近年来,随着我国经济的快速发展,民航运输需求的日益增长,机场业务量不断增加,拥堵问题日趋严重,现有的场面资源已经无法满足不断增加的场面需求。在有限的场面资源条件下,滑行冲突也逐渐增多,管制员的工作负荷和难度越来越大。实现空管数字化管制服务、创建机场高级场面引导系统,建设智慧民航已成为目前航空业发展的主导趋势。本文对现有解决机场场面冲突问题方法进行了研究分析,对场面滑行过程中航空器优先级进行排序,并且对比了机器学习中三种算法的优缺点,提出了基于机器学习的航空器调速策略,建立了智能调速模型。以交叉道口作为智能体对象,航空器的运动学参数作为状态空间,将道口停等指令作为动作空间,并设计了多目标奖励值函数来提高模型的综合性能。为了验证所提方案的有效性,本文以绵阳南郊机场为仿真场景,首先对单交叉道口固定航空器进行实验,结合实际滑行过程中可能出现的各类冲突,采用单个神经网络进行速度调控,冲突解脱的成功率可达到100%。随后增加航空器,每条滑行道上的航空器连续随机生成,冲突解脱的成功率依然可达到100%。在考虑二次冲突的前提下,利用两个独立的神经网络通过对航空器的速度控制以达到连续道口冲突解脱,实现双道口协同控制。并且通过与人工实验的对比,单道口和连续道口通行效率分别提高了37.2%和25.56%。通过本文提出的模型,减少场面冲突的发生,有效的提高机场场面运行效率,从而扩大场面容量,进一步提高场面管理的自动化水平。