基于度量学习的飞机环境影响细分改进

准确建模飞机环境影响对于设计缓解负面航空环境影响的操作程序和政策至关重要。飞机环境影响细分是一个基于一组飞机特征对具有相似环境影响特征的飞机类型进行聚类的过程。这一做法有助于用不足的飞机噪声与性能模型对大量飞机类型建模，并增进对航空环境影响的理解。通过度量飞机类型间的相似性，距离度量是飞机细分的核心。传统的飞机细分方式使用朴素距离度量，并在无监督聚类过程中对所有特征赋予相等权重。本工作中，我们利用弱监督度量学习以及关于飞机燃油消耗、排放和噪声的部分信息，学习用于飞机环境影响细分的加权距离度量。我们在综合案例研究中表明，量身定制的距离度量确实能使飞机细分更好地反映飞机的实际环境影响。该度量学习方法有助于改进航空中若干类似的数据驱动分析研究。