来源：期刊VIP网 时间：
作者：张召悦;李莎;鲍水达;
单位：中国民航大学空中交通管理学院;中国民航大学科技创新研究院;
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
基金资助：国家重点研发计划项目(KJZ25420200012);; 中央高校基本科研项目(3122022105)
