基于集成学习算法的航路网络航段交通拥挤识别方法研究

摘要：

基于航路网络ADS-B航迹数据定义航路网络航段交通流量、航段交通密度、航段交通饱和度、航段交通接近率4项交通拥挤状态评价指标;采用模糊C均值聚类算法和航段历史交通拥挤状态评价指标参数划分航段交通拥挤状态等级;结合集成学习算法构建航路网络航段交通拥挤状态识别模型,实现航段交通拥挤状态的识别.实证分析表明:航路网络交通拥挤状态集成学习识别模型对实验航路网络航段交通拥挤状态识别准确率达到98.34％,采用决策树基学习器优于k近邻基学习器,且增加的集成学习基学习器数量可提升模型的识别精度;集成学习识别模型的识别性能优于BP神经网络模型,识别方法符合实际且具有应用价值.

关键词：航空运输、交通拥挤识别、集成学习、航路网络、模糊C均值聚类

所属期刊栏目：20

分类号：U8(航空运输)

资助基金：国家自然科学基金/;National Natural Science Foundation of China;国家级大学生创新创业训练计划项目/;National Innovation and Entrepreneurship Training Program for College Students;南京航空航天大学2018年度实验技术与开发项目/;Experimental Technology and Development Project of NUAA in 2018

在线出版日期：2020-05-11（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：166-173