亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于線性動力系統(tǒng)的低空復(fù)雜度度量方法

        2022-10-14 06:04:18楊建華胡明華
        關(guān)鍵詞:低空空域航跡

        楊建華,胡明華,周 逸

        (南京航空航天大學(xué) 民航學(xué)院,南京211106)

        隨著近年來無人機(jī)(Unmanned Aerial Vehicle,UAV)技術(shù)和應(yīng)用得到空前的發(fā)展,無人機(jī)的高速發(fā)展正在改變現(xiàn)有的空域格局,最近幾年頻繁頒布關(guān)于無人機(jī)的辦法和規(guī)定,可以看出國家越來越重視無人機(jī)的發(fā)展,并在未來考慮將無人機(jī)融入國家空域系統(tǒng).低空空域運(yùn)行成為當(dāng)前航空業(yè)重點(diǎn)關(guān)注的重點(diǎn).與傳統(tǒng)的空中交通管理有所不同,由于目前低空空域的管理規(guī)則尚未完善,低空空域具有較為自由的運(yùn)行環(huán)境,面向低空空域運(yùn)行的發(fā)展,如何有效的評估低空空域態(tài)勢,以更直觀的空域復(fù)雜度指標(biāo),是未來低空空域運(yùn)行所需要解決的關(guān)鍵問題.

        對空域復(fù)雜度的評價(jià)方法,在高空的空中交通管理中,已有許多國內(nèi)外學(xué)者對其進(jìn)行了相關(guān)研究.美國聯(lián)邦航空局的P·Kopardekar等人[1]提出了9個(gè)空中交通復(fù)雜性指標(biāo),而后歐洲的研究人員B·Hilburn[2]等人對上述9個(gè)指標(biāo)進(jìn)一步細(xì)化,構(gòu)建了108個(gè)交通復(fù)雜性指標(biāo).Gianazza·D等人[3-4]建立了28個(gè)空中交通復(fù)雜性指標(biāo).Gunduz·H[5]使用深度學(xué)習(xí)的方法,從高維度數(shù)據(jù)中獲取到非線性和復(fù)雜性特征.Chatterji·G等人[6]以空域結(jié)構(gòu)與交通流特征評估空域復(fù)雜性.Laudeman等人[7]建立了基于動態(tài)密度的定量數(shù)學(xué)模型,將動態(tài)密度映射到空域復(fù)雜度評估.Prandini等人[8]提出了基于沖突風(fēng)險(xiǎn)判斷復(fù)雜度的方法.肖明等人[9]通過遺傳算法對多個(gè)指標(biāo)進(jìn)行最優(yōu)選擇,從中選擇了7個(gè)關(guān)鍵復(fù)雜性指標(biāo).

        上述研究主要從兩個(gè)方向?qū)沼驈?fù)雜度進(jìn)行評估:一方面是從管制員負(fù)荷和空域扇區(qū)的內(nèi)在結(jié)構(gòu)進(jìn)行研究;另一方面是通過機(jī)器學(xué)習(xí)算法對高維的指標(biāo)進(jìn)行篩選,找出更為關(guān)鍵的指標(biāo)評估復(fù)雜度.針對低空空域無法采用與高空相同的方法,因?yàn)榕c高空的運(yùn)行環(huán)境不同,如何構(gòu)建有效描述空域的交通態(tài)勢的指標(biāo)是亟待解決的問題.因此,基于此本文提出基于線性動力系統(tǒng)的模型,對離散化空域下的無人機(jī)航跡點(diǎn)進(jìn)行復(fù)雜度計(jì)算,從而評估空域內(nèi)的交通態(tài)勢,并基于離散化的空域網(wǎng)格結(jié)構(gòu)對整體的空域復(fù)雜度進(jìn)行評估.

        1 線性動力系統(tǒng)模型

        本文的低空復(fù)雜度評估是基于線性動力系統(tǒng)建模,綜合一個(gè)交通復(fù)雜度指標(biāo),以更好地量化空域的擁堵狀況,這將比一個(gè)簡單的無人機(jī)數(shù)量獨(dú)立于交通配置更有意義.

        線性動力系統(tǒng)(Linear Dynamical System, LDM)[10-11],描述了給定狀態(tài)向量的演化,是通過找出一個(gè)向量場盡可能接近的觀測給出的無人機(jī)的位置和速度.這種方法產(chǎn)生了一個(gè)綜合復(fù)雜度度量,能夠識別空域的高(低)復(fù)雜度區(qū)域,并比較它們的相對復(fù)雜度.可以利用該方法獲得的度量來量化給定空域內(nèi)一組軌跡的局部無序程度和相互作用.

