-
公开(公告)号：CN110363333A
公开(公告)日：2019-10-22
申请号：CN201910541983.2
申请日：2019-06-21
Applicant: 南京航空航天大学 , 南京航空航天大学金城学院
Abstract: 本发明公开了一种基于渐进梯度回归树的天气影响下空中通行能力的预测方法，包括如下步骤：(1)数据读取和处理；(2)数据清洗；(3)构建数据特征量；(4)模型训练和测试；(5)模型性能评估和优化；(6)天气影响下空中通行能力的预测。本发明能够对扇区、终端区和机场的空中通行能力进行科学合理的预测，为流量管理人员进行决策提供支持。
-
公开(公告)号：CN117612214A
公开(公告)日：2024-02-27
申请号：CN202410090297.9
申请日：2024-01-23
Applicant: 南京航空航天大学
IPC: G06V40/10 , G06N3/045 , G06N3/096 , G06N3/0985
Abstract: 本发明公开了一种基于知识蒸馏的行人搜索模型压缩方法，压缩方法包括如下步骤：S1：大型行人搜索网络结构作为教师模型，在行人搜索数据集上与训练教师模型；S2：轻量行人搜索网络结构作为学生模型；S3：在行人搜索数据集上训练学生模型时，从教师模型获取第一输出数据，从学生模型第二输出数据；S4：使用行人搜索模型压缩方法解耦蒸馏第一数据输出中的知识，计算解耦蒸馏损失；S5：联合行人搜索任务损失和解耦蒸馏损失训练学生模型，提高所述学生模型的性能。本发明针对图像特征和行人搜索任务的特点设计压缩方法，将大型行人搜索模型的有益知识转移到轻量模型中，有利于在真实监控场景中部署高精确度的轻量行人搜索模型。
-
公开(公告)号：CN117116096A
公开(公告)日：2023-11-24
申请号：CN202311386648.2
申请日：2023-10-25
Applicant: 南京航空航天大学
IPC: G08G5/00 , G06V20/54 , G06V20/70 , G06V10/44 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/084
Abstract: 本发明属于航班延误管理技术领域，具体涉及一种基于多通道交通图像与深度CNN的机场延误预测方法及系统。该机场延误预测方法通过采集目标空域扇区对流天气与交通运行数据，并进行预处理；构建机场延误指标集，划分机场延误等级；划定目标空域扇区的外接矩形，并进行栅格化处理；构造多通道气象影响交通运行图像，并根据机场延误等级标注构建气象影响交通运行图像库；根据多通道气象影响交通运行图像构建机场延误分级网络模型；对机场延误分级网络模型进行训练；根据训练后的机场延误分级网络模型进行机场延误预测，从空间角度量化了对流天气对于航班运行的影响，大大提高了恶劣天气影响下机场延误程度预测的准确度。
-
公开(公告)号：CN116312068A
公开(公告)日：2023-06-23
申请号：CN202310276022.X
申请日：2023-03-21
Applicant: 南京航空航天大学
IPC: G08G5/00 , G06N3/08 , G06N3/0442 , G06N3/0464
Abstract: 本发明涉及交通管制领域，具体涉及一种基于多元时序分析的终端区流量预测方法及系统，本方法包括：获取终端区内的基础数据；对所述基础数据进行预处理，构建用于终端区流量预测的多元时序数据库；基于趋势与均值的时间序列表示方法，对多元时序数据库内的数据进行分段和符号化表示；利用随机森林模型对分段和符号化表示的多元时序数据进行特征筛选和降维，构造特征矩阵；构建基于CNN‑GRUA的终端区流量预测模型，并将所述特征矩阵输入训练好的终端区流量预测模型，输出终端区流量预测结果；本方法有助于管制人员了解预期交通态势，为交通调配提供重要的决策支持信息，提高航班进离场效率，缓解机场终端区交通压力，从而提升整个空中交通系统的运行效率。
-
公开(公告)号：CN114999232A
公开(公告)日：2022-09-02
申请号：CN202210692535.4
申请日：2022-06-17
Applicant: 南京航空航天大学
Abstract: 本发明属于空中交通管制的流量预测技术领域，具体涉及一种面向气象场景分类的终端区空域飞行流量预测方法。本面向气象场景分类的终端区空域飞行流量预测方法包括：对终端区对流天气分类；对终端区数据进行预处理,构建终端区指标集；构建CNN‑GRU组合模型；验证CNN‑GRU组合模型的准确性。将多因素引入作为输入特征，分别构建了CNN模型、GRU模型、CNN‑GRU组合模型，并与传统的RNN和LSTM模型进行了预测对比；并且验证了CNN‑GRU组合模型预测精度较单一模型高，预测误差MSE、MAE、RMSE平均降低了，EVS有所提升。
-
Patent Agency Ranking
公开(公告)号：CN112489497B
公开(公告)日：2022-03-11
