基于图像的终端区相似气象运行场景识别分析

天气影响是空中交通运行不确定性的主要原因之一，基于历史相似气象场景识别是一种有效辅助管制运行决策的依据.相较于传统的基于距离度量空间分布的相似性识别方法，从视觉角度提出了一种基于CNN(Convolutional Neural Network)图像模式的终端区相似气象运行场景识别方法.将处理后的WAF(Weather Avoidance Field)天气避让区图像作为神经网络训练集，构建CNN+K means++模型实现对气象场景分类.进一步依据评估场景分类的实际效果和管制决策状态，构建了基于气象、交通、策略多领域的终端区特征集.从典型场景-典型日视角切入，分析不同场景对终端区运行能力与策略发布的影响，并以广州终端区为例进行验证，结果表明，基于CNN图像模式的对流天气识别具有较显著的效果，可为交通流量管理措施提供指导辅导决策.