[go: up one dir, main page]

CN108172026B - 复杂空域多飞行器自主避险方法及装置 - Google Patents

复杂空域多飞行器自主避险方法及装置 Download PDF

Info

Publication number
CN108172026B
CN108172026B CN201810004431.3A CN201810004431A CN108172026B CN 108172026 B CN108172026 B CN 108172026B CN 201810004431 A CN201810004431 A CN 201810004431A CN 108172026 B CN108172026 B CN 108172026B
Authority
CN
China
Prior art keywords
aircraft
risk
flight
strategy
maneuvering
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810004431.3A
Other languages
English (en)
Other versions
CN108172026A (zh
Inventor
曹先彬
杜文博
宋韬
何绍溟
吴天航
李宇萌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Beijing Institute of Technology BIT
Original Assignee
Beihang University
Beijing Institute of Technology BIT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beihang University, Beijing Institute of Technology BIT filed Critical Beihang University
Priority to CN201810004431.3A priority Critical patent/CN108172026B/zh
Publication of CN108172026A publication Critical patent/CN108172026A/zh
Application granted granted Critical
Publication of CN108172026B publication Critical patent/CN108172026B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft
    • G08G5/80—Anti-collision systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft
    • G08G5/50—Navigation or guidance aids
    • G08G5/53—Navigation or guidance aids for cruising
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft
    • G08G5/50—Navigation or guidance aids
    • G08G5/55—Navigation or guidance aids for a single aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft
    • G08G5/70—Arrangements for monitoring traffic-related situations or conditions
    • G08G5/72—Arrangements for monitoring traffic-related situations or conditions for monitoring traffic
    • G08G5/723—Arrangements for monitoring traffic-related situations or conditions for monitoring traffic from the aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft
    • G08G5/50—Navigation or guidance aids
    • G08G5/57—Navigation or guidance aids for unmanned aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种复杂空域多飞行器自主避险方法及装置，所述避险方法，包括：根据各飞行器的当前位置信息与当前运动信息，预测飞行器执行不同机动策略时，各飞行器之后预设时间内的飞行过程；根据所预测的飞行过程，得到期间内可能发生的风险事件；所述风险事件用于表征飞行器与其他飞行器发生碰撞或冲突的事件；根据所述风险事件与各飞行器的优先级排序，对飞行器执行不同机动策略时的风险进行评估；若针对其中任意之一飞行器，根据评估的结果，确定了唯一的风险最小的机动策略，则以该风险最小的机动策略作为该飞行器的当前机动策略，以使得该飞行器以所述当前机动策略控制飞行：本发明使得飞行器可以自主进行避险。

