基于安全间隔渐进决策树的无人机冲突预测方法

1.一种基于安全间隔渐进决策树的无人机冲突预测方法，其特征在于，步骤如下：1)根据无人机性能参数，计算无人机的安全间隔距离，建立无人机安全间隔参数库；2)建立WGS-84坐标系、GLONASS-PZ90坐标系转换为CGCS2000坐标系的坐标转换模型参数库，并将构建的布尔沙模型封装为坐标转换函数，定义函数调用方式；3)接收无人机发送的飞行动态数据，解析数据并进行标准化转换，将转换结果存入无人机飞行动态数据库；4)采用渐进决策树的分类方法进行空域类无人机冲突预测，并按冲突风险级别将预测结果分为待观察数据集、重点关注数据集、告警提示数据集；5)计算重点关注数据集中的无人机对可能达到告警提示级别的时间，以提示用户提前规划冲突解脱方案；计算告警提示数据集中的冲突无人机对预计相撞的时间，以提示用户进行冲突解脱；所述步骤4)具体包括：41)根据安全间隔定义无人机冲突风险级别，按用户配置的判断标准将冲突风险级别分为：待观察、重点关注、告警提示；待观察：风险级别低，表示个别关键指标显示存在潜在风险升级的可能，但不确定其是否会进一步发展成更高风险的状态，持续观察其变化趋势；重点关注：风险级别中等，表示大部分关键指标显示存在潜在风险升级的可能，需要用户密切关注其动态变化；告警提示：风险级别高，表示风险明显，对目标产生大影响，需要用户立即采取措施进行风险管控和处理；42)接收用户提供的时间范围，根据时间范围匹配无人机飞行动态数据库中飞行动态数据接收时间数据项，形成无人机测试数据集D c ；D c ＝{W 1 ，W 2 ，W 3 ，W 4 ，W 5 ，W 6 …W n ，|n＝1,2,3…N}W n ＝(XH n ，SX n ，SY n ，SZ n ，VX n ，VY n ，VZ n ，IX n ，IY n ，IZ n ，AN n |m＝1,2,3…N)其中，D c 和W n 中N为匹配到的数据记录总数；W n 为无人机飞行动态数据列，数据列中各数据项分别来源于无人机飞行动态数据库中具体数据项，如下：XH n 为飞行记录编号，SX n 为X轴上无人机位置，SY n 为Y轴上无人机位置，SZ n 为Z轴上无人机位置，VX n 为X轴上飞行速度，VY n 为Y轴上飞行速度，VZ n 为Z轴上飞行速度，IX n 为水平方向X轴的安全间隔，IY n 为水平方向Y轴的安全间隔，IZ n 为垂直方向的安全间隔，AN n 为航迹角；43)将无人机测试数据集D c 作为决策树的样本集合，以样本集合中相互两无人机位置在X、Y、Z轴上的距离小于或等于X、Y、Z轴上两无人机的安全间隔之和为特征，建立决策树集合D y ，具体步骤如下：对于无人机测试数据集D c 中任意两点W i 和W j ，i≠j，i∈n，j∈n，在X、Y、Z轴上的距离分别为DX ij ＝|SX i -SX j |，DY ij ＝|SY i -SY j |，DZ ij ＝|SZ i -SZ j |；在X、Y、Z轴上安全间隔之和分别为IX ij ＝IX i +IX j ，IY ij ＝IY i +IY j ，IZ ij ＝IZ i +IZ j ；计算出决策树集合D v ，如下：D y ＝{(W i ，W j )|(DX ij ≤IX ij )and(DY ij ≤，Y ij )and(DZ ij ≤IZ ij )}；44)将决策树集合D y 作为新的样本集合，分别以无人机对(W i ，W j )的两无人机位置在X、Y、Z轴上相互距离小于或等于X、Y、Z轴上两无人机的安全间隔为特征，渐进计算决策树集合 具体步骤如下：45)按冲突风险级别，分别建立待观察数据集、重点关注数据集、告警提示数据集；所述步骤45)具体包括：451)建立告警提示数据集，当无人机对满足决策树集合 的全部三项集合时，无人机对属于告警提示数据集D gj ，将决策树集合 作为样本数据集，计算出告警提示数据集D gj ，如下：452)建立重点关注数据集，当无人机对仅需满足决策树集合 的任意二项集合时，无人机对属于重点关注数据集Dgz，将决策树集合 作为样本数据集，计算出重点关注数据集Dgz，如下：453)建立待观察数据集，当无人机对仅需满足决策树集合 的任意一项集合时，无人机对属于待观察数据集Dgc，将决策树集合 作为样本数据集，计算出待观察数据集Dgc，如下： 2.根据权利要求1所述的基于安全间隔渐进决策树的无人机冲突预测方法，其特征在于，所述步骤1)具体包括：11)建立无人机性能参数表，参数项包括：无人机型号、总推力、垂直方向向前倾斜的角度、无人机质量、水平方向的最大速度及垂直方向的最大速度；12)计算无人机的安全间隔距离；13)建立无人机安全间隔参数库，参数项包括：无人机型号、无人机质量、水平方向的安全间隔及垂直方向的安全间隔；将步骤12)中的计算结果保存无人机安全间隔参数库中。 