用于使用到达时间不确定性的到达时间控制的方法和系统

摘要

提供了用于交通工具控制的方法和系统。该系统包括配置成接收航线点处要求的到达时间的输入装置和通信地耦合到输入装置的处理器。编程该处理器，以确定向前晚时间分布曲线，确定代表交通工具可到达沿着轨迹的点并仍然到达航线点同时以最大可用速度运输的最早时间的向前早时间分布曲线，以及确定与向前晚时间分布曲线和向前早时间分布曲线的至少之一相关联的估计的时间不确定性(ETU)。系统还包括通信地耦合到处理器的输出装置，该输出装置配置成向显示器传送：所确定的不确定性以及向前晚时间分布曲线和向前早时间分布曲线的至少之一的相应一个。

说明书

技术领域

本发明一般涉及控制交通工具速度，并且更具体地，涉及用于使用到达时间不确定性的交通工具的到达时间控制的方法和系统。

背景技术

至少一些已知航空器在三维中受控：纬度、经度、和高度。如通过在要求的导航性能(RNP)中取得的进步所证实的那样，在三维中已经具有广泛的操作体验。与飞行机组人员的导航性能相关联的不确定性计算已经发展成能够监测实际导航性能(ANP)，以确保符合可适用的RNP。更新近地，在四维、时间中控制航空器的能力已经显示出能够进行导致增加容量的、先进的空域管理。使用基于时间的到达管理促进了更早的降落时间指派和更有效的跑道使用。如果每个航空器都能使用它的多数燃料最优飞行分布曲线来确定其期望的降落时间，则这还导致了经济效益。除了要求的到达时间(RTA)，还分别使用最大操作速度和最小操作速度，来计算估计的最早到达时间和估计的最晚到达时间。然而，可能存在与用来计算这些到达时间的数据和方法相关联的不确定性和误差。假如具有与用来计算到达时间的数据相关联的不确定性，当前没有准确地计算与任何时间计算或时间控制机制相关联的不确定性、将其传送到其它系统供进一步处理、以及将其显示的方法。

发明内容

在一个实施例中，交通工具控制系统包括：配置成接收航线点处要求的到达时间的输入装置和通信地耦合到输入装置的处理器。编程该处理器，以确定代表交通工具可到达沿着轨迹的点同时以最小可用速度运输的最晚时间的向前晚时间分布曲线，确定代表交通工具可到达沿着轨迹的点并仍然到达航线点同时以最大可用速度运输的最早时间的向前早时间分布曲线，以及确定与向前晚时间分布曲线、向前早时间分布曲线、以及参考时间分布曲线的至少之一相关联的估计的时间不确定性(ETU)。该系统还包括通信地耦合到处理器的输出装置，该输出装置配置成向用于进一步处理的另一个系统和显示器的至少之一传送：所确定的不确定性以及向前晚时间分布曲线、向前早时间分布曲线、以及参考时间分布曲线的至少之一的相应一个。

在另一个实施例中，一种控制沿着轨迹的交通工具速度的方法包括：接收预定航线点处要求的到达时间(RTA)，确定代表交通工具可到达沿着轨迹的点并仍然到达RTA处的预定航线点同时以最大可用速度运输的最晚时间的向前晚时间分布曲线，以及确定代表交通工具可到达沿着轨迹的点并仍然到达RTA处的预定航线点同时以最小可用速度运输的最早时间的向前早时间分布曲线。该方法还包括：确定与向前晚时间分布曲线和向前早时间分布曲线的至少之一相关联的估计的时间不确定性(ETU)，以及输出所确定的不确定性以及向前晚时间分布曲线和向前早时间分布曲线的至少之一的相应一个。