Description

复杂空域多飞行器自主避险方法及装置
技术领域
本发明涉及低空飞行领域，尤其涉及一种复杂空域多飞行器自主避险方法及装置。
背景技术
航空，指飞行器在地球大气层(空气空间)中的飞行(航行)活动，以及与此相关的科研教育、工业制造、公共运输、专业作业、航空运动、国防军事、政府管理等众多领域。低空空域，可以理解为1000米以下的飞行区域。
相关技术中，低空飞行器可以在低空空域进行飞行。低空飞行器可以根据预先设计好的飞行参数与飞行轨迹进行飞行。
然而，当低空飞行器的数量不止一个时，低空飞行器之间会发生碰撞或者冲突等危险情况，低空飞行器无法自主针对这种情况进行避险。
发明内容
本发明提供一种复杂空域多飞行器自主避险方法及装置，以解决无法自主进行避险的问题。
根据本发明的第一方面，提供了一种复杂空域多飞行器自主避险方法，包括：
根据各飞行器的当前位置信息与当前运动信息，预测飞行器执行不同机动策略时，各飞行器之后预设时间内的飞行过程；
根据所预测的飞行过程，得到期间内可能发生的风险事件；所述风险事件用于表征飞行器与其他飞行器发生碰撞或冲突的事件；
根据所述风险事件与各飞行器的优先级排序，对飞行器在执行不同机动策略时的风险进行评估；
若针对其中任意之一飞行器，根据评估的结果，确定了唯一的风险最小的机动策略，则以该风险最小的机动策略作为当前机动策略，以使得该飞行器以所述当前机动策略控制飞行。
可选的，所述根据所预测的飞行过程，得到期间内可能发生的风险事件，包括：
根据所述飞行过程，对于其中每两架飞行器，计算所述两架飞行器在所述预设时间内最接近时的最小距离；
根据所述最小距离与所述两架飞行器的当前距离，确定所述两架飞行器发生的风险事件。
可选的，所述根据所述最小距离与所述两架飞行器的当前距离，确定所述两架飞行器发生的风险事件，包括：
若所述当前距离小于飞行器的探测距离，且所述最小距离小于冲突风险距离，则：确定所述两架飞行器发生了冲突的风险事件；
若所述当前距离小于飞行器的探测距离，且所述最小距离小于碰撞风险距离，则：确定所述两架飞行器发生了碰撞的风险事件。
可选的，所述各飞行器的优先级排序满足以下：
第一飞行器组中的飞行器的优先级高于第二飞行器组中的飞行器；其中，所述第一飞行器组中的飞行器与终点的距离小于参考距离，所述第二飞行器组中的飞行器与终点的距离大于所述参考距离；
对于同一飞行器组中的飞行器，若其探测区域内具有威胁物，则：对应的威胁物冲突程度越高，飞行器的优先级越高；
对于同一飞行器组中的飞行器，若其探测区域内不具有威胁物，则：飞行器的延误程度越高，飞行器的优先级越高；
对于同一飞行器组中的飞行器，若其探测区域内不具有威胁物，且飞行器的延误程度相同，则：飞行器的飞行时间越长，飞行器的优先级越高；
对于同一飞行器组中的飞行器，若其探测区域内不具有威胁物，飞行器的延误程度相同，且飞行时间也相同，则：根据航程确定的剩余飞行时间越长，飞行器的优先级越高。
可选的，所述根据所述风险事件与各飞行器的优先级排序，对飞行器执行不同机动策略时的风险进行评估，包括：
利用以下公式对飞行器xi的所能采取的机动策略集合Ui中的单个机动策略
Figure GDA0002633182260000031
的风险进行评估：
Figure GDA0002633182260000032
其中：
Figure GDA0002633182260000033
飞行器xj为与飞行器xi发生风险事件的飞行器；
Figure GDA0002633182260000038
为优先级高于飞行器xi，且与飞行器xi发生风险事件的飞行器的集合；
Figure GDA0002633182260000034
表示飞行安全收益函数，其值为对飞行器xi的单个机动策略
Figure GDA0002633182260000035
的风险进行评估所使用的安全收益值；
W是冲突风险权重函数，其中：
Figure GDA0002633182260000036
其中：
RNMi为飞行器xi的冲突风险距离；
Rc为飞行器xi的碰撞风险距离；
dmin(i，j)表示飞行器xj与飞行器xi在所述预设时间内最接近时的最小距离；
α表示一风险系数，其中：
Figure GDA0002633182260000037
其中，β表示一权重参数，且0≤β≤1；
dkmin(i，j)表示飞行器xi当前位置与一第一最接近点之间的距离，所述第一最接近点为飞行器xi与飞行器xj最接近时飞行器xi的位置。
可选的，所述的方法，还包括：
若针对其中任意之一飞行器，确定了不止一个风险最小的机动策略，则对各风险最小的机动策略的飞行效率进行评估，选择其中效率最高的机动策略作为该飞行器的当前机动策略，以使得该飞行器以所述当前机动策略控制飞行。
可选的，所述对各风险最小的机动策略的飞行效率进行评估，包括：
利用以下公式对飞行器xi的单个机动策略
Figure GDA0002633182260000041
的效率进行评估：
Figure GDA0002633182260000042
其中：
Figure GDA0002633182260000043
Figure GDA0002633182260000044
Figure GDA0002633182260000045
表示飞行效率收益函数，其值为对飞行器xi的单个机动策略
Figure GDA0002633182260000046
的效率进行评估所使用的效率收益值；
Figure GDA0002633182260000047
表示飞行器xi的当前位置；
Figure GDA0002633182260000048
表示飞行器xi的执行机动策略
Figure GDA0002633182260000049
后的位置；
Figure GDA00026331822600000410
表示飞行器xi的终点位置；
Figure GDA00026331822600000411
表示飞行器xi自
Figure GDA00026331822600000412
位置执行机动策略
Figure GDA00026331822600000413
后继续飞行，飞行到达
Figure GDA00026331822600000414
位置的时间；
Figure GDA00026331822600000415
表示原飞行计划中飞行器xi自
Figure GDA00026331822600000416
位置飞行到达
Figure GDA00026331822600000417
位置的时间；
Figure GDA00026331822600000418
表示飞行器xi的执行机动策略
Figure GDA00026331822600000419
后的飞行速度。
可选的，所述风险事件为根据对应飞行器的保护区域确定，所述保护区域包括碰撞的风险事件对应的碰撞风险区域与冲突的风险事件对应的冲突风险区域，所述冲突风险区域处于所述碰撞风险区域外。
可选的，所述保护区域通过以下公式表征：
Figure GDA00026331822600000420
其中：
Figure GDA0002633182260000051
Figure GDA0002633182260000052
RNM表示冲突风险距离；
γ为空域复杂度系数；
ω为影响因子；
aA为飞行器的加速率；
aT为飞行器的转弯速率；
vc为飞行器的飞行速度；
Ts为时间步长。
根据本发明的第二方面，提供了一种低空飞行器的仿真演示方法，包括：
生成飞行场景；
根据第一方面及其可选方案提供的复杂空域多飞行器自主避险方法确定所述飞行场景中的飞行器在各时刻的当前机动策略，并仿真得到对应的各航路轨迹；
根据所述各航路轨迹输出显示所述飞行场景下各飞行器的飞行过程。
根据本发明的第三方面，提供了一种复杂空域多飞行器自主避险装置，包括：
预测模块，用于根据各飞行器的当前位置信息与当前运动信息，预测飞行器执行不同机动策略时，各飞行器之后预设时间内的飞行过程；
事件模块，用于根据所预测的飞行过程，得到期间内可能发生的风险事件；所述风险事件用于表征飞行器与其他飞行器发生碰撞或冲突的事件；
第一评估模块，用于根据所述风险事件与各飞行器的优先级排序，对飞行器执行不同机动策略时的风险进行评估；
第一当前机动策略模块，若针对其中任意之一飞行器，根据评估的结果，确定了唯一的风险最小的机动策略，则以该风险最小的机动策略作为该飞行器的当前机动策略，以使得该飞行器以所述当前机动策略控制飞行。
