智能感知条件下机场鸟击综合防范系统研究

于莉 呼和 徐伟童

摘要：本文研究感知条件下机场鸟击综合防范系统构造，提出研究背景，系统的体系结构和软件结构的组成以及数据处理融合方式。

关键词：鸟击;机场;感知;判断;防范;评估;信息管理

1、 研究背景

鸟击（Birdstrike）是指飞行器在起飞、飞行或降落过程中被鸟类撞击而发生的飞行安全事故或事故征候。随着航空业的发展，鸟击己经成为威胁机场飞行安全的主要因素之一。研究表明，绝大多数鸟击事故发生在机场及其附近空域主要发生于飞机的起飞滑跑、爬升、进近和着陆滑行阶段，因此机场及附近地区应是鸟击防范工作的重点区域。

发生鸟击事故会造成如下方面的危害：一是造成飞机的损坏，轻者出现撞痕小伤，重则被毁;二是造成人员的伤亡，发生鸟击事故，有时对飞行员造成伤害甚至死亡;三是对鸟类的伤害，鸟一旦撞上飞机几乎难逃一死，无论普通鸟类或珍贵鸟类，尤其对濒临灭绝的鸟种;四是其它方面的危害，比如影响作战、訓练，给飞行员造成精神和心理压力，破坏环境等。

现有机场鸟击防范系统的效能有限，不能从最大程度上发挥积极作用，甚至在极端条件下，机场鸟击防范系统存在缺失。分析其中原因发现，现有机场鸟击防范系统存在系统结构不完整的问题，有的只在重点关注如何监测，有的只在重点关注如何驱赶，从监测到驱赶的风险判断环节涉及甚少，也存在系统研究多在理论探讨，很少进入落地实施阶段的问题，导致无实际系统可用。

2 、系统研究内容及技术

研究基于“驱-避-防”一体化鸟击综合防范、智能感知鸟情与远程控制驱鸟设备、实施驱鸟效果评估体系、机场鸟击综合防范智能控制平台及附属器件。通过物联网、人工智能、云计算、大数据分析、无线通讯等技术为支撑，构建一套“感知-判断-执行-评估”自链式鸟击综合防范系统。实现鸟情实时可知、鸟情态势实时可视、驱鸟效果实时可评、鸟击防范实时可控的目标。

（1）系统体系架构

鸟击综合防范系统体系架构设计充分考虑满足机场鸟击防范相关规定要求，同时也充分考虑部署环境的多样化要求。架构可划分为IaaS层、PaaS层、SaaS层3个层次，分别解决基础设施、软件平台、业务系统等支撑问题。并围绕系统架构，构建包含业务应用、信息网络、基础设施、设备环境、操作系统、数据库和应用认证等保障体系，确保系统能够最大程度抵御病毒、入侵威胁。

IaaS层，基于容器的微服务架构，以Docker容器组件为核心，实现设备与软件进程解耦的集群化部署方案，既支持在物理设备上直接部署，又支持在云主机之上构建容器集群部署。

平台PaaS层，通过kubernetes组件实现服务计算资源、存储资源、安全认证、系统权限的配置，实现服务编排，简化部署方式，实现服务升级不影响业务正常进行。为服务的高可用、高并发提供基础支撑。在kubernetes之上运行基于微服务架构的服务集群，微服务均基于统一的微服务框架（MicroServiceFramework）进行设计和开发，微服务框架提供服务注册与发现、同步调用、事件分发、流量控制、服务熔断等机制，基于微服务框架的各微服务可专注与业务功能或能力特性方面的实现。

平台SaaS层，由3个基础服务层与2个边界单元组成，其中基础服务层由设备接入子系统、信令控制子系统及数据分析子系统组成，边界单元主要有应用控制层和采集显示层组成。核心设计思想是实现业务控制与数据分析处理分离，基于网（网络资源调度与负载均衡）、管（端到端媒体管道）、端（数据生产者与消费者）三个层次的业务模型，从不同业务层次上，解决数据从生产到消费整个过程中的关键技术问题。

（2）软件体系架构

应用控制层主要包括业务操作、系统管理、状态监控、运行维护四大部分，对应终端中的系统运维、设备状态管理、业务操作、态势展示等模块，为用户提供态势展示、远程操控、报警处理等业务的操作入口，实现各类资源访问安全可控、业务个性化、配置人性化、监测准确性、管理有效性等要求。

应用服务层是系统业务与功能实现的支撑层，主要分为应用服务单元与资源目录服务单元两部分。其中，应用服务单元实现了服务请求负载均衡、系统鉴权、资源信息管理、服务设备与节点管理、数据分析、报警联动、态势展示、辅助决策及系统业务调度等能力;资源目录服务单元主要负责系统服务层静态资源信息存储及与标准规范系统、第三方系统同步的数据同步。

信令控制层主要包括信令控制服务单元及信令网关服务单元;其中信令控制服务单元主要实现了设备接入适配与认证、媒体控制、第三方系统互通及信令路由能力;信令网关服务单元实现与其他系统的信令转换。

采集显示层由雷达数据采集、视频采集、设备状态采集组成。

主要完成各类动态数据的智能融合（雷达探测数据、视频数据、各类驱鸟设备状态数据），通过人工智能和大数据分析将整个鸟情态势信息展示给用户，用户根据态势和辅助决策进行远程控制各类驱鸟设备完成驱鸟作业，同时实时对驱鸟效果进行评估，后续整个鸟情数据会被存储到系统，用于后续数据分析的数据支撑。

3、 数据处理融合

数据融合可分为数据级、特征级以及决策级三级融合。

数据级的融合分析。数据级融合是最基础的融合，其在原始数据基础上直接进行融合，对传感器未经处理的数据进行分析处理。数据层融合处理通常采用集中式融合体系。由于对传感器数据只是进行了数值处理，因此具有精度高，数据损失小的特点。但由于面对的数据量庞大，其计算量较大，实时性不好。而且传感器的测量干扰也会被带人融合计算中，因此，系统必须配置滤波功能，且对传感器抗干扰能力要求较高。

特征级的融合分析首先提取传感器信息的特征，然后处理分析提取的特征信息。特征级融合使信息压缩得以实现，数据处理的实时性提高，提取的特征值提供了决策分析所需的数据信息。但可能会忽略一些可能有用的信息，从而对融合性能造成一定影响。集中式和分布式是特征级融合的常用融合体系。特征融合包括目标状态和目标特性两类融合。其中目标状态融合在追踪多传感器追踪中应用较多，目标特性融合在模式识别中应用较多。

决策级融合分析属于较高级别的融合，其对同一目标采用多种传感器进行监测，在本地完成传感器数据的特征信息提取、识别以及判断等初步分析。利用关联处理实现决策层的数据融合，得到最终的判断结果。决策级融合损失了大量的数据，但是节省了大量的系统资源，只需很小的通信量，具有较强的实时性。

本系统采用决策级融合分析，融合雷达探鸟数据、视频监控数据、无人机拍摄数据、设备状态数据，通过人工智能和数据分析，根据鸟情报警进行联动到最优驱鸟方式。

该模型主要由数据来源、数据初始处理、目标估计、态势估计、威胁估计、过程估计以及数据库和人机交互界面构成。本项目主要是对雷达探鸟数据、视频数据、驱鸟设备状态数据进行融合处理，数据初始处理模块对采集的数据进行偏差校正、坐标统一以及标准化等操作，目标评价首先对处理对象执行初步分析，然后进一步匹配关联传感器监测数据，从而确定对象的物理特征和身份信息，为进一步的融合提供信息支撑，输入到人机界面实时显示鸟情态势，后续根据鸟情风险体系获取鸟情风险因子，通过报警机制来判断是否报警和报警的联动机制，找到最优的驱鸟方式。

参考文献：

[1]廖峻涛，赵雪冰，胡劭骥.昆明巫家坝国际机场鸟类的时空变化及鸟击防治[J].安徽大学学报，2012，36（2）：95-102.

[2]王雪颖，胡劭骥，廖峻涛.昆明（巫家坝）国际机场植草区生态系统昆虫群落研究[J].安徽大学学报：自然科学版，2013，2：103-108.

[3]基于模糊数学的民航航路鸟击概率计算模型研究[J].高扬，郑江萍，崔振新.中国安全生产科学技术.2014（01）