| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 注释表 | 第11-12页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 空中交通运行仿真方面研究 | 第15页 |
| 1.2.2 机器学习研究方面 | 第15-17页 |
| 1.3 本文的主要研究工作 | 第17-18页 |
| 1.4 本文的内容安排 | 第18-20页 |
| 第二章 管制员行为分析以及相关技术理论综述 | 第20-28页 |
| 2.1 管制员行为分析 | 第20-21页 |
| 2.2 Agent技术理论研究 | 第21-23页 |
| 2.3 深度学习 | 第23-25页 |
| 2.4 强化学习 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 管制员Agent通信及冲突探测解脱行为模块构建 | 第28-47页 |
| 3.1 管制员Agent的通信行为模块 | 第28-29页 |
| 3.2 管制员Agent冲突探测行为模块 | 第29-35页 |
| 3.2.1 航空器运动模型 | 第29-32页 |
| 3.2.1.1 垂直运动模型 | 第29-31页 |
| 3.2.1.2 水平运动模型 | 第31-32页 |
| 3.2.2 冲突探测行为模块 | 第32-35页 |
| 3.3 基于深度学习的智能冲突调配行为模块 | 第35-45页 |
| 3.3.1 历史雷达轨迹数据预处理 | 第36-38页 |
| 3.3.2 DBN分类器 | 第38-40页 |
| 3.3.2.1 DBN历史雷达轨迹分类器结构 | 第38页 |
| 3.3.2.2 DBN模型网络深度 | 第38-39页 |
| 3.3.2.3 DBN模型单元类型及数量 | 第39-40页 |
| 3.3.3 RBM和DBN训练过程 | 第40-44页 |
| 3.3.3.1 RBM预训练过程 | 第40-42页 |
| 3.3.3.2 DBN训练过程 | 第42-44页 |
| 3.3.4 冲突解脱方法提取模块 | 第44-45页 |
| 3.3.4.1 扇区历史雷达轨迹和当前轨迹的对比分析 | 第44-45页 |
| 3.3.4.2 提取冲突探测结果的评估优化 | 第45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 基于强化学习的管制员Agent学习行为模块构建 | 第47-54页 |
| 4.1 Agent学习行为 | 第47-48页 |
| 4.1.1 监督学习和无监督学习 | 第48页 |
| 4.1.2 强化学习 | 第48页 |
| 4.2 基于深度强化学习的管制员Agent学习行为模块 | 第48-53页 |
| 4.2.1 深度学习的冲突调配感知 | 第49页 |
| 4.2.2 强化学习的冲突调配决策 | 第49-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 管制员Agent各行为模块仿真验证 | 第54-67页 |
| 5.1 仿真环境构建 | 第54-58页 |
| 5.1.1 开发环境选择 | 第54页 |
| 5.1.2 数据库 | 第54-57页 |
| 5.1.2.1 基础数据库 | 第54-55页 |
| 5.1.2.2 历史轨迹数据库 | 第55-56页 |
| 5.1.2.3 输出记录数据库 | 第56-57页 |
| 5.1.3 仿真平台 | 第57页 |
| 5.1.4 冲突场景构建 | 第57-58页 |
| 5.2 管制员Agent行为验证 | 第58-66页 |
| 5.2.1 管制员Agent通信行为模块验证 | 第58页 |
| 5.2.2 管制员Agent冲突探测及解脱行为模块验证 | 第58-65页 |
| 5.2.2.1 同航迹冲突探测解脱 | 第59-61页 |
| 5.2.2.2 逆向航迹冲突探测解脱 | 第61-63页 |
| 5.2.2.3 交叉航迹冲突探测解脱 | 第63-65页 |
| 5.2.3 管制员Agent学习行为模块验证 | 第65-66页 |
| 5.3 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-68页 |
| 6.1 本文总结 | 第67页 |
| 6.2 工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 在学期间的研究成果及发表的学术论文 | 第73页 |
