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

作者：李桂毅; 胡明华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

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.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社