Способ определения маршрута обхода воздушным судном грозы методом нахождения кратчайшего пути на графе

Обложка

Цитировать

Полный текст

Аннотация

В статье представлены результаты разработки метода определения оптимального маршрута обхода воздушным судном (ВС) постоянной во времени (неподвижной) зоны грозовой деятельности и сильных ливневых осадков, основанного на нахождении кратчайшего пути на графе, при построении которого учитываются геометрии опасных метеоявлений и минимальные безопасные расстояния до них. Приведено сравнение стратегий, основанных на использовании при формировании зон обхода грозы выпуклых и вогнутых оболочек. Установлено наличие статистически значимого различия в центральных тенденциях соответствующих длин маршрутов, а также показано, что маршруты, при построении которых используются вогнутые оболочки, в среднем на 2% короче, при возможных абсолютных различиях длин до нескольких сотен километров. Основной практический результат работы заключается в том, что предлагаемый метод определения оптимального маршрута обхода грозы может быть использован как инструмент повышения ситуационной осведомлённости пилотов ВС и оптимизации работы экипажа при выполнении полётов в условиях неблагоприятной метеорологической обстановки, может позволить осуществлять обход грозы в автоматическом режиме с использованием автопилота, а также может способствовать повышению экономической эффективности полётов в неблагоприятных метеорологических условиях за счёт сокращения расхода топлива благодаря выбору оптимального маршрута их обхода.

Об авторах

Г. В. Коваленко

Санкт-Петербургский государственный университет гражданской авиации имени Главного маршала авиации А.А. Новикова

Автор, ответственный за переписку.
Email: kgvf@inbox.ru
ORCID iD: 0000-0002-4849-8878
доктор технических наук, профессор Санкт-Петербург, 196210, Россия

И. А. Ядров

Санкт-Петербургский государственный университет гражданской авиации имени Главного маршала авиации А.А. Новикова

Email: yadrov.ilya@gmail.com
ORCID iD: 0009-0007-3978-6345
аспирант Санкт-Петербург, 196210, Россия

Список литературы

  1. Коваленко Г. В. Методология построения методики обучения пилотов по управлению высокоавтоматизированным воздушным судном с использованием когнитивно-информационных преобразователей алгоритмов деятельности / Г. В. Коваленко, И. С. Муравьев, К. А. Куц // Известия высших учебных заведений. Авиационная техника. 2023. № 1. С. 35-41. EDN: TMSQFR
  2. Коваленко Г. В. Применение Seq2seq-моделей для прогнозирования развития грозовой деятельности с целью повышения уровня ситуационной осведомленности пилота в полете / Г. В. Коваленко, И. А. Ядров // Научный вестник МГТУ ГА. 2025. №1 (28). С. 20-38. doi: 10.26467/2079-0619-2025-28-1-20-38. EDN: QMTDXA
  3. Муравьев И. С. Экспериментальная проверка метода оценки функционирования автоматизированных систем на воздушных судах последнего поколения / И. С. Муравьев // Crede Experto: транспорт, общество, образование, язык. 2022. № 3. С. 20-33. doi: 10.51955/23121327_2022_3_20. EDN: FVZDIY
  4. A concave hull algorithm for scattered data and its applications / J. Xu, Z. Zheng, Y. Feng, X. Qing // 2010 3rd International Congress on Image and Signal Processing. IEEE, 2010. № 5. P. 2430-2433. DOI: http://dx.doi.org/10.1109/CISP.2010.5648277
  5. A survey of shortest-path algorithms / A. Madkour, W. G. Aref, F. U. Rehman, M. A. Rahman, S. Basalamah // arXiv preprint arXiv:1705.02044. 2017. 26 p.
  6. Agarwal D. A review on comparative analysis of path planning and collision avoidance algorithms / D. Agarwal, P. S. Bharti // Algorithms. 2018. №30. P 31.
  7. Asaeedi S. α-Concave hull, a generalization of convex hull / S. Asaeedi, F. Didehvar, A. Mohades // Theoretical Computer Science. 2017. № 702. P. 48-59. DOI: http://dx.doi.org/10.1016/j.tcs.2017.08.014
  8. Bahreinian M. Robust path planning and control for polygonal environments via linear programming / M. Bahreinian, E. Aasi, R. Tron // 2021 American Control Conference (ACC). IEEE, 2021. P. 5035-5042. DOI: http://dx.doi.org/10.23919/ACC50511.2021.9483196
  9. Boyd D. D. In-flight decision-making by general aviation pilots operating in areas of extreme thunderstorms // Aerospace Medicine and Human Performance. 2017. № 12 (88). P. 1066-1072. DOI: http://dx.doi.org/10.3357/AMHP.4932.2017
  10. Chaerani D. A comprehensive survey on convex analysis in robust optimization / D. Chaerani, E. Rusyaman, K. R. A. Muslihin // Journal of Physics: Conference Series. 2021. № 1 (1722). P. 012075.
  11. Comparative analysis of nonlinear programming solvers: performance evaluation, Benchmarking, and Multi-UAV optimal path planning / G. Lavezzi, K. Guye, V. Cichella, M. Ciarcià // Drones. 2023. № 8 (7). P. 487. DOI: http://dx.doi.org/10.3390/drones7080487
  12. Das K. R. A brief review of tests for normality / K. R. Das, A. Imon // American Journal of Theoretical and Applied Statistics. 2016. № 1 (5). P. 5-12.
  13. Dinas S. A literature review of bounding volumes hierarchy focused on collision detection / S. Dinas, J. M. Bañón // Ingeniería y Competitividad. 2015. № 1 (17). P. 49-62.
  14. Eele A. Path-planning with avoidance using nonlinear branch-and-bound optimization / A. Eele, A. Richards // Journal of Guidance, Control, and Dynamics. 2009. № 2 (32). P. 384-394. DOI: http://dx.doi.org/10.2514/1.40034
  15. Evans J. K. An Examination of Aviation Accidents Associated with Turbulence, Wind Shear and Thunderstorm. 2013. 42 p.
  16. Financial performance and safety in the aviation industry / P. Fardnia, T. Kaspereit, T. Walker, S. Xu // International Journal of Managerial Finance. 2021. Vol. 17. № 1. P. 138-165. DOI: http://dx.doi.org/10.1108/IJMF-03-2019-0095
  17. Fultz A. J. Fatal weather-related general aviation accidents in the United States / A. J. Fultz, W. S. Ashley // Physical Geography. 2016. № 5 (37). P. 291-312. DOI: http://dx.doi.org/10.1080/02723646.2016.1211854
  18. Geospatial Data Analysis: A Comprehensive Overview of Python Libraries and Implications / T. D. Bezabih, M. G. Glaety, D. A. Wako, S. G. Worku // Ethics, Machine Learning, and Python in Geospatial Analysis. 2024. P. 72-93. DOI http://dx.doi.org/10.4018/979-8-3693-6381-2.ch004
  19. Gerald B. Parametric and nonparametric tests: A brief review / B. Gerald, T. F. Patson // International Journal of Statistical Distributions and Applications. 2021. № 3 (7). P. 78-82. DOI: http://dx.doi.org/10.11648/j.ijsd.20210703.12
  20. Gultepe I. A review on weather impact on aviation operations: Visibility, wind, precipitation, icing // Journal of Airline Operations and Aviation Management. 2023. № 1 (2). P. 1-44. DOI: http://dx.doi.org/10.56801/jaoam.v2i1.1
  21. Hoole P. R. P. Thunderstorms and Pre-lightning Electrostatics / P. R. P. Hoole, J. Fisher, S. R. H. Hoole // Lightning Engineering: Physics, Computer-based Test-bed, Protection of Ground and Airborne Systems. 2022. P. 51-83. DOI: http://dx.doi.org/10.1007/978-3-030-94728-6_2
  22. ICAO Safety Report. International Civil Aviation Organization. 2024. 29 p.
  23. In-Flight Measurements of Lightning Locations Using an Aircraft-Mounted Lightning Mapper / Z. Milani, L. Nichman, E. Matida, L. Fleury, M. Wolde, E. Bruning, G. M. McFarquhar, P. Kollias // Aerospace Science and Technology. 2025. P. 110038. DOI: http://dx.doi.org/10.1016/j.ast.2025.110038
  24. Jayaram M. A. Convex hulls in image processing: a scoping review / M. A. Jayaram, H. Fleyeh // American Journal of Intelligent Systems. 2016. №. 2 (6). P. 48-58.
  25. Kovalenko G. V. Intelligent Adaptive Flight Crew Decision Support System for Thunderstorm Avoidance / G. V. Kovalenko, I. A. Yadrov, K. A. Kuts // Russian Aeronautics. 2023. № 3 (66). P. 552-559. DOI: http://dx.doi.org/10.3103/S1068799823030170
  26. Li B. An adaptive rapidly-exploring random tree / B. Li, B. Chen // IEEE/CAA Journal of Automatica Sinica. 2021. №. 2 (9). P. 283-294. DOI: http://dx.doi.org/10.1109/JAS.2021.1004252
  27. Nita I. A. Aviation accidents related to atmospheric instability in the United States (2000–2020) / I. A. Nita, C. Radu, S. Cheval // Theoretical and Applied Climatology. 2024. № 6 (155). P. 5483–5497.
  28. Operational safety economics: Foundations, current approaches and paths for future research / C. Chen, G. Reniers, N. Khakzad, M. Yang // Safety Science. 2021. Vol. 141. P. 105326. DOI: http://dx.doi.org/10.1088/1742-6596/1722/1/012075
  29. Park J. S. A new concave hull algorithm and concaveness measure for n-dimensional datasets / J. S. Park, S. J. Oh // Journal of Information Science and Engineering. 2012. № 3 (28). P. 587-600.
  30. Path planning and trajectory planning algorithms: A general overview / A. Gasparetto, P. Boscariol, A. Lanzutti, R. Vidoni // Motion and Operation Planning of Robotic Systems: Background and Practical Approaches. 2015. P. 3-27. DOI: http://dx.doi.org/10.1007/978-3-319-14705-5_1
  31. Rachmawati D. Analysis of Dijkstra’s algorithm and A* algorithm in shortest path problem / D. Rachmawati, L. Gustin // Journal of Physics: Conference Series. IOP Publishing, 2020. № 1 (1566). 7 p. DOI: http://dx.doi.org/10.1088/1742-6596/1566/1/012061
  32. Ravankar A. A. HPPRM: hybrid potential based probabilistic roadmap algorithm for improved dynamic path planning of mobile robots / A. A. Ravankar, A. Ravankar, T. Emaru, Y. Kobayashi // IEEE Access. 2020. Vol. 8. P. 221743-221766. DOI: http://dx.doi.org/10.1109/ACCESS.2020.3043333
  33. Saalfeld A. Topologically consistent line simplification with the Douglas-Peucker algorithm // Cartography and Geographic Information Science. 1999. № 1 (26). P. 7-18. DOI: http://dx.doi.org/10.1559/152304099782424901
  34. Tan C. S. A comprehensive review of coverage path planning in robotics using classical and heuristic algorithms / C. S. Tan, R. Mohd-Mokhtar, M. R. Arshad // IEEE Access. 2021. Vol. 9. P. 119310-119342. DOI: http://dx.doi.org/10.1109/ACCESS.2021.3108177
  35. Turbulence characteristics of thunderstorms before the first flash in comparison to non‐thunderstorms / C. Zhao, D. Zheng, Y. Zhang, X. Liu, Y. Zhang, W. Yao, W. Zhang // Geophysical Research Letters. 2021. Vol. 48. № 18. 10 p. DOI: http://dx.doi.org/10.1029/2021GL094821
  36. Wind shear and aircraft aborted landings: A deep learning perspective for prediction and analysis / A. Khattak, J. Zhang, P. W. Chan, F. Chen, A. Hussain, H. Almujibah // Atmosphere. 2024. Vol. 15. № 5. P. 545. DOI: http://dx.doi.org/10.3390/atmos15050545
  37. Yilmaz N. K. Path planning of autonomous underwater vehicles for adaptive sampling using mixed integer linear programming // IEEE Journal of Oceanic Engineering. 2008. № 4 (33). P. 522-537. DOI: http://dx.doi.org/10.1109/JOE.2008.2002105

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».