基于規(guī)則庫的航路飛行沖突探測與解脫

王 凱，隋 東，胡 京

(南京航空航天大學 民航學院，空管運行與安全研究實驗室，南京211106)

基于規(guī)則庫的航路飛行沖突探測與解脫

王 凱，隋 東，胡 京

(南京航空航天大學 民航學院，空管運行與安全研究實驗室，南京211106)

通過對國內(nèi)某航路管制單位的沖突探測與解脫數(shù)據(jù)收集和數(shù)據(jù)分析，形成貼合實際運行的航路管制規(guī)則庫，采用基于BADA(Base of Aircraft data，一種由歐洲空管開發(fā)維護并應用比較成熟的飛行性能模型)的軌跡生成算法，通過實地調(diào)研和數(shù)據(jù)收集，結(jié)合實際管制運行中的航路沖突標準，建立雙機基于管制規(guī)則庫和決策樹的航路沖突探測與解脫模型.選取國內(nèi)A593航路，使用JAVA語言完成了仿真系統(tǒng)開發(fā), 并導入飛行計劃數(shù)據(jù)實現(xiàn)了實例驗證.最終的仿真結(jié)果表明模型成功解脫常見航路沖突，保證了與實際航路管制運行的一致性.

空中交通管制；區(qū)域管制；BADA；軌跡預測；沖突探測與解脫；決策樹模型

快速增漲的空中交通需求給了空中交通系統(tǒng)巨大壓力，國內(nèi)主要機場、航路航線和繁忙地區(qū)的空域扇區(qū)在容量方面到達一個瓶頸.而且，管制員在如此高的空中交通壓力之下也表現(xiàn)出了有限的認知能力.因為空中交通的愈發(fā)擁堵，管制員的工作負荷在不斷增加，空中交通安全水平也在不斷下降，致使航空器之間損失間隔，發(fā)生沖突的概率增大.為了解決提前預判和快速解決航空器之間發(fā)生沖突的問題，航空器的沖突探測與解脫技術被廣泛應用于決策支持系統(tǒng).決策支持系統(tǒng)在一定程度上不能替代管制員，但是可以輔助管制員在軌跡預測、沖突探測和沖突解脫等方面做出決策.

1 研究現(xiàn)狀

空中交通管制系統(tǒng)關于決策支持系統(tǒng)的分類方法有很多種.部分決策支持系統(tǒng)是依據(jù)所使用的空中交通管制單元分類的，如航路管制單元，進近管制單元和機場管制單元.另一種分類方法是依據(jù)決策支持系統(tǒng)的功能進行分類，如沖突探測與告警，沖突解脫，排序和交通復雜度和密度測量等等.此外，還有部分系統(tǒng)是依據(jù)自動化程度進行分類，如自動沖突探測，自動沖突探測與解脫實驗，自動沖突探測和解脫建議等等[1-2].此系統(tǒng)按照規(guī)劃時間的長度可以劃分為長期、中期和短期決策支持系統(tǒng)[3].同時，部分系統(tǒng)是基于航空器座艙的，部分是基于地面的，或者兩者混合.

在航路沖突探測與解脫方面，國內(nèi)外研究人員也已經(jīng)取得了部分研究成果.2008年土耳其Anadolu大學的Metin O ¨ zgu¨ r 和Aydan Cavcar基于管制員規(guī)則庫，開發(fā)了一項輔助航路管制員進行航路沖突探測與解脫的的決策支持工具，盡管沖突解脫部分也采用了基于決策樹的模型算法，但是其規(guī)則庫的建立并未依據(jù)實際的航路沖突探測與解脫，算法得出的最后結(jié)果也沒有在仿真系統(tǒng)中得以驗證[4].2011年美國Southern Illinois大學的Xin W. Chen等人從航路網(wǎng)絡復雜度的角度對航路沖突探測與解脫進行了研究[5]，同年美國加利福尼亞大學的A·Alaeddini 和 H·Erzberger等人研究了在二維平面內(nèi)航空器無沖突航路飛行的問題，構建了針對雙機甚至多機的分布式自動沖突解脫算法，然而算法的構建是在自由飛行的前提條件下，因此對于我國航路飛行沖突探測與解脫技術的研究只有有限的參考價值[6].美國NASA Ames 研究中心的Russell A·Paielli在2008年提出了計算航路飛行航空器未來2 min內(nèi)發(fā)生沖突的垂直解脫方案的算法，主要討論了沖突解脫時高度調(diào)配方法的使用[7].2011年，Russell A Paielli通過102組歷史飛行沖突數(shù)據(jù)對若干航路沖突解脫算法的進行了仿真測試，測試結(jié)果證明了算法對于航路沖突解脫的有效性.國內(nèi)方面，2011年中國民航大學的趙嶷飛針對模擬航路管制員調(diào)配沖突邊界不一致和調(diào)配方案不適用的問題，對航路沖突進行了重新分類，建立對應的沖突解脫方案，然而在對沖突分類和解脫的過程并未參考實際航路管制條件約束，最后也只是從理論上對算法進行了驗證[8].中國民航飛行學院的李平在2014年利用Voronoi圖與 Delaunay 圖的沖突探測算法和基于Prandini的沖突探測算法完成了沖突探測，并對探測時航空器軌跡進行了優(yōu)化，最后采用指派算法和遺傳算法規(guī)劃出新的無沖突航跡進行沖突解脫，但未具體說明沖突解脫時航空器采取的具體機動方法[9].

