基于DTW的K-medoids扇区交通特征聚类研究

随着航空运输需求的不断增加,交通运行模式日渐复杂,空管系统的运行压力与日俱增。如何在满足发展需求的基础上,提升空管系统的运行效能成为业内关注的热点。本文筛选扇区交通特征行为指标,统计不同指标的时间序列。针对时间序列的高维属性,选取了基于DTW的K-medoids聚类算法,识别了15个扇区样本在各扇区交通特征指标下的聚类结果。实例分析表明,基于时间序列的聚类方法可以识别多个扇区在单个交通特征下的分布模式,最终为交通行为多样化分析需求提供有效手段和依据。