基于聚类和AdaBoost的ADS⁃B数据质量综合评估方法

doi:10.7527/S1000-6893.2023.29584

电子电气工程与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 |

基于聚类和AdaBoost的ADS⁃B数据质量综合评估方法

张召悦(), 阳颖

中国民航大学空中交通管理学院，天津 300300

收稿日期:2023-09-14 修回日期:2023-11-03 接受日期:2023-12-11 出版日期:2023-12-28 发布日期:2023-12-26
通讯作者: 张召悦 E-mail:zy_zhang@cauc.edu.cn
基金资助:
中央高校基本科研业务费(3122022105);天津市多元投入基金重点项目(21JCZDJC00780)

A comprehensive evaluation method of ADS⁃B data quality based on clustering and AdaBoost

Zhaoyue ZHANG(), Ying YANG

College of Air Traffic Management，Civil Aviation University of China，Tianjin 300300，China

Received:2023-09-14 Revised:2023-11-03 Accepted:2023-12-11 Online:2023-12-28 Published:2023-12-26
Contact: Zhaoyue ZHANG E-mail:zy_zhang@cauc.edu.cn
Supported by:
Fundamental Research Funds for the Central Universities(3122022105);A Key Project of Tianjin Diversified Investment Fund(21JCZDJC00780)

摘要/Abstract

摘要：

为更好地发挥ADS-B数据应用价值，针对ADS-B数据质量评估过程中传统方法无法客观准确得到质量等级的问题，在分析行业应用、发射设备性能、数据安全等方面对ADS-B数据质量需求的基础上，构建了ADS-B数据质量评估指标体系，提出了基于集成学习自适应提升算法（AdaBoost）的新型数据质量评估方法。该方法通过K-means聚类确定最佳质量等级类别，结合熵权法和双基点法（TOPSIS）打分确定数据标签，并采用AdaBoost算法对评估模型进行了训练和优化。以天津机场数据为例，实验得出ADS-B数据质量的最佳等级划分为5级，得到的数据质量评估模型准确率高达98.5%，验证了该方法可以有效避免主观因素对评估结果的影响，并得到最优的质量等级划分，能够提高评估结果的稳定性和精确度。

关键词: ADS-B数据质量, K-means聚类, 熵权法, 双基点法, TOPSIS, 自适应提升算法

Abstract:

Traditional methods for ADS-B data quality assessment cannot obtain the quality level objectively and accurately. For better application of ADS-B data， an ADS-B data quality evaluation index system is constructed on the basis of analysis of ADS-B data quality requirements in industry applications， transmitting equipment performance， data security， etc. A new data quality evaluation method is proposed based on the ensemble learning Adaptive Boosting （AdaBoost） algorithm. In this method， the best quality grade category is determined by K⁃means clustering， data labels are determined by combining the Technique for Order Preference by Similarity to Idealsolution （TOPSIS）， and the evaluation model is trained and optimized by the AdaBoost algorithm. The data of Tianjin Airport are use for case analysis. The experiment shows that it is the best scheme to divide ADS-B data quality into 5 grades， and the accuracy of the obtained data quality evaluation model is as high as 98.5%. This verifies that the method proposed can effectively avoid the influence of subjective factors and obtain the optimal quality grade classification， improving the stability and accuracy of evaluation results.

Key words: quality of ADS-B data, K-means cluster, entropy weight method, double base points method, TOPSIS, Adaptive Boosting (AdaBoost) algorithm

中图分类号:

V355.1

张召悦, 阳颖. 基于聚类和AdaBoost的ADS⁃B数据质量综合评估方法[J]. 航空学报, 2024, 45(13): 329584-329584.

Zhaoyue ZHANG, Ying YANG. A comprehensive evaluation method of ADS⁃B data quality based on clustering and AdaBoost[J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(13): 329584-329584.

