| 基于聚类分析的航空器滑行过点时间预测 |
| |
| 引用本文： | 刘金安,汤新民,胡钰明,陈强超.基于聚类分析的航空器滑行过点时间预测[J].南京航空航天大学学报,2020,52(6):903-911. |
| |
| 作者姓名： | 刘金安 汤新民 胡钰明 陈强超 |
| |
| 作者单位： | 南京航空航天大学民航学院,南京,211106;中南民航空管通信网络科技有限公司,广州,510080;中国民用航空中南地区空中交通管理局,广州,510080 |
| |
| 基金项目： | 国家自然科学基金(61773202)资助项目；四川省科技计划(2018JZ0030)资助项目。 |
| |
| 摘 要： | 为了预测航空器滑行预计到达时间（Estimated time of arrival，ETA），减少场面冲突，提高机场运行效率，本文使用卡尔曼滤波算法对场面历史轨迹数据进行预处理。为了衡量轨迹样本间的距离，综合三类特征用于机场场面历史轨迹数据聚类。特征包含航空器滑行时段和场面航空器数量，以及参考动态时间规整（Dynamic time warping，DTW）算法提取的轨迹差异度特征。将两个样本特征的欧式距离作为样本间的相似度量；基于均差最大原则确定初始聚类中心，使用K-means算法对样本进行聚类，根据待规划航空器的所处时段和场面航空器数量选择匹配度最高的类簇，将其聚类中心样本的轨迹序列和塔台规划的静态路径相结合预测航空器滑行ETA。通过将实际轨迹数据与预测的滑行ETA进行对比分析，证明了本文预测航空器滑行ETA的准确性。
|
| 关 键 词： | 滑行预计到达时间预测 特征提取 历史轨迹数据 K-means算法 |
| 收稿时间： | 2020/7/2 0:00:00 |
| 修稿时间： | 2020/12/1 0:00:00 |
Prediction of Aircraft Taxiing Estimated Time of Arrival Based on Cluster Analysis |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《南京航空航天大学学报》浏览原始摘要信息 |
| 点击此处可从《南京航空航天大学学报》下载免费的PDF全文 |
