基于数字孪生技术的空中交通管制方法、系统、电子设备及存储介质

技术领域

本发明属于空中交通管制技术领域，具体地说，涉及基于数字孪生技术的空中交通管制方法、系统、电子设备及存储介质。

背景技术

随着我国航空运输业的高速发展，对空域利用需求的不断增长与现实空域资源紧张之间的矛盾日益凸显，空域拥堵、航班延误等现象日趋严重，现有的以空域分离和预先确定航路的运行模式已经不能满足未来发展的需求。为了解决空域资源紧缺的问题，提高现有的空域资源利用率，我国已经开始将目光转向基于航迹的新运行模式，研究冲突航迹可行空间的实时、可视化表达方法，支撑自动化和智能化的空中交通运行系统更新换代。

在此背景下，华东空管局数字化转型规划咨询项中，项目组在全局范围内开展了56场调研，收集了156份调研问卷。通过对调研成果的分析，项目组对各专业领域的业务现状进行了总结和归纳。其中，在空域管理方面体现出的问题是：空域管理对数据的需求是全方位、高精度的，科学的分析需要整合空域内扇区、航路、走廊、航点、跑道等多种数据，目前的数据分散在多个系统中，无法高效地支撑科学决策；在流量管理方面体现出的问题是：流量管理系统现阶段基本满足业务需求，但在数据分析、数据共享等数据应用方面还有较大提升空间，特别是在流量预战术管理和战略管理方面，需要新技术的介入以支撑业务的不断发展；在空中交通管制服务方面体现出的问题是：管制单位运行态势信息获取能力存在不足，同时系统运行时产生的大量数据未被利用，缺少支持业务决策和现场管理的数据应用系统。

基于上述情况，面对现阶段航空业日益严重的空中交通堵塞与航班延误等现象以及管制保障的巨大压力，目前迫切需要通过智能化的辅助手段，克服不利于管制安全运行的人为因素，依靠智能化系统帮助管制员进行决策、适度分担管制负荷，减少航空器冲突隐患。

发明内容

1、要解决的问题

针对现有开展空管调配决策时，依旧主要依靠人工经验进行，对于人员的技能要求高且工作负荷大，尤其容易影响密集航迹运行的安全与效率的问题，本发明提供基于数字孪生技术的空中交通管制方法、系统、电子设备及存储介质，该方法通过数字孪生技术进行空域的数字化建模，将空域划分为数字单元并设置单元属性，用于空域模拟及评估；将预定时间内的飞行计划输入所述空域模型仿真，进行流量测算，预测可能出现的容流问题，为流量改善提供决策辅助，从预战术层面消除风险，提高容流匹配度；以历史航迹数据为输入，建立基于BP神经网络模型的航空器冲突模型，并结合数字化空域和感知技术，识别潜在的航空器冲突，给出冲突解脱方案，为管制员提供辅助决策支持。

2、技术方案

本发明第一方面提供一种基于数字孪生技术的空中交通管制方法，其特征在于,所述方法包括：

通过传感器获取实时数据，驱动孪生模型实现对预定空域仿真，构建空域模型，将所述空域模型的三维时空划分为多个空域单元块，根据航空器最小间隔确定航空器在所述空域模型的孪生体为圆柱体保护区，所述空域单元块与所述圆柱体保护区对应；

将预定时间内的飞行计划输入所述空域模型进行仿真，模拟预定时间内所有航班计划数量下在预定空域内的运行情况，根据所述运行情况修改所述空域单元块的属性，对所述空域单元块用不同的标识进行表征，并绘制航班密集度的热力分布图，根据所述热力分布图调整管制策略；

将历史航迹数据作为训练数据，输入BP神经网络模型中，构建航空器冲突模型；将目标的航空器飞行数据以及调整管制策略输入航空器冲突模型中，获取潜在的航空器冲突事件，选取预定的冲突解脱方案；所述飞行数据包括：目标航空器的飞行计划、航空器实时状态、航空器所在空域结构。