本发明提供的复杂空域多飞行器自主避险方法及装置，通过根据各飞行器的当前位置信息与当前运动信息，预测飞行器执行不同机动策略时，各飞行器之后预设时间内的飞行过程；以及根据所预测的飞行过程，得到期间内可能发生的风险事件，实现了风险情况的预测，本发明还通过根据所述风险事件与各飞行器的优先级排序，对飞行器在执行不同机动策略时的风险进行评估；以及若针对其中任意之一飞行器，根据评估的结果，确定了唯一的风险最小的机动策略，则以该风险最小的机动策略作为当前机动策略，以使得该飞行器以所述当前机动策略控制飞行，实现了依据所预测的风险情况确定机动策略，从而使得飞行器可以在未发生风险情况时自主进行避险。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一复杂空域多飞行器自主避险方法的流程示意图一；
图2是本发明一复杂空域多飞行器自主避险方法的流程示意图二；
图3是本发明一保护区域的示意图一；
图4是本发明一保护区域的示意图二；
图5是本发明另一保护区域的示意图；
图6是图2中步骤S22的流程示意图；
图7是本发明一复杂空域多飞行器自主避险方法中两架飞行器的算法示意图；
图8是本发明一低空飞行器的仿真演示方法的流程示意图；
图9是本发明一复杂空域多飞行器自主避险装置的模块示意图一；
图10是本发明一复杂空域多飞行器自主避险装置的模块示意图二。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1是本发明一复杂空域多飞行器自主避险方法的流程示意图一。
请参考图1，复杂空域多飞行器自主避险方法，包括：
S11：根据各飞行器的当前位置信息与当前运动信息，预测飞行器执行不同机动策略时，各飞行器之后预设时间内的飞行过程。
当前位置信息，可以理解为用于表征飞行器位置的任意形式和内容的信息，例如二维或三维坐标系下的坐标信息，或相对于参考物的相对位置信息。当前运动信息，可以理解为用于表征飞行器运动状态的任意形式和内容的信息，例如可以为运动的速度、加速度及其方向。
机动策略，可以理解为包括飞行过程中可进行的若干机动策略，其中任意一个机动策略的不同，均可构成不同的机动策略。
预设时间，可以为任意的时间长度；其可以根据预测经验确定，也可以由人为根据理论计算确认，或由人为任意确认。
S12：根据所预测的飞行过程，得到期间内可能发生的风险事件。
以上过程可具体理解为，针对每一种机动策略，分别计算各飞行器可能发生的风险事件。
风险事件，可理解为用于表征飞行器与其他飞行器发生碰撞或冲突的事件。冲突的事件，可以理解为未碰撞，但产生互相干扰冲突的事件，也可理解为虽未碰撞，但差点会发生碰撞的事件。其中，可以根据各飞行器的保护区域确定风险事件的发生，其中，保护区域可包括冲突风险区域与碰撞风险区域，对应还可确定有冲突风险距离、碰撞风险距离，结合探测距离与探测区域，可以使得对风险事件的判断能够更细致、准确、易于执行。
S13：根据所述风险事件与各飞行器的优先级排序，对飞行器执行不同机动策略时的风险进行评估。
优先级排序，可以理解为任意的排序方式。其可根据飞行器的航行情况具体进行设计，所涉及的因素可以包括：飞行时间、飞行剩余时间、飞行剩余距离、飞行距离、相关威胁物的数量、相关飞行器的数量与运动状况、延误情况、飞行计划安排等等。后文对其排序方式进行了进一步的举例，应认为：不论以何种方式进行优先级排序，均不脱离本发明的精神。
由于风险事件表征了风险，优先级排序对飞行器的优先级进行了确定，进而使得：不同优先级的飞行器所涉及的风险事件，在风险评估中对评估结果的影响不同，其可以为：优先级较高的飞行器，其对应的事件在风险评估中对评估结果的影响相对较大。可见，该方案将优先级排序纳入到评估中，可以使得评估结果更符合飞行器飞行控制的实际需求。
S14：若针对其中任意之一飞行器，根据评估的结果，确定了唯一的风险最小的机动策略，则以该风险最小的机动策略作为该飞行器的当前机动策略，以使得该飞行器以所述当前机动策略控制飞行。
本实施例提供的复杂空域多飞行器自主避险方法，通过根据各飞行器的当前位置信息与当前运动信息，预测在不同机动策略下，各飞行器之后预设时间内的飞行过程；以及根据所预测的飞行过程，得到期间内可能发生的风险事件，实现了风险情况的预测，本发明还通过根据所述风险事件与各飞行器的优先级排序，对各飞行器在不同机动策略下的风险进行评估；以及若根据评估的结果，确定了风险最小的一个机动策略，则以该风险最小的机动策略作为当前机动策略，并使得对应的飞行器以所述当前机动策略控制飞行，实现了依据所预测的风险情况确定机动策略，从而使得飞行器可以在未发生风险情况时自主进行避险。
图2是本发明一复杂空域多飞行器自主避险方法的流程示意图二。
请参考图2，复杂空域多飞行器自主避险方法，包括：
S21：根据各飞行器的当前位置信息与当前运动信息，预测飞行器执行不同机动策略时，各飞行器之后预设时间内的飞行过程。
当前位置信息，可以理解为用于表征飞行器位置的任意形式和内容的信息，例如二维或三维坐标系下的坐标信息，或相对于参考物的相对位置信息。当前运动信息，可以理解为用于表征飞行器运动状态的任意形式和内容的信息，例如可以为运动的速度、加速度及其方向。
机动策略，可以理解为飞行器所能被控制执行的动作或动作的组合。
预设时间，可以为任意的时间长度；其可以根据预测经验确定，也可以由人为根据理论计算确认，或由人为任意确认。
步骤S21的思路可以理解为通过对当前飞行器的位置和运动的分析得到飞行器在未来时间内的投影，并不考虑不确定因素的影响。
其中，以X来表示当前空域中所有的飞行器，整个空域内的飞行器数目为N架，任意一架飞行器Xi(i＝1,2,...，N)满足Xi∈X。每架飞行器均被一个保护区域所环绕。
图3是本发明一保护区域的示意图一；图4是本发明一保护区域的示意图二；图5是本发明另一保护区域的示意图。
每架飞行器均被一个保护区域所环绕，即被探测区域、冲突风险区域所围绕，同时，周围还围绕有探测区域。在任意时刻，如果有飞行器Xj入侵至冲突风险区域或者冲突碰撞区域，那么我们就认为Xi和Xj之间发生冲突或碰撞的风险事件。可见，所述风险事件为根据对应飞行器的保护区域确定。
保护区域，可以理解为包括冲突区域与碰撞区域。所述风险事件为根据对应飞行器的保护区域确定，所述保护区域包括碰撞的风险事件对应的碰撞风险区域与冲突的风险事件对应的冲突风险区域，所述冲突风险区域处于所述碰撞风险区域外。
请参考图3，其中最内的圆可理解为碰撞风险区域，其半径即碰撞风险距离RC，其中的C可理解为Collision，中间的圆可理解为对应于冲突风险区域，其半径即冲突风险距离RNM，其中的NM可理解为Near Miss，最外的圆可理解为探测区域，其半径即探测距离RD，其中的D可理解为Detect。
其中，冲突风险区域，可以具体指最内的圆与中间的圆的中间部分，则：冲突风险区域与碰撞风险区域组合形成保护区域。其可对应于图4理解，由于碰撞风险区域处于冲突风险区域内，所以，冲突风险区域的外轮廓，也可理解为保护区域的外轮廓，即确定了保护区域的范围。其中，对于飞行器，受到飞行器的加速率aA、减速率aD、转弯速率aT和飞行速度vc等因素的影响，其保护区域的形状也可发生变化。
请参考图5，其示意了另一种形状的实施方案，而非圆形的保护区域，若设定飞行器的质心在坐标系原点上，则：
所述保护区域通过以下公式表征：
Figure GDA0002633182260000101
其中：
Figure GDA0002633182260000102
Figure GDA0002633182260000103
RNM表示冲突风险距离；
γ为空域复杂度系数；
ω为影响因子；
aA为飞行器的加速率；
aT为飞行器的转弯速率；
vc为飞行器的飞行速度；
Ts为时间步长。
对于其中的空域复杂度系数γ，可以根据当前空域威胁物的复杂程度对其进行赋值，当空域中飞行器密度较小、威胁物较少时，飞行器有足够的时间对即将发生的威胁机型进行避险，因此可以适当缩小保护区；反之，若当前空域拥挤，威胁物较多，可适当增大保护区，使飞行器能够更早的进行避险。一般情况下，γ取值可以为1。
在图5示意的实施方式中，可得到一个类似蛋形的保护区域，其形状会根据飞行器的当前飞行速度和机动性能发生变化。
飞行器自主避险的目标可以理解为在有一定反应时间的基础上尽量减少飞行器冲突风险，杜绝飞行器碰撞冲突事件的发生，因此要求RD＞RNM＞＞RC。定义d(i，j)表示飞行器Xi和Xj的距离，定义当且仅当d(i，j)＜RC时，两机发生碰撞的事件；当且仅当RC＜d(i，j)≤RNM时，两机发生冲突的事件。
