于莉 呼和 徐偉童

摘要：本文研究感知條件下機場鳥擊綜合防范系統(tǒng)構(gòu)造，提出研究背景，系統(tǒng)的體系結(jié)構(gòu)和軟件結(jié)構(gòu)的組成以及數(shù)據(jù)處理融合方式。

關(guān)鍵詞：鳥擊;機場;感知;判斷;防范;評估;信息管理

1、 研究背景

鳥擊（Birdstrike）是指飛行器在起飛、飛行或降落過程中被鳥類撞擊而發(fā)生的飛行安全事故或事故征候。隨著航空業(yè)的發(fā)展，鳥擊己經(jīng)成為威脅機場飛行安全的主要因素之一。研究表明，絕大多數(shù)鳥擊事故發(fā)生在機場及其附近空域主要發(fā)生于飛機的起飛滑跑、爬升、進近和著陸滑行階段，因此機場及附近地區(qū)應是鳥擊防范工作的重點區(qū)域。

發(fā)生鳥擊事故會造成如下方面的危害：一是造成飛機的損壞，輕者出現(xiàn)撞痕小傷，重則被毀;二是造成人員的傷亡，發(fā)生鳥擊事故，有時對飛行員造成傷害甚至死亡;三是對鳥類的傷害，鳥一旦撞上飛機幾乎難逃一死，無論普通鳥類或珍貴鳥類，尤其對瀕臨滅絕的鳥種;四是其它方面的危害，比如影響作戰(zhàn)、訓練，給飛行員造成精神和心理壓力，破壞環(huán)境等。

現(xiàn)有機場鳥擊防范系統(tǒng)的效能有限，不能從最大程度上發(fā)揮積極作用，甚至在極端條件下，機場鳥擊防范系統(tǒng)存在缺失。分析其中原因發(fā)現(xiàn)，現(xiàn)有機場鳥擊防范系統(tǒng)存在系統(tǒng)結(jié)構(gòu)不完整的問題，有的只在重點關(guān)注如何監(jiān)測，有的只在重點關(guān)注如何驅(qū)趕，從監(jiān)測到驅(qū)趕的風險判斷環(huán)節(jié)涉及甚少，也存在系統(tǒng)研究多在理論探討，很少進入落地實施階段的問題，導致無實際系統(tǒng)可用。

2 、系統(tǒng)研究內(nèi)容及技術(shù)

研究基于“驅(qū)-避-防”一體化鳥擊綜合防范、智能感知鳥情與遠程控制驅(qū)鳥設(shè)備、實施驅(qū)鳥效果評估體系、機場鳥擊綜合防范智能控制平臺及附屬器件。通過物聯(lián)網(wǎng)、人工智能、云計算、大數(shù)據(jù)分析、無線通訊等技術(shù)為支撐，構(gòu)建一套“感知-判斷-執(zhí)行-評估”自鏈式鳥擊綜合防范系統(tǒng)。實現(xiàn)鳥情實時可知、鳥情態(tài)勢實時可視、驅(qū)鳥效果實時可評、鳥擊防范實時可控的目標。

（1）系統(tǒng)體系架構(gòu)

鳥擊綜合防范系統(tǒng)體系架構(gòu)設(shè)計充分考慮滿足機場鳥擊防范相關(guān)規(guī)定要求，同時也充分考慮部署環(huán)境的多樣化要求。架構(gòu)可劃分為IaaS層、PaaS層、SaaS層3個層次，分別解決基礎(chǔ)設(shè)施、軟件平臺、業(yè)務系統(tǒng)等支撐問題。并圍繞系統(tǒng)架構(gòu)，構(gòu)建包含業(yè)務應用、信息網(wǎng)絡、基礎(chǔ)設(shè)施、設(shè)備環(huán)境、操作系統(tǒng)、數(shù)據(jù)庫和應用認證等保障體系，確保系統(tǒng)能夠最大程度抵御病毒、入侵威脅。

IaaS層，基于容器的微服務架構(gòu)，以Docker容器組件為核心，實現(xiàn)設(shè)備與軟件進程解耦的集群化部署方案，既支持在物理設(shè)備上直接部署，又支持在云主機之上構(gòu)建容器集群部署。

