基于Informer的客机长时4D航迹预测方法

客机长时4D航迹预测是基于航迹运行的重要基础,对于改善空中交通系统安全性能和优化空域结构有重要意义。针对现有长时4D航迹预测未充分考虑长序列航迹数据之间存在隐式关联信息等问题,借助Informer模型的自注意力机制,研究构建了基于Informer的长时4D航迹预测模型。为提取航迹数据的全局特征信息,增强数据独立性和时间序列特征学习能力,在数据嵌入层中增加全局时间戳模块,并利用航迹点序列等分层时间戳突破Informer模型固有的嵌入层时间刻度限制;为更好地捕捉非相邻时序序列点之间的隐式相关性,采用自注意力机制提取航迹数据特征,并运用概率稀疏方法降低自注意力机制的计算复杂度至O（LlogL）,同时在编码器中增加蒸馏机制以减少计算维度和网络参数量;为避免传统的逐步预测输出方法造成的误差累积现象,提高航迹预测精度,采用全连接层对预测输出数据进行维度调整,完成一步生成式输出。对历史4D航迹数据进行三次样条插值等预处理后,与时序特征数据同时输入到航迹预测模型中,经过模型迭代训练,输出航迹预测结果。实验结果表明：在同时预测航迹的4D特征时,基于Informer模型的预测表现优于LSTnet方法,其均方根误差和欧氏距离误差分别为0.218 5和15.980 km,相较于LSTnet网络分别减少了1.48%和2.44%。此外,对于分别预测航迹特征的任务,Informer模型的欧氏距离误差为13.248 km,相较于LSTnet网络减少了3.11%,相较于传统LSTM网络减少了34.99%。     

基于4D航迹的模糊聚类分析

通过ADS-B技术,人们可以获得大量的航迹数据,这使得采用航迹数据分析飞行程序成为可能,文中分析了4D航迹数据的特征,处理了异常数据并提取航迹特征值.采用模糊聚类法对进场航空器4D航迹飞行数据进行聚类分析,得出其平均中心航迹.以天津机场一段时期内同一方向进场航空器的4D航迹数据为依据,经实例分析表明,该方法可以为进离场程序设计是否合理提供参考.     

基于航班时刻不确定性的航路时隙分配模型

针对航班运行时刻波动导致延误风险和空中交通扰动的问题,在航路时隙资源优化分配时考虑航班运行时刻的不确定性,对航班运行时刻的概率分布做出合理假设,制定允许分配策略以一定置信水平成立的航路时隙资源分配风险决策原则,采用随机优化方法,针对不同航路类型建立航班实际运行时刻不早于计划运行时刻的随机机会约束,以一定置信水平下的全部航班总延误损失最小、平均旅客延误时间最小为目标,建立了航路时隙分配的随机机会约束规划模型,在满足航班唯一性约束、时隙独占性约束、航路容量约束和随机机会约束的基础上优化分配航路时隙;采用Lingo11和M atla-bR2007b求解模型,以民航某航路仿真运行数据为例,在0.8的置信水平下,本模型各策略的总航班延误损失均值和平均旅客延误时间均值比先到先服务策略分别减少38.54% 和41.3%,模型在控制二次延误风险的同时显著减少了航班延误,分别在置信水平为0.6,0.7,0.9时运行本模型,总航班延误损失和平均旅客延误时间的最优值分别增长1.07%,1.73%,保障航路交通稳定性需要以损失一定的运行效率为代价.      

航路改革后长江安徽段上行大船航迹线规划研究

针对航路改革后的长江安徽段上行大船航迹线如何重新规划问题,以实船试验为依托,测算出船在不同水深点上的速度;比较船在缓流中的速度增加率与船在浅水中的速度减小率的乘积.结果显示:船舶当处在相对水深为2.15的点上时,乘积最大,无岸壁效应,并通常能满足分隔效果,故应将此点作为安全与经济船位,此类船位的连线即为安全与经济航迹线.     