本文從實際運行的角度出發(fā)，依據(jù)我國航路管制的運行現(xiàn)狀，通過調(diào)研和收集航路沖突探測標準和沖突解脫方法，提取運行中的管制規(guī)則，然后依據(jù)決策樹方法構建沖突解脫規(guī)則庫，將理論與實際相結(jié)合，最后導入實際飛行計劃數(shù)據(jù)驗證了航路沖突探測與解脫算法的可行性和準確性，最終形成基于我國實際航路管制運行的沖突探測與解脫模型.

2 管制規(guī)則庫的建立

管制規(guī)則是管制員調(diào)配航空器的基本準則，也是探測與解脫航空器之間沖突的主要依據(jù).論文通過在一線航路管制單位的調(diào)研和對航路管制員的調(diào)查統(tǒng)計，驗證了沖突分類結(jié)果與實際航路管制沖突類型的一致性；同時收集和整理了實際航路管制工作中所有類型沖突判斷的標準；整合出了對應類型沖突在實際航路管制中的解脫方法，最終成功構建了基于實際管制運行的航路管制規(guī)則庫，為下一步航路沖突探測與解脫決策樹的建立提供了基礎保證.

2.1 假設條件

沖突探測與解脫算法是在仿真環(huán)境中驗證的，為了保證沖突探測和解脫算法的有效性，突出基于實際管制運行的特點，在建立航路沖突解脫規(guī)則庫之前，做如下假設：

1)航空器被視為具有方向性的質(zhì)點；

2)不考慮航空器航路管制移交；

3)不考慮其他航空器對需要探測和解脫雙機的影響；

4)不考慮緊急情況；

5)不考慮軍事空域的限制；

6)不考慮軍事活動和通航活動影響.

2.2 航路沖突分類

關于沖突的分類，根據(jù)航空器活動范圍可以將沖突劃分為終端區(qū)沖突和航路沖突兩種沖突類型；根據(jù)航空器飛行狀態(tài)可以將沖突劃分為航空器在爬升、下降和巡航中的沖突；根據(jù)航空器之前的航向關系，可以將沖突劃分為同向航跡、逆向航跡和交叉航跡三種類型.因為航路飛行中的航空器大部分屬于沿航路飛行巡航狀態(tài)，航空器之間的沖突表現(xiàn)為高度的穿越，前后和側(cè)向間隔的不足等等，因此論文采用依據(jù)航向關系對航路上航空器的沖突進行分類.具體沖突類型如下：

1)同向航跡：同航跡(Same Tracks)是指航空器的航跡相同時，航跡平行或航跡差小于45°或大于315°并且兩航跡之間小于規(guī)定的橫向間隔時的飛行航跡，

2)逆向航跡：逆向航跡(Reciprocal Tracks)是指航空器沿相同航跡的相反方向飛行、小于規(guī)定的間隔的平行航跡的相反方向飛行、航跡差在135°～225°之間而且小于規(guī)定的間隔飛行時的飛行航跡.

3)交叉航跡：交叉航跡(Crossing Tracks)是指航空器的航跡差介于45°～135°之間，或者航跡差介于225°～315°之間的飛行航跡.

為了對航路沖突進一步細化和分類，除了考慮航空器之間的航向關系，航空器的飛行狀態(tài)(爬升，平飛和下降)，航空器之間距離和航空器的速度等都是需要考慮的因素.