其中，可分别用CC(i)和CNM(i)表示飞行器的碰撞事件集合和冲突事件集合。则飞行器的风险事件集合为：
Ci＝(CC(i)CNM(i))。
此外，对于任意飞行器，其威胁物可以理解为包括其他飞行器，但也不限于其他飞行器的可对该飞行器的飞行产生障碍的对象，也可理解为处于同一飞行场景下除该飞行器以外的其他任意对象。
其中一种实施方式中，利用飞行器Xi和Xj当先的速度矢量或做出机动策略对应的操作后的速度矢量vi和vj，线性预测未来预设时间TP内飞行器Xi和Xj的航迹，其可理解为飞行过程。
S22：根据所预测的飞行过程，得到期间内可能发生的风险事件。
以上过程可具体理解为，针对每一种机动策略，分别计算各飞行器可能发生的风险事件。
所述风险事件可理解为用于表征飞行器与其他飞行器发生碰撞或冲突的事件。冲突的事件，可以理解为未碰撞，但产生互相干扰冲突的事件。其中，可以根据各飞行器的保护区域确定风险事件的发生，其中，保护区域中可对应确定探测区域、碰撞风险区域、冲突风险区域、冲突风险距离、碰撞风险距离、探测距离，以使得对风险事件的判断能够更细致、准确、易于执行。
实际场景中，只有当两架飞行器互相出现在其探测范围之内才会对两者之间的冲突及碰撞进行预测，因此预测距离应当小于探测距离，即TP·v＜RD，预设时间TP的取值与飞行器自身机动性能和探测能力有关。
图6是图2中步骤S22的流程示意图。
请参考图6，步骤S22，包括：
S221：根据所述飞行过程，对于其中每两架飞行器，计算所述两架飞行器在所述预设时间内最接近时的最小距离。
S222：根据所述最小距离与所述两架飞行器的当前距离，确定所述两架飞行器发生的风险事件。
图7是本发明一复杂空域多飞行器自主避险方法中两架飞行器的算法示意图。
请参考图7，步骤S22之前，还可包括计算预设时间TP内最小距离dmin(i，j)的过程。两架飞行器在到达最小距离dmin(i，j)时所处的位置为最接近点(Closest Point)，其中，飞行器Xi的最接近点可以理解为第一最接近点，飞行器Xj的最接近点可以理解为第二最接近点，飞行器Xi的当前位置与第一最接近点位置可表征为dkmin(i，j)Xj，飞行器Xj的当前位置与第二最接近点位置可表征为dkmin(j，i)，同时，飞行器Xi和Xj的当前距离表征为d(i，j)。
故而，步骤S222具体可以为：
若所述当前距离小于飞行器的探测距离，且所述最小距离小于冲突风险距离，即当：d(i，j)＜RD，且dmin(i，j)＜RNM时，则：确定所述两架飞行器Xi和Xj发生了冲突的风险事件。
若所述当前距离小于飞行器的探测距离，且所述最小距离小于碰撞风险距离，即当：d(i，j)＜RD，且dmin(i，j)＜RC，则：确定所述两架飞行器发生了碰撞的风险事件。两架飞行器间的风险事件可表征为Cij＝(d(i，j)，dmin(i，j))。
在预设时间TP内，飞行器Xi可能出现不止一次冲突或者碰撞，因此，可以得到事件集合Ci＝{Cij|j＝1,...，i-1，i+1，...，N}。而所有与飞行器Xi存在冲突风险的飞行器构成的潜在冲突集合
Figure GDA0002633182260000121
飞行器自主避险问题可描述为飞行器与其潜在冲突集合的博弈过程。
S23：根据所述风险事件与各飞行器的优先级排序，对飞行器执行不同机动策略时的风险进行评估。
优先级排序，可以理解为任意的排序方式。其可根据飞行器的航行情况具体进行设计，所涉及的因素可以包括：飞行时间、飞行剩余时间、飞行剩余距离、飞行距离、相关威胁物的数量、相关飞行器的数量与运动状况、延误情况、飞行计划安排等等。后文对其排序方式进行了进一步的举例，应认为：不论以何种方式进行优先级排序，均不脱离本发明的精神。
由于风险事件表征了风险，优先级排序对飞行器的优先级进行了确定，进而使得：不同优先级的飞行器所涉及的风险事件，在风险评估中对评估结果的影响不同，其可以为：优先级较高的飞行器，其对应的事件在风险评估中对评估结果的影响相对较大。可见，该方案将优先级排序纳入到评估中，可以使得评估结果更符合飞行器飞行控制的实际需求。
其中一种实施方式中，所述各飞行器的优先级排序满足以下：
第一飞行器组中的飞行器的优先级高于第二飞行器组中的飞行器；其中，所述第一飞行器组中的飞行器与终点的距离小于参考距离，所述第二飞行器组中的飞行器与终点的距离大于所述参考距离。
对于同一飞行器组中的飞行器，若其探测区域内具有威胁物，则：对应的威胁物冲突程度越高，飞行器的优先级越高。
对于同一飞行器组中的飞行器，若其探测区域内不具有威胁物，则：飞行器的延误程度越高，飞行器的优先级越高。
对于同一飞行器组中的飞行器，若其探测区域内不具有威胁物，且飞行器的延误程度相同，则：飞行器的飞行时间越长，飞行器的优先级越高。
对于同一飞行器组中的飞行器，若其探测区域内不具有威胁物，飞行器的延误程度相同，且飞行时间也相同，则：根据航程确定的剩余飞行时间越长，飞行器的优先级越高。
对于每架飞行器Xi，在同一时间内与它有潜在冲突风险的飞行器集合是
Figure GDA0002633182260000137
Figure GDA0002633182260000138
内的飞行器都是Xi探测范围内的飞行器，但是它的优先级不一定都高于Xi，因此通过优先级规则的筛选，我们得到优先级比Xi高且与其可能发生风险事件的飞行器集合
Figure GDA0002633182260000131
Xi需要考虑可能发生风险事件的的飞行器
Figure GDA0002633182260000132
可表示飞行器(X1，X2，...，Xn)即将采取的机动策略，
Figure GDA0002633182260000133
为飞行器Xi所能采取的所有机动策略的集合。
步骤S23具体可以包括：
利用以下公式对飞行器xi的所能采取的机动策略集合Ui中的单个机动策略
Figure GDA0002633182260000139
的风险进行评估：
Figure GDA0002633182260000134
其中：
Figure GDA0002633182260000135
飞行器xj为与飞行器xi发生风险事件的飞行器；
Figure GDA0002633182260000136
为优先级高于飞行器xi，且与飞行器xi发生风险事件的飞行器的集合；其可理解为潜在风险优先级集合；
Figure GDA0002633182260000141
表示飞行安全收益函数，其值为对飞行器xi的单个机动策略
Figure GDA0002633182260000142
的风险进行评估所使用的安全收益值；
W是冲突风险权重函数，其中：
Figure GDA0002633182260000143
其中：
RNMi为飞行器xi的冲突风险距离；
Rc为飞行器xi的碰撞风险距离；
dmin(i，j)表示飞行器xj与飞行器xi在所述预设时间内最接近时的最小距离；
α表示一风险系数，其中：
Figure GDA0002633182260000144
其中，β表示一权重参数，且0≤β≤1；
dkmin(i，j)表示飞行器xi当前位置与一第一最接近点之间的距离，所述第一最接近点为飞行器xi与飞行器xj最接近时飞行器xi的位置。
通过以上公式，能够看出飞行安全收益函数
Figure GDA0002633182260000145
的值与风险程度成正比关系，即飞行安全收益函数的值越小，其对应的机动策略的风险越小。因此，可以将机动策略集合中能够使安全收益函数达到最小值的策略作为所需的策略。
具体可以为：
对于其中任意之一飞行器，实施步骤S24：判断根据评估的结果，是否确定了唯一的风险最小的机动策略。
若是，则实施步骤S25：以该风险最小的机动策略作为该飞行器的当前机动策略，并使得该飞行器以所述当前机动策略控制飞行。
若否，则实施步骤S26：对各风险最小的机动策略的飞行效率进行评估。
S27：选择其中效率最高的机动策略作为该飞行器的当前机动策略，以使得该飞行器以所述当前机动策略控制飞行。
对于风险最小的机动策略的子集，可以表征为：
Figure GDA0002633182260000151
在评估过程中，需要使用飞行效率收益函数
Figure GDA0002633182260000152
