基于条件生成对抗网络的扇区复杂度评估

扇区复杂度作为管制员工作负荷和动态空域配置的重要参考依据，需要事先准确地对其 进行评估。本文针对有监督复杂度数据集存在的小样本问题，提出基于条件生成对抗网络的扇 区复杂度评估框架。首先，构建交通流量、航空器性能和潜在冲突这3类复杂度指标，并结合主观 复杂度等级得到标定样本；其次，利用条件生成对抗网络设计有标记样本生成算法，获得增广数 据集；最后，分别采用逻辑回归、支持向量机和随机森林算法建立复杂度评估模型。以中南区域 扇区为例，从定性和定量的视角验证生成样本的有效性，并在多种训练集配置下对比各模型评估 结果。研究结果表明：条件生成对抗网络在200次迭代后逐步收敛至稳定；生成样本与真实样本 的绝大多数指标在均值上的相对误差小于5%，在标准差上的相对误差大于5%；在多分类评价指 标下，增广数据集对3种模型整体评估精度分别提升11.77%、11.04%和8.34%。本文提出的评估 框架可以在有限数据条件下提高样本多样性，是解决扇区复杂度评估问题的一种有效方法。