在一些实施例中，所述的传感器包括：地面雷达、广播式自动相关监测传感器以及GPS和/或北斗定位跟踪器中至少一种；

所述实时数据包括气象云图、航空器动态以及扇区开合状态；

其中，构建空域模型还包括基础数据和计划数据；所述基础数据包括空域范围、航路航线、扇区边界及扇区容量、GIS信息以及限制区；所述计划数据包括航班计划以及扇区开合计划。

在一些实施例中，构建空域模型步骤包括：

利用三维建模技术将预定空域内的扇区及航空器的航线与实物等比例建模，并进行三维结构展现，其中，所述扇区的建模过程中，根据预定空域内的扇区的结构不同，对所述扇区分级建模，构建独立的控制节点；通过镜像复制的方法将所述空域模型分割成多个空域单元块，并整体打组。

在一些实施例中，所述绘制航班密集度的热力分布图步骤，还包括在空域模型对航空器航迹模拟，具体步骤如下：

将预定时间内的飞行计划输入空域模型中，获取所述航空器在空域模型中各位置点的经纬度以及飞行高度，进行地球曲面换算，生成相应飞行轨迹，与所述航空器对于的孪生体参照所述飞行轨迹在所述空域模型中移动。

在一些实施例中，所述调整管制策略包括航空器起飞时间调整以及管制扇区调整；

所述管制扇区调整包括：根据所述热力分布图对扇区负荷评估，当热度超预定负荷且所述扇区可拆分时，采取分扇手段分摊流量；当热度超负预定负荷且所述扇区无法拆分时，通过调整次日航班计划中起飞时刻以降低流量；

所述对扇区负荷评估的步骤包括：根据所述扇区管制的几何范围、管制员水平能力系数、航路航线结构，计算扇区静态容量和动态扇区容量，根据扇区静态容量和动态扇区容量确定扇区标准容量，判断所述扇区标准容量是否超预定负荷。

在一些实施例中，所述冲突解脱方案包括：

当两个目标航空器在未来某时间段最小距离不符合预设的雷达管制最小安全间隔时，航空器冲突模型判断为航空器冲突事件，并获取解脱方案；

根据所述解脱方案计算获得所述目标航空器所需的避让的参数，所述参数包括垂直速度、水平速度、航迹角、滚角和避让高度的一种或多种，并向所述目标航空器发送其所需的参数。

在一些实施例中，所述的绘制航班密集度的热力分布图步骤包括：

获取预定区域内预定数目的飞行器的综合航迹，提取所述综合航迹中所有包含时间的数据项，对齐所述数据项的时间序列，所述数据项至少包括与预定数目飞行器对应的位置数据和高度数据；

根据所述飞行器对应的位置数据和高度数据，计算预定空域的平面地图中各个位置点发生冲突指数；

将平面地图中预定区域中所有位置点，依据冲突指数的大小进行排序，根据排序结果选用不同的标识对所述位置点进行表征。

本发明第二方面提供一种基于数字孪生技术的空中交通管制系统，包括：

数据获取模块，其用于通过传感器获取实时数据；

空域模型构建模块，其用于接收实时数据，驱动孪生模型实现对预定空域仿真，构建空域模型，将所述空域模型的三维时空划分为多个空域单元块，根据航空器最小间隔确定航空器在所述空域模型的孪生体为圆柱体保护区，所述空域单元块与所述圆柱体保护区对应；

仿真模块，其用于将预定时间内的飞行计划输入所述空域模型仿真，模拟预定时间内所有航班计划数量下在预定空域内的运行情况，根据所述运行情况修改所述空域单元块的属性，对所述空域单元块用不同的标识进行表征，并绘制航班密集度的热力分布图，根据所述热力分布图调整管制策略；

冲突解脱模块，其用于将历史航迹数据作为训练数据，输入BP神经网络模型中，构建航空器冲突模型；将目标的航空器飞行数据以及调整

本发明第三方面提供一种电子设备，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器依次连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述的方法。