平臺PaaS層，通過kubernetes組件實現(xiàn)服務計算資源、存儲資源、安全認證、系統(tǒng)權(quán)限的配置，實現(xiàn)服務編排，簡化部署方式，實現(xiàn)服務升級不影響業(yè)務正常進行。為服務的高可用、高并發(fā)提供基礎(chǔ)支撐。在kubernetes之上運行基于微服務架構(gòu)的服務集群，微服務均基于統(tǒng)一的微服務框架（MicroServiceFramework）進行設(shè)計和開發(fā)，微服務框架提供服務注冊與發(fā)現(xiàn)、同步調(diào)用、事件分發(fā)、流量控制、服務熔斷等機制，基于微服務框架的各微服務可專注與業(yè)務功能或能力特性方面的實現(xiàn)。

平臺SaaS層，由3個基礎(chǔ)服務層與2個邊界單元組成，其中基礎(chǔ)服務層由設(shè)備接入子系統(tǒng)、信令控制子系統(tǒng)及數(shù)據(jù)分析子系統(tǒng)組成，邊界單元主要有應用控制層和采集顯示層組成。核心設(shè)計思想是實現(xiàn)業(yè)務控制與數(shù)據(jù)分析處理分離，基于網(wǎng)（網(wǎng)絡資源調(diào)度與負載均衡）、管（端到端媒體管道）、端（數(shù)據(jù)生產(chǎn)者與消費者）三個層次的業(yè)務模型，從不同業(yè)務層次上，解決數(shù)據(jù)從生產(chǎn)到消費整個過程中的關(guān)鍵技術(shù)問題。

（2）軟件體系架構(gòu)

應用控制層主要包括業(yè)務操作、系統(tǒng)管理、狀態(tài)監(jiān)控、運行維護四大部分，對應終端中的系統(tǒng)運維、設(shè)備狀態(tài)管理、業(yè)務操作、態(tài)勢展示等模塊，為用戶提供態(tài)勢展示、遠程操控、報警處理等業(yè)務的操作入口，實現(xiàn)各類資源訪問安全可控、業(yè)務個性化、配置人性化、監(jiān)測準確性、管理有效性等要求。

應用服務層是系統(tǒng)業(yè)務與功能實現(xiàn)的支撐層，主要分為應用服務單元與資源目錄服務單元兩部分。其中，應用服務單元實現(xiàn)了服務請求負載均衡、系統(tǒng)鑒權(quán)、資源信息管理、服務設(shè)備與節(jié)點管理、數(shù)據(jù)分析、報警聯(lián)動、態(tài)勢展示、輔助決策及系統(tǒng)業(yè)務調(diào)度等能力;資源目錄服務單元主要負責系統(tǒng)服務層靜態(tài)資源信息存儲及與標準規(guī)范系統(tǒng)、第三方系統(tǒng)同步的數(shù)據(jù)同步。

信令控制層主要包括信令控制服務單元及信令網(wǎng)關(guān)服務單元;其中信令控制服務單元主要實現(xiàn)了設(shè)備接入適配與認證、媒體控制、第三方系統(tǒng)互通及信令路由能力;信令網(wǎng)關(guān)服務單元實現(xiàn)與其他系統(tǒng)的信令轉(zhuǎn)換。

采集顯示層由雷達數(shù)據(jù)采集、視頻采集、設(shè)備狀態(tài)采集組成。

主要完成各類動態(tài)數(shù)據(jù)的智能融合（雷達探測數(shù)據(jù)、視頻數(shù)據(jù)、各類驅(qū)鳥設(shè)備狀態(tài)數(shù)據(jù)），通過人工智能和大數(shù)據(jù)分析將整個鳥情態(tài)勢信息展示給用戶，用戶根據(jù)態(tài)勢和輔助決策進行遠程控制各類驅(qū)鳥設(shè)備完成驅(qū)鳥作業(yè)，同時實時對驅(qū)鳥效果進行評估，后續(xù)整個鳥情數(shù)據(jù)會被存儲到系統(tǒng)，用于后續(xù)數(shù)據(jù)分析的數(shù)據(jù)支撐。

