1.一种考虑高空风时变性的冲突最小化航迹协同规划方法，其特征在于，包括以下步骤：(1)预先获取时变高空风集合预报数据、航班历史飞行计划、空域信息和航班安全间隔标准；

(2)根据航班历史飞行计划获取航班在灵活航路空域中的进出点；

(3)根据空域信息对灵活航路空域进行网格化处理，建立节点之间的连接规则；

(4)根据时变高空风集合预报数据，计算每个航班到达航路点的期望到达时刻，确定影响航班在当前航段上飞行的高空风条件，获取航班在航段上的飞行时间集合，拟合航班在当前航段上的飞行时间分布；将航段飞行时间期望值作为航段飞行成本并以最小化飞行时间为目标规划最优航路，将方差作为约束条件保障航迹的可预测性；

(5)基于规划出的最优航路，采用等间隔采样法形成航迹采样点集合；根据航班到达采样点时间集合拟合过点时间分布；利用网格冲突探测法进行航班飞行冲突初筛；根据航班安全间隔标准及冲突概率对航班之间的冲突进一步识别，得到相互之间有冲突的航班；

(6)根据动态分组规则将相互之间有冲突的航班放入同一小组内，根据小组内冲突数量及航班数量为各个小组分配不同的种群规模，采用变种群规模算子，动态设计各种群规模大小；

(7)针对每小组航班，采用调整该小组内各个航班的起飞时刻和飞行高度层来避免冲突，对各种群进行初始化；再采用一种快速遗传算法对各种群进行优化，获取各种群最优解；通过各个子种群之间的协同进化获得多航班冲突最小化4D航迹；

(8)将冲突最小化4D航迹对应的各个航班起飞时刻及高度层输入至步骤(4)，在当前起飞时刻及高度层条件下考虑高空风时变性规划最优航路，得到当前最优4D航迹；

(9)重复步骤(4)至步骤(8)，直至达到最大迭代次数 输出多航班冲突最小化4D航迹。

2.根据权利要求1所述的一种考虑高空风时变性的冲突最小化航迹协同规划方法，其特征在于，所述步骤(3)包括以下步骤：(31)建立矩形搜索区域，覆盖灵活航路空域所有进出点，区域纬度范围从λmin至λmax，经度范围从φmin至φmax，在内部定义一个规则的航路点网格，纬度间隔为Δlat，经度间隔为Δlon；

(32)构建航路连接规则，以当前航路点为中心，与7×7正方形区域内的所有航路点进行全联通，该航路点集合定义为可连接的航路点；在与可连接的航路点相连时，7×7的范围内部分航路点发生重叠，将7×7的范围内发生重叠的航路点定义为不可连航路点；航路网络建模为图形 其中 表示航路网络节点，ε表示航段。

3.根据权利要求1所述的一种考虑高空风时变性的冲突最小化航迹协同规划方法，其特征在于，所述步骤(4)包括以下步骤：(41)计算航班航段飞行时间集合：

其中， 为EPS集合预报成员集合，航班f∈F，在给定的高度层h∈H下， 根据航段飞行时间计算方法，得到在成员k条件下，当f到达航段e的期望时刻为t时，f在航段e上的飞行时间 为EPS成员数量；

(42)拟合航段飞行时间概率分布：

对于航班f的一条可行航路 令f到达航段ei起点的时间为 到达终点2

的时间为 航段飞行时间数学期望μ和方差σ的无偏估计量为：其中， 和 由下式计算：

其中，δf为航班的起飞时刻，ΔT为航班从起飞至进入FRA的时间；

(43)计算航段飞行时间数学期望及方差：

航段上不存在时变点：当 且 时，风场条件不发生变化，此时航段飞行时间方差

航段上存在时变点：当 且 时，风场条件发生变化，当 时，航班受到Wind1的影响，航段飞行时间概率密度函数为f1(t)；当 时，航班受到Wind2的影响，航段飞行时间概率密度函数为f2(t)，则：(44)根据航段飞行时间期望及方差，采用遗传算法规划最优航路，结合起飞时刻及高度层，得到飞行时间最短最优航迹。

