بهبود تخمين موقعيت هواپيما به كمك تشخيص موقعيت‌هاي پرت در داده‌هاي ADS-B ترافيك هوايي

Improving airplane position estimation using outlier detection in ADS-B air traffic data

وجود خطا‌هاي موجود در بستر انتقال اطلاعات از هواپيما‌ به مراكز مانيتورينگ يكي از مهم‌ترين چالش هاي موجود در صنعت هوانوردي است. در اين مقاله سعي شده است تا با استفاده از الگوريتم‌هاي چگالي پايه راهكاري ارائه شود تا داده‌هاي پرت دريافت شده از هواپيما‌ را شناسايي نمائيم و با تخمين ميزان نايقيني موجود، انحراف رخ داده در داده‌ها را با استفاده از فيلتر كالمن بدون اثر تصحيح نماييم. استفاده تركيبي از الگوريتم چگالي پايه جهت تشكيل خوشه اصلي و تصحيح مقادير با استفاده از فيلتر كالمن بدون اثر، باعث شده است تا الگوريتم ارائه شده نيازمند توان پردازشي كمتري نسبت به فيلتر كالمن اوليه باشد. همچنين با سفارشي سازي شرايط تشكيل خوشه اصلي، شناسايي دقيق تري نسبت به داده‌هاي معتبر در مجموعه داده‌ها فراهم شده است. اين الگوريتم با توجه به رفتار شناسي هواپيما و تحليل ويژگي‌هاي آن نظير سرعت ،مانور و تغييرات حركتي توانسته است، ميزان فاصله محل تخمين زده شده از حضور هواپيما تا محل دقيق حضور هواپيما را تا 48.2 درصد نسبت به فيلتر كالمن بدون اثر كاهش دهد .