设计该函数时，可以提出飞行计划要求到达时间(Required Time of Arrival，RTA)的概念，以考虑对飞行计划时间和距离的约束。
飞行计划要求到达时间约束的基本思路就是使飞行器的航迹尽可能的与飞行计划吻合。对于飞行器xi，它在某一飞行时刻的机动策略是
Figure GDA0002633182260000153
其中，
Figure GDA0002633182260000154
分别代表飞行器执行机动策略后的飞行速度、航向角度和飞行高度。此外，可以利用
Figure GDA0002633182260000155
表示飞行器xi的当前位置。
具体的，可以利用以下公式对飞行器xi的单个机动策略
Figure GDA0002633182260000156
的效率进行评估：
Figure GDA0002633182260000157
其中：
Figure GDA0002633182260000158
Figure GDA0002633182260000159
Figure GDA00026331822600001510
表示飞行效率收益函数，其值为对飞行器xi的单个机动策略
Figure GDA00026331822600001511
的效率进行评估所使用的效率收益值；
Figure GDA00026331822600001512
表示飞行器xi的当前位置；
Figure GDA00026331822600001513
表示飞行器xi的执行机动策略
Figure GDA00026331822600001514
后的位置；
Figure GDA00026331822600001515
表示飞行器xi的终点位置；
Figure GDA00026331822600001516
表示飞行器xi自
Figure GDA00026331822600001517
位置执行机动策略
Figure GDA00026331822600001518
后继续飞行，飞行到达
Figure GDA00026331822600001519
位置的时间；
Figure GDA0002633182260000161
表示原飞行计划中飞行器xi自
Figure GDA0002633182260000162
位置飞行到达
Figure GDA0002633182260000163
位置的时间；
Figure GDA0002633182260000164
表示飞行器xi的执行机动策略
Figure GDA0002633182260000165
后的飞行速度。
根据以上计算能够看出，飞行效率收益函数
Figure GDA0002633182260000166
的值越大，其对应的机动策略所形成的航路越接近飞行计划，可保证飞行器能够按照飞行计划准时到达目的地。
其中，可以选择选择型概率和拒绝型概率差异最大的那个策略作为最终避险策略，也就是飞行安全收益最小且飞行效率收益最大的机动策略。
由于子集合Ui'中的避险策略的飞行安全收益最小，因此只需要考虑其中飞行效率收益函数
Figure GDA0002633182260000167
的最大值对应的策略即可。该策略就是既能保证飞行器安全飞行又能满足飞行器自身最大利益的最优避险策略，因此，最终的机动策略可以描述为：
Figure GDA0002633182260000168
其中，在计算全局飞行器博弈收益时，我们根据全局空域内的优先级集合PL，得到空域中所有飞行器的优先级顺序X1＞X2＞...＞XN。根据该优先级顺序可知飞行器X1具有最高优先级，飞行器X1的潜在风险优先级集合为空
Figure GDA0002633182260000169
即飞行器X1飞行时可以完全忽略周围所有的潜在飞行冲突风险，因此飞行器X1的飞行安全收益
Figure GDA00026331822600001610
对应的，风险最小的机动策略的子集U'1＝U1，因此我们可以只计算飞行器X1的飞行效率收益得到它下一步的机动策略u1。而飞行器X2的优先级仅略低于飞行器X1，比其他飞行器都高，如果飞行器X1与飞行器X2无潜在风险事件，那么飞行器X1与飞行器X2一样，
Figure GDA00026331822600001611
其收益计算过程与飞行器X1一样。若飞行器X1与飞行器X2之间存在风险事件，那么飞行器X2的潜在风险优先级集合为
Figure GDA00026331822600001612
通过上一步得到的飞行器X1的最优机动策略计算得到飞行器X2的安全收益
Figure GDA00026331822600001613
和风险最小的机动策略的子集U'2，继而可以计算子集U'2中各机动策略的飞行效率收益函数
Figure GDA00026331822600001614
得到飞行器飞行器X2最终的机动策略u2。以此类推，我们可以得到所有飞行器的最优机动策略，即策略更新集合UNext＝{u1，u2，...，uN}。从中可以看出，策略的更新是异步的。
同时，可见，在评估过程中，可依据优先级的不同依次评估其风险与效率。
故而，步骤S25与S27，其虽只描述了控制对应的飞行器飞行，具体可理解为控制各对应的飞行器飞行，即以以上策略更新集合中的策略分别控制对应的飞行器飞行。
在对策略更新时，还可包括：
判断飞行器是否到达终点，若到达，则针对该飞行器停止执行步骤S21至步骤S27，若未到达，则继续执行步骤S21至步骤S27。
其可在实施步骤步骤S25或S27之后进行判断。若认定该飞行器到达终点，结束飞行任务，退出飞行器序列。
其中，对于是否到达终点的认定，可以通过判断是否到达终点附近距离DF内，若到达，则认定其到达终点，若未到达，则认定其未到达终点。
可见，本实施例通过以上方案解决低空环境高密度、高威胁、高空域复杂度等难题，避免了低空飞行器与威胁物相撞，确保了飞行安全，增加了空域容量，降低飞行成本。
本实施例提供的复杂空域多飞行器自主避险方法，通过根据各飞行器的当前位置信息与当前运动信息，预测在不同机动策略下，各飞行器之后预设时间内的飞行过程；以及根据所预测的飞行过程，得到期间内可能发生的风险事件，实现了风险情况的预测，本发明还通过根据所述风险事件与各飞行器的优先级排序，对各飞行器在不同机动策略下的风险进行评估；以及若根据评估的结果，确定了风险最小的一个机动策略，则以该风险最小的机动策略作为当前机动策略，并使得对应的飞行器以所述当前机动策略控制飞行，实现了依据所预测的风险情况确定机动策略，从而使得飞行器可以在未发生风险情况时自主进行避险。
图8是本发明一低空飞行器的仿真演示方法的流程示意图。
请参考图8，低空飞行器的仿真演示方法，包括：
S31：生成飞行场景。
其中一种实施方式中，针对复杂低空环境威胁物多变的特点，可在一个正方形的空域中随意放置一个威胁物，该威胁可以是静态的，也可以是动态的。而动态威胁物的运动特性可以是规律的，也可以是无序的。场景中的飞行器可以从空域的边缘任意点出发，驶向场景边缘的任意点。飞行器的数量可以是一架，也可以是多架，形成密集飞行状态。威胁物与计划航线的设计规则是在某一时刻存在碰撞风险。
S32：根据以上可选方案涉及的复杂空域多飞行器自主避险方法确定所述飞行场景中的飞行器在各时刻的当前机动策略，并仿真得到对应的各航路轨迹。
S33：根据所述各航路轨迹输出显示所述飞行场景下各飞行器的飞行过程。
本实施例提供的低空飞行器的仿真演示方法，通过根据各飞行器的当前位置信息与当前运动信息，预测在不同机动策略下，各飞行器之后预设时间内的飞行过程；以及根据所预测的飞行过程，得到期间内可能发生的风险事件，实现了风险情况的预测，本发明还通过根据所述风险事件与各飞行器的优先级排序，对各飞行器在不同机动策略下的风险进行评估；以及若根据评估的结果，确定了风险最小的一个机动策略，则以该风险最小的机动策略作为当前机动策略，并使得对应的飞行器以所述当前机动策略控制飞行，实现了依据所预测的风险情况确定机动策略，从而使得飞行器可以在未发生风险情况时自主进行避险。
此外，本实施例所示的方法，对应地可用于实施图1所示装置实施例的技术方案，其实现原理、技术效果以及术语的含义类似，此处不再赘述。
图9是本发明一复杂空域多飞行器自主避险装置的模块示意图一。
请参考图9，复杂空域多飞行器自主避险装置，包括：
预测模块401，用于根据各飞行器的当前位置信息与当前运动信息，预测飞行器执行不同机动策略时，各飞行器之后预设时间内的飞行过程；
事件模块402，用于根据所预测的飞行过程，得到期间内可能发生的风险事件；所述风险事件用于表征飞行器与其他飞行器发生碰撞或冲突的事件；
