論文の概要: Phased Flight Trajectory Prediction with Deep Learning
- arxiv url: http://arxiv.org/abs/2203.09033v1
- Date: Thu, 17 Mar 2022 02:16:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-19 05:13:12.364348
- Title: Phased Flight Trajectory Prediction with Deep Learning
- Title(参考訳): 深層学習によるフェーズド飛行軌道予測
- Authors: Kai Zhang, Bowen Chen
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 8.898269198985576
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The unprecedented increase of commercial airlines and private jets over the
next ten years presents a challenge for air traffic control. Precise flight
trajectory prediction is of great significance in air transportation
management, which contributes to the decision-making for safe and orderly
flights. Existing research and application mainly focus on the sequence
generation based on historical trajectories, while the aircraft-aircraft
interactions in crowded airspace especially the airspaces near busy airports
have been largely ignored. On the other hand, there are distinct
characteristics of aerodynamics for different flight phases, and the trajectory
may be affected by various uncertainties such as weather and advisories from
air traffic controllers. However, there is no literature fully considers all
these issues. Therefore, we proposed a phased flight trajectory prediction
framework. Multi-source and multi-modal datasets have been analyzed and mined
using variants of recurrent neural network (RNN) mixture. To be specific, we
first introduce spatio temporal graphs into the low-altitude airway prediction
problem, and the motion constraints of an aircraft are embedded to the
inference process for reliable forecasting results. In the en-route phase, the
dual attention mechanism is employed to adaptively extract much more important
features from overall datasets to learn the hidden patterns in dynamical
environments. The experimental results demonstrate our proposed framework can
outperform state-of-the-art methods for flight trajectory prediction for large
passenger/transport airplanes.
- Abstract(参考訳): 商用航空会社や民間ジェット機の増加は、今後10年間にわたって、航空管制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。
既存の研究や応用は、主に歴史的軌跡に基づくシーケンス生成に重点を置いているが、混雑した空域における航空機と航空機の相互作用は、特に空港周辺では無視されている。
一方, 異なる飛行相の空力特性は異なっており, 気象や航空管制官の助言など, 様々な不確実性の影響を受けている可能性がある。
しかし、これらの問題を十分に考慮した文献はない。
そこで我々はフェーズド飛行軌道予測フレームワークを提案した。
マルチソースおよびマルチモーダルデータセットは、リカレントニューラルネットワーク(RNN)の変種を用いて分析され、採掘されている。
具体的には,まず,低高度気道予測問題に時空グラフを導入し,航空機の動作制約を推定プロセスに組み込むことにより,信頼性の高い予測結果を得る。
en-routeフェーズでは、動的環境で隠れたパターンを学ぶために、データセット全体からより重要な特徴を適応的に抽出するためにデュアルアテンション機構が使用される。
提案手法は,大型旅客機や輸送機の飛行軌跡予測に最先端の手法を上回ることができることを実証した。
関連論文リスト
- 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) - Big data-driven prediction of airspace congestion [40.02298833349518]
国立航空宇宙システム(NAS)内の特定の空域セクターの航空機数を正確に予測する新しいデータ管理・予測システムを提案する。
前処理ステップでは、システムは受信した生データを処理し、それをコンパクトなサイズに減らし、コンパクトなデータベースに格納する。
予測段階において、システムは歴史的軌跡から学習し、そのセグメントを使用して、セクター境界交差、気象パラメータ、その他の航空交通データなどの重要な特徴を収集する。
論文 参考訳(メタデータ) (2023-10-13T09:57:22Z) - FlightBERT++: A Non-autoregressive Multi-Horizon Flight Trajectory
Prediction Framework [11.29608316753389]
フライト軌道予測(FTP)は航空交通制御(ATC)における重要な課題である
既存のアプローチでは、一般的にマルチ水平FTPタスクを自動回帰的に実行する。
本稿では,FlightBERT++と呼ばれる新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2023-05-02T04:11:23Z) - Inferring Traffic Models in Terminal Airspace from Flight Tracks and
Procedures [52.25258289718559]
本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な確率モデルを提案する。
任意の航空機数を含む交通量を生成するために,ペアワイズモデルを用いる方法を示す。
論文 参考訳(メタデータ) (2023-03-17T13:58:06Z) - Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [82.73648398969738]
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) - Forecasting large-scale circulation regimes using deformable
convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討
今後1~15日にわたって北大西洋-欧州の気象条件を予測した。
より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5~6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
論文 参考訳(メタデータ) (2022-02-10T11:37:00Z) - A Simplified Framework for Air Route Clustering Based on ADS-B Data [0.0]
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。
論文 参考訳(メタデータ) (2021-07-07T08:55:31Z) - 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) - 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) - A Spatial-Temporal Attentive Network with Spatial Continuity for
Trajectory Prediction [74.00750936752418]
空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。
まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。
第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
論文 参考訳(メタデータ) (2020-03-13T04:35:50Z)
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。