.png){kind=icon}
返回
AirTraj-Diff: Generating Aircraft Trajectory With Conditional Diffusion Probabilistic Model
.png){kind=icon}
PRE
AI
DOI：10.1109/TITS.2025.3622626.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
终端区概率性飞机轨迹模型，若能反映真实世界分布，可显著促进冲突检测、性能分析和风险评估。然而，由于空中交通固有的不确定性、终端区内复杂的时空相关性以及多样化天气条件的影响，对这些分布进行建模并生成逼真轨迹面临重大挑战。本文提出一种基于扩散模型的方法来学习终端区飞机轨迹分布，能够生成与真实数据分布相似的高质量轨迹。这通过有效结合扩散模型的生成能力与从真实轨迹中提取时空特征的能力实现。具体而言，我们提出了一种飞机轨迹扩散网络结构，该结构整合了UNet深度神经网络以捕捉多级噪声估计，并准确建模轨迹数据中固有的不确定性。此外，我们采用了一个条件生成模块，该模块融入气象信息，使模型能够学习天气条件与轨迹分布之间的相关性。基于真实终端区数据集的实验表明，本模型可生成与现实分布高度吻合的逼真轨迹。对比结果在各项评估指标上均显示优于现有方法。
Keyword:
Air traffic management
trajectory probability model
generative model
diffusion model
trajectory generation
期刊
IF:
8.4
论文数:
9.7K
被引数:
6.3W
机构
引用论文
分享收藏
分享收藏Aircraft Trajectory Clustering in Terminal Airspace Based on Deep Autoencoder and Gaussian Mixture Model基于深度自编码器和高斯混合模型的终端空域飞机轨迹聚类.png)
Aerospace
OAAI
AerospaceIF0
OAAI分享收藏分享收藏
查看更多内容