2.3 航路沖突探測與解脫

由實際航路管制運行可知，航路管制員在實際的航路管制工作中，影響其沖突探測與解脫的因素包括航空器航行諸元(高度、速度和航向)、航空器飛行狀態(tài)(上升、平飛和下降)、航空器性能(爬升和下降能力)和航空器之間的相對位置關系(兩機水平距離和垂直距離)等.

在沖突探測階段，首先判斷航空器之間的航向關系，通過構建航空器模型預測出航空器在未來nmin內(nèi)的飛行軌跡，然后通過預測出的飛行軌跡計算出航空器之間的垂直間隔和縱向間隔，并與標準安全間隔作比較，判斷航空器之間未來是否會發(fā)生沖突.如果判斷出無沖突，對航空器保持監(jiān)控狀態(tài)，如果判斷出有沖突，則進入沖突解脫階段.

在沖突解脫階段，因為航路飛行主要以航空器沿航路巡航飛行為主，且空域限制等原因，民航航路沖突中，較少考慮航空器航向的改變.因此，針對航路飛行沖突，主要采取調(diào)整航空器速度和航空器高度的沖突解脫方法.若航空器之間航向關系不同，則沖突解脫過程參考的中間參數(shù)不同.如在同向航跡沖突和逆向航跡沖突中，要考慮的因素包括兩機實時水平距離d，兩機的實時爬升下降率ROCD1和ROCD2，未來nmin(通過對實際航路管制員調(diào)研統(tǒng)計，仿真中n取5 min)后兩機水平距離D和兩機垂直高度差ΔH；在交叉航跡沖突中，要考慮的因素還包括兩機距離交叉點的距離l1和l2.

以均在爬升的兩機同向航跡沖突為例：首先依據(jù)兩機航向關系，確定兩機為同向航跡關系，取5 min后兩機水平距離D和兩機垂直高度差ΔH，如圖1所示，若D和ΔH均小于沖突標準值，表示探測出沖突.

圖1 同向航跡兩機水平位置關系圖

同時應用追擊問題計算方法得出中間參數(shù)t1和t2，其中t1表示后機減速到前機速度時兩機間隔恰好滿足安全水平間隔所需時間，t2表示后機減速到前機速度時所需時間.計算公式如下：

d-30=(v1-v2)t1+12at12

(1)

v1-v2a=t2

(2)

其中:v1表示航空器1的速度，v2表示航空器2的速度，a表示航空器1的減速度.因此，可以判斷得出：

當0

當t1

當t2>5時，表示通過調(diào)速已經(jīng)無法解脫沖突，只能通過調(diào)整高度解脫沖突.

如圖2所示，圖2中的虛線軌跡表示兩機沖突時的飛行計劃軌跡，實線軌跡表示兩機沖突時的沖突解脫軌跡.

圖2 同向航跡沖突解脫過程示意圖

通過調(diào)整高度解脫沖突的過程中，需要進一步根據(jù)兩機的飛行狀態(tài)對沖突進行解脫.上述例子中兩機均處在爬升狀態(tài)，因此最終的解脫方案可以描述為：低高度航空器爬升到高高度航空器的下一高度層.

3 決策樹

3.1 決策樹

在20世紀70年代后期和80年代初期，機器學習研究者J·Ross Quinlan開發(fā)了決策樹算法，稱作ID3(Iterative Dichotomister，迭代的二分器).Quinlan后來提出了C4.5(ID3的后繼)，成為新的監(jiān)督學習算法的性能比較基準.1984年幾位統(tǒng)計學家出版了分類與回歸樹(CART)，介紹了二叉決策樹的產(chǎn)生.ID3，C4.5和CART都采用貪婪算法(即非回溯的)，其中決策樹以自頂向下遞歸的分治方式構造[10-11].

決策樹是一種實現(xiàn)分治策略的層次數(shù)據(jù)結(jié)構.它是一種有效的非參數(shù)學習方法，可以用于分類和回歸，即可以分別構造分類樹(classification tree)和回歸樹(regression tree).決策樹的優(yōu)點之一是它的可解釋性(interpretability)：決策樹節(jié)點中的條件簡單、易于理解.從樹根到樹葉的每條路徑對應于條件的合集，這是因為為到達樹葉，所有這些條件都必須滿足.這些路徑可以用IF-THEN規(guī)則集表示，稱作規(guī)則庫(rule base).其中，C4.5是此類方法之一[12].

