机场场面交通流量预测方法研究.pdfVIP

第45卷第1期大连交通大学学报Vol.45No.1

2024年2月JOURNALOFDALIANJIAOTONGUNIVERSITYFeb.2024

文章编号：1673-9590(2024)01-0033-06

机场场面交通流量预测方法研究

廉冠12，于嘉欣3，张晓玥3，郭雪松3

（1.桂林电子科技大学广西智慧交通重点实验室，广西桂林541010;2.桂林电子科技大学南宁研究院，

广西南宁530000;3.桂林电子科技大学建筑与交通工程学院，广西桂林541010)

摘要：针对机场场面交通可获数据的局限性，为精准提取机场交通数据时空特征及预测场面交通流

量。首先，基于推出控制理论，建立机场场面运行数值仿真模型，得到因数据局限无法获取的预测指标；

其次，,搭建卷积神经网络（CNN）与长短期记忆网络（LSTM)组合预测模型提取时空特征；最后，以河南郑

州机场为例进行试验验证，比较模型在不同训练数据量下的预测性能与误差指标，结果表明基于仿真指

标的预测模型预测结果精确度高且性能稳定。

关键词：交通流量预测；机场场面交通仿真；推出控制；卷积神经网络；长短期记忆网络

文献标识码：AD0I:10.13291/j.cnki.djdxac.2024.01.005

机场是由飞机、人和滑行环境等动静态要素融合，人工神经网络[6]、支持向量机[7-8]及数据融

所构成的有机整体,是民航系统最重要的基础设合、数据挖掘[9和交通仿真等方法开始被广泛应

施，同时也是国家综合交通基础设施的重要组成用于交通预测。在民航交通领域,刘宁等[10]通过

部分，因此机场场面交通流量的预测对精细化管Elman神经网络算法对道路交通流量进行预测，

制决策具有至关重要的意义。民航交通的研究应预测结果优于历史趋势法与多元回归模型。张波

用最早集中在空中交通领域，随着我国国家综合等[]基于LSTM模型预测机场辖区内路面交通

机场体系的完善,交通拥堵由空域转移至机场,研拥堵状况，结果优于线性模型ARMA和VAR。

究也开始聚焦于机场场面交通。Lian等[12]对比SoftmaxRegression模型、人工神经

在机场场面交通运行状态研究方面，衡红军网络方法和基于蜂群智能算法的改进支持向量回

等首次提出一种适应机场交通特点的多一维归方法，对机场拥堵态势进行预测。大部分交通

元胞模型,模拟机场场面交通,达到预期效果。张预测方法多为基于时间序列的预测模型，忽略了

交通数据空间关系影响。

亚平等[2]针对繁忙机场,提出了推出控制理论，

有效地将飞机在滑行道等待时间转化为停机位停为较好预测机场场面交通流量，本文从时间

留时间,以此减少燃油消耗。Mori[3]基于Nagel-和空间的维度构建了卷积神经网络（CNN）和长

Schreckenberg模型仿真机场地面的滑行情况，并短期记忆网络（LSTM）的组合预测模型，在预测

对机场繁忙的状态进行验证。Kawagoe等[4]用蜂指标的选择与处理上,结合既有的推出控制策略，

窝自动机仿真模拟东京国际机场的地面交通，仿建立机场场面交通仿真模型得到航班位置-时间

真结果与实际数据对比发现，结果具有较好的精信息与预测指标,预测机场场面流量。选用河南

度。早期的交通流预测方法多数以统计分析方法郑州机场历史数据进行试验，结果表明CNN-

LSTM预测模型对机场场面交通流量的预测结果

为基础,如回归分析法[5]等,近年来为了寻找更

广泛、更适用的交通预测方法，不同学科相互交流较好，具有较高的精度和鲁棒性。

收稿日期:2023-02-23

基金项目：广西科技基地和人才专项（桂科A）；广西自然科学青年基金项目（2020JB170049）；国家自然

科学基金项目

第一作者:廉冠（1989一),男,讲师。E-mail;lianguan@guet.edu.cn

34