ADS-B大数据环境下的机场滑行时间预测及优化关键技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    U1533114
  • 项目类别：
    联合基金项目
  • 资助金额：
    35.0万
  • 负责人：
    许玉斌
  • 依托单位：
    中国民航科学技术研究院
  • 学科分类：
    F01.电子学与信息系统
  • 结题年份：
    2018
  • 批准年份：
    2015
  • 项目状态：
    已结题
  • 起止时间：
    2016-01-01 至2018-12-31

项目摘要

Taxi time is a typical representative of airport surface operation efficiency and severity of flight ground delay. How to predict taxi time precisely and optimize taxi time is vital measures to improve surface operation efficiency. During the era of poor data, taxi time prediction usually takes simple structure algorithms such as regression analysis, which make it hard to describe the complicated non-linear effect of impact factors. In addition, as the samples is greatly limited, prediction model just only meet partial demands. Meanwhile, taxi time optimization always ignore dynamic surface traffic flow parameter. Based on these problems, this project aims to realize: (1) Extraction of taxi time for airports of different categories based on long time series of national ADS-B data. Then the determinants and typical spatio-temporal pattern will be worked out. (2) Modelling of taxi time quick prediction. This will adopt deep learning algorithm to identify optimal feature space for prediction based on the analysis of all relevant factors. (3) Real time adjust of taxi route to reduce taxi time through feedback-embedded multiple intelligent objects system. The achievements of this projects will provide accurate approach and departure information and taxi solution for airport ATC and ground support department. It will be of great help for follow-in of ground support tasks. It can also significantly improve surface operation efficiency and further reduce flight ground delay and economic loss.
滑行时间是表征机场场面运行效率和地面延误程度的重要指标，因此准确预测并优化滑行时间是提高场面运行效率的重要手段。在数据匮乏时期，滑行时间预测主要采用浅层结构算法，难以表达影响因子的复杂非线性作用，且建立在有限统计样本基础上的预测模型普适性较弱；而滑行时间优化缺少对场面交通流变化等时变因素的自适应调整，不能满足复杂多变环境的优化需求。因此，研究大数据环境下的滑行时间预测及优化关键技术尤为重要。本项目旨在基于海量ADS-B数据提取长时间序列滑行时间样本，分析滑行时间影响因子与典型时空模式；结合与滑行过程关联的环境参数数据，利用深度学习算法识别滑行时间预测的最优特征空间，构建滑行时间快速预测模型；并借助ADS-B数据构建融合反馈机制的多智能体系统，动态调整滑行路径进而实时优化滑行时间。研究成果将为运控及保障部门提供精准的起降相关信息，进而提高场面运行效率，减少地面延误及由此带来的经济损失。

结项摘要

滑行时间是表征机场场面运行效率和地面延误程度的重要指标，因此准确预测并优化滑行时间是提高场面运行效率的重要手段。在数据匮乏时期，滑行时间预测主要采用浅层结构算法，难以表达影响因子的复杂非线性作用，且建立在有限统计样本基础上的预测模型普适性较弱。本项目基于海量ADS-B数据开展滑行路径重构，提取长时间序列滑行时间样本，进而分析滑行时间影响因子与典型时空模式；结合与滑行过程关联的环境参数数据，识别滑行时间估计的最优特征空间，进而借助机器学习手段结合实时的ADS-B数据实现航班预达时刻快速预测；此外，在上述研究基础上研制北斗低空监视与信息服务平台。研究成果将为运控及保障部门提供精准的滑行时间和预达信息，进而提高场面运行效率，有肋于减少地面延误及由此带来的经济损失。

项目成果

期刊论文数量（7）
专著数量（0）
科研奖励数量（0）
会议论文数量（2）
专利数量（0）
The Fractional Kalman Filter-Based Asynchronous Multirate Sensor Information Fusion
基于分数卡尔曼滤波器的异步多速率传感器信息融合
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    Complexity
  • 影响因子：
    2.3
  • 作者：
    Guangyue Xue;Yubin Xu;Jing Guo;Wei Zhao
  • 通讯作者：
    Wei Zhao
A probabilistic approach to detect mixed periodic patterns from moving object data
从移动对象数据中检测混合周期模式的概率方法
  • DOI：
    10.1007/s10707-016-0261-2
  • 发表时间：
    2016-10
  • 期刊：
    Geoinformatica,
  • 影响因子：
    --
  • 作者：
    Jun Li;Jingjing Wang;Junfei Zhang;Qiming Qin;Tanvi Jinda;Jiawei Han
  • 通讯作者：
    Jiawei Han
Application of GPS Trajectory Data for Investigating the Interaction between Human Activity and Landscape Pattern: A Case Study of the Lijiang River Basin, China
应用 GPS 轨迹数据研究人类活动与景观格局的相互作用：以中国漓江流域为例
  • DOI：
    10.3390/ijgi5070104
  • 发表时间：
    2016-06
  • 期刊：
    International Journal o f Geo-Information
  • 影响因子：
    --
  • 作者：
    Jun Li;Yuan Zhang;Xiang Wang
  • 通讯作者：
    Xiang Wang
Rural Road Extraction from High-Resolution Remote Sensing Images Based on Geometric Feature Inference
基于几何特征推断的高分辨率遥感图像乡村道路提取
  • DOI：
    10.3390/ijgi6100314
  • 发表时间：
    2017-10-01
  • 期刊：
    ISPRS INTERNATIONAL JOURNAL OF GEO-INFORMATION
  • 影响因子：
    3.4
  • 作者：
    Liu, Jian;Qin, Qiming;Li, Yunpeng
  • 通讯作者：
    Li, Yunpeng
Investigating the Impact of Human Activity on Land Use/Cover Change in China's Lijiang River Basin from the Perspective of Flow and Type of Population
从流量和人口类型的角度研究人类活动对中国漓江流域土地利用/覆盖变化的影响
  • DOI：
    10.3390/su9030383
  • 发表时间：
    2017-03-01
  • 期刊：
    SUSTAINABILITY
  • 影响因子：
    3.9
  • 作者：
    Li, Jun;Zhang, Yuan;Yan, Yueguan
  • 通讯作者：
    Yan, Yueguan

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于WebGIS的大型灌区水利信息综合管理系统设计与实现
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    节水灌溉
  • 影响因子：
    --
  • 作者：
    罗鹏;陈秀万;万玮;万家欢;许玉斌
  • 通讯作者：
    许玉斌
基于混合阈值法的Envisat 影像水体提取
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    遥感信息
  • 影响因子：
    --
  • 作者：
    李智慧;陈秀万;罗鹏;许玉斌;李颖
  • 通讯作者：
    李颖

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码