基于动态时间规整和长短期记忆的空中交通流量短期预测

空中交通短期流量预测的准确性对于精准实施空中交通流量管理具有重要意义。为提高空中交通短期流量预测准确性,充分利用历史运行数据,本文提出了一种基于DTW-LSTM的空中交通流量短期预测方法。首先,分析了空中交通流的时空相关性特征,基于此特征采用DTW算法衡量扇区之间的空间相关性;然后,由空间相关性度量结果选取不同扇区的数据进行组合,构建输入时间序列长度不同的数据集,将历史时间数据输入LSTM模型中训练;最后,对不同时空参数组合模型的预测结果进行分析,与不考虑时空相关性LSTM模型、考虑时空特性的SVR模型的预测结果进行对比。实验结果表明,相比于传统方法,本文提出的空中交通流量短期预测方法通过考虑交通流的时空相关性,提高了预测结果的准确性,相比LSTM模型,MAE降低24.5%,RMSE降低31.4%,相比时空相关SVR模型,MAE降低36.4%,RMSE降低30.6%。     

基于航迹分类的终端区交通流非线性特征

终端区空中交通系统是复杂的非线性系统，本文基于航迹分类与交通流混沌理论研究终端区交通流的非线性特征，为终端区交通流控制及预测提供科学依据。首先对获取的广播式自动相关监视(Automatic dependent surveillance-broadcast, ADS-B)航迹数据进行异常识别与处理。然后基于K-近邻算法(K-nearest neighbor, K-NN)与跑道方向设计终端区航迹分类方法，实现终端区航空器航迹的精确分类。根据分类结果构建交通流量的时间序列，结合相空间重构和最大Lyapunov指数分析终端区交通流的混沌特性。最后，选用北京首都机场终端区ADS-B航迹数据进行实例验证，结果表明本文方法可以实现航迹的精准分类，准确识别和分析多跑道机场终端区交通流的非线性特征，在验证时段内36R、36L跑道及整个终端区交通流均表现出混沌特性。