一种智能驾驶汽车的航迹推演方法

随着人工智能技术的发展,汽车智能驾驶技术日渐成熟和完善,高精定位、前视摄像头、毫米波雷达和高精地图可以高效地保障车辆安全可靠地行驶。但是在遇到高楼林立的城市路段、峡谷、隧道等路况,定位信号会变得薄弱甚至丢失;又如在迎着太阳行驶的路上,强光会导致前视摄像头过曝光而功能降低,导致无法分辨车道线、道路边界及障碍物等,智驾感知能力降低、安全风险增大。汽车自身多种冗余感知模块的应用可以较好解决上述这类问题,通过采集三轴六向加速度和航向角信息,融合离散系统方式和欧拉公式等算法,嫁接毫米波雷达测距和高精地图的全局坐标系位置,智驾系统可以在一定时间内推演航迹路线,鲁棒性强、安全性高。     

交通冲突量的BP神经网络预测方法

交通冲突预测是进行交通事故预防和制定安全改善措施的有效手段，节约观测时间和人力。针对BP网络的缺点，提出了改进的快速BP算法，建立了交通冲突量的BP神经网络预测方法，并应用该方法对具体的交叉口交通冲突量的预测实例进行了研究，实践验证了该方法的有效性。     

基于极大代数的多航空器无冲突4D航迹生成

航空器在同高度汇聚飞行时总会存在飞行冲突,文中根据极大代数法的思想,将航空器到达交叉点离散的过程线性化,并且针对同一终端区航空器离场向同一导航点汇聚的实际航路结构,给出了问题的具体描述,建立了具体的终端区单航路极大代数服务模型,并将其推广到通用情况下.在单航路模型基础上根据极大代数思想设计了终端区航路汇聚模型,解决了同高度航空器汇聚的冲突问题,可以将2条线型航线在交叉点的冲突规避,实现4D航迹的无冲突预测.对模型进行了算例验证,结果表明,极大代数能够较好的解决航空器航迹冲突的问题,实现航空器到关键点的无冲突放行,从而一定程度上提高了空域资源的利用率.     

Multi—Agent系统在飞行冲突探测与解脱中的应用

介绍了Multi—Agent系统在飞行冲突探测与解脱中的具体应用,将航空器看作具有各自目标如目的地、到达时间和服务标准等的智能体,提出采用协作式多智体协商技术来有效解决冲突问题,并建立了基于Multi—Agent系统的飞行冲突探测与解脱模型。航空器Agent之间可通过航空器数据链通信,采用单调让步协议（MCP）协商,自动就冲突解脱方案达成一致,在保证安全间隔的同时实现空域容量的有效利用。     

基于GA、RBF和改进Cao方法的空中交通流预测方法

针对传统空中交通流量预测方法精度不足、时效性差的问题,考虑空中交通流量时间序列的混沌特征,在相空间重构理论的基础上,研究了结合遗传算法（GA）、径向基（RBF）神经网络与改进Cao方法的空中交通流量预测方法。为降低传统Cao方法人为参数选择引入的误差,提高相空间重构精度,通过判定虚假邻近点,以及迭代比较嵌入维度离差和可接受偏差,确定重构相空间嵌入维度值的选择标准,进而得到重构后的空中交通流量时间序列数据;为提升径向基神经网络预测精度并降低参数误差,使用遗传算法优化RBF神经网络的中心矢量、加权系数和输出层阈值,再通过最优系数标定后的神经网络对重构后的时间序列进行预测;利用实际空中交通流量数据进行仿真以验证方法的有效性,并结合最大Lyapunov指数和预测结果分析了预测的时效性以及时间尺度对精度影响。结果显示：①改进后的预测方法具有更好的非线性拟合能力,提高了交通流量时间序列的预测精度;②以5 min时间间隔预测为例,相比传统RBF神经网络,改进方法的平均绝对误差、均方误差以及平均绝对百分比误差分别降低了19.44%、34.78%和27.21%;③相比反向传播（BP）神经网络和长短期记忆（LSTM）神经网络,所提方法的平均绝对误差分别降低了36.20%和16.10%,运行速度分别提高了27.42%和35.00%。综上所述,所提方法能更好地解析系统的混沌特性,提升空中交通流量预测精度与速度。     

