基于图卷积神经网络的滑行时间预测研究

为准确预测滑行时间,提出一种基于机场场面运行态势演变的图卷积神经网络预测方法。首先,根据机场场面航空器时空分布情况,从路段流量、路段密度、路段速度等多角度构建交通态势指标体系;其次,利用主成分分析法对指标进行降维处理并利用K-means算法实现对机场场面路段的态势等级划分,绘制机场场面时空分布热力图;最后,利用图卷积神经网络(GCN)结合门控循环单元(GRU)来获取场面路段特征数据的时空特征,将GRU作为解码器预测输出滑行时间。以深圳宝安国际机场AirTOP仿真数据为例,对所提出的方法进行了分析和验证,并获得了符合预期的预测结果。实验结果表明,该方法在预测滑行时间方面具有有效性。