基于自生成深度神经网络的4D航迹预测

摘要：

针对四维(4D)航迹预测的实时性不强和存在迭代误差的问题,提出了一种自动生成的条件变分自动编码器(AutoCVAE).它以编码-解码的形式直接对未来一段时间的航迹进行预测,并能灵活选取观测点个数和预测步长.该方法以处理后的广播式自动相关监视(ADS-B)数据为引导,以减小预测误差为目标,通过贝叶斯优化的方法,在预定义的搜索空间内进行模型结构搜索,每一次的超参数取值都会参考之前的评估结果,使得每一次的模型结构都能向目标更靠近一点,最终实现了一个基于ADS-B数据的高精度的4D航迹预测模型.实验得出,所提模型能快速准确地进行航迹的实时预测,其中经纬度平均绝对预测误差(MAE)均小于0.03°,高度MAE小于30 m,各时刻点的时间误差也不会超过10 s,每次批量预测轨迹的延迟时间不超过0.2 s.

关键词：航迹预测、条件变分自动编码器、深度生成模型、数据挖掘、广播式自动相关监视

所属期刊栏目：41

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2021-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1492-1499