图/表 14

图 1

图 2

图 3

图 4

图 5

图 6

表 1

图 7

表 2

表 3

图 8

图 9

图 10

图 11

参考文献 29

1	MUELLER R K. Quality of reported NACP in surveillance and broadcast services systems［C］∥ 2009 IEEE/AIAA 28th Digital Avionics Systems Conference. Piscataway： IEEE Press， 2009： 1-8.
2	沈笑云，唐鹏，张思远，等. ADS-B统计数据的位置导航不确定类别质量分析［J］. 航空学报， 2015， 36（9）： 3128-3136.
	SHEN X Y， TANG P， ZHANG S Y， et al. Quality analysis of navigation uncertain category for position based on ADS-B statistical data［J］. Acta Aeronautica et Astronautica Sinica， 2015， 36（9）： 3128-3136 （in Chinese）.
3	LIN X， ZHANG J， ZHU Y B， et al. Surveillance accuracy analysis of ADS-B supporting the separation service in western China［C］∥ 2009 Integrated Communications， Navigation and Surveillance Conference. Piscataway： IEEE Press， 2009： 1-6.
4	ZHAO W W， LIU D H. Integrity verification of ADS-B navigation data source［C］∥ 2020 3rd International Conference on Advanced Algorithms and Control Engineering （ICAACE）. Bristol： IOP Publishing， 2020： 1-5.
5	LV Z P， WANG L L， NI Y D. Navigation data resource availability of ADS-B［C］∥ Proceedings 2011 International Conference on Transportation， Mechanical， and Electrical Engineering （TMEE）. Piscataway： IEEE Press， 2011： 572-575.
6	REKKAS C， REES M. Towards ADS-B implementation in Europe［C］∥ 2008 Tyrrhenian International Workshop on Digital Communications-Enhanced Surveillance of Aircraft and Vehicles. Piscataway： IEEE Press， 2008： 1-4.
7	TABASSUM A， ALLEN N， SEMKE W. ADS-B message contents evaluation and breakdown of anomalies［C］∥ 2017 IEEE/AIAA 36th Digital Avionics Systems Conference （DASC）. Piscataway： IEEE Press， 2017： 1-8.
8	ZHANG J， LIU W， ZHU Y B. Study of ADS-B data evaluation［J］. Chinese Journal of Aeronautics， 2011， 24（4）： 461-466.
9	VERBRAAK T L， ELLERBROEK J， SUN J. Large-scale ADS-B data and signal quality analysis［C］∥ Proceedings of the 12th USA/Europe Air Traffic Management Research and Development Seminar （ATM 2017）. 2017： 1-10.
10	ALI B S， TAIB N A. A study on geometric and barometric altitude data in Automatic Dependent Surveillance Broadcast （ADS-B） messages［J］. Journal of Navigation， 2019， 72（5）： 1140-1158.
11	ALI B S， OCHIENG W Y， ZAINUDIN R. An analysis and model for Automatic Dependent Surveillance Broadcast （ADS-B） continuity［J］. GPS Solutions， 2017， 21（4）： 1841-1854.
12	TESI S， PLENINGER S. Analysis of quality indicators in ADS-B messages［J］. MAD-Magazine of Aviation Development， 2017， 5（3）： 6-12.
13	NINKAESORN W， POOLGATE S， LUNZEAR I， et al. Automatic Dependent Surveillance-Broadcast （ADS-B） data observation and quality assessment in Thailand［C］∥ 2021 36th International Technical Conference on Circuits/Systems， Computers and Communications （ITC-CSCC）. Piscataway： IEEE Press， 2021： 1-4.
14	ALI B S， SCHUSTER W， OCHIENG W， et al. Framework for ADS-B performance assessment： The London TMA case study［J］. Navigation， 2014， 61（1）： 39-52.
15	唐鹏. 基于ADS-B数据监视性能评估技术研究［D］. 天津：中国民航大学， 2015： 38-43.
	TANG P. Research on evaluation techniques of surveillance performance based on ADS-B data［D］.Tianjin： Civil Aviation University of China， 2015： 38-43 （in Chinese）.
16	王运帷. 陆基与星基ADS-B系统数据质量研究［D］. 天津：中国民航大学， 2018： 20-25.
	WANG Y W. Research of land-based and space-based ADS-B system data quaility［D］.Tianjin： Civil Aviation University of China， 2018： 20-25 （in Chinese）.
17	孟祥宇. 用于航空安全监视的ADS-B数据质量评估［D］. 天津：中国民航大学， 2019： 39-49.
	MENG X Y. ADS-B data quality assessment for aviation safety surveillance［D］.Tianjin： Civil Aviation University of China， 2019： 39-49 （in Chinese）.
18	何汶黛. 基于ADS-B的监控数据质量评估与研究［D］. 广汉：中国民用航空飞行学院， 2021： 42-48.
