典型文献
基于注意力循环网络的4D轨迹预测模型
文献摘要：
针对传统的轨迹预测方法很难获取轨迹的时空特征、实现高精度和实时预测等问题,提出了一种基于注意力机制的4D轨迹预测模型ARTP(Attentional Recurrent Trajectory Prediction).首先,采用正则化方法对各飞行轨迹进行重构,得到等时间间隔的无噪声高质量飞行轨迹;其次,使用长短期记忆(Long Short-Term Memory,LSTM)对飞机飞行轨迹进行时空特征提取;最后,利用注意力机制来捕获飞行历史轨迹中的多层次周期性.该模型有效地利用了周期性的性质来增强LSTM的活动性预测.在真正的广播式自动相关监视系统(Automatic Dependent Surveillance-Broadcast,ADS-B)历史轨迹数据上进行实验和同类方法进行对比,ARTP模型的均方根误差比CNN-LSTM模型低21.04％.实验结果表明,基于注意力机制的飞机轨迹预测模型能够取得更高精度的预测结果.
文献关键词：
空中交通管理;4D轨迹预测;深度学习;注意力机制;长短期记忆(LSTM)
中图分类号：
作者姓名：
代翔
作者机构：
中国西南电子技术研究所,成都610036
文献出处：
引用格式：
[1]代翔-.基于注意力循环网络的4D轨迹预测模型)[J].电讯技术,2022(01):39-45
A类：
B类：
循环网络,4D,轨迹预测,实时预测,注意力机制,ARTP,Attentional,Recurrent,Trajectory,Prediction,正则化方法,飞行轨迹,时间间隔,长短期记忆,Long,Short,Term,Memory,飞机飞行,时空特征提取,历史轨迹,活动性,广播式自动相关监视,监视系统,Automatic,Dependent,Surveillance,Broadcast,ADS,轨迹数据,空中交通管理
AB值：
0.392166
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
