大面积航班延误问题一直以来都是民航运输业一大难题,随着行业的迅速发展,大面积航班延误问题日渐突出,恶劣天气、空域繁忙、机场设施故障等较差的外界条件,都会造成大面积航班延误,从而导致空中交通网络流系统发生拥堵。拥堵的识别和预测是进行流量管理的基础,本文主要从拥堵识别、拥堵程度评估、拥堵预测和拥堵程度预测这几个方面展开研究:首先,在空中交通网络流系统概念的基础上,给出了基于空中交通网络流系统的大面积航班延误界定以及拥堵的定义;对拥堵的量化指标和分类进行了分析,根据容量、流量和流量需求的关系将空中交通网络流系统的状态分为了正常、拥挤和拥堵三种,将拥堵程度细分为轻微拥堵、拥堵和严重拥堵;对拥堵特征属性如拥堵时间、地点进行了分析。为接下来的研究提供理论基础。然后,基于拥堵度指标建立拥堵识别模型,判断出系统是否发生拥堵;基于机场和航线建立了拥堵程度评估指标体系,使用熵值法求出指标权重,建立了基于模糊综合评价法的拥堵程度评估模型,分别进行了算例分析。为拥堵的定量描述提供了科学依据。最后,建立了遗传算法优化BP神经网络的拥堵度预测模型,结合拥堵识别算法,预测出系统以及系统内的机场和航线在未来某时段是否发生拥堵;建立了基于遗传算法优化BP神经网络的拥堵评估参数的预测模型,结合拥堵程度评估模型,预测得到系统及系统内所有机场和航线的拥堵程度。分别进行了算例分析。