在又一个实施例中，一种控制交通工具速度的方法包括：接收航线点处交通工具的要求的到达时间，确定代表交通工具可到达沿着轨迹的点并仍然到达预定航线点同时以最大可用速度运输的最晚时间的向前晚时间分布曲线，以及确定代表交通工具可到达沿着轨迹的点并仍然到达预定航线点同时以最小可用速度运输的最早时间的向前早时间分布曲线。该方法还包括：使用最大速度分布曲线从RTA时间向后确定向后早时间分布曲线(其中，当以最大可用速度运输时为交通工具确定最大速度分布曲线)，使用最小速度分布曲线从RTA时间向后确定向后晚时间分布曲线(其中，当以最小可用速度运输时为交通工具确定最小速度分布曲线)，确定与向前晚时间分布曲线、向前早时间分布曲线、向后早时间分布曲线、以及向后晚时间分布曲线的至少之一相关联的估计的时间不确定性(ETU)，以及使用向前晚时间分布曲线、向前早时间分布曲线、向后早时间分布曲线、向后晚时间分布曲线以及相应所确定的不确定性的至少之一来控制交通工具的速度。

附图说明

图1-9示出了本文描述的方法和系统的示例性实施例。

图1是根据本发明一示例性实施例的最早时间分布曲线、参考时间分布曲线、以及最晚时间分布曲线的图示；

图2是示例性参考时间分布曲线的图示，其包括与用来确定参考时间分布曲线200的参数相关联的不确定性；

图3是根据本发明一示例性实施例的、向前计算和向后计算的分布曲线以及相关联的不确定性的图示；

图4是根据本发明一示例性实施例的、代表沿分布曲线的时间不确定性和经过时间的图示；

图5是示出根据本发明一示例性实施例的、在风条目之间的增加的不确定性的图示；

图6是根据本发明一示例性实施例的、比例化的RTA控制边界的图示；

图7是示出在失去减速控制前何时在速度限制高度加速控制终结的图示；

图8是示出根据本发明一示例性实施例的、以95％可能性可完成的RTA的图示；以及

图9是根据本发明一示例性实施例的、交通工具控制系统的示意性框图。

具体实施方式

下面的详细描述以示例而非限制的方式示出了本发明的实施例。预期的是本发明对完成计算到达时间的可能性水平的定量方法具有一般的应用，其为空勤人员和空中交通管制员(controller)两者提供了与预测的ETA相关联的、可定量的确定性水平。此不确定性能够在驾驶员座舱中显示，并下行链接到空中交通管制员。这种额外的信息能够用来确定航空器之间的必要间隔，其能够允许航空器飞行更燃料有效的分布曲线，而不会具有不利的管制员干涉。对最初可允许到达时间和最后可允许到达时间的计算也提供了之前不可用的信息，以帮助测定(meter)航空器，同时仍然允许航空器满足其在下游点处要求的到达时间。计算的估计的时间不确定性(ETU)在首要飞行显示器(PFD)、导航显示器(ND)、控制和显示单元(CDU)、或者其结合上显示给飞行员。

如在本文所使用的，以单数叙述并作为不定冠词“一”的继续的元件或步骤应该理解为不排除复数个元件或步骤，除非明确叙述了此种排除。此外，引用本发明“一个实施例”无意于被解释为排除还并入叙述特征的额外实施例的存在。

图1是根据本发明一示例性实施例的最早时间分布曲线、参考时间分布曲线、以及最晚时间分布曲线的图示100。图示100包括：以距离单位标度的x轴102，以及以代表从确定的估计的到达时间(ETA)的到达时间偏移量的时间单位标度的y轴104。如下所述，在本文使用与要求的到达时间(RTA)操作相关联的某些参数。RTA航线点可以是机组人员输入的或从另一个机载或机外(offboard)系统上行链接的，并且用来描述在其中指定了要求的交会时间的航线点。RTA时间可以是机组人员输入的或从另一个机载或机外系统上行链接的，并且用来描述以小时:分:秒GMT表达的、要求的交会时间。RTA容忍度可以是机组人员输入的或从另一个机载或机外系统上行链接的，并且用来描述被认为以秒表达是准时的、可允许的正和负的交会时间容忍度。在示例性实施例中，当前ETA是描述在RTA航线点处的、估计的到达时间的计算值。最初时间也是计算值，并描述了使用航空器限制之内的最快可允许速度的最早可能到达时间。在示例性实施例中，最后时间也是计算机值，并描述了使用航空器限制之内的最慢可允许速度的最晚可能到达时间。估计的时间不确定性(ETU)是计算值，并描述了2乘ETA估计误差的标准差(95％置信水平)。当前时间不确定性(CTU)是计算值，并描述了2乘当前时间的测量误差的标准差(95％置信水平)。到RTA航线点的距离是计算值，并描述了转到RTA航线点的沿径距离(along track distance)。RTA误差是计算值，并描述了当以小时、分和秒表达为早(EARLY)时间或晚(LATE)时间的当前ETA和RTA时间之间的差值在RTA容忍度以外时的该差值。在一些系统中，上面的参数可显示在多功能控制显示单元(MCDU)上。

