飞行变化性分析:一种系统的方法(Analysis of Flight Variability: a Systematic Approach)

在运动数据分析中,存在将运动物体的多个轨迹与共同或不同参考轨迹进行比较的问题。比较涉及到轨迹的形状,时间和其他的属性,如速度,方向等。该工作[1]引入了一个用于轨迹比较分析的一般概念框架和一个分析程序,它包括(1)轨迹的对应点匹配,(2)成对差异度量,以及(3)交互式视觉分析差异的分布,包括在空间,时间,运动物体的环境,轨迹结构和时空背景方面的差异。 通过可视化,交互和数据转换技术的组合,该工作支持分析并演示用于解决航空领域的挑战性问题。

该工作提出了针对轨迹比较问题的普遍分析程序,如图1所示,包括轨迹点的匹配,差异度量,轨迹分段。然后根据差异度量的数据创建虚拟的空间,通过动态的聚集和过滤来进行差异分析。

图1 轨迹比较流程

在轨迹进行比较前首先要进行轨迹点的匹配。轨迹点匹配需要满足三个要求:1,轨迹点匹配需要只根据点的位置;2,点可能没有匹配点;3, 一个点最多有一个匹配点。匹配算法的示意图如下所示:Pi和Pj是上次匹配成功的两点,对于接下来的两点,首先计算可能存在匹配情况的五中匹配方案的长度,选取最短的匹配,然后与D00和D22做比较。如果匹配的方案小于上次匹配成功的D00,则该方案会取代上次匹配。

图2 轨迹匹配算法

接下来针对匹配点进行差异性计算,然后将差异度量存储在对应的点中。接下来是需要对轨迹进行分段。如图3所示,针对航空轨迹,飞行包括起飞,上升,巡航,下降和着陆五个阶段。在经过仔细的数据探索以及和航空领域专家确认后,针对长途和短途飞机,作者首先确认了飞机在巡航阶段的时间段。长途飞机为[t_start + 45 minutes; [t_end – 75 minutes]。短途飞机为[t_start + d * 0.3; [t_end – d * 0.4], 其中d为整个航行时间。然后在这个时间段内找寻所有轨迹中最小的高度,并根据这个高度来区分不同的轨迹阶段。

图3 轨迹阶段划分

接下来可以通过选取不同的属性构建虚拟空间来分析的差异。如图4所示,图A,B和C使用角度来表示运动方向,使用半径来表示距离巡航阶段起点的距离。B为A的密度图。从A和B中我们可以发现飞行方向主要为东北和西南方向。图C为实际飞行路径比计划路径减少的轨迹分布,我们可以观察到西南方向有一个热点,通过过滤操作可以查看这部分具体的轨迹分布。

图4 空间差异性比较

同时作者探索了飞机延误和飞行路径的关系。下图中横轴表示时间,纵轴表示飞机延误。其中A为所有的轨迹,B为实际路径减小的飞机轨迹,C为所有的轨迹,其中使用蓝色表示路径减少的部分,黄色表示路径增长的部分。从A和B中可以发现飞机延误和早到的比例是大概相同的,并且路径减少的飞机并没有太多的准时(早到或者延误)。从C中我们发现延误的飞机中蓝色比较明显,可以推测延误的飞机更倾向于选择更短的飞行路径。

图5 延误与路径差异的关系

总之该工作针对航空轨迹,提出了一个针对轨迹比较的一般流程。提出了轨迹点匹配和轨迹分段的短发,并且通过构建虚拟空间,动态的聚类以及过滤来分析轨迹的差异性分布。

参考文献:

[1] Natalia Andrienko, Gennady Andrienko, Jose Manuel Cordero Garcia, and David Scarlatti, “Analysis of Flight Variability: a Systematic Approach”, IEEE Transactions on Visualization and Computer Graphics (proceedings IEEE VAST 2018), 2019

评论关闭。