多智能体倒置Transformer用于飞行轨迹预测
机器学习
2026-02-06 v2
摘要
多 aircraft 飞行轨迹预测是关键任务，提供航班在当前空中交通流中的导航方式的重要洞察。然而，预测多智能体飞行轨迹本质上具有挑战性。一个主要难点是建模航班随时间的个体行为以及复杂的航班间相互作用。生成可解释的预测结果也是挑战。因此，我们提出一种多智能体倒置Transformer，MAIFormer，作为预测多智能体飞行轨迹的新型神经网络架构。该框架包含两个关键注意力模块：(i) 掩码多变量注意力，捕获单个航班的时空模式；(ii) 智能体注意力，建模复杂空中交通场景中多个智能体的社交模式。我们使用来自韩国仁川国际机场终端空域的真实世界自动依赖监视广播（ADS-B）飞行轨迹数据集对MAIFormer进行评估。实验结果表明，MAIFormer在多个指标上实现了最佳性能，优于其他方法。此外，MAIFormer生成的预测结果从人类角度可解释，提高了模型的透明度及其在航空交通管控中的实际实用性。
引用
@article{arxiv.2509.21004,
title = {Multi-Agent Inverted Transformer for Flight Trajectory Prediction},
author = {Seokbin Yoon and Keumjin Lee},
journal= {arXiv preprint arXiv:2509.21004},
year = {2026}
}
备注
11 pages, 8 figures, submitted for IEEE Transactions on Intelligent Transportation System