基于GMM的航班轨迹预测算法研究

航班轨迹预测是空中交通管理与仿真技术的基础.针对现有预测方法预测精度和稳定性不足的问题,提出了一种基于历史雷达数据和机器学习方法的轨迹预测算法.算法首先基于概率统计模型(高斯混合模型)对航班运行过程中的相邻时刻的相对位置偏移量进行建模;随后,以该航班的历史飞行轨迹为训练数据采用期望最大化的机器学习算法优化模型参数.概率统计模型学习真实运行环境下同一航班的飞机运动模式,能更准确地描述航班在飞行过程的随机性.在已学习到概率统计模型的基础上,采用序贯蒙特卡洛思想采样航班各时刻的相对位置偏移向量序列.针对特定的航班轨迹预测,使用起飞机场的跑道位置和标高信息与预测的航班位置偏移量预测航班在各个更新时刻的位置信息并形成最终的航班轨迹.算法中预设模型参数更新机制,包含预测误差超过阈值、定时和手动更新.将提出的算法运用在某大型空中交通流量管理系统中,大量真实历史数据实验表明:与传统的运动学方法和回归模型相比,本文算法能得到更加准确和平稳的航班轨迹预测结果.