一种基于Geohash算法的飞行目标轨迹预测方法及装置与流程

本申请涉及航空信息，尤其涉及一种基于geohash算法的飞行目标轨迹预测方法。

背景技术：

1、当前针对飞行目标轨迹的预测，主要依赖于较为传统的数学模型和统计分析方法，但由于收到精度不高的困扰，尤其在面对复杂多变的飞行情况时，如航班受天气影响的变轨、控制交通管制指令下的路线调整以及飞机性能等因素的影响，基于传统方法对飞行目标轨迹进行预测的预测结果往往与实际轨迹存在一定偏差，因此在处理高速发展的航空信息技术和海量飞行数据时表现出局限性。

2、有鉴于此，如何提供一种飞行目标轨迹预测方法，提高轨迹预测的精确度，并提升对大规模复杂轨迹数据的处理能力，成为当前亟需解决的技术问题。

技术实现思路

1、本申请实施例提供一种基于geohash算法的飞行目标轨迹预测方法，一种基于geohash算法的飞行目标轨迹预测装置，一种电子设备以及一种计算机存储介质，用于提高轨迹预测的精确度，并提升对大规模复杂轨迹数据的处理能力。

2、在本申请实施例的第一方面，提供一种基于geohash算法的飞行目标轨迹预测方法，包括：

3、对原始轨迹数据进行异常值检测与清洗，得到原始轨迹数据对应的原始地理坐标，其中，所述原始轨迹数据，包括实时采集的飞行目标对应的第一轨迹数据，和/或，预先存储的飞行目标对应的第二轨迹数据；

4、利用geohash算法将所述原始地理坐标，转换为用于大模型训练的字符型数据，生成字符型轨迹数据集；

5、构建基于所述字符型轨迹数据集的大模型训练流程，利用目标神经网络架构的预训练模型挖掘飞行目标对应的飞行轨迹的时空规律；

6、基于典型目标轨迹预测样本集，对大模型进行模型微调，得到目标模型，其中，所述典型目标轨迹预测样本集是基于历史数据中与飞行目标相关的飞行轨迹生成的样本集；

7、基于所述目标模型，生成飞行目标对应的字符型轨迹数据，并通过geohash反向解码，将所述字符型轨迹数据转换为目标地理坐标；

8、根据所述目标地理坐标，生成飞行目标的轨迹预测图。

9、在本申请实施例的第二方面，提供一种基于geohash算法的飞行目标轨迹预测装置，包括：

10、清洗模块，被配置为对原始轨迹数据进行异常值检测与清洗，得到原始轨迹数据对应的原始地理坐标；

11、转换模块，被配置为利用geohash算法将所述原始地理坐标，转换为用于大模型训练的字符型数据，生成字符型轨迹数据集；

12、构建模块，被配置为构建基于所述字符型轨迹数据集的大模型训练流程，利用目标神经网络架构的预训练模型挖掘飞行目标对应的飞行轨迹的时空规律；

13、微调模块，被配置为基于典型目标轨迹预测样本集，对大模型进行模型微调，得到目标模型，其中，所述典型目标轨迹预测样本集是基于历史数据中与飞行目标相关的飞行轨迹生成的样本集；

14、转换模块，被配置为基于所述目标模型，生成飞行目标对应的字符型轨迹数据，并通过geohash反向解码，将所述字符型轨迹数据转换为目标地理坐标；

15、生成模块，被配置为根据所述目标地理坐标，生成飞行目标的轨迹预测图。

16、在本申请实施例的第三方面，提供一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述基于geohash算法的飞行目标轨迹预测方法的步骤。

17、在本申请实施例的第四方面，提供了一种计算机设备，包括：

18、存储器和处理器；

19、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述基于geohash算法的飞行目标轨迹预测方法的步骤。

20、本申请实施例提供了一种基于geohash算法的飞行目标轨迹预测方法，首先，对原始轨迹数据进行异常值检测与清洗，得到原始轨迹数据对应的原始地理坐标，其中，所述原始轨迹数据，包括实时采集的飞行目标对应的第一轨迹数据，和/或，预先存储的飞行目标对应的第二轨迹数据；然后，利用geohash算法将所述原始地理坐标，转换为用于大模型训练的字符型数据，生成字符型轨迹数据集；其次，构建基于所述字符型轨迹数据集的大模型训练流程，利用目标神经网络架构的预训练模型挖掘飞行目标对应的飞行轨迹的时空规律；再其次，基于典型目标轨迹预测样本集，对大模型进行模型微调，得到目标模型，其中，所述典型目标轨迹预测样本集是基于历史数据中与飞行目标相关的飞行轨迹生成的样本集；再其次，基于所述目标模型，生成飞行目标对应的字符型轨迹数据，并通过geohash反向解码，将所述字符型轨迹数据转换为目标地理坐标；最后，根据所述目标地理坐标，生成飞行目标的轨迹预测图。

21、应用本申请实施例提供的基于geohash算法的飞行目标轨迹预测方法，通过结合geohash算法和大规模语言模型，实现对飞行目标轨迹的预测，具有数据处理能力强、实时性好、准确性高和泛化能力好的优点。

22、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

技术特征：

1.一种基于geohash算法的飞行目标轨迹预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对原始轨迹数据进行异常值检测与清洗，得到原始轨迹数据对应的原始地理坐标，包括：

3.根据权利要求2所述的方法，其特征在于，所述利用统计学方法，对所述原始轨迹数据进行分析，确定异常地理坐标点，包括：

4.根据权利要求2所述的方法，其特征在于，所述通过对所述异常地理坐标点进行处理，得到原始地理坐标，包括：

5.根据权利要求4所述的方法，其特征在于，所述对第一异常地理坐标点进行修正，包括：

6.根据权利要求1所述的方法，其特征在于，所述利用geohash算法将所述原始地理坐标，转换为用于大模型训练的字符型数据，生成字符型轨迹数据集，还包括：

7.根据权利要求1所述的方法，其特征在于，所述构建基于所述字符型轨迹数据集的大模型训练流程，利用目标神经网络架构的预训练模型挖掘飞行目标对应的飞行轨迹的时空规律，包括：

8.根据权利要求1所述的方法，其特征在于，所述基于典型目标轨迹预测样本集，对大模型进行模型微调，得到目标模型，包括：

9.根据权利要求1所述的方法，其特征在于，所述基于所述目标模型，生成飞行目标对应的字符型轨迹数据，并通过geohash反向解码，将所述字符型轨迹数据转换为目标地理坐标，包括：

10.一种基于geohash算法的飞行目标轨迹预测装置，其特征在于，包括：

技术总结本申请公开了一种基于Geohash算法的飞行目标轨迹预测方法及装置，该方法包括：对原始轨迹数据进行异常值检测与清洗，得到原始轨迹数据对应的原始地理坐标；利用Geohash算法将原始地理坐标，转换为用于大模型训练的字符型数据，生成字符型轨迹数据集；构建基于字符型轨迹数据集的大模型训练流程，利用目标神经网络架构的预训练模型挖掘飞行目标对应的飞行轨迹的时空规律；基于典型目标轨迹预测样本集，对大模型进行模型微调，得到目标模型；基于目标模型，生成飞行目标对应的字符型轨迹数据，并通过Geohash反向解码，将字符型轨迹数据转换为目标地理坐标，并生成飞行目标的轨迹预测图。本方法具有数据处理能力强、实时性好、准确性高和泛化能力好的优点。技术研发人员：胡松涛,黄佳睿,杨军受保护的技术使用者：中国电子科技集团有限公司电子科学研究院技术研发日：技术公布日：2024/10/17