基于生成对抗网络的三维空间民航轨迹预测模型

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：民航轨迹数据存在采样时间不均匀、空间维度量纲不一致的问题，并且现有轨迹预测方法主要面向行人、车辆等地面交通轨迹，适用于三维空间中的民航轨迹预测方法较少。针对上述问题，提出一种基于生成式对抗网络的三维空间民航轨迹预测模型。该模型对民航轨迹数据重采样以统一采样间隔，消除不同量纲影响;使用数据中的时序特征和不同目标之间的交互信息生成预测轨迹。实验表明，与传统轨迹预测方法相比，该模型在ADE指标上降低了 29％以上，验证了模型在三维空间民航轨迹预测中的有效性。

外文标题：3D FLIGHT TRAJECTORY PREDICTION MODEL BASED ON GENERATIVE ADVERSARIAL NETWORK

外文摘要：Flight trajectory data has the problems of uneven sampling time and inconsistent spatial dimension.Moreover,the existing trajectory prediction methods are mainly oriented to ground traffic trajectory such as pedestrians and vehicles,and there are few flight trajectory prediction methods applicable to three-dimensional space.To address the above problems,this paper proposes a prediction model for 3D flight trajectory based on generative adversarial network.The model resampled the flight trajectory data to unify the sampling time interval and eliminate the influence of extreme variation between different spatial dimension.The time series characteristics in the data and the interaction information between different targets were used to generate the predicted trajectory.Experiments show that compared with traditional trajectory prediction methods,the proposed model reduces the ADE by more than 29％,which verifies the effectiveness of the model in the prediction of flight trajectory in 3D space.

外文关键词：

Trajectory predictionFlight trajectoryLSTMGenerative adversarial network

作者：

曹建制、佟强、陈玉立、刘秀磊

展开 >

作者单位：

北京信息科技大学数据科学与情报分析实验室北京 100101

关键词：

轨迹预测民航轨迹长短时记忆网络生成对抗网络

基金：

国家重点研发计划项目国家重点研发计划项目网络文化与数字传播北京市重点实验室开放课题项目北京信息科技大学勤信人才项目(2020)面向边缘计算的创新科研平台建设项目

项目编号：

2017YFB14004022018YFC0830202ICDDXN0062020KYNH105

出版年：

2024

DOI：

10.3969/j.issn.1000-386x.2024.07.011

计算机应用与软件

上海市计算技术研究所上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心

影响因子：0.615

ISSN：1000-386X

年,卷(期)：2024.41(7)