圍內(nèi)的空域。我國航路里程的復(fù)合增速僅3.4%，而航班起降架次增速達(dá)9.9%，在空域資源放開推進(jìn)十分緩慢。另一方面，全球民航客運(yùn)市場在快速發(fā)展導(dǎo)致民航飛機(jī)數(shù)量快速增加。圖1是全球民航客運(yùn)市場增速曲線和全球經(jīng)濟(jì)增長曲線對比圖。從圖1中可以看出全球民航客運(yùn)市場的增長速度始終保持在全球經(jīng)濟(jì)增長速度兩倍左右。2016—2018年，民航客運(yùn)市場依然保持了較高速增長，整體RPK同比增速高于全球綜合PMI指數(shù)。這說明民航客運(yùn)市場需求增速領(lǐng)先于經(jīng)濟(jì)增長。所以在可以預(yù)計的未來經(jīng)濟(jì)會繼續(xù)保持增長。民航產(chǎn)業(yè)會在經(jīng)濟(jì)的增長前保持高速增長，所以民航飛機(jī)數(shù)量會快速增加，民航飛機(jī)可用的航線資源相對而言會越來越少。由此看來，充分提高規(guī)劃管理臨時航線數(shù)量和管理臨時航線效率是解決民航航線資源和民航飛機(jī)數(shù)量快速增長矛盾的唯一辦法。

圖1 民航增速曲線

為了提高有限空域的利用效率以應(yīng)對快速發(fā)展的民航運(yùn)輸業(yè)，需要采用更好的方法管理民航飛機(jī)臨時飛行航線。這就是本文所研究的問題，其已經(jīng)成為民航飛機(jī)飛行管理過程中必須要解決的難題。要解決這個難題，必須采用下技術(shù)：①實時準(zhǔn)確跟蹤空域內(nèi)民航飛機(jī)飛行參數(shù)。②分段規(guī)劃民航飛機(jī)的臨時飛行航線。③采用多層智能規(guī)劃算法提高規(guī)劃民航飛機(jī)臨時航線的效率。④優(yōu)化規(guī)劃民航飛機(jī)臨時航線的算法；本文通過分段規(guī)劃民航飛機(jī)臨時航線的方法和多層人工智能技術(shù)解決以上問題。

1 國外規(guī)劃臨時航線算法

國外在規(guī)劃民航飛機(jī)臨時航線方面研究多年積累了豐富經(jīng)驗。提出了多種算法，如動態(tài)規(guī)劃法、Voronoi圖法、A*算法、粒子群算法、遺傳算法、狼群算法、神經(jīng)網(wǎng)絡(luò)算法、人工勢場法。這些算法由于功能單一在規(guī)劃空域民航飛機(jī)臨時航線時有一定作用，但是不能解決大量實時動態(tài)規(guī)劃四維空間中民航飛機(jī)臨時飛行航線。而實時動態(tài)分段計算臨時航線的生命周期可以充分利用空域資源。避免啟用和終止臨時航線的過程中占用臨時航線的整個空域。

1.1 建立仿真平臺

由于需要考慮動態(tài)實時分段規(guī)劃臨時航線所以需要跟蹤民航飛機(jī)的飛行速度、飛行高度、空域天氣參數(shù)。常用的飛行路線規(guī)劃軟件無法滿足要求。所以采用SXEarth_Pro 4.7.0通過谷歌影像獲取所需區(qū)域的實時影像。如圖2所示是SXEarth_Pro 4.7.0模擬的指定空域?qū)崟r影像。

圖2 指定空域?qū)崟r影像

考慮到數(shù)據(jù)大小和清晰度的前提下進(jìn)行截取獲取影像數(shù)據(jù)，下載ASTER GDEM v3獲取相應(yīng)經(jīng)緯度的固定區(qū)域的高程數(shù)據(jù)，然后通過ArcScene軟件將該區(qū)域的影像數(shù)據(jù)與高程數(shù)據(jù)進(jìn)行結(jié)合，實現(xiàn)所需地域的3D場景可視化。

1.2 A*神經(jīng)網(wǎng)絡(luò)

由于實時動態(tài)分段規(guī)劃民航飛機(jī)臨時航線的算法需要同時跟蹤10～500架飛機(jī)飛行航線參數(shù)，以及飛機(jī)飛行空域天氣參數(shù)。普通的A*算法已經(jīng)快速不能完成計算任務(wù)。所以采用模擬人工智能的三層神經(jīng)網(wǎng)絡(luò)算法結(jié)合A*算法完成實時跟蹤民航飛機(jī)飛行航線任務(wù)和跟蹤空域天氣參數(shù)任務(wù)以及實時動態(tài)分段規(guī)劃臨時焊線任務(wù)。如圖3所示，整個神經(jīng)網(wǎng)絡(luò)采用三層結(jié)構(gòu)。輸入層是跟蹤空域天氣參數(shù)和已知民航飛機(jī)飛行航線參數(shù)以及需要臨時進(jìn)入空域的民航飛機(jī)的起點(diǎn)和重點(diǎn)以及實時位置參數(shù)。輸出層是根據(jù)SXEarth_Pro 4.7.0獲取的該空域高程、風(fēng)力等參數(shù)信息利用A*計算模型計算可以使用臨時航線航線。A*神經(jīng)網(wǎng)絡(luò)的隱藏層有多個。每一個隱藏層的數(shù)據(jù)結(jié)構(gòu)記錄一架跟蹤的民航客機(jī)的實時 坐標(biāo) 以及 飛行 速度{ID，x，y，h，v}。如圖4所示，神經(jīng)網(wǎng)絡(luò)模擬曲線和實際參數(shù)曲線接近?？梢钥闯錾窠?jīng)網(wǎng)絡(luò)模擬結(jié)果的誤差較小。A*神經(jīng)網(wǎng)絡(luò)計算出結(jié)果與實際數(shù)據(jù)對比很接近。

圖3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

圖4 神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差

圖5 神經(jīng)網(wǎng)絡(luò)擬合曲線

2 A＊神經(jīng)網(wǎng)絡(luò)算法規(guī)劃臨時航線的改進(jìn)

2.1 增加臨時分段航線的生命周期

民航飛機(jī)飛行過程是一個動態(tài)實時變化的過程。上文規(guī)劃民航飛機(jī)臨時航線僅僅跟蹤記錄民航飛機(jī)的實時位置。民航飛機(jī)使用的航線依然是靜態(tài)的。在民航飛機(jī)使用航線空域過程中，別的飛機(jī)是不能利用這段空域的。而這一點(diǎn)就是浪費(fèi)空域資源的根本原因。所以需要分段跟蹤記錄民航飛機(jī)的飛行航線{（），（），（），（），（），（）}。（）是A*神經(jīng)網(wǎng)絡(luò)隱藏層記錄民航客機(jī)飛行航線數(shù)據(jù)結(jié)構(gòu)的代號。（），（），（）表示民航客機(jī)在時間（）內(nèi)的三維坐標(biāo)。數(shù)據(jù)結(jié)構(gòu)（）在時間（）內(nèi)是有效的。在時間（））內(nèi)，（），（），（）表示的這段航線是被占用的。在時間（）以外，（），（），（）表示的這段航線是可以使用的。分段計算臨時航線后要檢測臨時航線與已有航線重疊的情況以及臨時進(jìn)入空域民航飛機(jī)與固定航線飛機(jī)的距離。計算臨時進(jìn)入空域飛機(jī)與其他飛機(jī)航線的距離，A*神經(jīng)網(wǎng)絡(luò)程序會實時計算空域內(nèi)每一架飛機(jī)與其它航線飛機(jī)在時間（）內(nèi)與其它飛機(jī)航線之間的距離。通過公式（1）計算空域內(nèi)每一架飛機(jī)與其它航線飛機(jī)在時間（）內(nèi)與其它飛機(jī)航線之間平均的距離

