論文の概要: Helping Reduce Environmental Impact of Aviation with Machine Learning
- arxiv url: http://arxiv.org/abs/2012.09433v1
- Date: Thu, 17 Dec 2020 08:04:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-02 20:11:38.045686
- Title: Helping Reduce Environmental Impact of Aviation with Machine Learning
- Title(参考訳): 機械学習による航空の環境影響低減を支援する
- Authors: Ashish Kapoor
- Abstract要約: 我々は、フライトプランナーがより良い情報を使って効率的なルートを見つけることができるように、風速予測を改善することを検討する。
第2に,目的地への最高速経路を探索する航空機のルーティング手法を提案する。
- 参考スコア(独自算出の注目度): 19.162756764245497
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Commercial aviation is one of the biggest contributors towards climate
change. We propose to reduce environmental impact of aviation by considering
solutions that would reduce the flight time. Specifically, we first consider
improving winds aloft forecast so that flight planners could use better
information to find routes that are efficient. Secondly, we propose an aircraft
routing method that seeks to find the fastest route to the destination by
considering uncertainty in the wind forecasts and then optimally trading-off
between exploration and exploitation.
- Abstract(参考訳): 商業航空は気候変動への最大の貢献の1つである。
本稿では,飛行時間を短縮する解決策を検討することで,航空の環境への影響を低減することを提案する。
具体的には、まず風速予測の改善を検討し、飛行計画立案者がより効率的なルートを見つけるためにより良い情報を利用できるようにした。
第2に,風速予測の不確実性を考慮し,探索と搾取を最適に切り替えることで,目的地への最高速経路を探索する航空機のルーティング手法を提案する。
関連論文リスト
- Improving Air Mobility for Pre-Disaster Planning with Neural Network Accelerated Genetic Algorithm [26.061782031525652]
気象災害に関連する緊急作戦は、航空機と空港の両方での空輸に大きな課題をもたらす。
そこで本稿では,空港の運用スケジュールを事前に調整するためのフレームワークを提案する。
次に、避難計画のための新しいニューラルネットワーク(NN)高速化遺伝的アルゴリズム(GA)を提案する。
論文 参考訳(メタデータ) (2024-07-17T15:59:41Z) - A Foundation Model for the Earth System [82.73624748093333]
我々は、100万時間以上の多様なデータに基づいてトレーニングされた地球システムのための大規模な基盤モデルであるAuroraを紹介します。
オーロラは、大気の質、海波、熱帯のサイクロンの軌道、および専用システムよりも計算コストの桁違いの高解像度の天気予報において、運用上の予測を上回っている。
論文 参考訳(メタデータ) (2024-05-20T14:45:18Z) - Airport take-off and landing optimization through genetic algorithms [55.2480439325792]
本研究は, 航空機の運転における汚染問題に対処し, ゲート割り当てと滑走路スケジューリングを同時に最適化することに焦点を当てた。
本研究は,航空機の離陸・着陸時の燃料燃焼による汚染を最小化するための,革新的な遺伝的アルゴリズムに基づく手法を提案する。
論文 参考訳(メタデータ) (2024-02-29T14:53:55Z) - Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。
Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
論文 参考訳(メタデータ) (2022-05-13T21:55:28Z) - Phased Flight Trajectory Prediction with Deep Learning [8.898269198985576]
過去10年間で民間航空会社や民間機が前例のない増加を遂げたことは、航空交通管理の課題となっている。
正確な飛行軌跡予測は、安全かつ秩序ある飛行の決定に寄与する航空輸送管理において非常に重要である。
本研究では,大型旅客・輸送航空機の飛行軌道予測における最先端手法よりも優れた位相付き飛行軌道予測フレームワークを提案する。
論文 参考訳(メタデータ) (2022-03-17T02:16:02Z) - Deep Learning Aided Routing for Space-Air-Ground Integrated Networks
Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。
大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。
低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
論文 参考訳(メタデータ) (2021-10-28T14:12:10Z) - Predicting Flight Delay with Spatio-Temporal Trajectory Convolutional
Network and Airport Situational Awareness Map [20.579487904188802]
空港に適用可能な高い予測精度を実現するためのビジョンベースソリューションを提案する。
本稿では,状況認識マップから空間的情報と時間的情報の両方をキャプチャする,エンドツーエンドのディープラーニングアーキテクチャであるTrajCNNを提案する。
提案手法は,ロサンゼルス国際空港での発着遅延の予測に有効である(約18分遅れ)。
論文 参考訳(メタデータ) (2021-05-19T07:38:57Z) - T$^2$-Net: A Semi-supervised Deep Model for Turbulence Forecasting [65.498967509424]
空気の乱気流予測は、乗客の安全を保ち、効率を最大化し、コストを下げるガイドルートである有害な乱気流を避けるのに役立つ。
従来の予測手法は、動的で複雑な気象条件では効果の低い、高度にカスタマイズされた乱流指数に依存している。
本研究では,(1)複雑な時間的相関関係と(2)希少性,非常に限られた乱流ラベルが得られるという2つの課題から,機械学習による乱流予測システムを提案する。
論文 参考訳(メタデータ) (2020-10-26T21:14:15Z) - Flight Time Prediction for Fuel Loading Decisions with a Deep Learning
Approach [3.285168337194676]
航空は常に新しい技術を模索し、燃料消費を減らすために飛行を最適化している。
過剰な燃料は、燃料消費の不確実性を扱うために、派遣者や(または)パイロットによってロードされる。
我々は,より優れた飛行時間予測を実現するために,空間重み付きリカレントニューラルネットワークモデルを開発した。
論文 参考訳(メタデータ) (2020-05-12T11:05:42Z) - Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。
建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
論文 参考訳(メタデータ) (2020-04-25T22:54:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。