随着我国民用航空运输业的飞速发展,航班流量持续增长,其中终端区航班流量增长尤其显著,加重了管制部门的工作负担,可能导致安全隐患,因此有必要对终端区航空器异常行为的识别展开研究。对终端区航空器异常行为的识别,不仅是研发高效辅助决策系统的前提,还可以为空管人员提供有效的决策方案。本文采用数据挖掘技术中的聚类分析完成了基于监视数据的终端区航空器轨迹分类,在轨迹分类的基础上结合统计学方法完成了终端区航空器异常行为的识别。首先,介绍了终端区雷达数据的分类及其特点,给出了终端区雷达数据的处理方法;在总结了不同领域的轨迹相似性模型度量方法的基础上,构建了基于速度修正系数的轨迹相似性模型;采用基于速度修正系数的轨迹谱聚类对终端区的航空器轨迹进行了分类实验。然后,在聚类分析的基础上,考虑航空器轨迹位置、速度和高度等因素,提出了终端区航空器位置异常和终端区航空器能量高度异常的定义,给出了终端区航空器异常行为的识别方法。最后,在统计分析数据的基础上,通过计算数据分布的特征,得到中心轨迹和异常轨迹识别的阈值,从而识别出航空器轨迹位置异常和航空器能量高度异常,并对识别结果进行了分析。实验表明基于速度修正系数的航空器轨迹谱聚类能够实现对航空器轨迹的合理划分;在分类基础上结合统计学方法的航空器异常行为识别能够识别终端区内的航空器异常行为。