陆空通话是空中交通管制中最基本的工作模式,具有自然、灵活与沟通便捷的特点,保障了空中交通的运行安全高效。管制员与飞行员之间和谐默契的通话在很大程度上可规避人为因素带来的危害。利用计算机替代飞行员席位进行指令应答,对于提高空中交通管制员训练效率与逼真度具有重要的现实意义。首先,本文分析了陆空通话对话结构和语言特征,针对不同自然语言处理任务构建了相应数据集:陆空通话词典、陆空通话指令比较集、陆空通话语料数据集,利用陆空通话语料数据集生成了特定陆空通话词向量,可有效表征空管指令语义。其次,针对陆空通话独特性、专业性特点和现有标注材料缺乏的问题,提出了针对陆空通话词向量的特殊评价方法。利用基于K-Means的概念分类方法对词向量进行内部评估,浅层证明词向量表征语义和区分单词类别的作用;利用基于siamese网络的相似度计算模型进行外部评估,从侧面佐证词向量对下游原理相似的自然语言处理任务的有效性。最后,基于seq2seq网络构架建立了陆空通话对话模型,利用陆空通话词向量进行训练,从准确率、训练时长等4个方面对模型效果进行了评估;针对基础对话模型数值指令回答易出错和指令数据覆盖不全等缺陷,提出了结合深度学习与陆空通话语法规则的改进对话模型,进一步提升了模型效果,回答准确率由93.1%上升至95.7%,训练时长缩短了1小时33分钟。满足了输入管制员指令即得到正确飞行员应答的需要。管制员飞行员人机对话系统可实现管制培训中飞行员席位的自动化,同时作为实现空管智能化的一个前进方向值得更加深入的研究。本文针对陆空通话特殊用语构建了改进的对话系统,对话系统在飞行进离场阶段表现出了良好的效果,具有较高的回答准确率。