第一评估模块403，用于根据所述风险事件与各飞行器的优先级排序，对飞行器执行不同机动策略时的风险进行评估；
第一当前机动策略模块404，若针对其中任意之一飞行器，根据评估的结果，确定了唯一的风险最小的机动策略，则以该风险最小的机动策略作为该飞行器的当前机动策略，以使得该飞行器以所述当前机动策略控制飞行。
本实施例提供的复杂空域多飞行器自主避险装置，通过根据各飞行器的当前位置信息与当前运动信息，预测在不同机动策略下，各飞行器之后预设时间内的飞行过程；以及根据所预测的飞行过程，得到期间内可能发生的风险事件，实现了风险情况的预测，本发明还通过根据所述风险事件与各飞行器的优先级排序，对各飞行器在不同机动策略下的风险进行评估；以及若根据评估的结果，确定了风险最小的一个机动策略，则以该风险最小的机动策略作为当前机动策略，并使得对应的飞行器以所述当前机动策略控制飞行，实现了依据所预测的风险情况确定机动策略，从而使得飞行器可以在未发生风险情况时自主进行避险。
图10是本发明一复杂空域多飞行器自主避险装置的模块示意图二。
请参考图10，复杂空域多飞行器自主避险装置，包括：
预测模块501，用于根据各飞行器的当前位置信息与当前运动信息，预测飞行器执行不同机动策略时，各飞行器之后预设时间内的飞行过程；
事件模块502，用于根据所预测的飞行过程，得到期间内可能发生的风险事件；所述风险事件用于表征飞行器与其他飞行器发生碰撞或冲突的事件；
第一评估模块503，用于根据所述风险事件与各飞行器的优先级排序，对飞行器执行不同机动策略时的风险进行评估；
第一当前机动策略模块504，若针对其中任意之一飞行器，根据评估的结果，确定了唯一的风险最小的机动策略，则以该风险最小的机动策略作为该飞行器的当前机动策略，以使得该飞行器以所述当前机动策略控制飞行。
可选的，所述事件模块502，具体用于：
根据所述飞行过程，对于其中每两架飞行器，计算所述两架飞行器在所述预设时间内最接近时的最小距离；
根据所述最小距离与所述两架飞行器的当前距离，确定所述两架飞行器发生的风险事件。
可选的，所述事件模块502，具体用于：
若所述当前距离小于飞行器的探测距离，且所述最小距离小于冲突风险距离，则：确定所述两架飞行器发生了冲突的风险事件；
若所述当前距离小于飞行器的探测距离，且所述最小距离小于碰撞风险距离，则：确定所述两架飞行器发生了碰撞的风险事件。
可选的，所述各飞行器的优先级排序满足以下：
第一飞行器组中的飞行器的优先级高于第二飞行器组中的飞行器；其中，所述第一飞行器组中的飞行器与终点的距离小于参考距离，所述第二飞行器组中的飞行器与终点的距离大于所述参考距离；
对于同一飞行器组中的飞行器，若其探测区域内具有威胁物，则：对应的威胁物冲突程度越高，飞行器的优先级越高；
对于同一飞行器组中的飞行器，若其探测区域内不具有威胁物，则：飞行器的延误程度越高，飞行器的优先级越高；
对于同一飞行器组中的飞行器，若其探测区域内不具有威胁物，且飞行器的延误程度相同，则：飞行器的飞行时间越长，飞行器的优先级越高；
对于同一飞行器组中的飞行器，若其探测区域内不具有威胁物，飞行器的延误程度相同，且飞行时间也相同，则：根据航程确定的剩余飞行时间越长，飞行器的优先级越高。
可选的，所述第一评估模块503，具体用于：
利用以下公式对飞行器xi的所能采取的机动策略集合Ui中的单个机动策略
Figure GDA0002633182260000201
的风险进行评估：
Figure GDA0002633182260000202
其中：
Figure GDA0002633182260000203
飞行器xj为与飞行器xi发生风险事件的飞行器；
Figure GDA0002633182260000204
为优先级高于飞行器xi，且与飞行器xi发生风险事件的飞行器的集合；
Figure GDA0002633182260000205
表示飞行安全收益函数，其值为对飞行器xi的单个机动策略
Figure GDA0002633182260000206
的风险进行评估所使用的安全收益值；
W是冲突风险权重函数，其中：
Figure GDA0002633182260000207
其中：
RNMi为飞行器xi的冲突风险距离；
Rc为飞行器xi的碰撞风险距离；
dmin(i，j)表示飞行器xj与飞行器xi在所述预设时间内最接近时的最小距离；
α表示一风险系数，其中：
Figure GDA0002633182260000211
其中，β表示一权重参数，且0≤β≤1；
dkmin(i，j)表示飞行器xi当前位置与一第一最接近点之间的距离，所述第一最接近点为飞行器xi与飞行器xj最接近时飞行器xi的位置。
可选的，所述的装置，还包括：
第二评估模块505，用于若针对其中任意之一飞行器，确定了不止一个风险最小的机动策略，则对各风险最小的机动策略的飞行效率进行评估；
第二当前机动策略模块506，用于选择其中效率最高的机动策略作为该飞行器的当前机动策略，以使得该飞行器以所述当前机动策略控制飞行。
可选的，所述第二评估模块505，具体用于：
利用以下公式对飞行器xi的单个机动策略
Figure GDA0002633182260000212
的效率进行评估：
Figure GDA0002633182260000213
其中：
Figure GDA0002633182260000214
Figure GDA0002633182260000215
Figure GDA0002633182260000216
表示飞行效率收益函数，其值为对飞行器xi的单个机动策略
Figure GDA0002633182260000217
的效率进行评估所使用的效率收益值；
Figure GDA0002633182260000218
表示飞行器xi的当前位置；
Figure GDA0002633182260000219
表示飞行器xi的执行机动策略
Figure GDA00026331822600002110
后的位置；
Figure GDA00026331822600002111
表示飞行器xi的终点位置；
Figure GDA0002633182260000221
表示飞行器xi自
Figure GDA0002633182260000222
位置执行机动策略
Figure GDA0002633182260000223
后继续飞行，飞行到达
Figure GDA0002633182260000224
位置的时间；
Figure GDA0002633182260000225
表示原飞行计划中飞行器xi自
Figure GDA0002633182260000226
位置飞行到达
Figure GDA0002633182260000227
位置的时间；
Figure GDA0002633182260000228
表示飞行器xi的执行机动策略
Figure GDA0002633182260000229
后的飞行速度。
可选的，所述风险事件为根据对应飞行器的保护区域确定，所述保护区域包括碰撞的风险事件对应的碰撞风险区域与冲突的风险事件对应的冲突风险区域，所述冲突风险区域处于所述碰撞风险区域外。
可选的，所述保护区域通过以下公式表征：
Figure GDA00026331822600002210
其中：
Figure GDA00026331822600002211
Figure GDA00026331822600002212
RNM表示冲突风险距离；
γ为空域复杂度系数；
ω为影响因子；
aA为飞行器的加速率；
aT为飞行器的转弯速率；
vc为飞行器的飞行速度；
Ts为时间步长。本实施例提供的复杂空域多飞行器自主避险装置，通过根据各飞行器的当前位置信息与当前运动信息，预测在不同机动策略下，各飞行器之后预设时间内的飞行过程；以及根据所预测的飞行过程，得到期间内可能发生的风险事件，实现了风险情况的预测，本发明还通过根据所述风险事件与各飞行器的优先级排序，对各飞行器在不同机动策略下的风险进行评估；以及若根据评估的结果，确定了风险最小的一个机动策略，则以该风险最小的机动策略作为当前机动策略，并使得对应的飞行器以所述当前机动策略控制飞行，实现了依据所预测的风险情况确定机动策略，从而使得飞行器可以在未发生风险情况时自主进行避险。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (8)