        該方法的關(guān)鍵思想是通過一個(gè)線性動力系統(tǒng)來建模無人機(jī)軌跡的集合,在每個(gè)時(shí)刻用線性動力系統(tǒng)建模一組航跡,一般方程如下:

        (1)

        (2)

        (3)

        為了使用矩陣的形式,引入了以下矩陣:

        (4)

        (5)

        (6)

        基于上面的矩陣,可以將式(3)寫為:E=‖V-C·X‖.使E達(dá)到最小等同于最小化E2=‖V-C·X‖2,則問題轉(zhuǎn)化為找到一個(gè)矩陣C使E2最小化.利用矩陣的推導(dǎo)性質(zhì),得到E2的梯度可以表示為:

        CE2=-2(V-C·X)·XT

        (7)

        使梯度等于0可以得到:

        CE2=0?C·X·XT=V·XT

        (8)

        推出得到最優(yōu)矩陣Copt:

        Copt=V·XT·(X·XT)-1

        (9)

        其中:表達(dá)式XT·(X·XT)-1可以寫成矩陣XT的偽逆,則可以寫為:

        XT·(X·XT)-1=LT·S-1·R

        (10)

        其中:S表示為矩陣XT的奇異值的對角矩陣.這種奇異值分解的方法對于避免條件復(fù)雜的問題有很好的效果.

        因此,最終矩陣C可以表示為:

        C=V·LT·S-1·R

        (11)

        矩陣A可以從矩陣C中得到:

        A=L·D·UT

        (12)

        該模型能夠產(chǎn)生一個(gè)與任何交通情況相關(guān)的總的度量指標(biāo),并能識別任何全局交通模式,綜合衡量了給定的交通情況.

        根據(jù)求解出的特征值,一個(gè)動力系統(tǒng)可以在收縮、膨脹、旋轉(zhuǎn)這三種模式的組合中演化.圖1給出了計(jì)算矩陣和相關(guān)特征值的四個(gè)典型例子,以及相關(guān)情況的特征值在復(fù)數(shù)坐標(biāo)系中的位置.

        圖1 特征值位置的4種典型情況Figure 1 Four typical cases of eigenvalue locations

        圖1顯示了四種典型的交通結(jié)構(gòu)的矩陣A的特征值的位置:平行、匯聚、分離和環(huán)繞.矩陣的特征值控制了系統(tǒng)的演化.這些特征值的實(shí)部與系統(tǒng)在特征向量方向上的收斂或發(fā)散有關(guān).當(dāng)該特征值具有正實(shí)部時(shí),系統(tǒng)處于擴(kuò)張模式,當(dāng)該特征值為負(fù)時(shí),系統(tǒng)處于收縮模式.另一方面,特征值的虛部與系統(tǒng)的旋度組織水平有關(guān).

        在情況1中,特征值是空的,因?yàn)楹娇掌魇瞧叫酗w行的,代表了一種平移,即航空器之間的距離隨著時(shí)間的推移保持不變.在情況2中,特征值是實(shí)特征值為負(fù),系統(tǒng)在匯聚模式下發(fā)展,四架飛機(jī)正在收斂,即判斷的標(biāo)準(zhǔn)是航空器之間的相對距離隨著時(shí)間的推移而減少.與第2種情況相反,情況3是分離航跡,其特征值為正,航空器是在分離的,即相對距離隨時(shí)間增加.情況4中環(huán)繞情況與完全的虛特征值有關(guān),因?yàn)楹娇掌髟谒袝r(shí)間內(nèi)都保持相同的距離,彼此之間保持相同的距離,呈卷曲狀運(yùn)動.

        在實(shí)際的低空空域運(yùn)行,以群體的穩(wěn)定性出發(fā),上述情況1中的平行飛行由于本文研究中定義的無人機(jī)以勻速飛行,整體運(yùn)行狀態(tài)穩(wěn)定,不會造成局部空域的擁堵情況,情況3表示空域中的無人機(jī)以分離趨勢運(yùn)行,同樣不會造成采樣航跡點(diǎn)周圍局部空域的擁堵狀況,情況4中的環(huán)繞情況在低空空域的運(yùn)行中一般不會出現(xiàn).因此,本文針對情況2中的匯聚情況,即當(dāng)無人機(jī)的運(yùn)動朝向某一區(qū)域運(yùn)行時(shí),認(rèn)為會造成局部空域的擁堵,增加空域的混亂情況,造成空域態(tài)勢的改變.

