基于机器学习的进场航空器跑道占用时间预测研究.pdfVIP

摘要

自2002年以来,中国民航业进入快速发展期，随着航班和交通运输周转量的迅速增

加，空中交通流量也急速增加，但是机场的增长速率仍明显低于航空器总体起降架次的

增长速率。由于大型机场的跑道容量有限，造成机场附近空域资源紧张、地面协调及运

行保障压力大、航空器运行安全性降低。因而跑道使用效率对于空域资源的利用和航空

器的安全运行至关重要。为了提高跑道使用效率，本文从大量的轨迹数据中提取出进场

航空器的跑道占用时间，并结合影响因素分析，使用机器学习算法预测进场航空器的跑

道占用时间，向管制员提供高效、准确的决策信息，实现对航空器运行及时、合理的调

整。

首先，对研究所涉及的监视数据、天气数据、机场跑道数据进行了介绍，并将数据

归一化减小异常数据对实验产生的影响。结合现阶段国内外对于跑道占用时间的定义和

研究方法，给出本文对跑道占用时间的定义，并以此提取、分析了进场航空器的跑道占

用时间。

其次，根据提取出的跑道占用时间，选取了机型性能、跑道出口选择、航空器着陆

速度、航空公司、天气因素这五类特征参数，通过统计特征参数累积概率、数据拟合、

相关性计算，分析了这五类特征参数对进场航空器跑道占用时间的影响程度和影响原因，

为搭建可行的机器学习预测模型奠定基础。

最后，建立机器学习模型预测进场航空器的跑道占用时间。分别采用逐层特征映射

的深度神经网络模型、卷积神经网络和长短记忆网络相结合的级联深度学习模型以及灰

狼算法优化下的随机森林模型。结果显示，灰狼算法优化下的随机森林模型精度优于另

外两种机器学习算法，且可以对影响因素重要性进行排序，更具有实际参考价值。在此

基础上进一步引入能量高度特征，以提高随机森林预测模型的预测精度。结果显示，模

型预测误差在±10s内的准确率达到了94.77%，可用于实际大型机场中进场航空器跑道

占用时间的预测。

关键词：进场航空器；跑道占用时间；机器学习；神经网络；长短期记忆网络；随机森

林

Abstract

Since2002,Chinascivilaviationindustryhasenteredaperiodofrapiddevelopment.With

therapidincreaseinflightsandtransportationturnover,airtrafficflowhasalsoincreased

rapidly.However,thegrowthrateofairportsissignificantlylowerthanthegrowthrateofthe

overalltransportationvolumeandaircrafttakeoffandlandingsortiesofthecivilaviation

industry.Duetothelimitedrunwaycapacityoflargeairports,thereisashortageofairspace

resourcesneartheairport,highpressureongroundcoordinationandoperationalsupport,and

reducedaircraftoperationalsafety.Theefficiencyofrunwayutilizationiscrucialforthe

utilizationofairspaceresourcesandthesafeoperationofaircraft.Therefore,inordertoimprove

therunwaycapacityandmaketimelyandreasonableadjustmentstoaircraftoperations,this

articleextractstherunwayoccupancytimeofapproachingaircraftfromalargeamountof

trajectorydata,