高效空域运营的预测服务架构

预测空中交通拥堵和流量管理对于航空公司和空域服务提供商（ANSP）至关重要，以提高运营效率。准确的未来机场容量和空域密度估计对于更好的空域管理、减少空中交通控制员的工作负担和燃料消耗、最终促进可持续航空业至关重要。虽然已有文献解决了这些挑战，但由于航空交通数据的巨大规模和高速率，数据管理和查询处理仍然复杂。许多分析用例需要通用的预处理基础设施，因为临时方法已不足。此外，线性预测模型往往不够，需要更先进的技术。本文提出了一种数据处理和预测服务架构，用于摄取大量不相关且噪声较大的流式数据，以预测未来空域系统状态。该系统持续收集原始数据，定期压缩并存储在 NoSQL 数据库中以实现高效查询处理。对于预测，该系统从历史交通数据中提取关键特征，如机场到达和离望事件、sector 边界跨越、天气参数以及其他空域数据。这些特征输入到各种回归模型中，包括线性模型、非线性模型和集成模型，选取表现最佳的模型进行预测。我们在美国国家空域系统（NAS）和欧洲部分空域的三个预测用例中评估了该基础设施，使用大量真实运行数据，确认该系统能够高效且准确地预测未来系统状态。