基于多模态时空特征融合的终端区交通拥堵精细化预测

作     者：李善梅 宋思霓 王红勇 王端阳 赵末 

作者机构：中国民航大学空中交通管理学院 

出 版 物：《北京航空航天大学学报》 (Journal of Beijing University of Aeronautics and Astronautics)

年 卷 期：2024年

核心收录：

学科分类：03[法学] 08[工学] 0838[工学-公安技术] 0306[法学-公安学] 

基　　金：国家自然科学基金(52202404) 天津市应用基础多元投入基金(21JCZDJC00840) 中央高校基本科研业务费专项资金(312202YY02) 

主　　题：航空运输 拥堵预测 深度学习 交通流网络 四维航迹 

摘      要：为提升对终端区未来交通态势把握的准确性和精细化，提出一套基于多模态时空特征融合的交通拥堵预测方法。从航空器滞留和管制负荷角度，采用交通流聚类技术，提出一种考虑交通流异质性的交通拥堵指数计算方法；将终端区空域进行四维时空区块划分，以时空区块为节点，构建动态邻接网络和交通流网络，表征终端区多模态的动态空间相关特征；提出一种基于三维卷积神经网络（3DCNN）-图卷积网络（GCN）-门控循环单元（GRU）的终端区交通拥堵预测模型。采用北京终端区航迹数据进行模型验证，结果表明：所提方法优于经典基线模型，与45min和60min时间尺度相比，30min预测效果最好，相较于历史平均模型(HA)、指数加权平均模型(EMA)、支持向量机回归模型(SVM)，均方根误差（RMSE）和平均绝对误差（MAE）分别下降21%和57%、38%和72%、19%和51%；相较于只学习邻接空间特征、只学习交通流空间特征、改用长短时记忆（LSTM）学习时间特征，所提模型的RMSE和MAE分别下降36%和40%、6%和8%、2%和2%；预测结果表明，航迹越复杂的区域，其预测误差越大，且随空域高度的上升，预测误差呈现出先增大后减小的变化规律。