1.一种复杂空域多飞行器自主避险方法，其特征在于，包括：
根据各飞行器的当前位置信息与当前运动信息，预测飞行器执行不同机动策略时，各飞行器之后预设时间内的飞行过程；
根据所预测的飞行过程，得到期间内可能发生的风险事件；所述风险事件用于表征飞行器与其他飞行器发生碰撞或冲突的事件，所述风险事件根据对应飞行器的保护区域确定，所述保护区域包括碰撞的风险事件对应的碰撞风险区域与冲突的风险事件对应的冲突风险区域，所述冲突风险区域处于所述碰撞风险区域外；所述保护区域通过以下公式表征：
Figure FDA0002633182250000011
其中：
Figure FDA0002633182250000012
Figure FDA0002633182250000013
RNM表示冲突风险距离；
γ为空域复杂度系数；
ω为影响因子；
aA为飞行器的加速率；
aT为飞行器的转弯速率；
vc为飞行器的飞行速度；
Ts为时间步长；
θ为0至2π间的角度；
根据所述风险事件与各飞行器的优先级排序，对飞行器执行不同机动策略时的风险进行评估；
若针对其中任意之一飞行器，根据评估的结果，确定了唯一的风险最小的机动策略，则以该风险最小的机动策略作为该飞行器的当前机动策略，以使得该飞行器以所述当前机动策略控制飞行。
2.根据权利要求1所述的方法，其特征在于，所述根据所预测的飞行过程，得到期间内可能发生的风险事件，包括：
根据所述飞行过程，对于其中每两架飞行器，计算所述两架飞行器在所述预设时间内最接近时的最小距离；
根据所述最小距离与所述两架飞行器的当前距离，确定所述两架飞行器发生的风险事件。
3.根据权利要求2所述的方法，其特征在于，所述根据所述最小距离与所述两架飞行器的当前距离，确定所述两架飞行器发生的风险事件，包括：
若所述当前距离小于飞行器的探测距离，且所述最小距离小于冲突风险距离，则：确定所述两架飞行器发生了冲突的风险事件；
若所述当前距离小于飞行器的探测距离，且所述最小距离小于碰撞风险距离，则：确定所述两架飞行器发生了碰撞的风险事件。
4.根据权利要求1所述的方法，其特征在于，所述各飞行器的优先级排序满足以下：
第一飞行器组中的飞行器的优先级高于第二飞行器组中的飞行器；其中，所述第一飞行器组中的飞行器与终点的距离小于参考距离，所述第二飞行器组中的飞行器与终点的距离大于所述参考距离；
对于同一飞行器组中的飞行器，若其探测区域内具有威胁物，则：对应的威胁物冲突程度越高，飞行器的优先级越高；
对于同一飞行器组中的飞行器，若其探测区域内不具有威胁物，则：飞行器的延误程度越高，飞行器的优先级越高；
对于同一飞行器组中的飞行器，若其探测区域内不具有威胁物，且飞行器的延误程度相同，则：飞行器的飞行时间越长，飞行器的优先级越高；
对于同一飞行器组中的飞行器，若其探测区域内不具有威胁物，飞行器的延误程度相同，且飞行时间也相同，则：根据航程确定的剩余飞行时间越长，飞行器的优先级越高。
5.根据权利要求1所述的方法，其特征在于，所述根据所述风险事件与各飞行器的优先级排序，对飞行器执行不同机动策略时的风险进行评估，包括：
利用以下公式对飞行器xi的所能采取的机动策略集合Ui中的单个机动策略
Figure FDA0002633182250000031
的风险进行评估：
Figure FDA0002633182250000032
其中：
Figure FDA0002633182250000033
飞行器xj为与飞行器xi发生风险事件的飞行器；
Figure FDA0002633182250000034
为优先级高于飞行器xi，且与飞行器xi发生风险事件的飞行器的集合；
Figure FDA0002633182250000035
表示飞行安全收益函数，其值为对飞行器xi的单个机动策略
Figure FDA0002633182250000036
的风险进行评估所使用的安全收益值；
W是冲突风险权重函数，其中：
Figure FDA0002633182250000037
其中：
RNMi为飞行器xi的冲突风险距离；
RC为飞行器xi的碰撞风险距离；
dmin(i，j)表示飞行器xj与飞行器xi在所述预设时间内最接近时的最小距离；
α表示一风险系数，其中：
Figure FDA0002633182250000038
其中，β表示一权重参数，且0≤β≤1；
dkmin(i，j)表示飞行器xi当前位置与一第一最接近点之间的距离，所述第一最接近点为飞行器xi与飞行器xj最接近时飞行器xi的位置。
6.根据权利要求1至5任一项所述的方法，其特征在于，还包括：
若针对其中任意之一飞行器，确定了不止一个风险最小的机动策略，则对各风险最小的机动策略的飞行效率进行评估，选择其中效率最高的机动策略作为该飞行器的当前机动策略，以使得该飞行器以所述当前机动策略控制飞行。
7.根据权利要求6所述的方法，其特征在于，所述对各风险最小的机动策略的飞行效率进行评估，包括：
利用以下公式对飞行器xi的单个机动策略
Figure FDA0002633182250000041
的效率进行评估：
Figure FDA0002633182250000042
其中：
Figure FDA0002633182250000043
Figure FDA0002633182250000044
Figure FDA0002633182250000045
表示飞行效率收益函数，其值为对飞行器xi的单个机动策略
Figure FDA0002633182250000046
的效率进行评估所使用的效率收益值；
Figure FDA0002633182250000047
表示飞行器xi的当前位置；
Figure FDA0002633182250000048
表示飞行器xi的执行机动策略
Figure FDA0002633182250000049
的位移变化；
Figure FDA00026331822500000410
表示飞行器xi的执行机动策略
Figure FDA00026331822500000411
后的位置；
Figure FDA00026331822500000412
表示飞行器xi的终点位置；
Figure FDA00026331822500000413
表示飞行器xi自
Figure FDA00026331822500000414
位置执行机动策略
Figure FDA00026331822500000415
后继续飞行，飞行到达
Figure FDA00026331822500000416
位置的相对位置差；
Figure FDA00026331822500000417
表示飞行器xi自
Figure FDA00026331822500000418
位置执行机动策略
Figure FDA00026331822500000419
后继续飞行，飞行到达
Figure FDA00026331822500000420
位置的时间；
Figure FDA00026331822500000421
表示原飞行计划中飞行器xi自
Figure FDA00026331822500000422
位置飞行到达
Figure FDA00026331822500000423
位置的时间；
Figure FDA00026331822500000424
表示飞行器xi的执行机动策略
Figure FDA00026331822500000425
后的飞行速度。
8.一种复杂空域多飞行器自主避险装置，其特征在于，包括：
预测模块，用于根据各飞行器的当前位置信息与当前运动信息，预测飞行器执行不同机动策略时，各飞行器之后预设时间内的飞行过程；
事件模块，用于根据所预测的飞行过程，得到期间内可能发生的风险事件；所述风险事件用于表征飞行器与其他飞行器发生碰撞或冲突的事件，所述风险事件根据对应飞行器的保护区域确定，所述保护区域包括碰撞的风险事件对应的碰撞风险区域与冲突的风险事件对应的冲突风险区域，所述冲突风险区域处于所述碰撞风险区域外；所述保护区域通过以下公式表征：
Figure FDA0002633182250000051
其中：
Figure FDA0002633182250000052
Figure FDA0002633182250000053
RNM表示冲突风险距离；
γ为空域复杂度系数；
ω为影响因子；
aA为飞行器的加速率；
aT为飞行器的转弯速率；
vc为飞行器的飞行速度；
Ts为时间步长；
θ为0至2π间的角度；
第一评估模块，用于根据所述风险事件与各飞行器的优先级排序，对飞行器执行不同机动策略时的风险进行评估；
第一当前机动策略模块，若针对其中任意之一飞行器，根据评估的结果，确定了唯一的风险最小的机动策略，则以该风险最小的机动策略作为该飞行器的当前机动策略，以使得该飞行器以所述当前机动策略控制飞行。
CN201810004431.3A 2018-01-03 2018-01-03 复杂空域多飞行器自主避险方法及装置 Active CN108172026B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810004431.3A CN108172026B (zh) 2018-01-03 2018-01-03 复杂空域多飞行器自主避险方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810004431.3A CN108172026B (zh) 2018-01-03 2018-01-03 复杂空域多飞行器自主避险方法及装置

