基于图卷积神经网络的滑行时间预测研究

摘要：

为准确预测滑行时间,提出一种基于机场场面运行态势演变的图卷积神经网络预测方法.首先,根据机场场面航空器时空分布情况,从路段流量、路段密度、路段速度等多角度构建交通态势指标体系;其次,利用主成分分析法对指标进行降维处理并利用K-means算法实现对机场场面路段的态势等级划分,绘制机场场面时空分布热力图;最后,利用图卷积神经网络(GCN)结合门控循环单元(GRU)来获取场面路段特征数据的时空特征,将GRU作为解码器预测输出滑行时间.以深圳宝安国际机场AirTOP仿真数据为例,对所提出的方法进行了分析和验证,并获得了符合预期的预测结果.实验结果表明,该方法在预测滑行时间方面具有有效性.

关键词：机场场面、K-means聚类、主成分分析法、图卷积神经网络、滑行时间预测

所属期刊栏目：54

分类号：V355(航空港（站）、机场及其技术管理)

资助基金：国家重点研发计划;民航安全能力建设基金项目

在线出版日期：2024-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1-6