基于決策樹是一種層次數(shù)據(jù)結(jié)構和具有較強可解釋性的特點，航路管制員探測和解脫飛行沖突的過程可以描述成：管制員通過對飛行沖突類別的判斷，參考管制場景中影響沖突解脫因素，調(diào)用沖突解脫規(guī)則庫，生成最后的沖突解脫方法.因此，將航路管制員這一系列行為融合到?jīng)Q策樹當中，即可以實現(xiàn)基于決策樹的航路沖突探測與解脫流程.因此，在建立決策樹模型之前，必須對航路飛行沖突進行合理分類，全面考慮影響管制員解脫沖突的各種因素，建立符合實際管制運行的航路沖突探測與解脫流程.

3.2 決策樹生成

決策樹是一種實現(xiàn)分治策略的層次數(shù)據(jù)結(jié)構，同時它提供了一種展示在各種條件下會得到對應結(jié)果的規(guī)則方法，可以生成易理解規(guī)則，清晰地顯示處理結(jié)果，而航路沖突的分類為決策樹生根節(jié)點生成分支提供了依據(jù).因此可以通過構造分類樹(classification tree)來實現(xiàn)兩架航空器之間的沖突探測與解脫.依據(jù)之前對兩架航空器之間沖突的分類，參考實際航路管制沖突判斷的標準，應用實際管制解脫方法，即可生成完整的兩機航路沖突探測與解脫決策樹.兩機同向航跡沖突探測與解脫的決策樹如圖3.

決策樹包含的參數(shù)說明如表1所示.

表1 決策樹參數(shù)說明

參數(shù)符號含義v1航空器1的速度v2航空器2的速度H1航空器1的高度H2航空器2的高度D5分鐘后兩機的水平距離d實時兩機水平距離t1后機減速到前機速度時兩機間隔恰好滿足安全水平間隔所需時間t2后機減速到前機速度時所需時間

圖3 同向航跡沖突探測與解脫的決策樹

4 仿真驗證

4.1 航空器軌跡預測模型

準確的航空器軌跡預測是沖突探測的重要保證，論文建立了基于BADA的航空器軌跡預測模型.BADA(base of aircraft data)是一組以美國資訊交換標準碼組成的資料，包含399種機型航空器有關操作性能參數(shù)及航空公司程序參數(shù)等數(shù)據(jù).參考BADA里的航空器推力模型，氣動模型和燃油消耗模型，構建了航空器動力學模型和運動學模型.通過引入航空器實際飛行計劃數(shù)據(jù)，構建航空器意圖模型，結(jié)合航空器動力學模型和運動學模型，構建了基于飛行計劃的航空器軌跡預測模型.軌跡預測流程如圖4.

圖4 基于飛行計劃的軌跡預測流程圖

4.2 仿真系統(tǒng)構建

仿真系統(tǒng)構建主要包括了仿真背景構建、仿真數(shù)據(jù)庫構建和仿真系統(tǒng)開發(fā).算法驗證過程中，選取了國內(nèi)A593航路作為仿真背景，同時提取2013年11月16日A593航路上部分飛行計劃數(shù)據(jù)，截取了飛行計劃中航空器航路飛行階段的部分飛行計劃，其中包含的主要飛行計劃參數(shù)有：航班號，應答機代碼，機型，航路飛行階段的起止航路點，航路飛行高度.同時，在仿真數(shù)據(jù)庫的構建中，利用MySQL數(shù)據(jù)庫構建仿真需要的航空器性能數(shù)據(jù)庫、航路航線數(shù)據(jù)庫、飛行計劃數(shù)據(jù)庫和導航數(shù)據(jù)庫.最后，基于程序語言JAVA開發(fā)了雙機沖突探測與解脫仿真系統(tǒng).

4.3 仿真結(jié)果

仿真結(jié)果驗證階段，分別選取航班CXA1121和CXA2341，CSN4561和CXA2886兩對沖突航空器對進行實例驗證.根據(jù)沖突分類規(guī)則判斷可知，航班CXA1121和CXA2341沖突類型為逆向航跡沖突，航班CSN4561和CXA2886沖突類型為交叉航跡沖突，兩種沖突驗證結(jié)果如下.

4.3.1 逆向航跡沖突驗證結(jié)果

圖5(A)和圖5(B)說明了航班CXA1121和CXA2341依據(jù)管制規(guī)則庫實現(xiàn)沖突探測與解脫的過程.其中圖5(B)表示兩架航空器在安全間隔范圍內(nèi)時提前探測出沖突，通過航向關系判斷得知沖突類型為逆向航跡沖突，根據(jù)基于管制規(guī)則庫的決策樹模型推斷得出沖突解脫方案為高度調(diào)配，即航班CXA2341下降高度到2 700 m保持.圖5(B)是指航班CXA2341執(zhí)行調(diào)整高度的沖突解脫方案后，兩架航空器成功解脫沖突.