在操作期间，在用户将RTA航线点输入到速度管理系统之中以后，用户被提示RTA时间，它等于使用成本最优的飞行分布曲线的预测的ETA。RTA时间是使用用于飞行的最小成本分布曲线的、期望的到达时间。通过输入可由空中交通管制指派的新值，用户能够改变提示值。结果的RTA速度目标被提供为到自动驾驶仪的有效速度命令，并显示在首要飞行显示器上。可通过任何可适用的速度约束推翻(override)目标速度。当计算估计的到达时间(ETA)时，考虑约束的速度。如果在航空器速度限制之内做这些，则通过遵从有效速度命令，航空器应完成RTA。然而，假如具有用来计算任何ETA的信息中的不确定性，当前计算和呈现的信息没有包含究竟有多大可能将实际完成此RTA的指示。另外，仅对有效RTA航线点计算和显示最初可能到达时间和最后可能到达时间；没有对中间点能完成什么可能的交会时间、或者对可在哪个点进行速度调整以控制到输入的RTA的指示。

根据本发明一示例性实施例的时间不确定性算法生成了：对于最大速度的、最早能完成的速度分布曲线106和对于最小速度的、最晚能完成的速度分布曲线108，以及预测的参考速度分布曲线110。这些分布曲线提供了每个航线点处的最早能完成的到达时间、最晚能完成的到达时间、和预测的到达时间，以及RTA航线点处和航空器和RTA航线点之间的每个中间航线点处的参考ETA。另外，计算了对每个时间分布曲线的不确定性。

图2是示例性参考时间分布曲线200的图示，其包括与用来确定参考时间分布曲线200的参数相关联的不确定性。不确定性包括：当前时间中的不确定性，以及在航空器前面的点处的、预测的ETA中的不确定性。此预测的ETA中的这种不确定性是累积的，并且因此在当前时间前面越远就增长得越大。这种增长的ETA不确定性示为关于预测的ETA的偏离偏移量(diverging offset)。在航空器202处，当前不确定性204非常小，由于所确定的不确定性的累积效果，将来的时间不确定性208较大。在示例性实施例中，不确定性特征化为2σ(2倍标准差，或95％确定性)值。然而，如果ETA的标准差(σ)或方差(σ²)被计算，则不确定性能够特征化为所需的其它置信度。

图3是根据本发明一示例性实施例的、向前计算和向后计算的分布曲线以及相关联的不确定性的图示300。图示300包括：以距离单位标度的x轴302，以及代表从确定的估计的到达时间(ETA)的到达时间偏移量的以时间单位标度的y轴304。

当已经从航空器202到RTA航线点310向前确定了最早能完成的时间分布曲线306和最晚能完成的时间分布曲线308，以及相关联的不确定性时，也能够使用用于分布曲线的、存储的ETA和增量(delta)时间，来从RTA航线点310向后确定向后最早能完成的时间分布曲线312和向后最晚能完成的时间分布曲线314。通过向前计算和向后计算的分布曲线，能够计算例如航线点A 316、航线点B 318、航线点C 320、以及航线点D 322的每个中间航线点处的最小可允许交会时间和最大可允许交会时间，其代表了航空器可通过每个相应航线点、并仍然满足RTA航线点处的RTA时间的最早时间和最晚时间。由于所述时间代表了飞行最大速度和最小速度的结合，因此也确定了速度之间的减速度324和加速度326。在一些情况中，RTA航线点310处的、当前预测的到达时间(TOA)328可能不精确等于输入的RTA时间330。然而，如果误差(ETA-RTA)在指定容忍度之内，则这是可以接受的。

