买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学

摘要：本发明属于机场场面冲突态势预测领域，具体涉及一种基于GNN‑LSTM的机场场面离港冲突态势预测方法及系统。本发明的预测方法包括：基于航空器场面滑行规则，识别潜在冲突热点并构建冲突网络作为结构特征；获取仿真数据，定义潜在冲突的关键指标，构建交通特征数据集；构建GNN‑LSTM模型；将构建的构建交通特征数据集中的数据划分为训练集、测试集和预测集；调整模型参数，将提取的结构特征与交通特征输入GNN‑LSTM模型进行训练、测试，直至输出指标收敛，并进行时序预测，获得模型预测性能指标结果。本发明可以根据历史N个时间片的场面离港冲突态势，预测下一时间片的场面离港冲突态势。通过GNN‑LSTM模型输出预测误差指标MAE和RMSE，发现均比单一时间序列模型LSTM预测误差更低。

主权项：1.一种基于GNN-LSTM的机场场面离港冲突态势预测方法，其特征在于，包括：基于航空器场面滑行规则，识别潜在冲突热点并构建冲突网络作为结构特征；获取仿真数据，定义潜在冲突的关键指标，构建交通特征数据集；构建GNN-LSTM模型；将构建的构建交通特征数据集中的数据划分为训练集、测试集和预测集；调整模型参数，将提取的结构特征与交通特征输入GNN-LSTM模型进行训练、测试，并进行时序预测，获得模型预测性能指标结果；所述识别潜在冲突热点并构建冲突网络的方法包括：简化机场场面滑行道结构；滑行路径绘制；潜在冲突热点识别；提取有方向无权重的场面滑行冲突网络图G＝V，E，A，其中：V＝{v1,v2,···vn}表示图的节点集合；E表示边的集合，每条边e都连接两个节点vi和vj，表示为e＝vi,vj；A＝{0,1}n×n表示邻接矩阵，当两个节点之间有连线为1，无连线为0；所述构建交通特征数据集的方法包括：通过目标机场场面仿真实验获取基础滑行数据并进行数据预处理；定义潜在冲突关键指标；获取包含时序的各潜在冲突热点流量、潜在冲突次数特征；所述潜在冲突关键指标包括：潜在冲突区域范围半径r、航空器进入潜在冲突区域间隔时间Δt；所述GNN-LSTM模型包括引入注意力机制的图神经网络GNN和长短期记忆网络LSTM；其中所述图神经网络GNN采用双层GAT层，将输入的历史时间s的场面潜在冲突次数X应用于第一层GAT，并通过ELU激活函数激活，对经过激活函数的结果应用于第二层GAT，完成冲突网络拓扑结构的解析。

全文数据：

权利要求：

百度查询： 南京航空航天大学 基于GNN-LSTM的机场场面离港冲突态势预测方法及系统