圖5 逆向航跡沖突探測與解脫過程

從圖5(A)和圖5(B)可以直觀的看到兩機逆向航跡沖突探測與解脫過程，為進一步說明兩機沖突探測與解脫的可行性和準確性，在仿真過程中，對兩機沖突探測與解脫過程中的高度數(shù)據(jù)做了相應分析，兩機的對應的二維和三維高度剖面圖如圖6所示.

圖6(A)是指航班CXA1121和CXA2341發(fā)生沖突但未進行沖突解脫時，兩機飛行高度隨時間變化關系，從圖6(A)可以看出，未進行沖突解脫時，兩機高度差大部分時間是小于安全高度300 m，隨著時間推移，當兩機的縱向間隔和側(cè)向間隔一直減小到小于安全間隔，則發(fā)生沖突.圖6(C)說明了兩架航班未進行沖突解脫的空間位置關系，從圖6(C)可以看出，在某個時間段內(nèi)，兩架航班的水平間隔和側(cè)向間隔是小于安全間隔的，結(jié)合圖6(A)，可以得出結(jié)論：航班CXA1121和CXA2341發(fā)生沖突，根據(jù)兩機航向關系，沖突類型為逆向航跡沖突，與此同時也驗證了沖突探測算法的正確性.

圖6 逆向航跡沖突解脫軌跡對比圖

圖6(B)說明了航班CXA1121和CXA2341沖突解脫后兩機飛行高度隨時間變化關系，可以看出在仿真時間5 min之后，航班CXA2431保持高度平飛，航班CXA1121執(zhí)行沖突解脫指令下降高度，大約在仿真時間8 min左右，執(zhí)行沖突解脫指令的航班的CXA1121到達指定高度2 700 m，完成沖突解脫.圖6(D)是兩機沖突解脫過程的空間位置關系圖，從圖中可以看出，航班CXA1121和CXA2341在空間上拉開了垂直間隔，成功實現(xiàn)了沖突解脫，驗證了沖突解脫算法的正確性.

4.3.2 交叉航跡沖突驗證結(jié)果

選取航向關系為交叉航跡的航班CSN4561和CXA2886，通過運行仿真系統(tǒng)，兩機交叉航跡沖突的探測與解脫演示過程如圖7(A)、圖7(B)和圖7(C)所示.其中圖7(A)表示兩機在飛行過程中，根據(jù)兩機的運動趨勢，未來有發(fā)生沖突的可能.從圖7(B)可以看出，根據(jù)沖突探測算法探測出兩機沖突，并由沖突解脫算法給出沖突解脫指令，即航班CXA2886由速度210 m/s減速到155 m/s.兩機執(zhí)行沖突解脫的調(diào)速指令以后，在相遇點拉開水平間隔以解脫沖突如圖7(C)所示.

圖7 交叉航跡沖突探測與解脫過程

從仿真系統(tǒng)的運行過程可以看出仿真系統(tǒng)實現(xiàn)了兩機交叉航跡沖突的探測與解脫，其中解脫方法為調(diào)速.通過對兩機未解脫沖突和已解脫沖突過程中飛行數(shù)據(jù)的記錄和分析，可以得到圖8(A)和圖8(B)，其中航班CSN4561和CXA2886未進行沖突解脫時兩機速度隨時間的變化關系如圖8(A)所示，而圖8(B)則表示兩機進行沖突解脫以后兩機速度隨時間的變化關系.通過圖8(A)和圖8(B)對比，可以看出兩機在探測出沖突后，航班CXA2886執(zhí)行了沖突解脫方法中的調(diào)速方法，最終成功實現(xiàn)兩機沖突解脫，驗證了仿真系統(tǒng)中沖突探測與解脫算法對交叉航跡沖突的有效性.

