从飞行轨迹和程序中推断终端空域的交通模型
摘要：现实的飞机轨迹模型对于航空交通管理（ATM）系统的设计和验证非常有用。在仪表飞行规则（IFR）下操作的飞机模型需要捕捉飞机按照标准飞行程序的固有变化性。飞机行为的变化性在各个飞行阶段之间存在差异。在本文中，我们提出了一种可以从程序数据和雷达监视数据收集的飞行轨迹中学习变异性的概率模型。对于每个段落，我们使用高斯混合模型来学习飞机轨迹与其程序之间的偏差。给定新的程序，我们可以通过从训练的高斯分布中采样一系列的偏差，并使用这些偏差和程序重构飞机轨迹来生成合成轨迹。我们扩展了这种方法，以捕捉飞机之间的成对相关性，并展示了如何使用成对模型来生成涉及任意数量飞机的交通。我们在约翰·肯尼迪国际机场的到达轨迹和程序上展示了所提出的模型。通过使用不同变量的经验分布之间的Jensen-Shannon散度来评估原始轨迹数据集和合成轨迹数据集之间的分布相似性。我们还对从模型生成的合成轨迹进行了定性分析。
作者：Soyeon Jung and Mykel J. Kochenderfer
论文ID：2303.09981
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-09-01