	HE W D. Research on quality assessment for ADS-B based moitoring data［D］.Guanghan： Civil Aviation Flight University of China， 2021： 42-48 （in Chinese）.
19	赵荣达，张妍，梁洪健，等. 基于GS-AdaBoost优化模型的隧道入口车辆换道行为预测［J］. 昆明理工大学学报（自然科学版）， 2024， 49（1）： 147-155.
	ZHAO R D， ZHANG Y， LIANG H J， et al. Prediction of lane-changing behavior of vehicles at tunnel entrances based on GS-AdaBoost optimized model［J］. Journal of Kunming University of Science and Technology （Natural Science）， 2024， 49（1）： 147-155 （in Chinese）.
20	Radio Technical Commission for Aeronautics. Minimum operational performance standards for 1090 MHz extended squitter Automatic Dependent Surveillance⁃Broadcast （ADS-B） and Traffic Information Services⁃Broadcast （TIS-B）： RTCA DO-260B ［S］. Washington， D.C.： RTCA， 2011.
21	Radio Technical Commission for Aeronautics. Safety， performance and interoperability requirements document for the ADS-B Non-Radar-Airspace （NRA） application： RTCA DO-303 ［S］. Washington， D.C.： RTCA， 2006.
22	Radio Technical Commission for Aeronautics. Safety， performance and interoperability requirements document for enhanced air traffic services in radar-controlled areas using ADS-B surveillance （ADS-B-RAD）： RTCA DO-318 ［S］. Washington， D.C.： RTCA， 2009.
23	Radio Technical Commission for Aeronautics. Minimum aviation system performance standards for Automatic Dependent Surveillance Broadcast （ADS-B）： DO-242A ［S］. Washington， D.C.： RTCA， 2002.
24	中国民用航空局. 在无雷达区使用1090兆赫扩展电文广播式自动相关监视的适航和运行批准指南： AC-91-FS/AA-2010-14 ［S］. 北京：中国民用航空局， 2010.
	Civil Aviation Administration of China. The airworthiness and operational approval guidelines of 1090 MHz ES automatic dependent surveillance-broadcast in none radar areas： AC-91-FS/AA-2010-14 ［S］. Beijing： Civil Aviation Administration of China， 2010 （in Chinese）.
25	EUROCONTROL. EUROCONTROL Specification for ATM surveillance system performance （volume 1）：EUROCONTROL-SPEC-0147 ［S］. Brussels：European Organization for the Air Navigation， 2021.
26	张悦.中国上市公司研发指数的构建研究［J］. 会计之友， 2016（10）：73-78.
	ZHANG Y. Research on the construction of R&D index of Chinese listed companies［J］. Friends of Accounting， 2016（10）：73-78 （in Chinese）.
27	吴海燕，陈晓磊，范国轩. 一种自适应核SMOTE- SVM算法用于不平衡数据分类［J］. 北京化工大学学报（自然科学版）， 2023， 50（2）： 97-104.
	WU H Y， CHEN X L， FAN G X. An adaptive kernel SMOTE- SVM algorithm for imbalanced data classification［J］. Journal of Beijing University of Chemical Technology （Natural Science Edition）， 2023， 50（2）： 97-104 （in Chinese）.
28	冉浦东，范磊，张军，等. 基于改进Adaboost-SVM的风机叶片覆冰检测［J］. 计算机应用与软件， 2023， 40（5）： 110-114.
	RAN P D， FAN L， ZHANG J， et al. Icing detection for wind turbine blades based on improved Adaboost-SVM［J］. Computer Applications and Software， 2023， 40（5）： 110-114 （in Chinese）.
29	魏勇，李建文，郭亮亮，等. 基于TOPSIS的GNSS数据质量评估方法研究［J］. 大地测量与地球动力学， 2016， 36（10）： 892-896.
	WEI Y， LI J W， GUO L L， et al. Research on GNSS data quality evaluation based on TOPSIS［J］. Journal of Geodesy and Geodynamics， 2016， 36（10）： 892-896 （in Chinese）.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

指标	差异系数	权重
航空器识别码	1.73×10^-4	0.008 4
质量指标	3.61×10^-4	0.017 4
目标状态	2.34×10^-4	0.011 3
SIL	1.23×10^-4	0.005 9
NAC_V	5.27×10^-3	0.254 5
NAC_P	2.01×10^-4	0.009 7
SDA	2.95×10^-3	0.142 4
更新间隔	3.82×10^-4	0.018 4
长时间漏点率	2.33×10^-3	0.112 7
漂移点	4.40×10^-4	0.021 2
回跳点	5.88×10^-3	0.283 9
摆动点	1.14×10^-4	0.005 5
水平位置跳点	2.25×10^-3	0.108 7

聚类数	CH指标	聚类数	CH指标
2	611.81	6	795.18
3	679.03	7	775.78
4	697.33	8	766.09
5	796.63	9	758.23

基于聚类和AdaBoost的ADS⁃B数据质量综合评估方法

A comprehensive evaluation method of ADS⁃B data quality based on clustering and AdaBoost

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 29

相关文章 1

编辑推荐

Metrics

本文评价