像飞行员一样预测：用于预测非塔台管制终端空域中社会意识飞机轨迹的数据集与方法

在无塔台管制空域中运行的飞行员依赖自身的态势感知能力和先验知识，来预测其他航空器未来的飞行轨迹。这些轨迹预测基于其他航空器的历史轨迹、航空器之间的社会交互行为，以及机场位置、天气等环境背景信息。本文提出一个名为 $\textit{TrajAir}$ 的数据集，用于捕捉在区域机场周边无塔台管制终端空域中航空器的行为特征。同时，本文还提出一种基线的社会化轨迹预测算法 $\textit{TrajAirNet}$，该算法利用该数据集对所有航空器的轨迹进行预测。$\textit{TrajAir}$ 数据集历时8个月，覆盖111天，包含ADS-B应答机数据及对应的METAR气象数据。数据经过处理后，可作为与其他公开社会导航数据集进行对比的基准。据作者所知，这是首个三维社会性空中导航数据集，标志着社会导航技术首次被引入自主航空领域。$\textit{TrajAirNet}$ 融合了当前最先进的社会导航模块，能够在静态环境背景下，对动态上下文中的航空器轨迹进行预测。本文提出的 $\textit{TrajAir}$ 数据集与 $\textit{TrajAirNet}$ 预测算法均为开源。相关数据集、代码库及演示视频可分别在以下网址获取：https://theairlab.org/trajair/、https://github.com/castacks/trajairnet、https://youtu.be/elAQXrxB2gw。