基于时空特征融合的航路网络流量预测研究

摘要：

航路网络流量预测对空域结构优化、航路航线调整具有重要的意义,神经网络能够捕捉飞行流量的时空关系,并大大提高交通预测能力.引入一种基于时空特征融合的神经网络进行航路网络中各个航段流量的预测.通过图卷积网络(GCN)获取真实网络路由节点间的空间拓扑结构,采用多层长短时记忆神经网络(LSTM)获取网络流量时间序列相关性的流量矩阵信息,将网络的拓扑结构信息及历史流量矩阵序列输入到GCN-LSTM模型进行训练;通过训练好的模型预测,输出预测结果和相关性能评价指标值;以中南地区部分航路网络的历史流量数据为实例进行分析,验证了所提出模型的有效性和准确性.

关键词：空中交通管理、航路网络、流量预测、时空特征、深度学习

所属期刊栏目：53

分类号：V355(航空港（站）、机场及其技术管理)

资助基金：民航局安全能力建设项目;南京航空航天大学研究生科研与实践创新计划项目

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：76-80