相关系数法在通道交通需求预测中的应用

通过改进传统的相关系数法进行通道交通需求预测，分析了交通需求的相关影响因素。由通道的综合发展增长率和交通增长率的相关性及相关系数预测通道交通需求总量，并根据可行路径连接的交通集散点的经济特征和支线里程，探讨了吸引权及采用Logit分配模型预测路径交通流量的方法。结合某通道交通需求预测，对该方法进行实际运用，结果表明了该方法的有效性和合理性。     

生长曲线模型在高速公路诱增交通量预测中的应用

诱增交通量是新建高速公路项目交通量的重要组成部分,是高速公路项目前期可行性研究交通量预测分析工作的重点和难点。在总结分析诱增交通量的形成机理、内在特点和增长规律的基础上,以罗定至岑溪高速公路(粤境段)为例,着重介绍生长曲线模型在高速公路项目诱增交通量预测中的应用。     

交通影响分析中的交通量预测模型研究

交通量预测是交通影响分析中的基础性工作之一。从面向应用的角度出发，给出了一种用于交通影响分析（TIA）的交通量预测模型。该模型基于回归分析、时间价值原理与重力分布原理预测交通量建立。实例应用表明模型是实用的。较之传统经验方法，模型能够有效定量预测新建公共建筑交通影响分析中的交通产生量。     

公园类项目交通预测方法探讨

公园类建设项目与一般公建项目的交通生成模式有较大区别,且出行量预测比较复杂,目前国内可参考的预测资料及预测方法较少。该文结合奥林匹克森林公园交通影响评价项目,对公园类项目交通生成量预测进行了初步探讨。     

粗神经网络及其在交通流预测中的应用

实时准确的交通流量预测是实现智能交通诱导及控制的前提与关键,也是智能化交通管理的客观需要。把粗集理论引入神经网络的构造,应用粗神经元取代部分常规神经元,给出了一种交通流量的粗神经网络预测模型。实验结果表明,该模型在交通流量预测的精度和对交通路网的适应性方面明显优于常规神经网络,具有较高的实用价值。粗神经网络具有极强的鲁棒性,预测模型也可方便地处理季节、天气等随机因素对交通流量预测结果的影响。     

证据理论在空中交通拥挤评估中的应用

针对我国空中交通拥挤评估工作中存在的问题,建立起1个评估空中交通拥挤的指标体系,并给出了基于证据理论的空中交通拥挤评估方法。通过对算例的计算和分析,验证了评估方法在空中交通拥挤评估中的有效性和可行性。     

交通量预测模型的优化

章对使用指数模型预测交通流量过程中模型参数估计方法进行了优化，提出采用遗传算法(GA)的思路，通过仿真，可以归纳出GA在求解参数最优问题上优势，省去了严格的数学公式的推导步骤，为交通预测模型的优化研究提供了新思路。     

空中交通系统自组织临界特性辨识及应用

为了从全局视角揭示航班延误、航班取消的内在动力学机理,对空中交通系统进行特性分析.研究空中交通系统的广延耗散性、航班延误与航班取消的规模-频度幂律特性及其Hurst指数,辨识空中交通系统具有自组织临界性;采用幂律特性直线的斜率判断航班延误、航班取消的管理水平;依据Hurst指数大小,分析系统的航班延误、航班取消在自组织临界状态下的相关性与演化规律.结果表明,空中交通系统呈现耗散结构,具有自组织临界性;系统航班延误与航班取消的规模-频度在双对数坐标下表现出幂律特性,航班延误的管理水平优于航班取消;航班延误Hurst指数H值为0.4161,显著性检验指标I为-4.2001,航班取消H值为0.5049,I为-3.0776,均具有时间长程相关性,且分别表现为负向演化和正向演化.     

基于GIS的城市交通预测系统

探讨了基于GIS的城市交通预测系统的基本功能，叙述了系统结构的方案设计，对每一个功能模块进行了简单的说明。     

诱增交通量的变化规律和预测模型

路网变化将引发诱增交通量，诱增交通量不同于趋势交通量，其产生到发展中所表现出来的特征决定了诱增交通量的发展将要经历3个阶段：逐步形成、快速增长和相对稳定，而且在不同的影响区域内，诱增交通量产生的方式、增长的程度也各有不同。本文通过对诱增交通量变化规律及表现特征的分析，讨论研究诱增交通量的预测模型。