考虑航段相关性的航路拥挤态势多模型 融合动态预测方法

来源：交通运输系统工程与信息杂志2018年第1期北京时间：

作者：李桂毅，胡明华

单位：南京航空航天大学 民航学院，南京 211106

摘要：研究航路交通拥挤状态动态实时预测问题，可为缓解航路交通拥挤，优化拥挤管控 策略提供科学的依据.首先，采用神经网络理论建立考虑航段相关性的交通流参数预测模型， 预测航段流量和航段密度参数；然后，运用多模型融合预测算法提高预测精度，基于模糊C均 值聚类算法和航段历史及预测交通流参数预测航段交通拥挤态势；最后，采用雷达实测航迹 数据验证模型的有效性.研究结果表明，本文建立的预测模型同时考虑了时间和空间因素，对 航路拥挤状态预测准确率达到82.29%，预测方法符合实际且对航路交通态势的预测具有应用 价值；同时考虑航段相关性影响和采用多模型融合预测算法能够明显提高预测精度.

关键词：航空运输,航路拥挤预测,神经网络预测,模糊C均值聚类,融合预测

基金资助：国家自然科学基金/National Natural Science Foundation of China(61573181，U1333202)；中央高校基本科研业务经 费专项资金/Fundamental Research Funds for the Central Universities(NJ20140016).