【技术实现步骤摘要】
本专利技术涉及空中交通态势感知和流量管理，尤其涉及一种空中交通流模式识别驱动的流量精细化预测方法。
技术介绍
1、随着全球航空交通不断增长，空域内航班密度持续攀升，终端区的飞行轨迹聚类与流量预测技术在一定程度上满足了对航班调度和安全监管的需求。然而，现有的飞行轨迹聚类算法主要针对终端区内相对固定且路径规范的飞行轨迹进行处理，这类算法通常基于预设的形态假设和固定的特征提取方式，如距离度量、密度估计以及层次聚类方法等。由于终端区的飞行轨迹往往遵循预先规划好的航线，其运行状态和空间布局较为稳定，因此这些传统聚类方法能够较好地提取出航迹中的主要流模式。然而，这类算法在应对空域扇区内的飞行轨迹时却存在明显不足。扇区内的飞行轨迹受到起飞、进场、巡航等多阶段混合运行的影响，存在高度的多样性和时空连贯性，传统方法容易忽视流模式中的细微差异，导致聚类结果过于粗糙，难以揭示局部空域内复杂流动结构，从而为局部空域调控和精细管理提供的信息有限。
2、与此同时，现有的空中交通流量预测方法多侧重于整体流量趋势和宏观层面的统计和预测。这些预测模型通常基于...
【技术保护点】
1.一种空中交通流模式识别驱动的流量精细化预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预处理包括：
3.根据权利要求1所述的方法，其特征在于，进行低维特征提取的过程包括：
4.根据权利要求1或3所述的方法，其特征在于，对分离后的时间属性数据进行低维特征提取，包括：
5.根据权利要求1或3所述的方法，其特征在于，对分离后的空间属性数据进行低维特征提取，包括：
6.根据权利要求5所述的方法，其特征在于，还包括：
7.根据权利要求1所述的方法，其特征在于，在构建图结构模型
【技术特征摘要】
1.一种空中交通流模式识别驱动的流量精细化预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预处理包括：
3.根据权利要求1所述的方法，其特征在于，进行低维特征提取的过程包括：
4.根据权利要求1或3所述的方法，其特征在于，对分离后的时间属性数据进行低维特征提取，包括：
5.根据权利要求1或3所述的方法，其特征在于，对分离后的空间属性数据进行低维特征提取，包括：
...【专利技术属性】
技术研发人员：杨磊，刘会鹏，任禹蒙，胡明华，陈雨童，周逸，田文，谢华，赵征，张颖，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。