基于条件生成对抗网络的扇区复杂度评估

摘要

扇区复杂度作为管制员工作负荷和动态空域配置的重要参考依据,需要事先准确地对其进行评估.本文针对有监督复杂度数据集存在的小样本问题,提出基于条件生成对抗网络的扇区复杂度评估框架.首先,构建交通流量、航空器性能和潜在冲突这3类复杂度指标,并结合主观复杂度等级得到标定样本;其次,利用条件生成对抗网络设计有标记样本生成算法,获得增广数据集;最后,分别采用逻辑回归、支持向量机和随机森林算法建立复杂度评估模型.以中南区域扇区为例,从定性和定量的视角验证生成样本的有效性,并在多种训练集配置下对比各模型评估结果.研究结果表明:条件生成对抗网络在200次迭代后逐步收敛至稳定;生成样本与真实样本的绝大多数指标在均值上的相对误差小于5％,在标准差上的相对误差大于5％;在多分类评价指标下,增广数据集对3种模型整体评估精度分别提升11.77％、11.04％和8.34％.本文提出的评估框架可以在有限数据条件下提高样本多样性,是解决扇区复杂度评估问题的一种有效方法.