申请号：CN202011294477.7
申请日：2020-11-18
Applicant: 南京航空航天大学
IPC: G06Q10/04
Abstract: 本发明具体涉及一种基于深度卷积神经网络的空域运行复杂度评估方法其包括：抽取目标空域扇区的扇区动态交通数据，并进行空域运行复杂性等级标注；划定目标空域扇区的外接矩形，并进行网格化处理；构造多通道空中交通态势图像，并根据空域运行复杂性等级标注构建空中交通态势图像库；根据多通道空中交通态势图像构建空域运行复杂性分级网络模型；对空域运行复杂性分级网络模型进行训练；以及根据训练后的空域运行复杂性分级网络模型进行空域运行复杂性评估，实现了在不依赖复杂度相关特征的前提下以“端到端”的方式自动从原始数据中进行学习最相关的特征，从而辅助空域运行复杂性分级网络模型的建立，大大降低了空域复杂度评估的工作量和使用门槛。
-
公开(公告)号：CN113989747A
公开(公告)日：2022-01-28
申请号：CN202111323000.1
申请日：2021-11-09
Applicant: 南京航空航天大学
IPC: G06V20/52 , G06V20/13 , G06V10/82 , G06V10/762 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于空中交通运行管理中的机场终端区运行气象场景分析技术领域，具体涉及一种终端区气象场景识别系统，其包括：深度卷积自编码嵌入聚类场景识别模块，构建基于改进深度卷积自编码的嵌入聚类方法，对图像降维和气象场景识别；评估模块，选取相应的无监督聚类效果评估指标，对气象场景识别进行评估；以及验证模块，对识别的气象场景进行验证，并确定所识别出场景的特点，实现了气象场景的分类识别，为管制员提供一种更直观的历史结果，并为现场管制运行提供一种较有效的事前分析手段。
-
公开(公告)号：CN113989676A
公开(公告)日：2022-01-28
申请号：CN202111323107.6
申请日：2021-11-09
Applicant: 南京航空航天大学
IPC: G06V20/13 , G06V20/52 , G06V10/762 , G06K9/62 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06Q10/06 , G06Q50/26 , G01W1/00
Abstract: 本发明属于空中交通运行管理中的机场终端区运行气象场景分析技术领域，具体涉及一种改进深度卷积自编码嵌入聚类的终端区气象场景识别方法，其包括：构建基于改进深度卷积自编码的嵌入聚类方法，对图像降维和气象场景识别；选取相应的无监督聚类效果评估指标，对气象场景识别进行评估；以及对识别的气象场景进行验证，并确定所识别出场景的特点，实现了气象场景的分类识别，为管制员提供一种更直观的历史结果，并为现场管制运行提供一种较有效的事前分析手段。
-
公开(公告)号：CN113435655A
公开(公告)日：2021-09-24
申请号：CN202110755522.2
申请日：2021-07-05
Applicant: 南京航空航天大学
Abstract: 本发明属于航空技术领域，具体涉及一种扇区动态管理决策方法、服务器及系统，其中扇区动态管理决策方法包括：构建区域扇区运行的特征指标；对特征指标进行筛选；根据筛选后的特征指标获取管制决策规则；以及根据筛选后的特征指标和管制决策规则获取扇区实际决策，构建可量化计算的区域扇区运行指标体系，采用mRMR有监督特征和SPEC无监督特征选择算法综合加权实现关键特征指标的筛选和降维，进一步选取决策树算法提取适应管制员认知与管制能力的扇区动态开合决策规则，并利用关键特征指标的可预测性，设计基于客观交通特性预测的战术/预战术扇区动态开合科学决策模式。
-
公开(公告)号：CN110347668B
公开(公告)日：2021-08-24
申请号：CN201910602670.3
申请日：2019-07-04
Applicant: 南京航空航天大学
IPC: G06F16/215 , G06K9/62 , G06F16/29
Abstract: 本发明涉及一种ADS‑B航迹清洗与校准装置。ADS‑B航迹清洗与校准装置包括：建立基于ADS‑B航迹数据的特征字段的数据样本，其中特征字段包括初始字段以及扩展字段，所述扩展字段通过所述初始字段计算得出；对数据样本进行去重；根据数据样本中的特征字段的数据特点选择特征字段，并用于字段数据异常检测和处理；依据局部遍历的DBSCAN密度聚类方法对数据样本的特征字段进行离群点识别，判断异常点，对异常点进行修正或删除；根据数据样本中的初始字段对航迹进行校准。使用局部遍历的DBSCAN密度聚类方法识别离群点，大幅提高清洗效率，通过航迹校准对时间戳进行修正，使整个飞行轨迹符合质点运动学规律。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.078 seconds)
