Flight Trajectory Representation Learning Model Based on Self-Supervised Learning

Lu, Gaoyong

doi:10.1007/s42405-026-01218-3

Flight Trajectory Representation Learning Model Based on Self-Supervised Learning

2026-05-01

0

PRE

AI

DOI：10.1007/s42405-026-01218-3

原文链接

摘要

En 中文

轨迹预测是现代空中交通管理和空战机动决策的基础。然而，在处理长序列时，传统深度学习模型在一般训练范式下难以捕捉长期依赖关系，导致数据表示不精确和长距离预测误差显著累积。为解决这些挑战，本文提出了一种基于自监督学习的轨迹表示学习（TRL）模型。该模型采用两阶段学习策略：利用创新的异步掩码模块进行自监督预训练，学习内在时空依赖关系和物理约束，随后进行针对特定预测任务的微调。通过集成多尺度卷积编码器，模型有效提取多级轨迹特征并抑制误差发散。该模型通过民用飞行轨迹数据集实验进行验证。在真实民用航空数据集上的实验结果表明，TRL显著优于现有基线模型。此外，TRL在零样本和少样本场景下表现出优异的泛化能力和鲁棒性，有效缓解了过拟合和误差累积的风险。

Keyword:

Flight trajectory prediction

Self-supervised learning

Few-shot learning

Pre-training model

Flight Trajectory Representation Learning Model Based on Self-Supervised Learning

摘要

期刊

机构

引用论文