http://bhxb.buaa.edu.cnjbuaa@buaa.edu.cnDOI:10.13700/j.bh.1001-5965.2021.0568基于度量学习的机场交通态势弱监督评估杜婧涵1，2，胡明华1，2，张魏宁1，2，尹嘉男1，2，*(1.南京航空航天大学民航学院，南京211106；2.国家空管飞行流量管理技术重点实验室，南京211106)摘要：为准确感知机场场面运行环境，提出基于度量学习的交通态势弱监督评估方法。根据机场场面航空器的时空分布类型，从交通流量、起降队列、资源需求等视角构建交通态势指标体系；借鉴度量学习范式，利用预先定义的相似集和不相似集自动学习态势样本之间的距离度量；在此基础上，采用K均值算法实现弱监督条件下交通态势的等级划分。以上海浦东国际机场实际运行数据为例，分析并验证所提方法的有效性。实验结果表明：起始时刻离场瞬时流量、离场累计流量、离场跑道队列长度及进场累计流量的距离系数大于0.5，对场面态势影响较大；与基于欧式距离的K均值算法相比，度量学习将最优轮廓系数提升了33.3%，得到符合预期语义的聚类结果；此外，机场的平均滑行时间越长、跑道配置越复杂，其场面交通态势等级越高。关键词：航空运输；机场拥堵；态势评估；度量学习；聚类分析中图分类号：V351文献标志码：A文章编号：1001-5965（2023）07-1772-07随着航空运输业的蓬勃发展和机场新改扩建工作的逐步推进，大型繁忙机场的航班起降需求不断增长，这使得空中交通管理面临巨大压力。机场作为航空运输网络的关键节点和航班起降活动的直接场所，其场面交通态势的好坏直接影响整体运行效率[1-3]。同时，航路航线结构、扇区结构、空域灵活使用策略等不断优化，使得交通拥堵正由空域转移到机场[4-5]，进一步加大了机场场面调度和拥堵控制的难度。因此，为科学把握场面交通运行情况，准确识别交通态势关键影响因素，有力支撑场面活动的精细化管理，亟需对交通流特征进行建模，并对交通态势进行综合评估。针对机场交通态势评估问题，李善梅等[6]从机场容量和需求方面构建拥堵态势指标，并利用神经网络分类方法对饱和度表示的拥堵等级进行预测。谢燕雯[7]应用模糊层次分析法确定以起降效率、机场资源利用率为代表地运行态势影响因素的权重，在此基础上，采用问卷调查方式将场面交通态势划分为3个等级，并用马尔可夫模型对其预测。由于缺少大量的客观运行数据支撑，此类主观层面的等级划分方法说服力不强。此外，由于飞机滑行时间能在一定程度上反映场面拥堵态势情况，Balakrishna等[8-9]基于离场交通...