当连同ETA不确定性一起，已经确定了参考时间分布曲线、最早向前时间分布曲线、最早向后时间分布曲线、最晚向前时间分布曲线、以及最晚向后时间分布曲线时，下述其它数据对于每个点是可确定的，就像对于航线点C 320图解的那样。

(1)参考ETA 332-在该点处的、估计的到达时间

(2)参考ETA不确定性334-在参考ETA 332周围的值(以秒为单位)，在该值之内，航空器将以95％的确定性到达该点(假定没有飞行技术误差)。

(3)最晚能完成的时间336-能够在该点完成的最晚到达时间(假定紧紧跟随最小速度分布曲线)。这没有考虑任何下游RTA。

(4)最早能完成的时间338-能够在该点完成的最早到达时间(假定紧紧跟随最大速度分布曲线)。这没有考虑任何下游RTA。

(5)最晚可允许时间339-如果尊重RTA约束，则在该点能够允许的最晚到达时间。这代表最初以最小速度飞行，然后加速至最大速度并飞行最大速度直到RTA航线点。

(6)最早可允许时间340-如果尊重RTA约束，则在该点能够允许的最早到达时间。这代表最初以最大速度飞行，然后减速至最小速度并飞行最小速度直到RTA航线点。

使用此数据，能够以可定量的确定性程度(使用估计的时间不确定性(ETU))来确定RTA能完成的状态或RTA不能完成的状态。此ETU代表能期待航空器以95％的确定性跨过RTA航线点的、ETA周围的方差。换句话说，有95％的可能性航空器将在ETA+/-ETU(以秒为单位)跨过RTA航线点。而且，可对示出的每个时间分布曲线计算ETU。因此，也可以可定量的确定性来表达最早/最晚能完成的时间和最早/最晚可允许时间中的每个。

使用参考速度分布曲线(需要满足RTA)，从当前时间向前确定参考时间分布曲线342。使用最大速度分布曲线(在速度包络之内)，从当前时间向前确定向前早时间分布曲线306。使用最小速度分布曲线(在速度包络之内)，从当前时间向前确定向前晚时间分布曲线308。使用最大速度分布曲线从RTA时间向后确定向后早时间分布曲线312，并且使用最小速度分布曲线从RTA时间向后确定向后晚时间分布曲线314。

图4是根据本发明一示例性实施例的、代表沿分布曲线的时间不确定性和经过时间的图示400。通过在三个不同速度分布曲线的航空器202的预测的轨道上对运动方程积分，能够从在当前时间开始的航空器202向前确定参考时间分布曲线342、向前早时间分布曲线306、以及向前晚时间分布曲线308。此轨道包括N_profile个轨道段的序列，并且对于在1…N_profile中的j，每个轨道段都具有从在前轨道段终点的相关联经过时间(ΔTime_j)，以及与用于该段的ETA计算相关联的不确定性(σ_j)。可对每个时间分布曲线独立地计算不确定性。然而，如果需要处理效率，则在最早时间分布曲线和最晚时间分布曲线中的不确定性可假定等于参考时间分布曲线中的不确定性。在相对于假定的航空器位置的当前测量的时间中也具有不确定性(σ_current)，其基于时间输入和估计的位置不确定性(EPU)两者，后者使用航空器地速而被转变成横向时间不确定性。

计算与每个时间分布曲线相关联的不确定性，以使得沿分布曲线的预测的时间将以一定的可能性(例如，95％的可能性)，满足在与2σ相应的、正/负估计的时间不确定性(ETU)值之内。如果需要处理效率，则可假定与最早时间和最晚时间相关联的ETU等于与参考时间相关联的ETU。对ETU有贡献的支配误差源是风和温度不确定性，以及位置不确定性。在横向和竖向路径的积分和计算中的当前时间测量不确定性和误差也将对ETU有贡献，并且依赖于用作到系统的输入的时间源、使用的轨道预测算法、以及控制到系统命令的速度的方法。

为了计算ETU，必须知道用来计算时间的所有参数的方差，其中，以恒定地速沿着段的时间计算为：

$\mathrm{Time}=\frac{\mathrm{Dist}}{\mathrm{GroundSpeed}}---\left(1\right)$

$\mathrm{GroundSpeed}=|\mathrm{TA}\overrightarrow{S}+\mathrm{Win}\overrightarrow{d}|---\left(2\right)$

$\mathrm{TAS}=\frac{A_0}{\sqrt{T_0}}*\mathrm{Mach}*\sqrt{\mathrm{Temp}}---\left(3\right)$

其中：TAS是实际空气速度

A₀是在标准海平面处的声速(661.4788节)

T₀是标准海平面温度(288.15°K)

Temp是以开尔文为单位的温度

因此，需要距离、风、温度和马赫数(Mach)的方差。由运动方程的积分(例如，假定在一些有限间隔上为恒定地速)也产生时间中的方差。最后，还存在当前时间测量中的方差，其是转变成时间的位置不确定性和输入时间不确定性两者的函数。在下面讨论了与每个这些参数相关联的方差。

图5是示出根据本发明一示例性实施例的、在风条目之间的增加的不确定性的图示500。图示500包括以距离单位标度的x轴302，其在考虑交通工具的速度时可与时间相关。图示500还包括以不确定性单位标度的y轴504。

1.风

与某段上预报顺风相关联的不确定性将直接对在该段上的时间中的不确定性有贡献。因此，由顺风中的不确定性产生的时间中的不确定性可定义为：

$\mathrm{Var}1={\left(\frac{\mathrm{Time}}{\mathrm{GroundSpeed}}\right)}^2*\mathrm{WindVariance}---\left(4\right)$

在此计算中使用的风方差的值依赖于轨道预测使用的风预报的源和数目。这代表沿着飞行轨迹的风的方差，并从风方向及风幅度中的不确定性来确定。存在三种一般状况：

1.没有输入的风或者只有一个巡航风(cruise wind)：在该情况中，将有与由系统使用的风预报相关联的、非常大的不确定性。

2.飞行员输入的上升风和下降风，及在巡航航线点处输入的风：这将导致较情况1中小的不确定性值。在风被定义的点(航线点或下降高度)处，将有与风相关联的不确定性的一个值。然而，在风被定义的点之间，不确定性将较大，如图5中所示。较大数目的风条目可导致对不确定性的较小影响。不确定性的幅度也可随时间而增加。一般地，不确定性刚刚在条目之后将是最小的，并且其后将增长。

3.数据链接的上升风和下降风，及在巡航航线点处输入的风。如果风经由数据链接发送，则也可发送与每个风相关联的不确定性值。此不确定性值与经由数据链接输入更多风的可能性的结合将导致比情况2小得多的不确定性。在该情况中，也适用在风条目之间以及时间上的增加的不确定性。

2.温度

与某段上预报温度相关联的不确定性较少地直接对时间不确定性起作用。对于自变量X的函数f(X)，其中该函数的导数存在直到大于2的某个阶数，可使用二阶泰勒级数逼近该函数f(X)。在此情况中，由于X中已知的方差，f(X)的方差可逼近为：

$\mathrm{Var}\left(f\left(X\right)\right)={\left[\frac{\delta }{\mathrm{\delta X}}f\left(E\left(X\right)\right)\right]}^2\mathrm{Var}\left(X\right)---\left(5\right)$

其中E(X)是X的期望值。

由于TAS是马赫数和环境温度两者的函数(如在方程(3)中定义的)，因此在方程(5)中可由TAS代替f并由温度代替X，则由温度中方差产生的TAS中的方差可定义为：

$\mathrm{TAS}\_\mathrm{Variance}\left(\mathrm{Temp}\right)={\left[\frac{\frac{A_0}{\sqrt{T_0}}*\mathrm{Mach}}{2\sqrt{\mathrm{Temp}}}\right]}^2*\mathrm{TempVariance}---\left(6\right)$

并且，由于已知的温度方差，时间方差是：

$\mathrm{Var}2={\left(\frac{\mathrm{Time}}{\mathrm{GroundSpeed}}\right)}^2*\mathrm{TAS}\_\mathrm{Variance}\left(\mathrm{Temp}\right)---\left(7\right)$

用在此计算中的温度不确定性的值依赖于输入到系统的温度预报的源和数目。对于风不确定性描述的三种一般状况也适用于温度不确定性。

3.马赫数

计算的马赫数的值具有方差，其可从用来计算马赫数的参数的方差来计算。由于对每个系统不同地计算马赫数，因此计算的马赫数的值的方差和输入参数的方差之间的关系将对于每个系统不同。如果有用来计算马赫数的N个参数，则马赫数的计算值的方差是：

$\mathrm{Computed}\_\mathrm{Mach}\_\mathrm{Var}=\underset{i=1}{\overset{N}{\Sigma }}\underset{j=1}{\overset{N}{\Sigma }}\mathrm{Cov}(\mathrm{Xi},\mathrm{Xj})---\left(8\right)$

其中，Cov(Xi，Xj)是参数Xi和Xj之间的协方差。如果i＝j，则Cov(Xi，Xj)是参数Xi的方差。如果参数Xi和Xj是独立的，则Cov(Xi，Xj)＝0。

除了计算的马赫数的值的方差，还具有与将通过飞行控制系统跟踪的、测量的马赫数的值相关联的不确定性。由于此测量的马赫数的不确定性独立于计算的马赫数的值，因此，总马赫数方差是所述方差之和。

Mach_Var＝Computed_Mach_Variance+Measured_Mach_Var  (9)

结果TAS方差是

$\mathrm{TAS}\_\mathrm{Variance}\left(\mathrm{Mach}\right)={[\frac{A_0}{\sqrt{T_0}}*\sqrt{\mathrm{Temp}}]}^2*\mathrm{Mach}\_\mathrm{Var}---\left(10\right)$

并且时间方差是

$\mathrm{Var}3={\left(\frac{\mathrm{Time}}{\mathrm{GroundSpeed}}\right)}^2*\mathrm{TAS}\_\mathrm{Variance}\left(\mathrm{Mach}\right)---\left(11\right)$

4.距离

将飞行的实际距离中的不确定性对时间中的不确定性有贡献。对此不确定性有贡献的误差源包括：使用平面地球模型或球面地球模型代替WG884测地线，并以瞬时油门改变(instantaneous throttle change)的建模代替瞬变发动机加速和发动机减速(transient spool-up and spool-down)效应。

应该注意到，对三维路径不确定性有贡献的一些误差源是相关的，使得实时计算对这种不确定性的封闭型表达是非常困难和计算上复杂的。然而，能够执行离线分析，以比较系统生成的路径和航空器的实际三维路径(使用记录的飞行数据或接受的真值模型)，并能够计算误差的均值和标准差。假定使用误差数据的充分大的样本，则此标准差能够用来计算距离方差(其中，var＝σ²)。应该注意到，已经对横向和竖向RNP分析执行了此随机建模，并且距离方差能够这样转换到时间方差：

$\mathrm{Var}4={\left(\frac{1}{\mathrm{GroundSpeed}}\right)}^2*\mathrm{Dist}\_\mathrm{Variance}---\left(12\right)$

5.积分方法

与对运动方程积分的方法相关联的不确定性也对时间中的不确定性有贡献。在时间上的影响首要地来自于假定瞬时油门改变，以及假定在有限间隔上的恒定地速。在前已经使用了离线工具，以计算时间误差的标准差，并且此标准差能够这样转换到方差：

Var5＝(σ_integration)²  (13)

6.位置

估计的位置不确定性(EPU)导致了沿着轨迹的时间中的不确定性。假定EPU贯穿飞行将是恒定的，则段上的地速和EPU的当前值(以英尺为单位)能被用来计算由于沿着轨迹的位置不确定性的、时间中的方差。假如具有沿着轨迹的维度中位置不确定性(假如具有径向位置不确定性，则它能被计算)，当前沿着轨迹的不确定性是：