基于DBSCAN-GRU算法的终端区4D航迹预测

来源：信号处理杂志 2023年第3期北京时间：

作者：韩萍, 张启, 石庆研, 张泽中

摘要：终端区空域环境复杂、航班密集，精确的航迹预测能极大地提高空中交通服务水平，保障航班飞行安全。针对终端区的高精度多航班4D航迹预测问题，本文提出了一种基于密度的带噪声空间聚类算法（Density-Based Spatial Clustering of Applications with Noise， DBSCAN）和门控循环单元（Gated Recurrent Unit， GRU）相结合的航迹预测方法，通过DBSCAN聚类，将终端区中航迹相近的航班聚类到一簇中，对每一簇航班建立基于GRU神经网络的航迹预测模型，对终端区航班进行预测时，先判断该航班属于哪一簇，然后采用与该簇对应的航迹预测模型，进行4D航迹预测。与仅研究单一航班的传统预测方法相比，本算法有效地利用了终端区的航迹数据，所建模型可以针对多架航班进行航迹预测，扩大了模型的适用范围，提高了航迹预测的预测精度。

关键词：‍‍4D航迹预测, 终端区, 基于密度的带噪声空间聚类, 门控循环单元