        2 低空復(fù)雜度評估方法

        2.1 復(fù)雜度計(jì)算方法

        本文基于離散化的低空空域結(jié)構(gòu)將低空空域按照不同粒度大小的網(wǎng)格進(jìn)行層級劃分,對無人機(jī)的航跡點(diǎn)集合基于線性動力系統(tǒng)的模型求解得到每條航跡的復(fù)雜度指標(biāo).

        為了獲得無人機(jī)i在時(shí)刻k時(shí)的復(fù)雜性Ψik,其過程通過搜索周圍一定范圍的無人機(jī)觀測向量,識別無人機(jī)i在時(shí)刻k周圍的交通狀況.

        搜索空間以參考無人機(jī)的航跡點(diǎn)為中心,創(chuàng)建搜索空間,尋找在搜索鄰域內(nèi)與無人機(jī)i有沖突風(fēng)險(xiǎn)的無人機(jī),并找到該無人機(jī)在時(shí)刻k的觀測矢量.

        通過式(12)確定矩陣A后,我們可以從這個(gè)矩陣中提取復(fù)特征值,對無人機(jī)i在時(shí)刻k時(shí),會得到矩陣A的復(fù)特征值集合:

        (13)

        因此,可以推出復(fù)雜度指標(biāo)如下:

        (14)

        通過上述推導(dǎo),可以得出無人機(jī)i的航跡總復(fù)雜度Ψi為:

        (15)

        所以在空域內(nèi)所有的無人機(jī)決定的總體復(fù)雜度Ψ可以表示為:

        (16)

        2.2 基于離散化網(wǎng)格的復(fù)雜度評估

        在實(shí)際的無人機(jī)運(yùn)行場景中,如何確定合適的搜索空間,更精確的反映低空空域復(fù)雜度,本文采用一種基于空域網(wǎng)格化的方法,即將低空空域運(yùn)行環(huán)境以合適的網(wǎng)格粒度進(jìn)行劃分,構(gòu)建離散化的空域空間網(wǎng)格,將航跡信息映射到空域空間,更準(zhǔn)確地反映局部和整體低空空域范圍內(nèi)的交通復(fù)雜性,反映低空的復(fù)雜度狀況.

        該方法首先利用空域網(wǎng)格化的方法,將所研究的低空空域進(jìn)行離散化處理.依據(jù)所選取的網(wǎng)格粒度和離散的時(shí)間步長Δt確定網(wǎng)格中的每個(gè)單元的大小.識別每條無人機(jī)航跡的各個(gè)航跡點(diǎn)所對應(yīng)的網(wǎng)格單元,即通過對第i架無人機(jī)的航跡中的第j個(gè)離散的航跡點(diǎn)Pi,j,根據(jù)其航跡點(diǎn)的三維坐標(biāo)(二維空間和一維時(shí)間)(xi,j,yi,j,ti,j)映射到對應(yīng)的網(wǎng)格單元單元Cm,n,l,k.網(wǎng)格單元的Cm,n,l,k索引號的計(jì)算方法如下:

        (17)

        (18)

        (19)

        對映射到網(wǎng)格單元Cm,n,l,k的所有航跡點(diǎn),基于2.1節(jié)提出的線性動力系統(tǒng)模型計(jì)算這些航跡點(diǎn)的復(fù)雜度求其平均值,計(jì)算得到的復(fù)雜度用于表征該網(wǎng)格單元內(nèi)的復(fù)雜度.

        3 仿真實(shí)驗(yàn)

        本文面向低空空域運(yùn)行,結(jié)合基于線性動力系統(tǒng)的方法,對低空空域復(fù)雜度評估進(jìn)行了仿真實(shí)驗(yàn).進(jìn)行了多次模擬仿真實(shí)驗(yàn),驗(yàn)證了以線性動力系統(tǒng)模型描述低空空域態(tài)勢以及復(fù)雜度的有效性.首先,設(shè)置了仿真場景進(jìn)行了實(shí)驗(yàn),探討了該方法用于描述交通態(tài)勢的有效性,然后,從航跡維度和時(shí)間維度構(gòu)建了描述空域復(fù)雜圖的數(shù)據(jù)地圖,反映了低空運(yùn)行環(huán)境下的復(fù)雜程度.