本发明第四方面提供一种可读存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述的方法。

3、有益效果

相比于现有技术，本发明的有益效果为：

(1)本发明基于飞行计划(航班时刻表及次日计划)进行流量的预管理，预先发现次日可能出现的流量问题，并通过流量管理措施，调整起飞时间、开合扇、调整航迹等策略，在预战术阶段提前解决流量问题，确保容流匹配；

(2)本发明构建基于BP神经网络的航空器冲突预警模型，通过历史航迹不断训练优化冲突模型以及解脱方案，提前消除航空器冲突隐患提高运行安全水平，切实为管制员实时探测与解脱多航空器间的冲突提供决策依据，有助于提高多维航迹运行模式下航空器飞行安全性，并减少管制员工作负荷；

(3)本发明将空域划分为数字单元并设置单元属性，根据所述运行情况修改所述空域单元块的属性，对所述空域单元块用不同的标识进行可视化展示，并绘制航班密集度的热力分布图，用于空域模拟及评估，便于管制人员识别以及管理。

附图说明

通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。附图中：

图1为本发明实施例提供的基于数字孪生技术的空中交通管制方法流程图；

图2为本发明实施例提供的基于数字孪生技术的空中交通管制系统框图；

图3为本发明实施例模拟的安徽01扇空域单元块示意图；

图4图示了根据本申请实施例的电子设备的框图；

图5为本发明实施例提供的绘制航班密集度的热力分布图方法流程图；

图6为本发明实施例提供的冲突指数计算方法流程图。

具体实施方式

下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

示例性方法

如图1所示，一种基于数字孪生技术的空中交通管制方法，所述方法包括：

S202：通过传感器获取实时数据，驱动孪生模型实现对预定空域仿真，构建空域模型，将所述空域模型的三维时空划分为多个空域单元块，根据航空器最小间隔确定航空器在所述空域模型的孪生体为圆柱体保护区，所述空域单元块与所述圆柱体保护区对应。

具体的，本示例中空域模型是以3D建模方式描述预定的空域，将空域划分多个空域单元块，进行结构化管理，实现空域可用性评估、扇区及航路航线划设的评估等，通过对数据整合并进行可视化展示，解决了空域管理所需数据分散的问题。本示例中的传感器包括：地面雷达、广播式自动相关监测传感器以及GPS/北斗定位跟踪器中至少一种；传感器获得的实时数据包括气象云图、航空器动态、其他用户占用范围以及扇区开合状态。其中，构建空域模型还包括基础数据和计划数据；所述基础数据包括空域范围、航路航线、扇区边界及扇区容量、GIS信息以及限制区；所述计划数据包括航班计划、其他用户活动计划、扇区开合计划。

在一种可能的实施方式中，空域模型可以通过下列步骤制作：

(1)通过虚拟三维空间构建出具有三维数据的空域模型，它所包含的基本内容包括：场景尺寸、单位，模型归类塌陷(合并)、命名、节点编辑、纹理、坐标、纹理尺寸、纹理格式以及材质球等，由于制作过程需要符合规范，因此构建一个归类清晰、面数节省、制作规范的模型文件对于程序控制管理是十分必要的。

(2)得到模型文件后，使用UVlayout对该模型进行UV编辑，利用脚本快速的将模型导入UVlayout，在UVlayout中模型可以被任意的拆分，拆分出来的并不是真正的塌陷模型。模型分离其实只是对UV进行的拆分，模型并没有任何变化。

(3)处理完模型的UV，可以在MAX中进行烘焙，一般需要2到3张贴图，主要是AO，高光，法线，阴影，然后进行叠加的使用。通过烘焙得到AO贴图后，需找一张材质贴图在PS中于AO贴图合成，AO在上，材质在下使用正片叠底方式叠加。处理完后使用特定工具，通过快速的计算将法线信息作为图片方式附于模型上系统功能，使模型达到较精细的显示效果。

