.png){kind=icon}
返回
FlightDiff: a dual-constraint guided two-phase diffusion framework for accurate flight prediction
.png){kind=icon}
PRE
AI
DOI：10.1007/s10707-025-00559-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
精确的飞行轨迹预测和可靠的到达时间估计对于提升现代空中交通管理的安全性和效率至关重要，因为微小的偏差可能导致显著的操作中断和安全风险。现有的数据驱动预测方法通常忽略明确的操作约束，导致与规定航路的系统性偏差以及预测时间跨度增大时的渐进性误差增长。本文提出FlightDiff，一种基于扩散的新型框架，通过整合双约束引导生成物理一致且符合操作要求的飞行轨迹。通过将飞行计划航路点作为局部约束，FlightDiff确保对管制空域的精确遵守，而全局目的地约束则保持与整体飞行目标的一致性。该框架采用两阶段扩散过程：第一阶段强制执行局部和全局约束以实现物理合理性，第二阶段使用单一约束优化预测以平衡精度和灵活性。共享变分自编码器（VAE）有效将密集飞行轨迹和稀疏航路点数据编码为统一的潜在表示，显著增强时空一致性，同时降低先前工作所需的计算开销。在来自中国青岛（2024年5月至7月）大规模真实飞行数据集上的广泛评估表明，FlightDiff在各类预测时间跨度中均优于现有最先进方法，在轨迹预测和到达时间估计方面表现出色，展示了FlightDiff对下一代数据驱动空中交通管理系统的变革潜力。此外，消融实验表明，共享VAE、双约束机制和两阶段去噪计划各自提供了互补的、逐步的性能提升。
Keyword:
Diffusion-based prediction
Dual-constraint guidance
Air traffic management
Variational autoencoder
Spatiotemporal coherence
期刊
G
IF:
2.6
论文数:
21
被引数:
813
机构
引用论文
S. Yang, L. Liu, B. Chen, S. Cheng, Z. Shi, Z. Zou, Goodflight: Goal-oriented diffusion model for flight trajectory prediction, IEEE Transactions on Aerospace and Electronic Systems (2025).S. Yang, L. Liu, B. Chen, S. Cheng, Z. Shi, Z. Zou, Goodflight: 目标导向的飞行轨迹预测扩散模型，IEEE Transactions on Aerospace and Electronic Systems (2025)..png)
IF0
PREAI
分享收藏
Multi-Scale Detection of Anomalous Spatio-Temporal Trajectories in Evolving Trajectory Datasets
PREAI
分享收藏
查看更多内容