基于时空图卷积的无人机交通流预测研究.docxVIP

PAGE

PAGE1

《基于时空图卷积的无人机交通流预测研究》趋势预测报告

一、概述

1.1报告背景与研究意义

随着低空空域管理的逐步开放与无人机应用场景的爆发式增长，无人机交通管理系统（UTM）的建设已成为智慧城市与未来交通体系的关键组成部分。高效、精准的无人机交通流预测是确保空域安全、优化路径规划、提升运行效率的核心技术前提。传统交通流预测方法难以刻画低空空域网络复杂的时空动态性与非线性关联。

本研究旨在系统探讨基于时空图卷积网络（STGCN）的无人机交通流预测技术路径与发展趋势。通过深入分析时空特征提取、图卷积网络架构创新及预测模型优化等核心环节，评估其预测精度与实用潜力，为构建下一代智能、自主的无人机交通管理范式提供理论依据与技术前瞻。其价值不仅在于推动预测算法本身的发展，更对促进低空经济发展、保障城市公共安全具有重要的实践意义。

1.2研究范围与方法

1.2.1预测范围界定

本研究的预测对象界定为城市低空空域内，以物流配送、巡检、载人等任务为导向的无人机集群交通流。预测范围聚焦于高度120米以下的微型及轻型无人机运行空域，该空域结构复杂、动态性强，是管理的重点与难点。

预测时间跨度涵盖短期（未来1小时）、中期（未来6小时）及长期（未来24小时）预测，以满足实时调度、日间规划与资源预配置等不同层级的管理需求。预测维度主要包括流量预测、密度预测、速度预测及拥