作为一个变化例，构建空域模型步骤中，通过三维建模技术对扇区及航路航线进行三维结构表现，基于扇区及航路航线的实际经纬度转换为三维模型引擎中的三维坐标。进一步，利用三维建模技术将预定空域内的扇区及航空器的航线与实物等比例建模，并进行三维结构展现，其中，所述扇区的建模过程中，根据预定空域内的扇区的结构不同，对所述扇区分级建模，构建独立的控制节点，便于结合程序引擎进行节点控制；通过镜像复制的方法将所述空域模型分割成多个空域单元块，并整体打组；所述航路航线建模单独命名打组；按照系统整体要求，选定模型制作精细程度，保证不违背原本三维数据结构的同时，降低整个场景的面数，以提高交互场景的运行速度。

在一种可能的实施方式中，将所述空域模型的三维时空划分为多个空域单元块，根据航空器最小间隔确定航空器在所述空域模型的孪生体为圆柱体保护区，本示例中航空器的孪生体是一个半径五公里、垂直高度300米的小圆柱。

具体的，空域使用情况展示是空域模型一项重要的功能，基于可用空域的定义，可以将空域单元块的可用性用颜色表征。绿色代表可用空域；黄色代表目前可用，但未来一段时间内会因各种因素，如天气影响，活动影响等变得不可用的空域；红色代表不可用空域。由于航空器之间需保证安全间隔，因此航空器在数字空域中的孪生体是一个根据最小间隔以确定直径和高度的圆柱体保护区。

在实施过程中，将预定空域按一定尺寸(长宽1000m，高300m)切分为立方体单元块，整个预定空域由这些小单元块构成。空域模型以3D形式展现，鉴于数量太大，考虑到算力和展示效果，按一定比例进行放大。如图3所示，按实际比例模拟了安徽01扇区相应的立方体表现，每个小立方体有颜色属性。绿色表示空域可以使用；红色表示空域不可使用；黄色代表未来某个时间区间不可用(比如，次日15:00-18:00不可用)。对于空域常态可用性，基于可用空域的定义，可以将空域的常态可用性表示出来，例如机场周边50km以航路、航线左右10km，都属于可用空域(绿色)。可选的，华东空域应能以3D方式体现扇区结构，做成选择图层的模式，选择后可以看到扇区。

需要说明的是，数字孪生技术，是充分利用物理模型、传感器更新、运行历史数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映对应实体的全生命周期过程。通俗的讲，数字孪生就是针对一个设备或系统所创造的数字版“克隆体”。不同于以往计算机辅助设计(CAD)为代表的数字化,也并非是以传感器网络为主要研究对象的物联网解决方案,数字孪生有更广泛的意涵和潜力。

S204：将预定时间内的飞行计划输入所述空域模型仿真，模拟预定时间内所有航班计划数量下在预定空域内的运行情况，根据所述运行情况修改所述空域单元块的属性，对所述空域单元块用不同的标识进行表征，并绘制航班密集度的热力分布图，根据所述热力分布图调整管制策略。

具体的，将当天的飞行计划输入上述建立的空域模型仿真，所述飞行计划包括航班时刻表及次日计划、机型、载重、航路数据等。模拟预定时间内所有航班计划数量下在预定空域内的运行情况，例如对于目标航空器的航迹模拟，通过对航迹数据的读取和转换实现航迹的3D模拟，使用的数据以CSV格式存在，3D建模引擎通过对上述数据的读取，识别经纬度，高度，并进行地球曲面换算，形成软件空间数据，进行数据路径绘制，生成相应飞行轨迹，航空器参照路径进行移动。通过扇区与航路航线的模拟，辅助空域管理人员判断哪些扇区需要重新判设，哪些航路航线需要调整。同时，航空器冲突模型可对调整方案进行评估，识别潜在的航空器冲突事件，辅助空域管理人员科学的确定调整方案。

