民航业的快速发展为民用航空运输机场带来了大量的起降航班和乘客的同时,影响了民用运输机场的运行效率,增加了机场管制人员的工作负荷。全国大量的运输机场运行效率降低,航班延误率增长。为缓解民用运输机场的延误,提高航空运输效率,本文对机场场面航空器滑行路径进行优化。将机场重要的组成部分之一的滑行道与民航“十四五”规划要求相结合进行研究,在保证安全的前提下提高机场运行效率,建设绿色机场,降低航空公司运营成本。本文研究的是如何利用机器学习优化航空器滑行路径,首先对所选机场的道面承载强度进行分析,解释航空器在机场的运行限制。之后再利用马尔可夫决策过程研究机器学习模型,其后再分析传统的Dijkstra（迪杰斯特拉）算法规划路径和Q-learning算法规划路径的过程,最后基于Q-learning（Q-学习）的理论进行编程,利用机器学习规划武汉天河国际机场滑行路径,并与基于该机场的Dijkstra算法规划出的路径进行对比分析。本文利用马尔可夫决策过程解决滑行道路径优化问题中,先将武汉天河机场运行限制加入到航空器路径优化的研究中,利用贝尔曼（Bellman）方程简化马尔可夫决策问题,之后再对机器学习实例进行分析,通过对机场结构图进行处理,在该机器学习实例的基础上构建基于武汉天河国际机场的栅格环境图,即进行机场结构图与栅格图的转换。在利用Q-learning算法构建路径规划模型中,基于武汉天河国际机场进行路径规划,分别分析该机场单架进港（离港）航空器的路径规划问题、单架进港（离港）航空器基于场面部分滑行道临时关闭情况下的航空器路径规划问题以及进港（离港）航空器基于避障情景下的航空器路径规划问题。综上所述,本文对基于机器学习的航空器场面滑行路径优化做了一定量的研究,为进一步提升滑行道容量,提升机场场面容量,减少管制员工作负荷做出了重要的贡献。