基于自注意力机制与高斯混合变分自编码器的飞行轨迹聚类方法研究
张召悦1
李莎2
鲍水达3
1.中国民航大学空中交通管理学院,天津 300300;中国民航大学科技创新研究院,天津 3003002.中国民航大学空中交通管理学院,天津 3003003.中国民航大学科技创新研究院,天津 300300
摘要：为精确识别飞行轨迹的运行模式,提出了一种基于自注意力机制(SA)与高斯混合变分自编码器(GMVAE)的飞行轨迹聚类方法.SA-GMVAE 是一种端到端的深度聚类方法,GMVAE 利用变分推断估计每条轨迹的潜在分布,将输入的飞行轨迹数据映射到由多个高斯分布组成的潜在空间,同时依据轨迹分布特征进行聚类.考虑到 GMVAE 无法兼顾潜在特征的全局关键信息,将自注意力机制嵌入到编码器中,以便于在特征提取时能够捕获全局依赖关系并自动分配权重,突出关键特征,提升轨迹聚类效果.最后,以天津滨海国际机场的进场飞行轨迹数据集为例验证了模型的有效性,实验结果表明:SA-GMVAE 相较于 K-means、DBSCAN、DTW+HDBSCAN、AE+DP 与 AE+GMM 5 种聚类方法,轮廓系数分别提高了 27.6%、20.2%、18.2%、18.6%、15.7%;与未引入自注意力机制的 GMVAE 聚类模型相比,轮廓系数提高了 9.5%,能够更准确地对飞行轨迹进行聚类.
关键词：飞行轨迹模式识别变分自编码器自注意力机制
分类号：V355(航空港（站）、机场及其技术管理)
资助基金：国家重点研发计划(KJZ25420200012)中央高校基本科研项目(3122022105)
论文发表日期：2025-02-24
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 25-33 )
英文信息