如圖6所示，平均距離的計算過程，1為固定航線飛機(jī)坐標(biāo)點(diǎn)，3是已有臨時航線飛機(jī)坐標(biāo)點(diǎn)。為正在規(guī)劃臨時航線飛機(jī)的坐標(biāo)點(diǎn)。由此可以看出，1、2、3之間最小的距離分別為2 km與6 km。相關(guān)的距離為40 km以及100 km，為此可以計算得到1的平均每跳距離為17.50 km，同理得到到2、3的平均距離為16.42 km以及15.9 km。然后飛行分段臨時航線的民航飛機(jī)數(shù)據(jù)結(jié)構(gòu)向飛行航線管理程序發(fā)送平均距離的數(shù)據(jù)。就可以避免臨時分段航線出現(xiàn)重疊的情況。

圖6 平均距離估計示意圖

在指定空域內(nèi)臨時分段航線數(shù)量巨大的時候，會出現(xiàn)規(guī)劃的臨時分段航線冗余或不足的情況。從而導(dǎo)致A*神經(jīng)網(wǎng)絡(luò)計算出現(xiàn)延時。在分段臨時航線有效而使用這段航線的民航客機(jī)沒有使用這一段臨時航線的時候。（）是無效的，但是飛行航線{（），（），（），（），（），（）}是有效的。飛行航線{（i-k），（），（），（），（），（）}參數(shù)記錄在預(yù)選飛行航線數(shù)據(jù)庫中。從而降低A*神經(jīng)網(wǎng)絡(luò)的計算量，減少A*神經(jīng)網(wǎng)絡(luò)出現(xiàn)計算延時的情況。

2.2 增加A*神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)優(yōu)化處理

由于A*神經(jīng)網(wǎng)絡(luò)在不考慮天氣因素和高程的時候，民航飛機(jī)飛行航線規(guī)劃各個方向是可行的。如圖7（a）所示臨時分段航線是有很多選擇的。

圖7 兩種臨時分段航線拓?fù)浣Y(jié)構(gòu)

需要利用A*神經(jīng)網(wǎng)絡(luò)輸入層的陸地高程信息和天氣信息以及在（）時刻已經(jīng)使用的分段臨時航線參數(shù)進(jìn)行篩選。得到圖（b）的優(yōu)化臨時分段航線?？紤]到利用人工智能篩選技術(shù)，在已經(jīng)優(yōu)化的分段臨時航線中篩選出最佳臨時分段航線可以大大提高臨時航線的合理性。

如圖8所示，在以上優(yōu)化的臨時分段航線內(nèi)，起點(diǎn)和終點(diǎn)之間的距離為55 km，分段臨時航線有4條，可以得到起點(diǎn)到終點(diǎn)平均每一段臨時航線距離是12.5 km；在考慮高程、天氣因素、已有分段臨時航線等因素的時候，起點(diǎn)和終點(diǎn)之間的距離還是55 km。但是臨時分段航線變成為10段。由此可以計算得到起點(diǎn)到終點(diǎn)方向上的平均每段距離變成5.5 km。但是總航程增加了。由此可以看出臨時航線2分段數(shù)增加數(shù)量也增加航程。

圖8 兩種分段臨時航線

為了避免增加臨時分段航線數(shù)量的同時增加總航程。在A*神經(jīng)網(wǎng)絡(luò)算法基礎(chǔ)上，采用人工智能模型在A*神經(jīng)網(wǎng)絡(luò)算法規(guī)劃出的分段臨時航線數(shù)據(jù)集中，從滿足油耗最少、路線最短、時間最短、路線最安全等條件出發(fā)篩選最優(yōu)臨時分段航線。這個人工智能模型只在A*神經(jīng)網(wǎng)絡(luò)算法計算結(jié)果中進(jìn)行篩選。篩選后的結(jié)果也反饋到A*神經(jīng)網(wǎng)絡(luò)計算的入口。從而降低A*神經(jīng)網(wǎng)絡(luò)算法的計算量。提高A*神經(jīng)網(wǎng)絡(luò)算法規(guī)劃分段臨時航線的速度。提高規(guī)劃的分段臨時航線合理性。避免出現(xiàn)民航客機(jī)飛完臨時航線后大大增加航程和油耗的問題。

3 預(yù)改進(jìn)A＊神經(jīng)網(wǎng)絡(luò)算法的實現(xiàn)

通過上述的分析改進(jìn)傳統(tǒng)的規(guī)劃臨時民航航空航線方法。改進(jìn)之后采用A*神經(jīng)網(wǎng)絡(luò)算法以及優(yōu)化的A*神經(jīng)網(wǎng)絡(luò)算法可以很好的計算規(guī)劃出分段臨時航空航線。然后結(jié)合人工智能算法篩選出合理的臨時航線。并把篩選結(jié)果反饋給A*神經(jīng)網(wǎng)絡(luò)?？梢詼p低A*神經(jīng)網(wǎng)絡(luò)計算大量復(fù)雜臨時分段航線時可能出現(xiàn)的延時。為此本文給出的改進(jìn)模式為：

首先利用A*神經(jīng)網(wǎng)絡(luò)計算出可用的臨時分段航線拓?fù)渚W(wǎng)絡(luò)，然后利用Python采用人工智能技術(shù)從臨時分段航線拓?fù)渚W(wǎng)絡(luò)篩選出合理的臨時航線。

4 仿真實驗與分析

4.1 仿真目的

本文在SXEarth 4.7.0環(huán)境下仿真A*神經(jīng)網(wǎng)絡(luò)規(guī)劃實時動態(tài)分段臨時航線算法。

4.2 仿真的環(huán)境

本文采用的SXEarth 4.7.0進(jìn)行仿真，所有的數(shù)據(jù)都是采用Google地球?qū)崟r數(shù)據(jù)。仿真實驗結(jié)果更加真實可靠。

4.3 仿真參數(shù)

本文仿真航線如圖9所示。

圖9 臨時航線模擬

本文主要用臨時航線航程比較判斷臨時航線規(guī)劃算法的性能，航程誤差為Er，第個分段航線的航程誤差為：

其中的EstiX 以及EstiY分別是未知分段臨時航線的估計橫、縱坐標(biāo)，UX 以及UY為其分別是最優(yōu)航程的橫縱坐標(biāo)。所有的未知節(jié)點(diǎn)的平均航程誤差為，

其中為臨時分段航線的個數(shù)。

4.4 結(jié)果與分析

如圖10所示，采用A*神經(jīng)網(wǎng)絡(luò)規(guī)劃臨時航線算法規(guī)劃臨時航線航程誤差是非常大的。對于改進(jìn)之后的A*神經(jīng)網(wǎng)絡(luò)規(guī)劃臨時航線算法航程誤差較均勻。同時因為采用Python人工智能篩選技術(shù)，規(guī)劃臨時航線的運(yùn)算速度提高了。

圖10 A＊神經(jīng)網(wǎng)絡(luò)算法和改進(jìn)的A＊神經(jīng)網(wǎng)絡(luò)算法規(guī)劃臨時航線的航程誤差對比

5 結(jié)語

對于我國民航客機(jī)數(shù)量迅速增加，航空空域資源有限的情況，本文采用A*神經(jīng)網(wǎng)絡(luò)優(yōu)化規(guī)劃臨時航線的方法。在仿真分析結(jié)果的基礎(chǔ)上，采用規(guī)劃分段臨時航線的技術(shù)結(jié)合人工智能算法篩選合理的分段臨時航線。綜合考慮油耗、路線、時間、路線安全等因素篩選出更合理的臨時航線。達(dá)到合理規(guī)劃臨時航線提高空域利用效率的目的。解決我國民航客機(jī)數(shù)量迅速增加，航空空域資源有限限制航空業(yè)快速發(fā)展的矛盾。