近些年国内民航产业飞速发展,日益增加的航空运输需求使得有限的空域愈发拥挤,给空中交通管理系统带来了新的挑战。新一代ADS-B空管技术顺应新的挑战而出现,使得我们通过成本低廉的ADS-B接收机就能获得海量的民航飞行数据,对这些数据的研究和挖掘也将为构建新一代空中交通管理系统提供新的探索角度。而空中飞机流量数据更是未来密集型空中交通的关键信息。本文聚焦于空中交通管理领域中的空中飞机流量数据的研究挖掘,通过建立基于ADS-B技术的地面接收平台收集到的大量真实民航飞行数据进行空中飞机流量信息的研究。首先,本文通过在南京邮电大学三牌楼校区科学会堂顶部架设ADS-B全向接收天线,来收集南京及周边空域的真实民航ADS-B数据。并与中国民航大学合作接入ADS-B数据云平台,最终获取了覆盖华东华北地区的详尽民航真实数据。在此数据的基础之上,本文进行了一系列的数据处理工作获得规整的ADS-B数据集,并通过网络爬虫技术融合了各类其他飞行相关数据。相较传统的飞机流量研究使用的仿真数据和原始ADS-B数据,本文得到了包含了航班计划、起降机场信息和气象信息的多维度的民航数据集,更具有实际意义和研究价值。其次,本文在民航数据集的基础之上挖掘空域飞机流量的相关信息。结合空域飞机流量统计的不同应用场景,提出了基于ADS-B数据的两种空域飞机流量统计方法,分别应用在机场空域场景和飞机航路空域场景。该飞机流量统计方法理论上可以根据不同的时间粒度和空间范围进行飞机流量的统计,本文按小时时间粒度进行飞机流量统计并开展了一些可视化工作,分析了不同航路空域的流量态势和时序特征。最后,为了捕获航路流量随时间的非线性关系,本文以航路流量统计数据构建了民航流量数据集,并以此为基础提出了基于LSTM和SVR的两种机器学习算法的航路飞机流量预测模型。结果显示LSTM模型较SVR模型有着更好的预测性能,具体体现在LSTM模型表现出更低的RMSE值和预测残差分布情况。目前的飞机流量预测研究工作仅仅以流量和时间类信息作为预测模型的输入,本文在此基础上还引入了气象相关的数据,并通过设置对照实验以评价气象相关信息对航路飞机流量的影响。对照实验结果显示,添加了气象信息后,预测模型的RMSE值得到了有效降低,并且提高了预测模型残差的控制能力。