3、 數(shù)據(jù)處理融合

數(shù)據(jù)融合可分為數(shù)據(jù)級、特征級以及決策級三級融合。

數(shù)據(jù)級的融合分析。數(shù)據(jù)級融合是最基礎(chǔ)的融合，其在原始數(shù)據(jù)基礎(chǔ)上直接進行融合，對傳感器未經(jīng)處理的數(shù)據(jù)進行分析處理。數(shù)據(jù)層融合處理通常采用集中式融合體系。由于對傳感器數(shù)據(jù)只是進行了數(shù)值處理，因此具有精度高，數(shù)據(jù)損失小的特點。但由于面對的數(shù)據(jù)量龐大，其計算量較大，實時性不好。而且傳感器的測量干擾也會被帶人融合計算中，因此，系統(tǒng)必須配置濾波功能，且對傳感器抗干擾能力要求較高。

特征級的融合分析首先提取傳感器信息的特征，然后處理分析提取的特征信息。特征級融合使信息壓縮得以實現(xiàn)，數(shù)據(jù)處理的實時性提高，提取的特征值提供了決策分析所需的數(shù)據(jù)信息。但可能會忽略一些可能有用的信息，從而對融合性能造成一定影響。集中式和分布式是特征級融合的常用融合體系。特征融合包括目標狀態(tài)和目標特性兩類融合。其中目標狀態(tài)融合在追蹤多傳感器追蹤中應用較多，目標特性融合在模式識別中應用較多。

決策級融合分析屬于較高級別的融合，其對同一目標采用多種傳感器進行監(jiān)測，在本地完成傳感器數(shù)據(jù)的特征信息提取、識別以及判斷等初步分析。利用關(guān)聯(lián)處理實現(xiàn)決策層的數(shù)據(jù)融合，得到最終的判斷結(jié)果。決策級融合損失了大量的數(shù)據(jù)，但是節(jié)省了大量的系統(tǒng)資源，只需很小的通信量，具有較強的實時性。

本系統(tǒng)采用決策級融合分析，融合雷達探鳥數(shù)據(jù)、視頻監(jiān)控數(shù)據(jù)、無人機拍攝數(shù)據(jù)、設(shè)備狀態(tài)數(shù)據(jù)，通過人工智能和數(shù)據(jù)分析，根據(jù)鳥情報警進行聯(lián)動到最優(yōu)驅(qū)鳥方式。

該模型主要由數(shù)據(jù)來源、數(shù)據(jù)初始處理、目標估計、態(tài)勢估計、威脅估計、過程估計以及數(shù)據(jù)庫和人機交互界面構(gòu)成。本項目主要是對雷達探鳥數(shù)據(jù)、視頻數(shù)據(jù)、驅(qū)鳥設(shè)備狀態(tài)數(shù)據(jù)進行融合處理，數(shù)據(jù)初始處理模塊對采集的數(shù)據(jù)進行偏差校正、坐標統(tǒng)一以及標準化等操作，目標評價首先對處理對象執(zhí)行初步分析，然后進一步匹配關(guān)聯(lián)傳感器監(jiān)測數(shù)據(jù)，從而確定對象的物理特征和身份信息，為進一步的融合提供信息支撐，輸入到人機界面實時顯示鳥情態(tài)勢，后續(xù)根據(jù)鳥情風險體系獲取鳥情風險因子，通過報警機制來判斷是否報警和報警的聯(lián)動機制，找到最優(yōu)的驅(qū)鳥方式。

參考文獻：

[1]廖峻濤，趙雪冰，胡劭驥.昆明巫家壩國際機場鳥類的時空變化及鳥擊防治[J].安徽大學學報，2012，36（2）：95-102.

[2]王雪穎，胡劭驥，廖峻濤.昆明（巫家壩）國際機場植草區(qū)生態(tài)系統(tǒng)昆蟲群落研究[J].安徽大學學報：自然科學版，2013，2：103-108.

[3]基于模糊數(shù)學的民航航路鳥擊概率計算模型研究[J].高揚，鄭江萍，崔振新.中國安全生產(chǎn)科學技術(shù).2014（01）