民航发展面临的关键问题之一为如何提升机场运行效率,以满足不断发展的民航运输需求。尽管基础设施的扩建对提高机场运行效率,增大机场容量十分有效,但通常成本昂贵且周期较长。因此,如何在不改变物理构型的前提下,革新场面运行管理技术和规则,挖掘容量潜力与实现机场场面资源优化配置已是机场场面运行增效的关注焦点和主流手段。本文在分析国内外研究的基础上,深入分析和探讨了滑行路径编码与智能分配技术。首先在既定的航班计划和场面网络结构下,考虑航空器的滑行特点建立K-最短路径模型,在跑道和停机位之间建立K条可用的滑行路径集;在此基础上,考虑机坪区域运行规则、航空器性能、安全间隔、计划推出/到达机位时间和计划起飞/着陆时间等约束,以时间窗内整个场面滑行时间最小为目标,建立基于路径集的滑行路径动态优化模型,并设计改进的遗传-禁忌搜索算法对模型进行求解,确定设定时间窗内每架航空器的最优滑行路径;其次,探讨路径数量与滑行效率之间的关系,确定滑行路径优选集;接着应用基于深度学习的自编码器开展滑行路径编码研究,找出滑行路径简单合理的表达方式,并与实际运行相对应,同时能够提高后续算法学习性能;再次分析影响滑行路径分配的因素,提取机场场面交通量、滑行航空器关键点计划时间、进离场比例,机位使用分布等机场场面交通状态特征量,并分析路径使用情况与场面交通需求特征之间的关系;从次设计场面运行随机环境,包括航班计划、机位分配计划、滑行速度等,应用滑行路径动态优化模型进行大量实验,获得随机场景下的航空器优化滑行路径,作为输入数据;然后采用随机森林算法抽象构建交通状态与优化路径选择之间的映射关系,进而建立具有可操作性和可靠性的编码路径分配决策推理机制。最后,为了验证本文提出的两阶段滑行路径编码与智能分配模型的可靠性和优越性,针对南京禄口国际机场开展实例验证。结果表明,本文提出的滑行路径优化、编码和智能分配模型能够有效提高航空器场面滑行效率,并且能够为管制员在分配航空器的滑行路径时提供有效的决策指导和依据。