圖8 交叉航跡沖突解脫前后速度變化圖

5 結(jié) 語

本文從實際空中交通管制場景出發(fā)，通過在一線管制單位的調(diào)研和沖突數(shù)據(jù)收集，完成沖突分類和沖突解脫方法數(shù)據(jù)整理，建立管制規(guī)則庫，最后結(jié)合機器學習中的決策樹算法，構建出基于管制規(guī)則庫和決策樹的沖突探測與解脫算法.通過運行兩組有沖突飛行計劃數(shù)據(jù)的驗證表明，該算法可以實現(xiàn)基于實際管制運行環(huán)境下的沖突探測與解脫，其主要特點有： 1)基于實際管制單位調(diào)研和數(shù)據(jù)收集制定的沖突分類和沖突解脫規(guī)則庫，保證了算法對于實際飛行計劃的有效性，也為后續(xù)仿真系統(tǒng)能應用到實際管制工作中奠定基礎，使仿真系統(tǒng)具有更強的應用性；2)采用機器學習中的決策樹算法，從沖突分類到?jīng)_突探測，再到?jīng)_突解脫，使沖突探測與解脫整個過程的邏輯思路更清晰，最后生成唯一的沖突解脫方法，使沖突解脫效率更高，確保發(fā)生沖突時航空器能夠最快解脫沖突，從而保證了飛行安全.同時，該模型在沖突的探測范圍和解脫方法上還存在一定的不足，如針對多機沖突的探測解脫以及沖突解脫規(guī)則庫解脫規(guī)則的有限，都需要做進一步研究.

[1] BILLINGS C E. Toward a human-centered aircraft automation philosophy [J]. International Journal of Aviation Psychology, 1991, 4(1)：61-70.

[2] NIJHUIS H. Role of the human in the evolution of ATM (RHEA) [R]. Amsterdam: Final Report, NLR, 2000

[3] KAUPPINEN Conflict detection and resolution [R]. Memphis, TN: FAA/Eurocontrol TIM 6. 1999.

[4] CAVCAR A. A knowledge-based conflict resolution tool for en-route air traffic controllers [J]. Aircraft Engineering and Aerospace Technology, 2008, 80(6): 649-656.

[5] CHEN X W, LANDRY S J, NOF S Y. A framework of enroute air traffic conflict detection and resolution through complex network analysis [J]. Computers in Industry, 2011, 62(8-9): 787-794.

[6] ALAEDDINI A, ERZBERGER H, DUNBAR W. Distributed Logic-Based Conflict Resolution of Multiple Aircraft in Planar En-Route Flight [J]. AIAA Guidance, Navigation, and Control Conference, 2011, 8(11): 59-66.

[7] PAIELLI R A.Tactical conflict resolution using vertical maneuvers in en route airspace [J]. Journal of Aircraft, 2008, 45(6): 2111-2119.

[8] 趙嶷飛, 李 莉 王紅勇. 虛擬仿真環(huán)境中的航路沖突調(diào)配規(guī)則研究[J]. 航空計算技術, 2011, 41(5): 5-8.

[9] 李 平. 航路飛行沖突探測與解脫策略研究[D]. 廣漢: 中國民用航空飛行學院空中交通管理學院, 2013.

[10] HAN J, KAMBER M, 范 明, 等. 數(shù)據(jù)挖掘[M]. 北京: 機械工業(yè)出版社, 2008. 187-189.

[11] MITCHELL T M, 曾華軍, 張銀奎. 機器學習[M]. 北京: 機械工業(yè)出版社, 2003. 38-39.

[12] ALPAYDIN E, 范 明, 咎紅英, 等. 機器學習導論[M]. 北京: 機械工業(yè)出版社, 2014. 113-114.

Study on route conflict detection and resolution based on rule base

WANG Kai, SUI Dong, HU Jing

(Air Traffic Control Operation and Safety Research Laboratory, School of Civil Aviation, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China)

This paper put forward an actual route control rule base by collecting and analyzing conflict detection and resolution data from certain domestic area control center. To establish the model of conflict detection and resolution for two aircraft based on rule base and decision tree, this paper used the trajectory generation algorithm which was based on BADA (Base of Aircraft data, a kind of aircraft performance model which is developed and maintained by Europe Control), and finished on-the-spot investigation and data collection, considering the actual operation of Area Control and correspond conflict standard in Area Control. And developed the simulation system coded in Java. Meanwhile, this paper chose the A593 route and imports the flight plan data to verification. The simulation results showed that the algorithm was successful in detecting and resolving the common en route conflicts, and ensure the consistence in the actual operation of area control.

air traffic control; area control; BADA; trajectory prediction; conflict detection and resolution; model of decision tree

2015-11-05.

南京航空航天大學研究生創(chuàng)新基地(實驗室)開放基金項目(kfjj20150702)

王 凱(1990-)，男，碩士，研究方向:管制運行的沖突探測與解脫技術.

TP241.3

A

1672-0946(2017)01-0117-08