从飞行轨迹与程序推断终端空域交通模型
机器学习
2025-05-29 v3
摘要
逼真的飞机轨迹模型在空管（ATM）系统的设计与验证中十分有用。在仪表飞行规则（IFR）下运行的飞机模型需要捕捉飞机遵循标准飞行程序时固有的变异性。飞机行为的变异性在不同飞行阶段有所不同。本文中，我们提出了一个简单的概率模型，可从雷达监视数据收集的程序数据和飞行轨迹中学习这种变异性。对于每个航段，我们使用高斯混合模型来学习飞机轨迹相对于其程序的偏差。给定新程序，我们通过从高斯混合模型中采样一系列偏差，并利用偏差与程序重建飞机轨迹，从而生成合成轨迹。我们将该方法扩展以捕捉飞机间的两两相关性，并展示如何使用两两模型生成涉及任意数量飞机的交通。我们在约翰·肯尼迪国际机场的进场轨迹与程序上演示了所提出的模型。使用不同变量的经验分布之间的Jensen-Shannon散度评估了原始与合成轨迹数据集之间的分布相似性，并给出了合成轨迹的定性分析。
引用
@article{arxiv.2303.09981,
title = {Inferring Traffic Models in Terminal Airspace from Flight Tracks and Procedures},
author = {Soyeon Jung and Amelia Hardy and Mykel J. Kochenderfer},
journal= {arXiv preprint arXiv:2303.09981},
year = {2025}
}