随着航空业的快速发展，空中交通流量日益增大，航班运行的复杂度和安全风险也随之增加。飞机航迹预测作为空中交通管理的关键技术之一，对于保障航班安全、提高空中交通效率具有重要意义。
本文对飞机航迹预测的背景和意义进行了详细的阐述，明确了飞机航迹预测在空中交通管理中的重要作用。其次，本文对国内外研究现状进行了全面的调研和分析，了解了当前飞机航迹预测领域的研究动态和发展趋势。从技术、业务逻辑和实现功能的角度，详细介绍了基于人工智能的飞机航迹预测系统的设计与实现。包括数据收集与预处理、特征工程、模型选择与训练、预测结果评估与分析以及系统实现与验证等关键环节。通过与实际飞行数据的对比验证，证明了系统的预测准确性和实时性。还展示了基于人工智能的飞机航迹预测系统在实际应用中的几个关键功能，如飞行距离和飞行时间的散点图、不同天气条件下航班数量的饼状图以及飞行信息预测等。这些功能展示了系统的实用性和有效性，为空中交通管理提供了有力的支持。
作为大数据分析系统，数据采集、数据处理、数据分析和数据可视化是基于人工智能的飞机航迹预测系统具备的基本素质。除此之外，本系统在用户交互方面做到了傻瓜式一键交互，按下按键，功能完成。数据抓取、数据存储、数据导入、数据清洗、数据预处理、数据分析、数据挖掘和数据可视化等种种功能都不在话下，通过GUI图形操作界面摆脱了繁琐的实现过程。
5.1 数据爬取的设计
数据爬取作为本系统的数据来源方式，采用python爬虫技术，具有速度快、规模大、性价比高的特点，直接影响到了系统最后整体呈现的准确性和稳定性。下面从数据爬取的流程设计、具体实现对模块进行详细说明。
 |
系统数据爬取流程设计下图5-1所示。
图5-1 数据爬取流程
模块开始运行后，主要执行四个步骤
(1) 发起请求：通过HTTP库向目标站点发起请求，即发送一个Request请求，请求中可以包含额外的headers、params等信息，通常大部分网站是不欢迎爬虫的，所以需要获取User-Agent来伪装成headers。整个过程相当于作为一个浏览器客户端，向服务器端发送一次请求，服务器再通过request对象的相关方法获取系统所需要的数据。
(2) 获取相应内容：果请求发送成功，服务器正常响应，会得到一个Response，Response的内容就是所要获取的内容，其中包含目标站点网页信息， HTML、Json字符串，二进制数据等等。
(3) 解析内容：将得到的Response内容进行解码和解析，本系统转换为Json格式数据，根据其特点，返回一个包含多个字典的列表engine_jds。
(4) 保存数据：将解析后的数据提取出需要字段，将数据进行保存，存储为CSV文件保存在windows本地。
5.2 数据分析实现
数据分析是系统实现价值最重要的一环，对数据进行清洗和预处理后，用适当的统计分析方法对采集的大量飞机航迹预测系统信息数据进行分析，并对其加以汇总和理解消化，提炼出系统所需要的信息。下面从分析的流程设计、具体实现对模块进行详细说明。
首先使用PySpark远程连接上的Spark集群，构造SparkConf，设置Master地址和AppName，连接HDFS分布式文件系统，读取抓取到的源数据，对源数据中的重复值和缺失值进行处理。关键部分代码下表5-1所示。
表5-1 数据分析关键代码
|
5.3 数据可视化的设计与实现
数据可视化在系统中起到利用图形化手段，清晰有效地传达与沟通信息的作用，它根据数据集特征生成能反应数据特色的可视化图表，包括词云图、柱状图、饼图、波形图等。根据可视化图表的不同，用户可以对数据进行多维度的观察，它根据不同需求将数据集构成数据图的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，从而从数据中获取更多信息价值。数据可视化的设计直接影响了系统最后呈现效果的好坏。
5.3.1 数据可视化流程设计
 |
系统数据可视化流程设计下图5-3所示。
图5-2 数据可视化流程
模块开始运行后主要执行几个步骤：
(1) 导入数据集：将处理分析完成的数据集导入Echarts框架。
(2) 根据数据特征创建图形报表：根据数据集的特性，创建相应图形报表，包括词云图、柱状图、饼图、波形图等。
(3) 可视化结果展示：将根据数据集生成的可视化结果通过Vue展示在Web端。
(4) 用户交互、感知：用户基于数据大屏对飞机航迹预测系统信息数据进行进一步的了解和交互感知。