3.根据权利要求2所述的基于安全间隔渐进决策树的无人机冲突预测方法，其特征在于，所述步骤12)具体包括：121)从无人机性能参数表中获取无人机电机/旋翼的总推力F、无人机电机/旋翼对于垂直方向向前倾斜的角度为Φ，计算出无人机水平方向的最大推力F h 和垂直方向的最大推力F v ，计算式如下；F v ＝F cosΦF h ＝F sinΦ；122)从无人机性能参数表中获取无人机质量M，计算出无人机水平方向的加速度α h 和垂直方向的加速度α v ，计算式如下：α h ＝F h /Mα v ＝MAX((F v -Mg)/M，g)其中，g是重力加速度；123)从无人机性能参数表中获取无人机水平方向的最大速度 和垂直方向的最大速度 计算出无人机水平方向的安全间隔DI h 和垂直方向的安全间隔DI v ，计算式如下：其中，T eh 和T ev 分别为水平方向和垂直方向的冗余时间；N h 和N v 分别为水平方向和垂直方向的安全间隔配置参数。 4.根据权利要求3所述的基于安全间隔渐进决策树的无人机冲突预测方法，其特征在于，所述步骤2)具体包括：21)建立坐标转换模型参数库，参数项包括：原坐标系类型、新坐标系类型、地域适用范围、平移参数、旋转参数及尺度参数；22)建立坐标转换函数，定义函数调用方式。 5.根据权利要求4所述的基于安全间隔渐进决策树的无人机冲突预测方法，其特征在于，所述步骤22)具体包括：221)构建布尔沙模型，具体如下：其中，ΔX、ΔY、ΔZ为平移参数，m为尺度参数， 为旋转参数；X 1 ，Y 1 ，Z 1 为WGS-84坐标系或GLONASS-PZ90坐标系的无人机位置的原坐标；X 2 ，Y 2 ，Z 2 为CGCS2000坐标系的无人机位置的新坐标；222)将步骤221)中的布尔沙模型封装为坐标转换函数，定义函数调用方式供坐标转换计算时使用；函数的入参为：原坐标系类型、新坐标系类型、原坐标系的无人机具体位置X 1 ，Y 1 ，Z 1 ；函数的出参为：新坐标系的无人机具体位置X 2 ，Y 2 ，Z 2 ；223)利用坐标转换函数，将WGS-84坐标系或GLONASS-PZ90坐标系转换为CGCS2000坐标系。 6.根据权利要求5所述的基于安全间隔渐进决策树的无人机冲突预测方法，其特征在于，所述步骤223)具体如下：将函数的入参中的原坐标系类型、新坐标系类型、原坐标系的无人机具体位置X 1 ，Y 1 ，Z 1 对照坐标转换模型参数库中的原坐标系类型、新坐标系类型、地域适用范围三个参数项，获得平移参数、旋转参数及尺度参数；当从坐标转换模型参数库中获得的数据记录非唯一时，终止坐标转换计算，提示用户出错；否则，继续执行坐标转换计算；将原坐标系的无人机具体位置X 1 ，Y 1 ，Z 1 、平移参数、旋转参数、尺度参数代入坐标转换函数中，获得新坐标系的无人机具体位置X 2 ，Y 2 ，Z 2 ，并将新坐标系的无人机具体位置X 2 ，Y 2 ，Z 2 结果返回。 7.根据权利要求6所述的基于安全间隔渐进决策树的无人机冲突预测方法，其特征在于，所述步骤3)具体包括：31)建立无人机飞行动态数据库，数据项包括：飞行记录编号、无人机序列号、起飞时间、飞行状态、飞行动态数据接收时间、无人机型号、新坐标系类型、X轴上无人机位置、Y轴上无人机位置、Z轴上无人机位置、X轴上飞行速度、Y轴上飞行速度、Z轴上飞行速度、航迹角、水平方向的安全间隔及垂直方向的安全间隔；32)接收无人机发送的飞行动态数据，将接收到的无人机飞行动态数据进行解析，获得飞行记录编号、飞行状态、当前时间、无人机型号、坐标系类型、位置经度、位置维度、飞行高度、垂直飞行速度、水平飞行速度及航迹角；33)将飞行记录编号按照字符串组成的顺序和位数分解，分别获得无人机序列号、起飞时间和随机码；飞行记录编号由无人机序列号、起飞时间和随机码组成，具体格式为：20位的无人机序列号+8位的起飞时间+8位的随机码；34)将WGS-84坐标系或GLONASS-PZ90坐标系转换为CGCS2000坐标系；具体包括：341)将WGS-84坐标系、CGCS2000坐标系、GLONASS-PZ90坐标系用地心地固直角坐标系表示；3411)定义经纬度高度坐标表示的无人机位置为P L ，如下：P L ＝(B，L，H)式中，B为位置维度，L为位置经度，H为飞行高度；3412)计算卯酉圈曲率半径N，计算式如下：其中，a为参考椭球的长半轴，e为第一偏心率；3413)定义地心地固直角坐标表示的无人机位置为P