首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于小波重构Autoformer混合空域无人机饱和流量预测方法 

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!

申请/专利权人:中国民用航空飞行学院

摘要:本发明提供一种基于小波重构Autoformer混合空域无人机饱和流量预测方法,包括S1:混合空域环境建模的步骤;S2:进行模型整体构架设定的步骤;S3:小波变换的步骤;S4:Autoformer数据预测的步骤;S5:混合空域无人机饱和流量计算的步骤;S6:评估预测结果的精确程度的步骤。在本发明中小波重构可以有效的降低交通流量数据内部噪声对预测的影响,证明了交通流量预测工作中降低交通流量数据内部噪声的必要性,Autoformer模型依靠其独特的渐进式分解与自相关机制实现了更精准的输出,最终实现了混合空域无人机饱和流量的精确预测,无人机饱和流量得到了大幅提升,提高了实验空域的利用率。相比Transformer模型等其他模型,小波重构Autoformer混合空域饱和流量预测方法预测效果更有效。

主权项:1.一种基于小波重构Autoformer混合空域无人机饱和流量预测方法,其特征在于,包括如下步骤:S1:进行混合空域环境建模的步骤;S2:进行模型整体构架设定的步骤,模型分为三部分,即特征强化部分,基础预测部分以及饱和流量预测部分;S3:进行小波变换的步骤,在数据的分解与重构操作时,选定有效的小波变换展现数据特征,降低噪声因素对数据分析的影响,小波分解得到低频部分与高频部分,低频部分反映了数据的宏观全局特征,高频部分反映了数据微观局部特征;其变换重构表达式为: 式1中,a是尺度因子,b是平移因子,是小波基函数,ft为输入信号,W是小波变换系数。S4:进行Autoformer数据预测的步骤,结合自相关机制与序列分解的控制,经过减弱局部无序性的交通流量数据被分解为流量趋势性部分和流量周期性部分,其计算式为式3: 其中χ为长度为L的序列,χ∈RL×d;χt:为序列的短期波动;χs:减去短期波动留下的周期性平滑序列;S5:进行混合空域无人机饱和流量计算的步骤,首先引入道路设计饱和流量的概念,设计饱和流量指先期交通设计阶段考虑交通需求、交通安全等因素得到的最大通行能力,设计饱和流量计算公式如下:Sf=Sbi×fFi3式3中:Sf为进口车道设计饱和流量;Sbi为第i条进口道基本饱和流量;fFi为各类进口车道各类校正系数;空中交通容量的基本定义如式: 式4中,C为区域容量,单位架次;V为区域航空器的平均速度,单位kmh;S为最小纵向间隔,单位km;式7两端变换得式5: 式8右侧分子为单位时间的飞行距离,式中V×TS部分为单位时间服务架次,因此,C可以看作单位时间饱和流量,在这里空中基本交通流量定义如式6: Cb为流量,n为单位时间架次,t为单位时间;提出了一种混合空域无人机饱和流量计算理论如式7: 其中,Qf为无人机饱和流量,Cb为有人机混合空域流量,fFi为流量校正系数,当Cb为0时意味着混合空域转变为隔离空域;S6:进行评估预测结果精确程度的步骤。

全文数据:

权利要求:

百度查询: 中国民用航空飞行学院 基于小波重构Autoformer混合空域无人机饱和流量预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。