申请/专利权人：北京航空航天大学

申请日：2024-02-04

公开（公告）日：2024-04-12

公开（公告）号：CN117690318B

主分类号：G08G5/00

分类号：G08G5/00;G06N3/049;G06N3/042;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本发明涉及一种基于空中交通时空动态图的交通流量预测方法，属于空中交通管理技术领域，本发明提供的交通流量预测方法，在航路网络的静态图基础上将航班和航路点作为网络节点，通过实时航班运行数据建立空中交通连续时间动态运行图，使用附带时间戳的飞行事件序列表征图网络的动态变化，并针对航迹规划受到危险天气、飞行冲突等多方面因素影响的问题，引入实时运行中的流控信息作为动态图航路点节点特征，融合表征飞行航迹、空域结构、气象环境等多视角信息，进而通过时间图网络模型进行图表示学习，从实时航班运行数据和流控信息中挖掘航班航路规划与流量调控规律，将空中交通时空运行图表示为低维的稠密向量，实现了交通流量的精细化预测。

主权项：1.一种基于空中交通时空动态图的交通流量预测方法，其特征在于，具体步骤如下：步骤1、建立空中交通时空运行动态图；步骤2、获取航班航迹数据和流控信息，将航班航迹数据和流控信息处理为飞行事件；多个飞行事件构成飞行事件串；步骤3、基于空中交通时空运行动态图和飞行事件建立交通流量预测数据集；将交通流量预测数据集分为训练集和测试集；步骤4、使用训练集数据训练时间图神经网络模型获得更新模型，具体步骤为：步骤41、将初始时刻空中交通时空运行动态图输入时间图神经网络模型编码器的记忆单元，获得节点的初始状态；步骤42、基于飞行事件串和空中交通时空运行动态图建立行消息传播和消息聚合模型；步骤43、基于步骤41获得的节点初始状态，使用步骤42的聚合消息模型对节点状态进行更新获得节点的节点更新状态；步骤44、使用节点更新状态生成节点的时序嵌入表示，获得空中交通时空运行动态图的低维稠密向量表示；步骤45、将编码器生成的低维稠密向量表示输入时间图神经网络模型的解码器，获得更新模型；步骤5、将测试集数据输入更新模型进行交通流量预测。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种基于空中交通时空动态图的交通流量预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD