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

摘要：

空中交通流量短期预测对于精准实施空中交通流量管理具有重要意义.为提高空中交通流量短期预测准确性,充分利用历史运行数据,提出了基于动态时间规整和长短期记忆(dynamic time warping-long short-term memory,DTW-LSTM)的空中交通流量短期预测模型.首先,分析了空中交通流的时空相关性特征,采用DTW算法衡量扇区之间交通流相关性;其次,依据相关性度量结果构建数据集,在不同输入条件下建立LSTM网络预测模型;最后,在不同时空参数组合模型间展开预测性能对比及分析.实验结果表明,相较于不考虑时空相关性的LSTM模型,本模型平均绝对误差(mean absolute error,MAE)降低24.5％,均方根误差(root mean squared error,RMSE)降低31.4％,相较于时空相关性的支持向量回归(support vector regres-sion,SVR)模型,MAE降低36.4％,RMSE降低30.6％.由此可见,通过考虑交通流时空相关性可以有效提升流量短期预测的准确性,为空中交通流预测提供有益参考.

关键词：航空运输、交通流预测、长短期记忆(LSTM)、动态时间规整(DTW)

所属期刊栏目：22

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2018YFE0208700

在线出版日期：2022-10-24（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：11256-11261