典型文献
大型机场场面交通拥堵状态等级预测
文献摘要：
随着地面延误程序的实施,空中交通压力逐渐向地面转移,持续增长的地面运行压力对机场场面管制措施提出了更高更科学的要求.预测机场场面拥堵状态变化规律,设定拥堵状态等级是科学制定机场场面管制措施的重要基础之一.通过对场面拥堵状态分析确定场面拥堵影响因素,并设定场面拥堵状态等级,基于遗传算法优化的长短时记忆网络(genetic al-gorithm-long short term memory networks,GA-LSTM)算法对跑道头排队架次、主滑行道延误时间、机动区延误时间进行预测并与LSTM算法进行比较,最后,使用模糊C均值聚类算法(fuzzy C-means,FCM)确定预测的拥堵状态数据聚类中心,对拥堵状态进行分类以确定场面拥堵状态等级.研究表明,对场面跑道头排队架次、主滑行道延误时间、机动区延误时间预测的均方根误差分别为1.18架次、1.85 s、2.11 s,该预测结果能够为战略级层面管制决策提供依据.本文所提出的方法对大型机场系统均具有可操作性,可提前预知拥堵可能产生的区域及时段,为管制员提供决策支持,提高空中交通系统的运行效率.
文献关键词：
航空运输;拥堵等级预测;LSTM;FCM聚类;机场场面;场面拥堵
中图分类号：
作者姓名：
徐川;朱新平;瞿菁菁;陈洪浩
作者机构：
中国民用航空飞行学院空管学院, 广汉618300
文献出处：
引用格式：
[1]徐川;朱新平;瞿菁菁;陈洪浩-.大型机场场面交通拥堵状态等级预测)[J].科学技术与工程,2022(35):15825-15831
A类：
场面拥堵,延误时间预测,拥堵等级预测
B类：
大型机场,机场场面,面交,交通拥堵,着地,空中交通,运行压力,管制措施,高更,状态变化,状态分析,遗传算法优化,长短时记忆网络,genetic,al,gorithm,long,short,term,memory,networks,GA,跑道,头排,排队,架次,滑行道,机动区,均值聚类,聚类算法,fuzzy,means,FCM,状态数据,数据聚类,聚类中心,预知,管制员,决策支持,交通系统,航空运输
AB值：
0.261841
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。
