随着空中交通流量的持续增长,空域拥堵问题日益严重。流量管理是解决交通需求和容量不平衡的主要手段之一,而流量管理决策需要基于空域运行态势的客观准确判断。空域运行态势受空域结构、交通流分布、不利气象条件、空域限制等多重因素影响,且大部分因素会随时间演变,各因素相互交织,作用关系复杂。已有的多项研究分别从指标体系,评价方法等方面进行探索,但尚未形成统一的空域运行态势评价标准。本文针对空域运行态势客观评价问题,基于历史雷达航迹、气象雷达信息和流量控制信息,采用机器学习方法开展评价模型研究工作。通过对我国扇区运行现状分析,总结梳理了扇区结构、交通流以及不利天气等三类影响扇区运行态势的关键要素。基于文献分析,结合影响要素分析,构建初始评价指标体系。采用北京和上海共8个扇区的雷达航迹数据、气象雷达信息为基础,以6分钟为时间片,构建指标样本集,从信息重要度和重叠度两方面入手,采用灰关联、层次分析法、病态系数法等多种方法对初始指标体系进行定量筛选,通过比选,确定包含11项关键指标的最终评价指标体系。基于流量控制信息和低交通量信息,客观地赋予空域运行状态样本的饱和态与自由态标签,构建训练样本集。采用多层感知机模型进行训练,实现空域运行状态的二分类判别。实验结果表明:基于多层感知机的空域态势评估模型训练完毕的训练精度达到99.8%,测试精度为99.1%,通过对比实验证明,精度高于支持向量机、逻辑回归的预测模型。此外,本文采用未纳入样本集的新扇区数据做通用性实验,实验结果表明:模型对于饱和状态的识别准确率为97.9%,自由状态的识别准确率为99%,模型泛化能力较强,饱和态与自由态划分清晰。基于基准标签下的样本数据,获得自由态和饱和态样本的聚类中心,采用度量学习的方法,区别于传统欧氏距离,基于马氏距离计算度量矩阵得到中间态到自由态与饱和态样本的距离关系,赋予中间态样本伪标签,以连续型值输入的形式构建回归样本集,建立基于多层感知机的空域态势评估回归模型,设计3类不同条件下的通用性实验,实验结果表明在已知扇区数据信息的条件下,建立单扇区评估模型,模型的适用性最强。以上海20扇为样本集建立模型,模型对于饱和状态的识别准确率为94.6%,自由状态的识别准确率为85.8%,将中间态划分两档,准确率分别为97.1%,94.6%。最后通过与管制员打分的结果对比,实验证明模型预测值与管制员评估结果具有中度相关性,模型的适用性得证。在可获取飞行轨迹预测数据和未来气象变化趋势的条件下,本文的研究工作能够支持对未来空域运行态势进行客观预测,可为空中交通流量管理系统提供辅助决策支持。