根据所述运行情况修改所述空域单元块的属性，对所述空域单元块用不同的标识进行表征。具体的，面临空域临时调整时，如由于特殊天气或者特殊活动，部分可用空域会在一定时间内变得不可用，空域单元块变成红色；部分不可用空域可以通过申请变得可用，可用时，空域单元块变成绿色。当目标航空器所在的空域单元块时，空域单元块为红色，且由于飞行安全间隔的定义(临近机场，靠近管制范围，最小水平间隔为6km；区域管制范围，最小水平间隔为10km)，每架飞机周边区域也应该是红色。具体的，以飞机所在小立方体为中心，构成一个扇形的立方体，由于不同区域的安全间隔不同，这个立方体在不同飞行区域的大小也不同在航路上大，近终端上小。

空域仿真后，每一个航班的航路走向将以3D模型的形式展现在三维时空中，航路上受到天气、活动等约束的区域称为流量约束区，当流量约束区的容量发生变化时，可以直观的在空域模型中航空器的孪生体上展示有哪些航班可能需要改航来有效利用流量约束区剩余容量，同时系统可以根据大数据分析以推荐最合适的改航策略。

本示例中调整管制策略包括航空器起飞时间调整以及管制扇区调整，其中所述管制扇区调整包括：根据所述热力分布图对扇区负荷评估，当热度超预定负荷且所述扇区可拆分时，采取分扇手段分摊流量；当热度超负预定负荷且所述扇区无法拆分时，通过调整次日航班计划中起飞时刻以降低流量。

所述对扇区负荷评估的步骤包括：根据所述扇区管制的几何范围、管制员水平能力系数、航路航线结构，计算扇区静态容量和动态扇区容量，根据扇区静态容量和动态扇区容量确定扇区标准容量，判断所述扇区标准容量是否超预定负荷。本示例通过开扇或者分扇，合理分配管制力量以解决宏观的流量问题，充分体现管制单位的主观能动性，保障航班时刻正常性。综上，基于飞行计划(航班时刻表及次日计划)进行流量的预战术管理，预先发现次日可能出现的流量问题，并通过流量管理措施，如调整起飞时间、开合扇、调整航迹、在预战术阶段提前解决流量问题，确保容流匹配。

S206：将历史航迹数据作为训练数据，输入BP神经网络模型中，构建航空器冲突模型；将目标的航空器飞行数据以及调整管制策略输入航空器冲突模型中，获取潜在的航空器冲突事件，选取预定的冲突解脱方案；所述飞行数据包括：目标航空器的飞行计划、航空器实时状态、航空器所在空域结构。

本示例中飞行计划包括：目标航空器的起落时刻、航路走向以及途径航点；航空器动态包括水平速度、垂直速度、高度、滚角、仰角、襟翼角度、扰流板状态以及起落架状态；空域结构包括扇区开放状态、活动区限制状态、临时航路使用状态；气象信息包括卫星云图数据、自动观测系统数据；飞行数据还可以包括：航空器机型、航空器所属公司、航空器油量等。

具体的，基于时间效率的考虑，本示例使用了BP神经网络，本领域技术人员应当理解，此处也可以运用马尔可夫、LSTM神经网络等，在此不做限定。需要说明的是，BP神经网络是一种多层的前馈神经网络，其主要的特点是：信号是前向传播的，而误差是反向传播的。BP神经网络的训练过程主要分为两个阶段，第一阶段是信号的前向传播，从输入层经过隐含层，最后到达输出层；第二阶段是误差的反向传播，从输出层到隐含层，最后到输入层，依次调节隐含层到输出层的权重和偏置，输入层到隐含层的权重和偏置。

本示例中，航空器冲突模型实施步骤包括：通过目标分析法，将以航迹预测为切入点，将冲突预测问题转变为预测5分钟轨迹问题；获取飞行计划(2019年11月-12月)及航迹数据(2019年11月-12月)，进行匹配和清洗，并切分成训练集和测试集；结合业务经验、模型经验及数据限制，初步分析特征工程。最终选取高度、垂直速度、水平速度、航司类型、机型、航迹角、滚角作为特征变量；考虑时间效率，选择BP神经网络作为训练模型，在此基础上，选择适合的超参进行训练。在迭代步骤中，使用测试数据进行模型结果测试，根据测试结果进行优化迭代，如调整变量、模型或超参，获得优化完成的航空器冲突模型。

