买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京航空航天大学申请的专利基于生成式AI的空中交通自主运行航迹生成方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120014886B 。

龙图腾网通过国家知识产权局官网在2025-12-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411193611.2，技术领域涉及：G08G5/30；该发明授权基于生成式AI的空中交通自主运行航迹生成方法及装置是由赵鹏;蔡开泉;左谛;朱衍波设计研发完成，并于2024-08-28向国家知识产权局提交的专利申请。

本基于生成式AI的空中交通自主运行航迹生成方法及装置在说明书摘要公布了：基于生成式AI的空中交通自主运行航迹生成方法及装置，能够快速生成空中交通自主运行场景中的运行航迹，为空中交通自主运行的研究与评估提供充足的数据资源。方法包括：1定义典型自主运行场景，根据自主运行需求分析，定义六种自主运行场景，并对每种场景的特征进行描述和定义；2构建生成式AI模型，依据一级数据中心提供的历史数据进行训练，并对训练好的模型数据进行保存；依据一级数据中心提供的历史数据进行训练，并对训练好的模型数据进行保存；3使用生成式AI模型对各运行场景的航迹数据进行生成。

本发明授权基于生成式AI的空中交通自主运行航迹生成方法及装置在权利要求书中公布了：1.基于生成式AI的空中交通自主运行航迹生成方法，其特征在于： 其包括以下步骤： 1定义典型自主运行场景，根据自主运行需求分析，定义六种自主运行场景，并对每种场景的特征进行描述和定义； 2构建生成式AI模型，依据一级数据中心提供的历史数据进行训练，并对训练好的模型数据进行保存；依据一级数据中心提供的历史数据进行训练，并对训练好的模型数据进行保存； 3使用生成式AI模型对各运行场景的航迹数据进行生成； 其中步骤1六种自主运行场景描述和定义如下： 1.1进场程序自主决策运行场景，在自主运行概念下，飞机在进场程序中实现机载端的连续下降条件自主判断、飞行剖面规划、空地协商后的连续下降运行； 1.2空域灵活使用下的截弯取直运行场景，在自主运行场景下，通过实现机组临时航线主动选择和截弯取直飞行； 1.3恶劣天气下的自主改航运行场景，在恶劣天气下的自主改航运行场景下，飞机根据其业务目标和风险承受能力，确定绕过天气的最佳航线，并避免拥堵路线，与地面自动化系统自动协商确认后实施； 1.4安全条件下的单航空器TBO所需到达时间运行场景； 1.5航路强对流影响下的航空器应急处置场景，在安全条件下的单航空器TBO所需到达时间运行中，航空器收到地面数字化管制的关键点控制到达时间CTA需求，结合地面提供的周边态势情况服务，在保证与前机及周边航线航空器安全的前提下，自主控制航空器加速和减速，实现TBO的所需到达时间RTA功能，按照预定航迹飞行； 1.6高密度场景下的自主尾流间隔运行场景，如果飞机遭遇严重的强对流天气，并且无法规避或绕行，在自主运行场景下，飞机独立进行决策，根据情况决定是否进行紧急下降，通过空地信息共享与协同决策，飞行员感知周边空域运行态势、其他航班飞行意图、各高度层使用情况、流量情况、潜在的冲突情况，飞行员自主调整更改方案； 所述步骤2包括以下分步骤： 2.1根据历史数据对模型进行训练，更新迭代模型参数； 2.2保存最佳模型，以便后续使用； 2.3保留模型的可扩展性，随着历史数据的丰富和累计，对模型进行迭代升级； 所述步骤2.1包括以下分步骤： 2.1.1航空器飞行轨迹建立； 2.1.2飞行轨迹扩散模型构建； 2.1.3运行场景特征提取，使用VAE模型在潜变量空间映射为可学习的低维变量； 2.1.4依据一级数据中心提供的历史数据进行训练，并对训练好的模型数据进行保存； 其中，所述步骤2.1.1包括以下分步骤： 2.1.1.1该专利中使用的历史数据均为ADS-B数据，使用前，首先需要将cat21的原始数据解析为十进制数据，以供后续使用； 2.1.1.2根据日期、24位地址码、航班机尾号共同确定唯一的航空器航迹； 2.1.1.3使用TRP时间对ADS-B报文进行排序； 2.1.1.4选取ADS-B报文中的时间、经度、纬度、速度、高度、正北航向角，这六个和航迹相关的特征信息； 2.1.1.5使用滤波方法去除异常航迹； 所述步骤2.1.2包括以下分步骤： 2.1.2.1定义扩散模型的正向过程，获得每步的噪声水平； 2.1.2.2定义AirTraj-UNet网络结构，对航迹分布进行学习； 2.1.2.3训练AirTraj-UNet网络结构，输出每步的噪音水平，根据预测的噪音水平和实际噪音水平之间的差值，通过反向传播和梯度下降等技术进行参数的优化，调整模型参数； 所述步骤2.1.3包括以下分步骤： 2.1.3.1构造VAE模型，包括一个编码模块和一个解码模块； 2.1.3.2使用历史数据对于VAE模型参数进行训练优化； 2.1.3.3保存最佳模型参数； 2.1.3.4使用VAE模型的编码部分对场景特征进行编码，编码后的嵌入信息在AirTraj-UNet结构中的每个注意力模块中，通过跨注意力层与航迹信息进行相关性学习。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。