基于密度聚类与匹配算法的异常飞行行为挖掘

吴欣蓬，汤新民，毛继志，郭鸿滨，管祥民

（1.南京航空航天大学民航学院，南京 211106；2.中国航空无线电电子研究所航空电子系统综合技术国防科技重点实验室，上海 200241；3.中国民航管理干部学院民航通用航空运行重点实验室，北京 100102）

伴随着航空运输全球化趋势，中国民航运输快速发展。中国民航2019年完成旅客运输6.6 亿人次，较上年增长7.9 %，其中国际航线完成的旅客运输量则高达7425.1 万人次，增长16.6 %［1］。客运量的大幅增长给原本紧张的空域资源分配和调度带来了巨大压力，使得管制员和飞行员的工作负荷倍增。历年空管不安全事件报告显示，在这样的背景下，飞机的异常飞行行为日益频发，例如：因恶劣天气、管制员指挥不当、军民航冲突和无线电干扰等原因导致飞机在飞行过程中产生偏离既定航路，不满足最小间隔标准等异常飞行行为。

空中交通管制的主要任务是避免异常飞行行为的发生，保障飞机的安全运行。但是，目前在空管实践环节，自动化监视设备只能够在战术阶段对小于间隔的异常飞行行为进行预警，不能够发现上述多样化异常飞行行为，难以分析其机理并制定相关针对性措施。而在理论研究环节，随着新航行系统的发展，广播式自动相关监视（Automatic dependent surveillance-broadcast，ADS-B）技术在民航领域广泛推广，每天都会产生大量的航迹运行数据。许多学者采用航迹大数据对飞机异常飞行行进行了探索性研究［2-7］。其中比较有代表性的是Ho等［8］基于ADS-B数据综合回归预测和鞅方法来辨识航迹空间位置不匹配数据的异常飞行行为，其异常偏航行为检出率达81%，但是无法辨识其他类型的 异常飞行行为。……