在一种可能的实施方式中，当两个目标航空器在未来某时间段最小距离不符合预设的雷达管制最小安全间隔时，航空器冲突模型判断为航空器冲突事件，并获取解脱方案；

根据所述解脱方案计算获得所述目标航空器所需避让的参数，所述参数包括垂直速度、水平速度、航迹角、滚角和避让高度的一种或多种，并向所述目标航空器发送其所需的参数。

具体的，航空器追赶冲突解脱方案如下：

(1)获取初始界面，进入后画面显示H208的两个航班，从系统识别出风险到给出建议的全过程；

(2)预警过程：

a)两架飞机(前机B2354 ZLXY-ZSSS，后机B5107 ZBHH-ZSHC)飞行高度均为6900米，同航路(沿FYG-HFE-MADUK飞行)，后机飞行速度比前机快，正在追赶前机。

b)当前时间为09:00(北京时，下同)。假设两架飞机都保持目前的速度，后机将在10分钟后在P343处突破雷达管制最小安全间隔。此时，系统给出提示：UI面板信息(分两行展示)如下：冲突预警：B5107与B2354将在09:10小于雷达管制最小安全间隔。同时，系统将以辅助线的方式描述10分钟后两架飞机的位置(10分钟后两架飞机的间隔小于1km)，同时用辅助线将两架飞机10分钟后的位置进行连线(此线的颜色标红)。

c)两架飞机继续沿航路飞行，在09:05分时系统提示告警信息：UI面板信息(分四行展示)如下：冲突预警：B5107与B2354将在5分钟后突破最小水平间隔，应立即采取冲突解脱措施。解脱建议：B2354保持高度，B5107立即下降到6300m。系统需显示出在6600m高度层有一架对头飞机正在飞行。

d)管制员接纳建议(在自动化系统进行操作)或采取其他合理调配方案，飞机执行管制指令，成功化解潜在冲突：系统过几秒后按照上一步的解脱策略进行模拟。

作为一个变化例，如图5所示，所述的绘制航班密集度的热力分布图步骤包括：

S102：获取预定区域内预定数目的飞行器的综合航迹，提取所述综合航迹中的数据项，对齐所述数据项的时间序列，所述数据项至少包括与预定数目飞行器对应的位置数据和高度数据。

具体的，本示例所用的数据是从自动化系统导出的ASTERIX CAT062格式的综合航迹，为了便于程序解析，需要将数据转换成了JSON格式的文件。其中，综合航迹数据包括时间、航班号、位置(经纬度)、高度、飞行速度等信息。

将所述数据项的时间格式进行转换处理，提取预定区域内预定数目飞行器的飞行数据，所述飞行数据至少包括与预定数目飞行器对应的位置数据和高度数据；需要说明的是，ASTERIX CAT062格式的综合航迹中包含了时间数据项Time of Track Information，但是这个数据项只能记录24小时，即没有年月日的记录。所以使用了自动化系统的Unix时间戳，该时间戳是自1970年1月1日(00:00:00GMT)以来的秒数，使用Python time.strftime函数进行时间格式的转换。本领域技术人员应当理解，此处也可通过其他方式获取时间记录和相关数据内容，不以此为限。

对所述的预定数目飞行器对应的位置数据和高度数据进行插值处理，对齐所述飞行器的位置数据和高度数据的时间序列。

具体的，因为航迹出现的时间点不同，自动化系统的航迹数据是5秒更新一次，所以为了把航班的时间序列对齐，需要对航班的位置数据和高度数据进行插值。本示例使用的是Pandas数据包中的interpolate插值函数进行线性插值。

S104：根据所述位置数据和高度数据，计算预定区域各个位置点发生冲突指数。

具体的，由于综合航迹ASTCAT062数据项很多，这里读取Position in WGS-84coord数据项作为计算相对距离S、接近率dS的数据，读取Geometric Altitude数据项作为计算高度H和垂直间隔⊿h的数据。

其中计算任意两个飞行器在某时刻的相对距离S的公式如下：

S＝R*arccos(cos(lat2)*cos(lat1)*cos(lng2-lng1)+sin(lat2)*sin(lat1))

其中R为地球半径；lat1为第一目标飞行器在预定区域内某时刻的纬度；lng1为第一目标飞行器在预定区域内某时刻的经度；lat2为第二目标飞行器在预定区域内某时刻的纬度；lng2为第二目标飞行器在预定区域内某时刻的经度。

本公式可以由下面的过程进行推导：

假设第一目标飞行器在在A点的纬度为lat1，经度为lng1，第二目标飞行器在B点的纬度为lat2，经度为lng2。以地球半径为R，地心为坐标原点O，先把坐标转换为直角空间坐标系的点，可得到：

坐标A(Rcos(lat1)cos(lng1),Rcos(lat1)sin(lng1),Rsin(lat1))

坐标B(Rcos(lat2)cos(lng2),Rcos(lat2)sin(lng2),Rsin(lat2))

然后计算线段OA和线段OB的夹角，这里用向量的夹角计算方法,那么夹角COS计算公式为：

令A点坐标为(x,y,z),B点坐标为(a,b,c)；

则

把经纬度的坐标代进去，得到：

COS＝cos(lat2)*cos(lat1)*cos(lng1-lng2)+sin(lat2)*sin(lat1)

根据余弦值可得线段OA和线段OB的夹角的角度，再计算A点和B点的弧长，即得相对距离s(arccos为反余弦函数，这里是根据反余弦的结果得到弧度。

S＝2PIR*(arccos(COS)/2*PI)

S＝R*arccos(COS)

S＝R*arccos(cos(lat2)*cos(lat1)*cos(lng2-lng1)+sin(lat2)*sin(lat1))

根据上述任意两个飞行器在某时刻的相对距离S的公式计算公式，计算预定区域内任意两飞行器的接近率，所述步骤包括：

将预定区域内任意两飞行器作为一组，根据所述位置数据，获取任意两个飞行器的在对应位置的经纬度数据；

计算任意两个飞行器在第一时刻的第一相对距离，计算所述两个飞行器在第二时刻的第二相对距离，其中所述第一时刻与第二时刻不同；

将第一相对距离与第二相对距离的差值，与第一时刻和第二时刻间的差值的比值作为所述两飞行器的接近率。

则接近率计算公式为：

其中，S1为第一目标飞行器在t1时刻的距离为S1，S2为第二目标飞行器在t2时刻的距离为S2；

此时将预定区域内任意两飞行器作为一组，并将二者在不同时刻的接近率作为某一目标飞行器的飞行参数，将该飞行参数(接近率)作为计算目标飞行器的飞行轨迹在预定区域内的位置点的分数；具体根据上述接近率计算公式得到冲突指数计算公式为：

T为冲突指数；a为根据目标飞行器飞行高度确定的系数；t

S106：将预定区域中所有位置点，根据冲突指数的大小进行排序，根据排序结果选用不同的标识对所述位置点进行表征。

具体的，当所述冲突指数计算完成后，选用folium交互地图进行热力图绘制；其中所述folium交互地图建立在Python生态系统数据应用和Leaflet.js库的映射上，在Python中操作数据，然后通过folium在Leaflet地图中进行可视化。其中Leaflet是一个为移动设备设计的交互式地图的开源的javascript库，并只有38k，包含了大多数开发者需要的地图特点。folium相比较于国内百度的pyecharts灵活性更强，能够自定义绘制区域，并且展现形式更加多样化。根据冲突指数的大小进行降序排序将预定区域内的位置点分成五个等级，依次分别用白色、蓝色、绿色、黄色和红色进行表征。具体的，热力图的颜色设置方法是把所有位置点的总积分T按照从低到高的顺序排列，排在分数最低的10％的位置点不显色，之后按照20％的区间，依次显示蓝色、绿色和黄色，分数最高的30％的位置点显示红色。

