机场是民用航空运输中重要的一环，随着航空运输业的发展，机场场面也日益繁忙和拥挤起来。如何在现有的机场布局基础上，通过新的科技手段，在保证安全的前提下，提高机场场面运行的效率，是民航可持续发展的一个重要问题。本文以机场场面的路径诱导为研究对象，对驾驶决策建模、分布式微观交通仿真平台和高级场面运动引导控制系统（A-SMGCS）的原型系统进行了研究。主要内容及取得的研究成果总结如下：1、基于模糊推理的驾驶决策建模研究。以实测数据为基础，从输入输出数据中辨识模糊模型，在分析驾驶特点的基础上，将驾驶决策过程划分为若干个局部子过程，用最小二乘法对局部数据进行线性化拟合，从而构建出整个TSK（Takagi-Sugeno-Kang）模型；采用遗传算法对TSK模糊模型进行超参数标定，针对局部数据量不足的情况做了特殊处理，实现了复杂模型的参数校准；采用基于二值逻辑的产生式规则系统，作为TSK模型的补充，提出了基于混合规则系统的驾驶决策模型，通过添加非常见驾驶条件下的定性规则，增强了驾驶决策模型的鲁棒性和适用范围。2、基于支持向量机的驾驶决策建模研究。针对建模时先验知识不足以构建满足精度要求模型的情况，以及不关心模型的物理解释性的情况，提出放弃先验的模型假设，转而采用统计学习理论的方法，来构建满足精度要求的模型。为此目标，讨论了机器学习的基本问题，介绍了经验风险最小化原则和结构风险最小化原则，描述了支持向量机（SVM）的分类和回归算法。以实测跑车实验数据为样本数据，在确定一组能唯一标识驾驶状态的参数之基础上，建立了基于SVM的驾驶决策模型。针对SVM的惩罚系数C和核参数σ的优化问题，将粒子群算法应用于该优化问题，提高了SVM驾驶决策模型的精度。3、基于多智能体（MAS）的分布式微观交通仿真平台研究。针对微观交通仿真软件缺乏对机场场面支持的现状，提出了基于MAS的微观交通仿真平台，面向机场场面仿真的实际需求，设计了分布式开放仿真平台的框架；为了不让底层交通设施的复杂性干扰到仿真系统的其他Agent设计与实现，设计了一种易于扩展的环境信息感知方法，该方法针对驾驶决策Agent如何获取环境信息的问题，抽象出与具体底层实现无关的查询接口，从而使系统具备了兼容其他MAS系统的能力；在兼容IEEE FIPA标准的同时，应用移动Agent技术，有效地减少了主机间的通信量，提高了仿真平台的性能；采用灵活的系统配置方式，根据具体的机场布局分配主机负载，充分利用分布式系统的处理能力。4、A-SMGCS原型系统硬件设计与实现。以A-SMGCS的系统需求为前提，分解出原型系统的主要功能，提出了A-SMGCS原型系统的主体框架；对车载终端的硬件平台进行设计和选型，采用ARM11作为主芯片，辅以外围芯片及I/O接口，连接GPS模块和WLAN模块，组成了车载终端的硬件基础；在此基础上，移植了U-Boot、Linux内核及驱动，加上BusyBox、SQLite、QtE等常用的第三方库，为后续应用层软件的开发打下了坚实的基础。5、A-SMGCS原型系统软件设计与实现。利用JSCORS实现了电子地图的测绘，对原始的经纬度坐标进行投影得到平面直角坐标，并对卫星栅格图进行配准，提出了适用于车载终端导航的地图数据结构；分析了简单告警算法的不足，考虑车辆沿指定路径行驶的事实，以车辆沿路径到达冲突区域的距离，作为告警判断的依据，给出了沿路径告警算法；采用C/S模式组织监控中心与车载终端的通信，利用UDP多播和多线程技术，实现了高效的线程化UDP服务器模块；利用Python语言和PyQt库的跨平台性，实现了跨平台的监控中心，完成了网络收发、路径规划、区域指定、动态信息显示等主要功能。6、A-SMGCS原型系统仿真验证研究。在本校江宁校区测绘得到的电子地图基础上，通过人为添加停止线、限制区、道路节点等场面交通设施的方式，虚拟出一个用于仿真的机场场面环境，为后续的原型系统验证提供一个可控的场景；通过原型系统在可控的简单场景下的跑车数据来训练驾驶决策模型，应用到仿真平台中来验证其有效性；设计了典型的A-SMGCS使用场景，结合仿真平台，测试原型系统的各项主要功能；仿真结果表明，原型系统满足主要功能的设计要求，能为机场场面的运行提供安全和高效的支持。