        3.1 仿真場景設(shè)置

        本節(jié)選擇了以初始航跡運(yùn)行下的空域和解脫后航跡運(yùn)行下的空域的兩個(gè)場景,分別對航跡復(fù)雜性和空域復(fù)雜度進(jìn)行計(jì)算,評價(jià)低空空域態(tài)勢.相關(guān)控制參數(shù)如下:低空空域內(nèi)無人機(jī)數(shù)量分別為100架,仿真空域?yàn)橐粋€(gè)面積為9 km×9 km的二維低空空域,其中隨機(jī)生成障礙物區(qū)域.見圖2.

        圖2 二維空域以及無人機(jī)初始航跡Figure 2 Two-dimensional airspace and initial UAV trajectory

        3.2 場景1—初始航跡下的空域

        1)航跡復(fù)雜度度量

        通過基于線性動力系統(tǒng)模型的對100架無人機(jī)的航跡每架無人機(jī)航跡點(diǎn)集合進(jìn)行航跡點(diǎn)復(fù)雜度計(jì)算,對于無人機(jī)的航跡復(fù)雜度,即為其采樣航跡點(diǎn)的復(fù)雜性值的累計(jì).

        圖3是對每條航跡的復(fù)雜度進(jìn)行計(jì)算并統(tǒng)計(jì),可以得到航跡復(fù)雜度的平均值為3.28,航跡的復(fù)雜度集中分布在0~14之間,且有10架無人機(jī)的總航跡復(fù)雜度為0,即在對應(yīng)的無人機(jī)運(yùn)行中,周圍無復(fù)雜的交通態(tài)勢.

        圖3 航跡復(fù)雜度統(tǒng)計(jì)(初始空域)Figure 3 Trajectory statistic (initial airspace)

        2)空域復(fù)雜度度量

        基于復(fù)雜度度量評價(jià),本文將9 km×9 km以200 m×200 m的網(wǎng)格粒度大小進(jìn)行離散化,將空域網(wǎng)格中的復(fù)雜度指標(biāo)以熱力圖的形式表示,如圖4所示.其中離散化的網(wǎng)格單元的復(fù)雜度以在該網(wǎng)格內(nèi)的所有航跡點(diǎn)復(fù)雜度的平均值計(jì)算得到.

        圖4 空域態(tài)勢圖(初始空域)Figure 4 Airspace Situation(initial airspace)

        3.3 場景2—解脫后航跡運(yùn)行的空域

        1)航跡復(fù)雜度度量

        通過基于線性動力系統(tǒng)模型的對100架無人機(jī)的航跡每架無人機(jī)航跡點(diǎn)集合進(jìn)行航跡點(diǎn)復(fù)雜度計(jì)算,對于無人機(jī)i的航跡復(fù)雜度,即為其采樣航跡點(diǎn)的復(fù)雜性值的累計(jì).

        圖5是對每條解脫航跡的復(fù)雜度進(jìn)行計(jì)算并統(tǒng)計(jì),可以得到航跡復(fù)雜度的平均值為1.68,航跡的復(fù)雜度集中分布在0~10之間,且有10架無人機(jī)的總航跡復(fù)雜度為0.

        圖5 解脫航跡復(fù)雜度Figure 5 Conflictre solutiont rajectory complexity

        2)空域復(fù)雜度度量

        對于空域復(fù)雜度的度量,本文將9 km×9 km以200 m×200 m的網(wǎng)格粒度大小進(jìn)行離散化,將空域網(wǎng)格中的復(fù)雜度指標(biāo)以熱力圖的形式表示出來,如圖6所示.其中,離散化的網(wǎng)格單元的復(fù)雜度以在該網(wǎng)格內(nèi)的所有航跡點(diǎn)的復(fù)雜度的平均值計(jì)算得到.

        3.4 對比分析

        如圖2所示大量無人機(jī)航跡分布在整體空域的上半部分,圖4和圖6展示了對應(yīng)的空域地圖下的復(fù)雜度地圖反映了運(yùn)行空域下的復(fù)雜程度,交通態(tài)勢復(fù)雜區(qū)域與航跡圖呈現(xiàn)一致性.總體上,在航跡聚集較密集的區(qū)域,該空域范圍內(nèi)的復(fù)雜度指標(biāo)呈現(xiàn)局部較高的態(tài)勢,而在航跡較少的區(qū)域有著較低的復(fù)雜度指標(biāo).總體上,復(fù)雜度指標(biāo)的高低與空域運(yùn)行環(huán)境呈一致性關(guān)系.