Publications (2)

Publication Number Publication Date
CN108172026A CN108172026A (zh) 2018-06-15
CN108172026B true CN108172026B (zh) 2020-12-29

Family

ID=62517053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810004431.3A Active CN108172026B (zh) 2018-01-03 2018-01-03 复杂空域多飞行器自主避险方法及装置

Country Status (1)

Country Link
CN (1) CN108172026B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109255982B (zh) * 2018-09-27 2020-04-21 中国人民解放军国防科技大学 一种三架次飞机防撞方法及系统
CN109658742B (zh) * 2018-12-28 2020-07-10 北京信息科技大学 基于前序飞行信息的密集飞行自主冲突解脱方法
WO2021014747A1 (ja) * 2019-07-19 2021-01-28 ソニー株式会社 情報処理装置、情報処理方法及びプログラム
EP3809395A1 (en) * 2019-10-17 2021-04-21 The Boeing Company Method and system for policy-based traffic encounter assessment to detect and avoid traffic
CN111028550B (zh) * 2019-12-20 2021-07-13 成都纵横自动化技术股份有限公司 碰撞冲突检测方法及相关装置
CN112748746B (zh) * 2021-04-02 2021-07-16 北京三快在线科技有限公司 获取飞行器的飞行信息的方法、装置、设备及存储介质
CN115061131A (zh) * 2022-06-24 2022-09-16 成都福瑞空天科技有限公司 一种无人机机载防撞雷达目标优先级处理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2667367A1 (en) * 2012-05-25 2013-11-27 The Boeing Company Conflict detection and resolution using predicted aircraft trajectories
CN103854517A (zh) * 2012-12-05 2014-06-11 北京航空航天大学 低空空域飞行器冲突解脱方法及设备
CN104408975A (zh) * 2014-10-28 2015-03-11 北京航空航天大学 飞行器冲突解脱方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2667367A1 (en) * 2012-05-25 2013-11-27 The Boeing Company Conflict detection and resolution using predicted aircraft trajectories
CN103854517A (zh) * 2012-12-05 2014-06-11 北京航空航天大学 低空空域飞行器冲突解脱方法及设备
CN104408975A (zh) * 2014-10-28 2015-03-11 北京航空航天大学 飞行器冲突解脱方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Distributed Approach to Aircraft Conflict Resolution Based on Satisficing Game Theory;Tianhang WU等;《Advances in Intelligent Systems and Computing》;20140620;第277卷;第383~393页 *
基于满意博弈论的复杂低空飞行冲突解脱方法;管祥民，吕人力;《航空学报》;20171225;第120-128页 *

Also Published As

Publication number Publication date
CN108172026A (zh) 2018-06-15

Similar Documents

Publication Publication Date Title
CN108172026B (zh) 复杂空域多飞行器自主避险方法及装置
KR102279956B1 (ko) 감시영역 우선도 기반 소수무리최적화 이론을 활용한 복수 무인항공기의 3차원 감시경로설정 최적화 방법 및 장치
Liu et al. Adaptive sensitivity decision based path planning algorithm for unmanned aerial vehicle with improved particle swarm optimization
US8082102B2 (en) Computing flight plans for UAVs while routing around obstacles having spatial and temporal dimensions
US9513125B2 (en) Computing route plans for routing around obstacles having spatial and temporal dimensions
US20160299507A1 (en) Surface vehicle trajectory planning systems, devices, and methods
US8924069B1 (en) Artificial immune system approach for airborne vehicle maneuvering
CN112947541B (zh) 一种基于深度强化学习的无人机意图航迹预测方法
CN106197426A (zh) 一种无人机应急通信路径规划方法及系统
WO2014021961A2 (en) Systems and methods for vehicle survivability planning
US20210325891A1 (en) Graph construction and execution ml techniques
Liu et al. Potential odor intensity grid based UAV path planning algorithm with particle swarm optimization approach
US8831793B2 (en) Evaluation tool for vehicle survivability planning
CN114879716B (zh) 反制低空空域飞行器的执法无人机路径规划方法
CN114676743B (zh) 基于隐马尔可夫模型的低慢小目标航迹威胁识别方法
Sun et al. Route evaluation for unmanned aerial vehicle based on type-2 fuzzy sets
CN118502457A (zh) 轨迹规划方法、装置和自主系统
Papaioannou et al. Unscented optimal control for 3D coverage planning with an autonomous UAV agent
CN113485454B (zh) 几何改进人工势场的无人机避障机动方法和系统
Stodola et al. Reconnaissance in complex environment with no-fly zones using a swarm of unmanned aerial vehicles
Yan et al. A fixed wing UAV path planning algorithm based on genetic algorithm and Dubins Curve Theory
Huang et al. An artificial swan formation using the finsler measure in the dynamic window control
Zhang et al. On hierarchical path planning based on deep reinforcement learning in off-road environments
Tao et al. Fast and robust training and deployment of deep reinforcement learning based navigation policy
Lin et al. Potential-field-based evolutionary route planner for the control of multiple unmanned aerial vehicles

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Cao Xianbin

Inventor after: Du Wenbo

Inventor after: Song Tao

Inventor after: He Shaomi

Inventor after: Wu Tianhang

Inventor after: Li Yumeng

Inventor before: Cao Xianbin

Inventor before: Du Wenbo

Inventor before: Wu Tianhang

Inventor before: Li Yumeng

CB03 Change of inventor or designer information
TA01 Transfer of patent application right

Effective date of registration: 20201127

Address after: 100191 Haidian District, Xueyuan Road, No. 37,

Applicant after: BEIHANG University

Applicant after: BEIJING INSTITUTE OF TECHNOLOGY

Address before: 100191 Beijing Haidian District Xueyuan Road 37 new main building of Beihang University F628

Applicant before: BEIHANG University

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant