533 lines
19 KiB
Markdown
533 lines
19 KiB
Markdown
# 碰撞避免系统数据处理模块设计文档
|
||
|
||
## 1. 模块概述
|
||
|
||
数据处理模块（DataProcessing）是碰撞避免系统的核心组件之一，负责对从数据采集模块获取的原始数据进行处理、转换和分析。该模块包含坐标转换、速度计算、数据预处理等功能，为后续的碰撞检测和避险决策提供高质量的数据支持。
|
||
|
||
### 1.1 功能职责
|
||
|
||
- 将全球地理坐标（WGS84）转换为机场局部坐标系
|
||
- 对移动物体的速度和加速度进行计算和分析
|
||
- 执行数据质量检测，识别和标记异常数据
|
||
- 进行数据平滑和滤波处理
|
||
- 维护各类移动物体的实时状态
|
||
- 执行碰撞风险评估和预警（计划实现）
|
||
|
||
### 1.2 模块结构
|
||
|
||
数据处理模块采用分层架构设计，主要包含以下组件：
|
||
|
||
```
|
||
dataProcessing/
|
||
├── config/ # 配置类，如坐标系统配置等
|
||
├── model/ # 数据模型，定义数据结构（如碰撞风险等级等）
|
||
├── service/ # 服务层，实现核心业务逻辑
|
||
│ ├── DataProcessor.java # 数据处理主服务
|
||
│ ├── CoordinateSystemService.java # 坐标转换服务
|
||
│ ├── SpeedCalculationService.java # 速度计算服务
|
||
│ ├── AirportCoordinateSystem.java # 机场坐标系统
|
||
│ └── CollisionDetectionService.java # 碰撞检测服务（待实现）
|
||
└── util/ # 工具类，提供辅助功能
|
||
```
|
||
|
||
## 2. 核心组件设计
|
||
|
||
### 2.1 DataProcessor（数据处理器）
|
||
|
||
DataProcessor是数据处理模块的核心组件，负责协调各种处理任务，管理数据流转，并确保数据的一致性和质量。
|
||
|
||
#### 2.1.1 主要职责
|
||
|
||
- 接收来自数据采集模块的数据更新
|
||
- 调度不同类型数据的处理流程
|
||
- 维护处理过程中的数据一致性
|
||
- 将处理后的数据提供给其他模块使用
|
||
|
||
#### 2.1.2 processLoop方法设计
|
||
|
||
`processLoop`方法是DataProcessor的核心循环，持续处理数据流。其主要业务逻辑如下：
|
||
|
||
```java
|
||
private void processLoop() {
|
||
while (!Thread.currentThread().isInterrupted()) {
|
||
// 获取数据更新
|
||
Map<MovingObjectType, Set<String>> delta = movingObjectRepository.takeUpdate();
|
||
|
||
// 判断更新是否为空
|
||
if (delta == null || delta.isEmpty()) {
|
||
// 无数据更新，等待一段时间
|
||
Thread.sleep(500);
|
||
continue;
|
||
}
|
||
|
||
// 处理各类型的数据更新
|
||
delta.forEach((objectType, ids) -> {
|
||
// 获取该类型的数据快照
|
||
Map<String, MovingObject> snapshot = movingObjectRepository.getTypeMapDirect(objectType);
|
||
List<MovingObject> dataList = new CopyOnWriteArrayList<>(snapshot.values());
|
||
|
||
// 根据不同类型分别处理
|
||
switch (objectType) {
|
||
case AIRCRAFT -> processAircraftData(dataList);
|
||
case SPECIAL_VEHICLE -> processVehicleData(dataList);
|
||
case UNMANNED_VEHICLE -> processLocationData(dataList);
|
||
default -> log.warn("未支持的数据类型: {}", objectType);
|
||
}
|
||
});
|
||
}
|
||
}
|
||
```
|
||
|
||
processLoop方法的工作流程：
|
||
|
||
1. **循环监听更新**：持续检查是否有新的数据更新
|
||
2. **获取变更数据**：从数据仓库中获取已更新的对象ID集合
|
||
3. **获取数据快照**：基于更新的ID，获取完整的数据对象
|
||
4. **类型分发处理**：根据不同移动物体类型，调用相应的处理方法
|
||
5. **异常处理**：捕获并记录处理过程中的异常，确保主循环不会因异常而中断
|
||
|
||
#### 2.1.3 数据类型处理方法
|
||
|
||
对于不同类型的移动物体，DataProcessor提供了专门的处理方法：
|
||
|
||
- **processAircraftData**：处理航空器数据
|
||
- **processVehicleData**：处理特种车辆数据
|
||
- **processLocationData**：处理无人车数据
|
||
|
||
这些方法执行类似的处理流程，主要包括：
|
||
|
||
1. 坐标转换：调用 `convertToLocalCoordinate` 将地理坐标转换为局部坐标
|
||
2. 速度预处理：调用 `speedCalculationService.preprocessData` 进行速度相关计算和质量检查
|
||
|
||
### 2.2 CoordinateSystemService（坐标系统服务）
|
||
|
||
负责执行坐标转换，将GPS或WGS84坐标系下的经纬度转换为以机场为中心的局部坐标系。
|
||
|
||
#### 2.2.1 主要功能
|
||
|
||
- 根据机场中心点创建局部坐标系
|
||
- 执行地理坐标到局部坐标的转换
|
||
- 计算局部坐标系下的距离和方向
|
||
|
||
#### 2.2.2 核心方法
|
||
|
||
```java
|
||
public double[] convertToLocalCoordinate(double longitude, double latitude) throws Exception {
|
||
return airportCoordinateSystem.convertToLocal(longitude, latitude);
|
||
}
|
||
```
|
||
|
||
此方法将WGS84坐标系的经纬度转换为以机场中心为原点的UTM局部坐标系下的坐标，返回一个包含x（东向）和y（北向）坐标的数组。
|
||
|
||
### 2.3 SpeedCalculationService（速度计算服务）
|
||
|
||
负责计算和处理移动物体的速度、加速度等动力学参数，同时进行数据质量检查。
|
||
|
||
#### 2.3.1 主要功能
|
||
|
||
- 计算移动物体的速度分量
|
||
- 执行异常值检测
|
||
- 应用数据质量标记
|
||
- 提供数据平滑和滤波
|
||
- 根据历史数据计算加速度
|
||
|
||
#### 2.3.2 核心方法
|
||
|
||
```java
|
||
public void preprocessData(List<MovingObject> dataList) {
|
||
// 遍历数据列表
|
||
for (MovingObject obj : dataList) {
|
||
// 初始化历史状态队列
|
||
if (obj.getStateHistory().isEmpty()) {
|
||
// 创建初始状态
|
||
// ...
|
||
continue;
|
||
}
|
||
|
||
// 获取最近的历史状态
|
||
MovementState lastState = obj.getStateHistory().getFirst();
|
||
|
||
// 异常值检测（位置跳变、时间异常、速度异常）
|
||
// ...
|
||
|
||
// 标记数据质量
|
||
// ...
|
||
}
|
||
}
|
||
```
|
||
|
||
preprocessData方法对数据进行预处理，主要包括：
|
||
|
||
1. 历史状态初始化
|
||
2. 异常值检测：检查位置跳变、时间异常和速度异常
|
||
3. 数据质量标记：将异常数据标记为SUSPICIOUS
|
||
4. 将处理后的状态添加到历史状态队列
|
||
|
||
## 3. 碰撞检测功能设计
|
||
|
||
### 3.1 功能需求
|
||
|
||
碰撞检测功能是碰撞避免系统的核心，需要实现以下功能：
|
||
|
||
1. 实时检测不同移动物体之间的潜在碰撞风险
|
||
2. 根据物体的当前位置、速度和轨迹预测未来可能的碰撞
|
||
3. 计算碰撞风险等级，并发出预警
|
||
4. 为避险决策提供准确的碰撞位置和时间预测
|
||
|
||
### 3.2 CollisionDetectionService设计
|
||
|
||
#### 3.2.1 类结构
|
||
|
||
```java
|
||
@Service
|
||
public class CollisionDetectionService {
|
||
// 碰撞风险阈值（米）
|
||
private static final double SEVERE_RISK_THRESHOLD = 50.0; // 严重风险
|
||
private static final double HIGH_RISK_THRESHOLD = 100.0; // 高风险
|
||
private static final double MEDIUM_RISK_THRESHOLD = 200.0; // 中等风险
|
||
private static final double LOW_RISK_THRESHOLD = 500.0; // 低风险
|
||
|
||
// 时间预测范围（秒）
|
||
private static final int PREDICTION_HORIZON = 30;
|
||
|
||
// 依赖注入
|
||
private final MovingObjectRepository repository;
|
||
private final WebSocketService webSocketService;
|
||
|
||
// 碰撞检测方法
|
||
public void detectCollisions() {
|
||
// 实现碰撞检测逻辑
|
||
}
|
||
|
||
// 两物体间碰撞风险计算
|
||
private CollisionRisk calculateCollisionRisk(MovingObject obj1, MovingObject obj2) {
|
||
// 计算当前距离
|
||
// 预测轨迹
|
||
// 计算最近接近点
|
||
// 评估风险等级
|
||
// 返回碰撞风险对象
|
||
}
|
||
|
||
// 轨迹预测方法
|
||
private List<PredictedPosition> predictTrajectory(MovingObject obj, int seconds) {
|
||
// 基于当前位置、速度和加速度预测未来轨迹
|
||
}
|
||
}
|
||
```
|
||
|
||
#### 3.2.2 数据模型设计
|
||
|
||
```java
|
||
// 碰撞风险模型
|
||
public class CollisionRisk {
|
||
private String id; // 风险ID
|
||
private String object1Id; // 第一个物体ID
|
||
private String object2Id; // 第二个物体ID
|
||
private MovingObjectType type1; // 第一个物体类型
|
||
private MovingObjectType type2; // 第二个物体类型
|
||
private double currentDistance; // 当前距离
|
||
private double minimumDistance; // 预测最小距离
|
||
private long timeToMinimumDistance; // 达到最小距离的时间（毫秒）
|
||
private RiskLevel riskLevel; // 风险等级
|
||
private PredictedPosition collisionPoint; // 潜在碰撞点
|
||
private long createdTime; // 创建时间
|
||
|
||
// getters and setters...
|
||
}
|
||
|
||
// 风险等级枚举
|
||
public enum RiskLevel {
|
||
SEVERE, // 严重风险（紧急）
|
||
HIGH, // 高风险
|
||
MEDIUM, // 中等风险
|
||
LOW, // 低风险
|
||
NONE // 无风险
|
||
}
|
||
|
||
// 预测位置
|
||
public class PredictedPosition {
|
||
private double x; // 局部坐标系x坐标
|
||
private double y; // 局部坐标系y坐标
|
||
private double z; // 局部坐标系z坐标（高度）
|
||
private long timestamp; // 预测时间戳
|
||
|
||
// getters and setters...
|
||
}
|
||
```
|
||
|
||
### 3.3 碰撞检测算法
|
||
|
||
#### 3.3.1 基本碰撞检测算法
|
||
|
||
```java
|
||
public void detectCollisions() {
|
||
// 获取所有活跃的移动物体
|
||
List<MovingObject> allObjects = getAllActiveObjects();
|
||
|
||
// 生成物体对组合
|
||
List<Pair<MovingObject, MovingObject>> objectPairs = generateObjectPairs(allObjects);
|
||
|
||
// 并行处理所有物体对
|
||
List<CollisionRisk> risks = objectPairs.parallelStream()
|
||
.map(pair -> calculateCollisionRisk(pair.getLeft(), pair.getRight()))
|
||
.filter(risk -> risk.getRiskLevel() != RiskLevel.NONE)
|
||
.collect(Collectors.toList());
|
||
|
||
// 处理检测到的风险
|
||
processDetectedRisks(risks);
|
||
}
|
||
|
||
private CollisionRisk calculateCollisionRisk(MovingObject obj1, MovingObject obj2) {
|
||
// 计算当前距离
|
||
double currentDistance = calculateDistance(obj1, obj2);
|
||
|
||
// 如果当前距离已经过远，可以直接排除
|
||
if (currentDistance > LOW_RISK_THRESHOLD &&
|
||
obj1.getVelocity().getSpeed() + obj2.getVelocity().getSpeed() < 50) {
|
||
return new CollisionRisk(obj1, obj2, currentDistance, RiskLevel.NONE);
|
||
}
|
||
|
||
// 预测未来30秒的轨迹
|
||
List<PredictedPosition> trajectory1 = predictTrajectory(obj1, PREDICTION_HORIZON);
|
||
List<PredictedPosition> trajectory2 = predictTrajectory(obj2, PREDICTION_HORIZON);
|
||
|
||
// 计算轨迹上所有点的距离，找出最小距离点
|
||
Pair<Double, Long> minDistanceAndTime = findMinimumDistance(trajectory1, trajectory2);
|
||
double minDistance = minDistanceAndTime.getLeft();
|
||
long timeToMinDistance = minDistanceAndTime.getRight();
|
||
|
||
// 确定风险等级
|
||
RiskLevel riskLevel = determineRiskLevel(minDistance);
|
||
|
||
// 创建并返回碰撞风险对象
|
||
return new CollisionRisk(obj1, obj2, currentDistance, minDistance,
|
||
timeToMinDistance, riskLevel,
|
||
findCollisionPoint(trajectory1, trajectory2, timeToMinDistance));
|
||
}
|
||
```
|
||
|
||
#### 3.3.2 轨迹预测算法
|
||
|
||
```java
|
||
private List<PredictedPosition> predictTrajectory(MovingObject obj, int seconds) {
|
||
List<PredictedPosition> trajectory = new ArrayList<>();
|
||
double deltaT = 1.0; // 时间步长（秒）
|
||
|
||
// 获取当前位置、速度
|
||
double x = obj.getVelocity().getX();
|
||
double y = obj.getVelocity().getY();
|
||
double z = obj.getCurrentPosition().getAltitude();
|
||
double vx = obj.getVelocity().getVx();
|
||
double vy = obj.getVelocity().getVy();
|
||
double vz = obj.getVelocity().getVz();
|
||
|
||
// 估计加速度（如果有历史数据）
|
||
double ax = 0, ay = 0, az = 0;
|
||
if (obj.getStateHistory().size() >= 2) {
|
||
// 计算加速度...
|
||
}
|
||
|
||
// 当前时间戳
|
||
long currentTime = obj.getTimestamp();
|
||
|
||
// 预测轨迹点
|
||
for (int i = 0; i <= seconds; i++) {
|
||
// 使用运动学公式预测位置
|
||
double predictedX = x + vx * i * deltaT + 0.5 * ax * Math.pow(i * deltaT, 2);
|
||
double predictedY = y + vy * i * deltaT + 0.5 * ay * Math.pow(i * deltaT, 2);
|
||
double predictedZ = z + vz * i * deltaT + 0.5 * az * Math.pow(i * deltaT, 2);
|
||
|
||
// 预测时间戳
|
||
long predictedTime = currentTime + (long)(i * deltaT * 1000);
|
||
|
||
// 添加到轨迹
|
||
trajectory.add(new PredictedPosition(predictedX, predictedY, predictedZ, predictedTime));
|
||
}
|
||
|
||
return trajectory;
|
||
}
|
||
```
|
||
|
||
### 3.4 集成到现有系统
|
||
|
||
要将碰撞检测功能集成到现有系统中，需要修改DataProcessor类以调用碰撞检测服务：
|
||
|
||
```java
|
||
@Slf4j
|
||
@Component
|
||
public class DataProcessor {
|
||
@Autowired
|
||
private MovingObjectRepository movingObjectRepository;
|
||
@Autowired
|
||
private CoordinateSystemService coordinateSystemService;
|
||
@Autowired
|
||
private SpeedCalculationService speedCalculationService;
|
||
@Autowired
|
||
private CollisionDetectionService collisionDetectionService; // 新增
|
||
@Resource
|
||
private Executor processingExecutor;
|
||
|
||
// 修改processLoop方法
|
||
private void processLoop() {
|
||
// ... 现有代码 ...
|
||
|
||
delta.forEach((objectType, ids) -> {
|
||
// ... 现有代码 ...
|
||
|
||
// 数据处理完成后执行碰撞检测
|
||
collisionDetectionService.detectCollisions();
|
||
});
|
||
}
|
||
}
|
||
```
|
||
|
||
## 4. 性能优化策略
|
||
|
||
由于碰撞检测需要大量计算，可采用以下优化策略：
|
||
|
||
### 4.1 空间分区优化
|
||
|
||
使用空间分区（Spatial Partitioning）技术将整个坐标空间分成网格或四叉树，只检测同一区域或相邻区域的物体：
|
||
|
||
```java
|
||
// 创建空间网格
|
||
private Map<GridCell, List<MovingObject>> createSpatialGrid(List<MovingObject> objects) {
|
||
Map<GridCell, List<MovingObject>> grid = new HashMap<>();
|
||
|
||
for (MovingObject obj : objects) {
|
||
GridCell cell = calculateGridCell(obj);
|
||
grid.computeIfAbsent(cell, k -> new ArrayList<>()).add(obj);
|
||
}
|
||
|
||
return grid;
|
||
}
|
||
|
||
// 获取需要比较的物体对
|
||
private List<Pair<MovingObject, MovingObject>> getPairsToCheck(Map<GridCell, List<MovingObject>> grid) {
|
||
List<Pair<MovingObject, MovingObject>> pairs = new ArrayList<>();
|
||
|
||
// 遍历每个网格及其相邻网格
|
||
for (Map.Entry<GridCell, List<MovingObject>> entry : grid.entrySet()) {
|
||
GridCell cell = entry.getKey();
|
||
List<MovingObject> objectsInCell = entry.getValue();
|
||
|
||
// 同一网格内的物体对比
|
||
for (int i = 0; i < objectsInCell.size(); i++) {
|
||
for (int j = i + 1; j < objectsInCell.size(); j++) {
|
||
pairs.add(Pair.of(objectsInCell.get(i), objectsInCell.get(j)));
|
||
}
|
||
}
|
||
|
||
// 与相邻网格的物体对比
|
||
for (GridCell neighbor : getNeighborCells(cell)) {
|
||
List<MovingObject> objectsInNeighbor = grid.get(neighbor);
|
||
if (objectsInNeighbor != null) {
|
||
for (MovingObject obj1 : objectsInCell) {
|
||
for (MovingObject obj2 : objectsInNeighbor) {
|
||
pairs.add(Pair.of(obj1, obj2));
|
||
}
|
||
}
|
||
}
|
||
}
|
||
}
|
||
|
||
return pairs;
|
||
}
|
||
```
|
||
|
||
### 4.2 多级碰撞检测
|
||
|
||
实现多级碰撞检测，从粗略到精细：
|
||
|
||
1. **粗略检测**：使用包围盒（Bounding Box）或包围球进行快速排除
|
||
2. **中间检测**：对可能碰撞的物体对进行简化轨迹预测
|
||
3. **精细检测**：只对高风险物体对进行精确轨迹预测和分析
|
||
|
||
```java
|
||
private CollisionRisk calculateCollisionRisk(MovingObject obj1, MovingObject obj2) {
|
||
// 第一级：粗略检测
|
||
if (!couldPossiblyCollide(obj1, obj2)) {
|
||
return new CollisionRisk(obj1, obj2, Double.MAX_VALUE, RiskLevel.NONE);
|
||
}
|
||
|
||
// 第二级：中间检测
|
||
Pair<Double, Long> roughEstimate = estimateMinimumDistance(obj1, obj2);
|
||
if (roughEstimate.getLeft() > HIGH_RISK_THRESHOLD) {
|
||
return new CollisionRisk(obj1, obj2, roughEstimate.getLeft(), RiskLevel.LOW);
|
||
}
|
||
|
||
// 第三级：精细检测
|
||
return performDetailedCollisionAnalysis(obj1, obj2);
|
||
}
|
||
```
|
||
|
||
### 4.3 并行计算
|
||
|
||
利用多线程和并行计算技术提高处理速度：
|
||
|
||
1. 使用Java的Stream API的并行处理能力
|
||
2. 将碰撞检测任务拆分为多个子任务并行执行
|
||
3. 利用线程池管理并优化线程资源
|
||
|
||
## 5. 日志记录和监控
|
||
|
||
在碰撞检测过程中，实现全面的日志记录和监控机制：
|
||
|
||
```java
|
||
// 日志记录
|
||
private void logCollisionRisk(CollisionRisk risk) {
|
||
if (risk.getRiskLevel() == RiskLevel.SEVERE || risk.getRiskLevel() == RiskLevel.HIGH) {
|
||
log.warn("检测到高风险碰撞可能! 对象: {} 和 {}, 风险等级: {}, 最小距离: {}米, 预计时间: {}秒后",
|
||
risk.getObject1Id(), risk.getObject2Id(), risk.getRiskLevel(),
|
||
risk.getMinimumDistance(), risk.getTimeToMinimumDistance() / 1000);
|
||
} else {
|
||
log.info("检测到碰撞风险. 对象: {} 和 {}, 风险等级: {}, 最小距离: {}米",
|
||
risk.getObject1Id(), risk.getObject2Id(), risk.getRiskLevel(),
|
||
risk.getMinimumDistance());
|
||
}
|
||
}
|
||
|
||
// 性能监控
|
||
private void monitorPerformance(long startTime, int objectCount, int pairsChecked, List<CollisionRisk> risks) {
|
||
long endTime = System.currentTimeMillis();
|
||
long duration = endTime - startTime;
|
||
|
||
log.debug("碰撞检测完成. 处理时间: {}ms, 物体数: {}, 检查对数: {}, 发现风险: {}",
|
||
duration, objectCount, pairsChecked, risks.size());
|
||
|
||
// 记录性能指标到监控系统
|
||
// ...
|
||
}
|
||
```
|
||
|
||
## 6. 后续优化和扩展
|
||
|
||
### 6.1 机器学习增强
|
||
|
||
引入机器学习模型增强碰撞预测能力：
|
||
|
||
1. 使用历史数据训练移动物体的轨迹预测模型
|
||
2. 引入情境感知能力，识别特定场景下的常见模式
|
||
3. 通过强化学习优化避险策略
|
||
|
||
### 6.2 多传感器数据融合
|
||
|
||
整合多种数据源提高预测准确性：
|
||
|
||
1. 结合气象数据考虑环境因素对运动的影响
|
||
2. 整合地面雷达、ADS-B和其他传感器数据
|
||
3. 考虑地形和建筑物等静态障碍物
|
||
|
||
### 6.3 通信和响应机制
|
||
|
||
完善碰撞风险的通知和响应机制：
|
||
|
||
1. 实现分级预警通知（WebSocket、移动应用推送等）
|
||
2. 为不同类型的碰撞风险定制响应策略
|
||
3. 提供碰撞避免的建议路径和操作
|
||
|
||
## 7. 总结
|
||
|
||
本文档详细描述了碰撞避免系统中数据处理模块的当前设计和processLoop方法的业务逻辑，并提出了碰撞检测功能的设计方案。通过实现高效的碰撞检测算法、多级优化策略和完善的监控机制，系统能够有效检测和预警潜在的碰撞风险，为机场安全运行提供保障。
|
||
|
||
随着系统的持续优化和功能扩展，碰撞避免系统将能够应对更复杂的场景和更高的安全需求，实现从被动监测到主动避险的演进。 |