机场跑道防侵入智能感知系统

结合北斗三号全球卫星导航系统新信号体制、新服务功能，以北斗系统的定位导航授时、地基增强服务、星基增强服务、短报文通信服务、融合ADS-B、4G/5G、数字孪生、云计算、大数据等技术，开展基于北斗的防跑道入侵精准时空服务系统建设。

在机场地面区域北斗场面监视精准时空网，以北斗为时空基准，为航空器、车辆、人员提供精准的定位和授时服务；并通过在机场联络道口、快速脱离道口等关键区域安装的高清摄像头组，利用人工智能视频识别技术捕捉经过该区域的航空器、车辆、人员等信息。

同时，结合机场现有ADS-B、飞行计划、综合航迹等数据，建设防跑道入侵时空大数据中心和综合时空服务平台，利用时空大数据分析手段，根据符合管制程序的决策逻辑识别判断出跑道侵入行为，对机场场面交通态势进行智能分析与预测，并通过多样提示告警手段通知管制员进行处理，以达到跑道侵入的预警，减少跑道侵入的发生概率。

1.视频场监

如图2所示在塔台或航站楼顶安装多台枪机进行实时拼接，在拼接画面可以监控跑道大部分区域，在全景监控范围内对目标进行运动信息提取，包含位置、目标类型数据等。根据跑道长度，在塔台和航站楼楼顶安装固定补盲枪机，覆盖跑道和滑行道两侧远处全部区域，对场面上飞机运动过程进行实时分析。根据场景大小要求，在重点位置（停机坪、道口、联络道等）安装低点监控相机，重点检测识别人、车等目标，通过智能算法对目标进行提取和位置计算，并通过融合服务提交自动化系统进行数据融合。

图2拼接相机

将前端相机和实际经纬度标定，通过对视频画面中目标进行识别、分类和坐标提取，最终通过转换算法计算目标定位信息，提交视频场监数据到数据融合模块，实现跑道入侵预警，如图3所示。

图3目标识别定位流程图

2飞机停止线检测

如图4所示，在机场联络道旁边的空地上安装摄像机，用于可捕捉到所有经过该等待线区域的航空器等目标。当检测到目标靠近停止线时进行预警分析，当目标达到停止线时推送告警信号。

图4机场联络道旁边安装摄像机示意图

航空器靠近停止线预警分析的流程图5所示：

图5 航空器靠近停止线预警分析的流程图

1. 当任务开始时，从摄像机获取一张高清图片；
2. 将该图片输入训练好的深度学习目标检测模型进行推理，检测图像中是否存在航空器。深度学习目标检测算法在TensorRT等加速框架的加持下，可以对输入图像进行实时推理，在极短的时间内做出响应；
3. 根据深度学习目标检测算法的检测结果计算出图像中航空器的最大外接矩形，并获取该外接矩形左下角点具体坐标值，具体如图6所示；

图6 停止线检测

1. 根据航空器最大外接矩形左下角点坐标判断航空器是否达到停止线，若达到停止线即推送告警信号，若未达到停止线则允许航空器继续向前滑行。

3多源数据融合

多源数据融合算法是一种从多源数据中融合出目标信息的算法。它的主要思想是从多种来源的信息中提取出有效的信息，最后把它们融合在一起，以获得更准确、更可靠的信息。多源数据融合算法具有很多优点，其中一个重要优点就是它可以把多种来源的数据融合在一起，以获得更准确的结果。它也可以有效地减少数据的噪音，从而更准确地确定目标信息。此外，多源数据融合算法还可以有效地提高数据的可靠性，从而更好地满足用户的需求。

机场场内多源数据融合可以用于机场管理和运营，例如:机场安全、交通管理、气象预测等。机场场内多源数据融合包括场内数据和视频场监数据，场内数据包括ADS-B数据、北斗定位数据、场监雷达数据、飞行计划、多点定位数据和综合航迹数据，视频场监数据可以通过场面目标检测定位算法和联络道口停止线检测算法分析机场全景视频、枪机、球机、红外摄像机、云台等视频流所得。使用多源数据融合算法对机场场内多源数据数据处理，通过跑道入侵告警模块生成预警数据，使用三维预警平台和无线电/甚高频对机场内飞机和车辆驾驶员进行预警，同时跑道入侵告警模块发送控制信号，使用跑道灯光控制系统控制跑道灯对机场内飞机和车辆驾驶员进行预警。

多源数据融合算法使用滤波器、混合融合和PID控制多种方法结合。滤波器可以过滤数据中噪声和误差，筛选输入和输出。通常使用Mahony互补滤波器和卡尔曼滤波器结合。Mahony互补滤波器的思路是把一个主要包含高频噪声，和一个主要包含低频噪声的信号分别通过一个低通滤波器和高通滤波器，并做平均，从而使平均后的结果是真实信号较为准确的估计。卡尔曼滤波器是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法，卡尔曼滤波器在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。标准化融合算法是进行数据融合的基础算法，它将数据转换为统一的格式，以便进行比较和融合，层次融合算法是一种利用层次结构对数据进行融合的算法，它按照层次结构的不同级别进行数据融合，以形成更完整的数据模型，混合融合算法是一种综合性的数据融合算法，它结合了标准化融合算法和层次融合算法，可以实现更精细的数据融合。最后使用PID控制调节多源数据融合算法参数，达到系统的误差最小。如图7所示

图7多源数据融合流程图

4跑道防侵入预警分析

引进飞行计划和机场跑道基础设施信息，结合动目标当前位置和运动趋势，给出目标预测轨迹。结合飞行计划和目标预测轨迹，对目标的运行状态进行分析，实现正常目标与其他监视手段的多源融合，与飞行计划关联，识别目标冲突，对冲突情况和异常目标侵入跑道等给出预告警提示。

5停机坪飞机防碰撞预警分析

采用视频、图像处理技术从机坪采集的视频图像中检测出运动目标，根据动目标图像信息，识别包括航空器类型、车辆类型等运动目标属性。

融合多源数据实现飞机的计划路径、运动轨迹等显示，实时动态电子围栏，监测飞机行进线路上是否有障碍物，对于影响飞机滑行路线上的车辆进行预警分析如图8所示。

图8飞机防碰撞预警图

6图像增强算法

低能见度的情况该情况下，无论是直接利用肉眼还是利用机场监控摄像头拍摄到的视频图像进行观察，均存在辨识难度增大的问题，此时发生跑道侵入的概率和危害性更大，因此需要增强该情况下的视频图像质量。机场的低能见度情况往往由雾等天气现象带来，鉴于此，通过暗通道去雾方法进行机场监控视频图像的预处理，提高图像整体亮度，增强图像细节可见度，提升图像整体和局部的对比度并过滤图像部分随机噪声，校正图像明显色差等，达到提高图像质量的效果如图9所示。

图9视频增强图

7防跑道侵入三维可视化平台

采用倾斜摄影技术、卫星影像技术及基于 CAD 的人工建模技术，结合不同的场景，构建机场全场模型。将DEM层、影像层、模型层叠加，实现三维场景真实感实时渲染,1：1还原现场的真实场景。并将模型数据、视频数据、文字标牌、图标及粒子特效构成的增强信息数据进行实时渲染，实现多图层分层展现和标签数据动态呈现,建立机场飞行区立体空间场景，再通过接入ADS-B、车载定位、视频监控，飞行计划等信息，实现机场多源数据融合动态展示，打造物理机场与数字机场二维一体的数字世界。同时实现对跑道入侵事件进行预警、联动、三维可视化展示如图10所示。

图10三维防跑道入侵三维可视化图