基于时间 VQ-VAE 的合成飞机轨迹生成

在现代空中交通管理中，生成合成航班轨迹已成为解决数据稀缺、保护敏感信息并支持大规模分析的有前景的解决方案。本文提出了一种新方法，通过改造基于时间的向量量化变分自编码器（TimeVQVAE）来实现轨迹合成。我们的做法利用时频域处理、向量量化和基于 Transformer 的先验模型，来捕捉航班数据中的全局与局部动态。通过对潜在空间进行离散化并集成 Transformer 先验，模型学习长程时空依赖关系，并在整个航路路径上保持一致性。我们使用广泛的质量、统计和分布指标评估了改造后的 TimeVQVAE，并在开源空中交通模拟器中进行可飞行性评估。结果表明，TimeVQVAE 在空间精度、时间一致性和统计特性方面均优于基于时序卷积的 VAE 基线。此外，模拟器基于评估显示，大多数生成的轨迹保持操作可行性，尽管偶发异常值凸显了可能需要额外领域特定约束的潜力。总体而言，我们的发现凸显了多尺度表征学习在捕捉复杂航班行为方面的重要性，并证明了 TimeVQVAE 在生产代表性合成轨迹方面的前景，这些轨迹可用于下游任务，如模型训练、空域设计和空中交通预测。