基于注意力循环网络的4D轨迹预测模型

作者：代翔^*

来源：电讯技术, 2022, 62(01): 39-45.

• 空中交通管理
• 4D轨迹预测
• 深度学习
• 注意力机制
• 长短期记忆(LSTM)

针对传统的轨迹预测方法很难获取轨迹的时空特征、实现高精度和实时预测等问题,提出了一种基于注意力机制的4D轨迹预测模型ARTP(Attentional Recurrent Trajectory Prediction)。首先,采用正则化方法对各飞行轨迹进行重构,得到等时间间隔的无噪声高质量飞行轨迹;其次,使用长短期记忆(Long Short-Term Memory, LSTM)对飞机飞行轨迹进行时空特征提取;最后,利用注意力机制来捕获飞行历史轨迹中的多层次周期性。该模型有效地利用了周期性的性质来增强LSTM的活动性预测。在真正的广播式自动相关监视系统(Automatic Dependent Surveillance-Broadcast, ADS-B)历史轨迹数据上进行实验和同类方法进行对比,ARTP模型的均方根误差比CNN-LSTM模型低21.04%。实验结果表明,基于注意力机制的飞机轨迹预测模型能够取得更高精度的预测结果。