En route 空域中自适应飞行器轨迹预测的快速代理模型
计算工程、金融与科学
2026-01-21 v2 动力系统
摘要
轨迹预测是现代空中交通管理系统中确保安全和效率的关键组件,例如是冲突检测与解决工具、到达排序算法、容量规划以及多个未来概念的核心组件。然而, operational 系统中的轨迹预测准确性受到一系列信源不确定性的制约,包括飞机的质量和性能设置以及气象条件对飞机性能的影响。它还需要相当大的计算资源。本文提出了一种自适应轨迹预测方法,其包含两个组件:首先,一种基于线性状态空间模型(LSSM)的快速代理轨迹预测模型,其执行时间平均比 Python 实现的 Base of Aircraft Data (BADA) 低 6.7 倍。演示了此类模型能够有效地模拟 BADA 飞机性能模型,后者基于数值解偏微分方程(PDE),而 LSSM 可针对历史飞行数据集中的轨迹进行拟合。其次,本文提出一种算法,用于通过粒子滤波同雷达观测融合,以自适应细化轨迹预测准确性。与基于 BADA 和卡尔曼滤波的基线进行比较,表明所提框架在爬升和下降阶段的系统识别和状态估计都有所改进,相较于最佳性能基准模型,爬升顶点时间估计和下降起点时间估计分别提高了 46.3% 和 64.7%。特别是,粒子滤波方法能够捕捉非线性性能效应,包括 CAS-Mach 过渡。
引用
@article{arxiv.2601.03075,
title = {Fast Surrogate Models for Adaptive Aircraft Trajectory Prediction in En route Airspace},
author = {Nick Pepper and Marc Thomas and Zack Xuereb Conti},
journal= {arXiv preprint arXiv:2601.03075},
year = {2026}
}