Con la creciente complejidad de las operaciones en superficie en grandes aeropuertos, el riesgo de conflicto para las aeronaves en rodaje ha aumentado correspondientemente. Por lo general, los Controladores de Tráfico Aéreo (ATCOs) generan instrucciones de ruta, velocidad y espera para resolver conflictos. En este documento, introducimos un marco de resolución de conflictos que incorpora conocimiento previo al integrar una red neuronal de Perceptrón Multicapa (MLP) en el enfoque de Búsqueda de Árbol de Monte Carlo (MCTS). La red neuronal se entrena para aprender la estrategia de asignación para el tiempo de espera extraído de datos reales de trayectorias de rodaje de aeronaves. Posteriormente, la distribución de probabilidad de acción generada con la red neuronal se incorpora en el algoritmo MCTS como una función de evaluación heurística para guiar el proceso de búsqueda en la búsqueda de la estrategia óptima de resolución de conflictos. Los resultados experimentales muestran que la tasa promedio de resolución de conflictos es del 96.8% en diferentes escenarios de conflicto, y el tiempo de rodaje requerido para resolver conflictos se reduce en un promedio del 42.77% en comparación con el tiempo de rodaje en las operaciones reales en superficie del aeropuerto.