4.根据权利要求1所述的一种考虑高空风时变性的冲突最小化航迹协同规划方法，其特征在于，所述步骤(5)实现过程如下：(51)采用等间隔采样的方式进行航迹采样：

若航段上存在时变点，在tvp前后，航班受到不同风场的影响，将航段在tvp处分段，将其视为两个子航段，并将tvp作为采样点；若航段上不存在时变点，直接等间距进行航迹采样；

计算航班航迹采样点的过点时间集合，假设其服从正态分布，拟合概率分布；

(52)将航迹采样点的四维坐标离散化映射至对应的网格单元Am.n.l.k中，采用网格化冲突探测方法进行航班飞行冲突初筛；

建立飞行冲突初筛方法对应的4D时空网格：定义一个网格Am.n.l.k的邻域由其自身以及3

其在空间维度上的周围3‑1＝26个网格单元，记为：

Cm,n,l,k＝[cm,n,l‑1,k cm,n,l,k cm,n,l+1,k]其中：

式中，矩阵cm,n,l,k表示本层的九网格邻域；矩阵cm,n,l‑1,k表示当前网格上层九网格邻域，cm,n,l+1,k表示当前网格下层的九网格邻域；aM,N,L,k表示坐标为L，M，N，k的网格，其中M取m、m+

1、m‑1；N取n、n‑1、n+1；L取l‑1、l+1、l；

依次检查网格Am.n.l.k邻域中的27个网格，如果邻域中任意网格内存在其他航班的航迹采样点，则表明存在潜在的飞行冲突，对航班之间的冲突再进行精确探测；否则，则表明不存在潜在的飞行冲突；

对航班之间的冲突进行精确探测：针对同一个网格中的两个不同航班的航迹采样点s和s’，根据其坐标计算在航班预计过点时间集合内航班之间的垂直距离和水平距离，当垂直距离与水平距离同时违反航班安全间隔时，计算冲突概率；否则，表明不存在飞行冲突；

计算冲突概率：设航班f在航段ei上飞行时间期望值为 方差为 定义到达时间最大误差：where:

其中， 为到达采样点期望时刻，设 和 根据飞行时间线性增加；

当航段上不存在tvp时，则：

当航段上存在tvp时，在tvp前后，航班受到不同风场的影响；此时将航段在tvp处分段，将其视为两个子航段，并将tvp作为采样点，对应采样点各项参数再按照当航段上不存在tvp时计算；

考虑空域中的航班f1，采样点为s1；航班f2，采样点为s2；则有：由于相互独立，则其联合概率密度函数为：

冲突概率为：

若两个航迹采样点的冲突概率小于预定值，则认定为飞行冲突，得到相互间存在冲突的航班。

5.根据权利要求1所述的一种考虑高空风时变性的冲突最小化航迹协同规划方法，其特征在于，所述步骤(6)包括以下步骤：(61)采用动态分组策略将相互之间有冲突的航班放入同一小组之内，即满足如下相关性：其中，F表示所有航班组成集合；groupk表式第K组； 和 分别为groupk中的第i和第i'个航班，Cii'＝1表示航班i和i'存在冲突，Cii'＝0表示航班i和i'无冲突；

(62)根据小组内冲突数量及航班数量为各个小组分配不同的种群规模，采用变种群规模算子，动态设计各种群规模大小；所述变种群规模算子如下：式中，sk为第k组种群规模，pop_size为初始种群规模，Ck表示第k组组内冲突数量，Lk表示第k组组内航班数量，C表示初始冲突数量；L表示初始航班数量。

6.根据权利要求1所述的一种考虑高空风时变性的冲突最小化航迹协同规划方法，其特征在于，所述步骤(7)包括以下步骤：(71)种群初始化；

(72)针对初始化后的每个种群小组采用遗传算法进行优化，获取每个小组的最优解；

所述的最优解是指适应度函数最大的值时对应的个体，所述适应度函数表达式如下：其中，n表示航班数量； 表示第k组第i架航班的冲突数量；δmax表示最大的δi；λGH表示地面延误成本系数，ti表示航班起飞时刻，torig表示航班初始起飞时刻，Tmax表示最大允许延误；λFL表示高度层调整成本系数，fli表示航班飞行高度层，florig表示航班初始飞行高度层，FLmax表示最大允许高度层调整量；

(73)合并各个种群之间的最优解获得多航班冲突最小化4D航迹。