論文の概要: A Simplified Framework for Air Route Clustering Based on ADS-B Data
- arxiv url: http://arxiv.org/abs/2107.12869v1
- Date: Wed, 7 Jul 2021 08:55:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-01 14:03:07.227732
- Title: A Simplified Framework for Air Route Clustering Based on ADS-B Data
- Title（参考訳）: ADS-Bデータに基づく空路クラスタリングの簡易化
- Authors: Quan Duong, Tan Tran, Duc-Thinh Pham, An Mai
- Abstract要約: 本稿では,ADS-Bデータに基づく空港間の典型的な航空路の検出を支援する枠組みを提案する。
実のところ,エアフロー最適化の計算コストを実質的に低減するために,我々の枠組みを考慮に入れることができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The volume of flight traffic gets increasing over the time, which makes the
strategic traffic flow management become one of the challenging problems since
it requires a lot of computational resources to model entire traffic data. On
the other hand, Automatic Dependent Surveillance - Broadcast (ADS-B) technology
has been considered as a promising data technology to provide both flight crews
and ground control staff the necessary information safely and efficiently about
the position and velocity of the airplanes in a specific area. In the attempt
to tackle this problem, we presented in this paper a simplified framework that
can support to detect the typical air routes between airports based on ADS-B
data. Specifically, the flight traffic will be classified into major groups
based on similarity measures, which helps to reduce the number of flight paths
between airports. As a matter of fact, our framework can be taken into account
to reduce practically the computational cost for air flow optimization and
evaluate the operational performance. Finally, in order to illustrate the
potential applications of our proposed framework, an experiment was performed
using ADS-B traffic flight data of three different pairs of airports. The
detected typical routes between each couple of airports show promising results
by virtue of combining two indices for measuring the clustering performance and
incorporating human judgment into the visual inspection.
- Abstract（参考訳）: 飛行トラフィックの量は時間とともに増加するため、戦略的トラフィックフロー管理は、トラフィックデータ全体をモデル化するために大量の計算リソースを必要とするため、難しい問題のひとつとなっている。
一方、ads-b(automatic dependent surveillance- broadcast)技術は、飛行士と地上管制スタッフの両方に、特定の地域における航空機の位置と速度について安全かつ効率的に情報を提供する有望なデータ技術であると考えられている。
そこで本稿では,ADS-Bデータに基づく空港間の典型的な航空路の検出を支援するための簡易な枠組みを提案する。
具体的には、空港間の飛行経路の減少に寄与する類似性対策に基づき、フライトトラフィックを主要なグループに分類する。
実のところ,我々の枠組みは,空気流最適化の計算コストを実質的に低減し,運用性能を評価するために考慮することができる。
最後に,提案手法の適用可能性を示すために,3つの異なる空港のADS-B交通便データを用いて実験を行った。
検出された2つの空港間の典型的な経路は、クラスタリング性能を測定するために2つの指標を組み合わせて視覚検査に人間の判断を取り入れることで有望な結果を示す。
関連論文リスト
- Aircraft Trajectory Segmentation-based Contrastive Coding: A Framework for Self-supervised Trajectory Representation [3.621265249995015]
本稿では,航空機軌道に基づくコントラスト符号化(ATSCC)を紹介する。
ATSCCは航空交通トラジェクトリデータ中の意味情報をキャプチャするために設計された、新しい自己教師型時系列表現学習フレームワークである。
実験は3つの異なる空港のデータセットで行われ、合計4つのデータセットが得られた。
論文 参考訳（メタデータ） (2024-07-29T14:04:46Z) - 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) - Integrating spoken instructions into flight trajectory prediction to optimize automation in air traffic control [20.718663626382995]
現在の航空交通管制システムでは、交通予測のための音声指示を考慮できない。
本稿では,制御意図を情報処理ループに統合する自動化パラダイムを提案する。
3段階のプログレッシブ・マルチモーダル・ラーニング・パラダイムを提案する。
論文 参考訳（メタデータ） (2023-05-02T08:28:55Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - 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) - Wireless-Enabled Asynchronous Federated Fourier Neural Network for
Turbulence Prediction in Urban Air Mobility (UAM) [101.80862265018033]
垂直離着陸機(VTOL)が配車サービスに使用される都市空力(UAM)が提案されている。
UAMでは、航空機はエアロドロムを繋ぐ廊下として知られる指定空域で運用することができる。
GBSと航空機間の信頼性の高い通信網により、UAMは適切に空域を利用することができる。
論文 参考訳（メタデータ） (2021-12-26T14:41:52Z) - Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。
本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。
本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
論文 参考訳（メタデータ） (2021-11-17T21:48:31Z) - Deep Reinforcement Learning Aided Packet-Routing For Aeronautical Ad-Hoc
Networks Formed by Passenger Planes [99.54065757867554]
エンド・ツー・エンド(E2E)遅延の最小化を目的としたAANETにおけるルーティングのための深層強化学習を起動する。
最深Qネットワーク(DQN)は、転送ノードで観測される最適ルーティング決定と局所的な地理的情報との関係をキャプチャする。
フィードバック機構を組み込んだディープバリューネットワーク(DVN)を用いて,システムのダイナミクスに関する知識をさらに活用する。
論文 参考訳（メタデータ） (2021-10-28T14:18:56Z) - Deep Learning Aided Packet Routing in Aeronautical Ad-Hoc Networks
Relying on Real Flight Data: From Single-Objective to Near-Pareto
Multi-Objective Optimization [79.96177511319713]
航空アドホックネットワーク(AANET)のルーティングを支援するために、ディープラーニング(DL)を起動する。
フォワードノードによって観測された局所的な地理的情報を最適な次のホップを決定するために必要な情報にマッピングするために、ディープニューラルネットワーク(DNN)が考案される。
DL支援ルーティングアルゴリズムを多目的シナリオに拡張し,遅延を最小化し,経路容量を最大化し,経路寿命を最大化する。
論文 参考訳（メタデータ） (2021-10-28T14:18:22Z) - Spatio-Temporal Data Mining for Aviation Delay Prediction [15.621546618044173]
本研究では,商業飛行における長期記憶ネットワーク(LSTM)に基づく航空機遅延予測システムを提案する。
このシステムは、自動監視放送(ADS-B)メッセージから歴史的軌跡から学習する。
従来と比べ,大規模なハブ空港ではより堅牢で正確であることが実証された。
論文 参考訳（メタデータ） (2021-03-20T18:37:06Z) - A Deep Ensemble Multi-Agent Reinforcement Learning Approach for Air
Traffic Control [5.550794444001022]
本稿では,マルチエージェント強化学習(MARL)を活用し,航空機の速度調整をリアルタイムで提案する知的意思決定フレームワークを提案する。
本システムの目的は,航空交通渋滞の回避,ニアミス状況の改善,到着スケジュールの改善のため,航空交通管制官が航空機に効果的な誘導を行う能力を高めることである。
論文 参考訳（メタデータ） (2020-04-03T06:03:53Z)
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。