张兆宁，张莹莹，冀姗姗

（1.中国民航大学空中交通管理学院，天津 300300；2.中国民用航空华东地区空中交通管理局飞行服务中心，上海 200335）

大面积航班延误为机场、空管、航空公司等民航单位带来严峻挑战。目前，造成大面积航班延误的原因较多，如恶劣天气、空域繁忙、机场设施故障、军事活动等，都会造成机场或航线的容量下降，从而产生容量和流量需求之间的矛盾，导致空中交通网络流系统（ATNFS，air traffic network flow system）发生拥堵。若能预先向流量管理部门发布拥堵等级，则可提前采取相应措施，进行流量控制，提高ATNFS 的运行效率。

国内外学者采用不同方法进行空中交通状态预测。在国外，Tu 等[1]使用统计方法分析空中交通延误的长、短期模式；Rehwald 等[2]提出了机场交通拥堵的概念，即进离场和扇区流量需求与容量不匹配的状态；Lee 等[3]使用多元线性回归分析方法创建预测模型，对由天气导致的交通拥堵变化进行评估；文献[4-5]针对航班延误预测问题，先后提出了基于长短时记忆法的递归神经网络预测模型和一种结合天气数据的机器学习模型，后者可预测由恶劣天气条件引起的航空公司延误；Liu 等[6]利用随机森林算法构建了交通拥堵预测模型；文献[7]提出一种预测和评估机场到达运行状态的方法，研究结果表明，对机场延误和拥堵影响最大的因素包括到达过程的饱和程度、时间段和气象条件。

在国内，李善梅等[8]针对机场拥挤问题，提出基于聚类神经网络的拥挤等级预测模型；……