Z ＝(X 1 ，Y 1 ，Z 1 )；将经纬度高度坐标表示的无人机位置P L 转化为地心地固直角坐标表示的无人机位置P Z ，计算式如下：X 1 ＝(N+H)cos(B)cos(L)Y 1 ＝(N+H)cos(B)sin(L)Z 1 ＝(N(1-e 2 )+H)sin(B)；342)判断坐标系类型，如果是WGS-84坐标系或GLONASS-PZ90坐标系时，执行坐标转换计算，具体步骤为：将获得的地心地固直角坐标表示的无人机位置P Z ＝(X 1 ，Y 1 ，Z 1 )、坐标系类型、新坐标系类型代入坐标转换函数，获得CGCS2000坐标系的无人机具体位置X 2 ，Y 2 ，Z 2 ，并设定CGCS2000坐标系无人机位置P C ＝(X 2 ，Y 2 ，Z 2 )；如果是CGCS2000坐标系时，P C ＝P Z ＝(X 1 ，Y 1 ，Z 1 )；35)分别计算无人机在X轴、Y轴、Z轴上的速度v x ，v y ，v z ；v x ＝v tv y ＝v l sinθv z ＝v l cosθ其中，v t 为垂直飞行速度，v l 为水平飞行速度，θ为航迹角；36)利用步骤32)中获得的无人机型号匹配无人机安全间隔参数库中无人机型号参数项，获得水平方向的安全间隔、垂直方向的安全间隔；当从无人机安全间隔参数库中获得的数据记录非唯一时，提示出错，方法结束；否则执行步骤37)；37)将标准化转换后的数据保存入无人机飞行动态数据库，具体保存数据对应关系如下：无人机飞行动态数据库的飞行记录编号＝步骤32)中获得的飞行记录编号；无人机飞行动态数据库的无人机序列号＝步骤32)中获得的无人机序列号；无人机飞行动态数据库的起飞时间＝步骤33)中获得的起飞时间；无人机飞行动态数据库的飞行状态＝步骤32)中获得的飞行状态；无人机飞行动态数据库的飞行动态数据接收时间＝步骤32)中获得的当前时间；无人机飞行动态数据库的无人机型号＝步骤32)中获得的无人机型号；无人机飞行动态数据库的新坐标系类型＝CGCS2000；无人机飞行动态数据库的X轴上无人机位置＝步骤342)中获得的X 2 ；无人机飞行动态数据库的Y轴上无人机位置＝步骤342)中获得的Y 2 ；无人机飞行动态数据库的Z轴上无人机位置＝步骤342)中获得的Z 2 ；无人机飞行动态数据库的X轴上飞行速度＝步骤35)中获得的v x ；无人机飞行动态数据库的Y轴上飞行速度＝步骤35)中获得的v y ；无人机飞行动态数据库的Z轴上飞行速度＝步骤35)中获得的v z ；无人机飞行动态数据库的航迹角＝步骤32)中获得的航迹角；无人机飞行动态数据库的水平方向的安全间隔＝步骤36)中获得水平方向的安全间隔；无人机飞行动态数据库的垂直方向的安全间隔＝步骤36)中获得垂直方向的安全间隔。 8.根据权利要求1所述的基于安全间隔渐进决策树的无人机冲突预测方法，其特征在于，所述步骤5)具体包括：51)计算重点关注数据集Dgz中的无人机对可能达到告警提示级别的时间，具体步骤如下：将重点关注数据集D gz 作为样本数据集；当重点关注数据集D gz 中无人机对(W i ，W j )，满足|SX i -SX j |＞MAX(IX i ，IX j )，飞行记录编号XH i 和XH j 可能达到告警提示级别的时间T gz1 ＝|SX i -SX j |/|VX i -VX j |；当重点关注数据集D gz 中无人机对(W i ，W j )，满足|SY i -SY j |＞MAX(IY i ，IY j )，飞行记录编号XH i 和XH j 可能达到告警提示级别的时间T gz2 ＝|SY i -SY j |/|VY i -VY j |；当重点关注数据集D gz 中无人机对(W i ，W j )，满足|SZ i -SZ j |＞MAX(IZ i ，IZ j )，飞行记录编号XH i 和XH j 可能达到告警提示级别的时间T gz3 ＝|SZ i -SZ j |/|VZ i -VZ j |；重点关注数据集D gz 中所有无人机对预计达到告警提示级别的时间集T gz ，如下：T gz ＝{XH i ，XH j ，(T gz1 ，T gz2 ，T gz3 )|(W i ，W j )∈D gz }；52)计算告警提示数据集D gj 中冲突无人机对预计相撞的时间，具体步骤如下：将告警提示数据集D gj 作为样本数据集，计算出无人机对(W i ，W j )的预计相撞的时间T gj ″，如下：告警提示数据集D gj 中所有无人机对预计相撞的时间集T gj ，如下：T gj ＝{XH i ，XH j ，T gj ″|(W i ，W j )∈D gj }。