李桂毅，郭铭宇，罗一帆

(南京航空航天大学a.民航/飞行学院；b.航空学院，南京211106)

0 引言

航路网络交通拥挤带来的航班延误直接影响空中交通运行安全与效率.传统解决空中交通拥挤的方法主要是控制起飞时间或飞行间隔，其决策缺乏精确的交通态势信息支持，效果欠佳.如何快速、精准地识别航路网络交通拥挤状态与节点，进而制定交通拥挤的管控策略已成为重要研究课题.

在空中交通领域，徐肖豪[1]提出了基于FCM(Fuzzy C-means Clustering)算法的终端区交通拥挤状态评价方法，Jiang[2]基于复杂网络构建了空中交通拥挤识别模型，李善梅[3]提出了基于灰色聚类算法的交叉航路拥挤识别模型，张兆宁[4]提出了交通拥挤判定方法及不同交通状态下交通流参数阈值区间，李桂毅[5]等提出了基于FCM与粗糙集理论的多扇区交通拥挤识别模型；在地面交通领域，Eleonora[6]提出了基于车辆或驾驶员手机GPS数据的道路交通拥挤探测方法，Felix[7]提出了基于浮动车数据和时空聚类算法的地面路网交通拥挤识别方法，Wang[8]建立了基于神经网络的道路通行时间预测模型，预测路网交通拥挤状态，董春娇[9]基于交通流率、速度和占有率等参数和SVM算法建立了城市快速路网交通状态的判别模型，Kumar[10]基于人工神经网络模型实现城市高速公路交通流参数的短时预测.以上成果为航路网络交通拥挤识别研究奠定了较好基础.

航路网络交通易受恶劣天气、军航活动等诸多因素影响，具有非线性、多变性……