基于时空图网络的空中交通流量预测研究.pdfVIP

第54卷第2期航空计算技术Vol.54No.2

2024年3月AeronauticalComputingTechniqueMar.2024

引用格式：丁辉，胡明华，尹嘉男.基于时空图网络的空中交通流量预测研究[J].航空计算技术，2024,54（2）：6-9,15.

DINGHui,HUMing-hua,YINJia-nan.AirTrafficFlowForecastingBasedonSpatial-temporalGraphNetwork[J].AeronauticalComputing

Technique,2024,54(2):6-9,15.

基于时空图网络的空中交通流量预测研究

丁辉12,胡明华1，尹嘉男

（1.南京航空航天大学，江苏南京211000;2.中国电科二十八所空管全国重点实验室，江苏南京211000）

摘要：准确的空中交通流量预测对航空运输管理和飞行安全保障有至关重要的意义。然而，空中流量存在复杂

时间波动模式，并且不同机场之间存在依赖关系，给空中交通流量的精确预测带来了巨大的挑战。提出基于时空

图网络的空中交通流量预测方法，捕获空中流量的时间变化模式和不同机场之间的依赖关系，从而实现精准的空

中交通流预测。在空间特征学习模块，通过对机场之间关系进行建模，采用常微分方程提取机场之间的依赖关系。

在时间特征学习模块中,引入了高效的重构器表征空中交通流的长程时间相关性。在AirlineOn-TimePerformance

Data数据集，该方法在未来6h、9h、12h预测实验的加权平均绝对百分比误差分别为35.51%、36.54%、35.55%，

性能明显优于已有预测方法。

关键词：空中交通预测；时序预测；图表示;Transformer方法；时空依赖关系

中图分类号：V355文献标识码：A文章编号：1671-654X(2024)02-0006-04

AirTrafficFlowForecastingBasedonSpatial-temporalGraphNetwork

DINGHui-2,HUMing-ua,YINJia-nan

(1.NanjingUniversityofAeronauticsandAstronautics,Nanjing,211000,China;

2.StateKeyLaboratoryofAirTraficManagementSystem,CETC28thResearchInstitute,Nanjing211000)

Abstract:Accurateairtrafficflowforecastingissignificantforairtransportmanagementandflightsafety.

However,preciseforecastingofairtrafficflowischallengingduetocomplextemporalfluctuationpatter-

nandclosedependencybetweendifferentairports.Thispaperproposedanairtrafficflowforecastingap-

proachbasedSpatial-TemporalGraphNetworktocapturebothtemporalvariationpatternanddependency

betweendifferentairports.Inthespatialfeatur