作为一个变化例，如图6所示，为了防止机场附近频繁起降、穿越带来的热度虚高，本示例的模型剔除高度3000m以下的数据，当水平接近率为负数时，表明两航班已经背向飞行，这部分数据也可以不用考虑。因此为了使模型更精确，本示例将高度h分成三层，进行不同的参数赋值，具体如下：

将预定区域内任意两飞行器作为一组，设定任一飞行器在t1时刻与另一飞行器的相对距离为S1，飞行高度为h

则接近率的计算公式为

⊿h＝|ha-hb|，其中⊿h为目标飞行器在t1与t2时刻的高度差；

第一层：高度h

相对距离S1和S2在8km-40km，确定系数α＝1；

相对距离S1和S2在40km-70km，确定系数α＝0.7；

相对距离S1和S2在70km-100km，确定系数α＝0.4；

接近率dS在0-30km/min依次对应的接近率分数ti＝dS，为0-30分。

第二层：高度h

相对距离S1和S2在15km-60km，确定系数α＝1；

相对距离S1和S2在60km-110km，确定系数α＝0.7；

相对距离S1和S2在110km-150km，确定系数α＝0.4；

接近率dS在0-40km/min依次对应的接近率分数t＝ds/2。

第三层：高度h

相对距离S1和S2在15-60km，确定系数α＝1；

相对距离S1和S2在60-110km，确定系数α＝0.7；

相对距离S1和S2在110-150km，确定系数α＝0.4；

接近率dS在0-40km/min，依次对应的接近率分数t＝ds/2。

依次根据判断条件，计算接近率dS，如果满足条件，计算一次得分数，每次的累积分数记在对应的一对位置坐标点上。在计算总积分时除以累积分次数是为了避免多次低分累积带来的热度虚高问题。

示例性系统

如图2所示，基于数字孪生技术的空中交通管制

数据获取模块20，其用于通过传感器获取实时数据；

空域模型构建模块30，其用于接收实时数据，驱动孪生模型实现对预定空域仿真，构建空域模型，将所述空域模型的三维时空划分为多个空域单元块，根据航空器最小间隔确定航空器在所述空域模型的孪生体为圆柱体保护区，所述空域单元块与所述圆柱体保护区对应。

仿真模块40，其用于将预定时间内的飞行计划输入所述空域模型仿真，模拟预定时间内所有航班计划数量下在预定空域内的运行情况，根据所述运行情况修改所述空域单元块的属性，对所述空域单元块用不同的标识进行表征，并绘制航班密集度的热力分布图，根据所述热力分布图调整管制策略；

冲突解脱模块50，其用于将历史航迹数据作为训练数据，输入BP神经网络模型中，构建航空器冲突模型；将目标的航空器飞行数据以及调整

示例性电子设备

下面，参考图4来描述根据本申请实施例的电子设备。该电子设备可以是可移动设备本身，或与其独立的单机设备，该单机设备可以与可移动设备进行通信，以从它们接收所采集到的输入信号，并向其发送所选择的目标行为。

图4图示了根据本申请实施例的电子设备的框图。

如图4所示，电子设备10包括一个或多个处理器11和存储器12。

处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备10中的其他组件以执行期望的功能。

存储器12可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器11可以运行所述程序指令，以实现上文所述的本申请的各个实施例的行为决策方法以及/或者其他期望的功能。

在一个示例中，电子设备10还可以包括：输入装置13和输出装置14，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。例如，该输入设备13可以包括例如车载诊断系统(OBD)、统一诊断服务(UDS)、惯性测量单元(IMU)、摄像头、激光雷达、毫米波雷达、超声波雷达、车载通信(V2X)等各种设备。该输入设备13还可以包括例如键盘、鼠标等等。该输出装置14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图4中仅示出了该电子设备10中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备10还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的行为决策方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的行为决策方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。

本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。