DA-STGCN：基于时空特征提取的4D轨迹预测
计算机视觉与模式识别
2025-03-14 v2 人工智能
摘要
4维（4D）轨迹预测在空中交通管控系统中的重要性日益凸显。冲突检测与解决、飞机异常监控以及拥挤航路的管理等关键操作日益依赖于这一基础技术，凸显了亟需智能解决方案的紧迫需求。机场终端区域和拥挤空域的动力学复杂且不断变化；然而，当前方法未充分考虑飞机之间的相互作用。为克服这些挑战，我们提出了DA-STGCN，这是一种集成双注意力机制的创新时空图卷积网络。我们的模型通过自注意力方法重构邻接矩阵，增强节点相关性的捕获，并利用图注意力提炼时空特征，从而生成预测轨迹的概率分布。这种以自注意力机制重构的新型邻接矩阵在网络训练期间动态优化，能够更细致地反映节点之间的相互关系，与传统算法相比更为精细。该模型在两个ADS-B数据集上的性能得到验证：一个位于机场终端区域，另一个位于密集空域。实验结果表明，相较于当前4D轨迹预测方法，DA-STGCN实现了显著改进，在平均位移误差（ADE）和最终位移误差（FDE）方面分别降低了20%和30%。双注意力模块的 incorporation 经过消融实验验证，显著增强了节点相关性的提取。
引用
@article{arxiv.2503.04823,
title = {DA-STGCN: 4D Trajectory Prediction Based on Spatiotemporal Feature Extraction},
author = {Yuheng Kuang and Zhengning Wang and Jianping Zhang and Zhenyu Shi and Yuding Zhang},
journal= {arXiv preprint arXiv:2503.04823},
year = {2025}
}