抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
すべての飛行のための燃料を節約するために風最適軌道計画は,航空会社にとって重要な課題である。計画は,風力データにリンクした不確実性のために困難である。現在の気象状況を踏まえ,天気予報機関は,与えられた信頼水準の予測風マップを計算した。通常30~50年の風力地図予測が製造できる。それらの予測に基づいて,航空会社は効率的な方法でそれらの航空機のための軌道計画を計算しなければならない。このような計画は,平均値と標準偏差を考慮しなければならない風の変動性を考慮したロバストな解を提案した。いくつかの他の計画は燃料消費を誘導する高い不確実性の度合いがもは,風が低い標準偏差を持っている地域における軌道計画には良好であった。本論文では,二相に基づく効率的な風最適アルゴリズムを提案した。第1段階は風力マップ予測を考慮し,関連する風最適軌道測地線とも呼ばれるをそれらの各々に対して計算する。そのような測地線は球に投影された楕円形をカバーする格子上の古典的Bellmanアルゴリズムで計算した。この最後の点は,風向に最も敏感な長距離飛行に対処するためのアルゴリズム可能にする。第一段階の最後に,風最適軌道のセットを得た。アルゴリズムの第二段階は,新しい軌道クラスタリングアルゴリズムの平均による最もロバストな測地線軌道を抽出した。クラスタリングアルゴリズムは,連続変形アプローチを含む新しい数学的距離に基づいている。二軌跡間のこの数学的距離を測定するために,それらの間の連続的変形がまず構築される。連続変形はホモトピーと呼ばれている。ホモトピーのためには,最初の軌道から二番目に関連するエネルギーを測定することができる。最小エネルギーを持つホモトピーを計算であり,付随するエネルギーは軌道の間の数学的距離を測定した。この新しい距離に基づいて,EMクラスタリングアルゴリズムが最もロバストな風最適軌道に対応する大きなクラスタを同定するために使用されている。この新しい方法は,第一段階からの軌道の平均を用いた古典的アプローチの主な欠点を回避した。このアルゴリズムは北大西洋飛行に成功裏に適用された。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】