        圖6 空域態(tài)勢圖(場景2)Figure 6 Airspace Situation (Situation 2)

        基于低空的運(yùn)行環(huán)境,對比場景1和場景2,在場景2下的無人機(jī)航跡復(fù)雜度與場景1下相比有明顯的降低約為48.4%,即初始航跡運(yùn)行下的空域交通態(tài)勢更為復(fù)雜,在解脫航跡下的空域與初始空域相比有著明顯的復(fù)雜度下降.需要注意的是,雖然在場景2下以解脫航跡的空域運(yùn)行,仍有部分區(qū)域的復(fù)雜度較高,這是由于選取表征復(fù)雜度的網(wǎng)格的粒度大小造成的,在200 m×200 m粒度下的網(wǎng)格內(nèi)會存在多架無人機(jī)的航跡點(diǎn)呈匯聚趨勢,造成在該粒度下的局部交通態(tài)勢較為復(fù)雜.

        4 結(jié) 語

        本文采用基于二維空域的運(yùn)行環(huán)境,采用線性動力系統(tǒng)的方法,通過對無人機(jī)航跡點(diǎn)周圍一定空間內(nèi)的交通態(tài)勢情況進(jìn)行計(jì)算,得到航跡采樣點(diǎn)的復(fù)雜度指標(biāo),以計(jì)算得到的復(fù)雜度指標(biāo)對航跡復(fù)雜度和空域復(fù)雜度,對低空態(tài)勢進(jìn)行評估分析,并通過對比初始空域環(huán)境和解脫航跡空域運(yùn)行環(huán)境,分析低空空域的交通態(tài)勢變化情況.結(jié)果證明,以線性動力系統(tǒng)的方法計(jì)算復(fù)雜度對無人機(jī)航跡和低空空域進(jìn)行度量,可以有效地反映出空域內(nèi)的交通態(tài)勢變化狀況,以及空域運(yùn)行時(shí)的復(fù)雜區(qū)域,為今后低空態(tài)勢評估以及運(yùn)行管理提供理論基礎(chǔ)和依據(jù).

        猜你喜歡
        低空空域航跡
        我國全空域防空體系精彩亮相珠海航展
        夢的航跡
        青年歌聲(2019年12期)2019-12-17 06:32:32
        低空自由飛行短期沖突探測算法
        自適應(yīng)引導(dǎo)長度的無人機(jī)航跡跟蹤方法
        視覺導(dǎo)航下基于H2/H∞的航跡跟蹤
        基于貝葉斯估計(jì)的短時(shí)空域扇區(qū)交通流量預(yù)測
        無題(2)
        淺談我國低空空域運(yùn)行管理現(xiàn)狀及發(fā)展
        基于能量空域調(diào)控的射頻加熱花生醬均勻性研究
        低空無人機(jī)在測繪中的應(yīng)用分析
        91高清国产经典在线观看| 成人无码av免费网站| 亚洲精品一区二在线观看| 免费观看国产短视频的方法| 国产精品欧美一区二区三区| 成人免费xxxxx在线视频| 精品国产又大又黄又粗av| 亚洲av一区二区三区蜜桃| 亚洲欧美乱综合图片区小说区| 中文在线天堂网www| 中文字幕色视频在线播放| 国产一区二区三区免费精品视频| 摸进她的内裤里疯狂揉她动图视频| 人人妻人人澡人人爽人人精品电影| 极品人妻少妇一区二区| 久久久麻豆精亚洲av麻花| 久久香蕉国产线看观看精品yw| 99热精品成人免费观看| 午夜日本精品一区二区| 麻豆精品一区二区综合av| 中国农村妇女hdxxxx| 在线观看国产一区亚洲bd| 在线观看一区二区三区国产| 亚洲精品国精品久久99热| 躁躁躁日日躁| 熟女白浆精品一区二区| 久久精品国产亚洲av不卡国产| 手机看片久久国产免费| 亚洲欧美中文在线观看4| 亚洲成av人片在久久性色av| 国产成人a级毛片| 爱情岛论坛亚洲品质自拍hd| 玖玖资源站无码专区| 日韩在线精品视频一区| 国产精品欧美福利久久| 精品国产亚洲一区二区三区演员表| 亚洲国产精品成人一区二区在线| 精品国产精品国产偷麻豆| 欧洲色综合| 国产三级在线观看不卡| 日本边添边摸边做边爱喷水|