論文の概要: From Single Aircraft to Communities: A Neutral Interpretation of Air Traffic Complexity Dynamics

• arxiv url: http://arxiv.org/abs/2208.01740v1
• Date: Fri, 15 Jul 2022 21:21:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-07 14:32:15.763733
• Title: From Single Aircraft to Communities: A Neutral Interpretation of Air Traffic Complexity Dynamics
• Title（参考訳）: 単一航空機からコミュニティへ:航空交通複雑性ダイナミクスの中立的解釈
• Authors: Ralvi Isufaj, Marsel Omeri, Miquel Angel Piera, Jaume Saez Valls, Christian Eduardo Verdonk Gallego
• Abstract要約: 航空交通の全体的な複雑さに対する各航空機の貢献を決定するため、単航空機の複雑さの概念を導入する。 本稿では, この概念を, ある空域における複雑性の大部分に寄与する相互依存航空機群である, 複雑なコミュニティを定義するために拡張する方法論について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Present air traffic complexity metrics are defined considering the interests of different management layers of ATM. These layers have different objectives which in practice compete to maximize their own goals, which leads to fragmented decision making. This fragmentation together with competing KPAs requires transparent and neutral air traffic information to pave the way for an explainable set of actions. In this paper, we introduce the concept of single aircraft complexity, to determine the contribution of each aircraft to the overall complexity of air traffic. Furthermore, we describe a methodology extending this concept to define complex communities, which are groups of interdependent aircraft that contribute the majority of the complexity in a certain airspace. In order to showcase the methodology, a tool that visualizes different outputs of the algorithm is developed. Through use-cases based on synthetic and real historical traffic, we first show that the algorithm can serve to formalize controller decisions as well as guide controllers to better decisions. Further, we investigate how the provided information can be used to increase transparency of the decision makers towards different airspace users, which serves also to increase fairness and equity. Lastly, a sensitivity analysis is conducted in order to systematically analyse how each input affects the methodology.
• Abstract（参考訳）: ATMの異なる管理層の利害を考慮し、現在の航空交通量メトリクスを定義する。 これらの層は異なる目的を持ち、実際には自身の目標を最大化するために競い合い、分断された意思決定につながる。 この断片化と競合するKPAは、説明可能な一連の行動の道を開くために透明で中立な航空交通情報を必要とする。 本稿では,航空交通の全体的な複雑さに対する各航空機の貢献を判断するために,単航空機の複雑性の概念を紹介する。 さらに、この概念を拡張して、ある空域における複雑性の大部分を寄与する相互依存型航空機のグループである複素コミュニティを定義する手法について述べる。 この方法論を紹介するために,アルゴリズムの出力を視覚化するツールを開発した。 合成および実際の履歴トラフィックに基づくユースケースを通じて、まず、このアルゴリズムがコントローラ決定を形式化し、コントローラをより良い決定に導くのに役立つことを示す。 さらに,提案する情報を用いて,異なる空域利用者に対する意思決定者の透明性を高めることにより,公平性と公平性を高めることができるかを検討する。 最後に、各入力が方法論にどのように影響するかを体系的に分析するために感度分析を行う。

関連論文リスト

• Mix Q-learning for Lane Changing: A Collaborative Decision-Making Method in Multi-Agent Deep Reinforcement Learning [8.455482816036689]
  本稿では,Mix Q-learning for Lane Changing(MQLC)を提案する。 集団レベルでは,グローバル情報を利用して個別のQネットワークとグローバルQネットワークを協調する。 個人レベルでは、深層学習に基づく意図認識モジュールを観察に統合し、意思決定ネットワークを強化した。
  論文  参考訳（メタデータ） (2024-06-14T06:44:19Z)
• Task-Oriented Over-the-Air Computation for Multi-Device Edge AI [57.50247872182593]
  エッジAIをサポートするための6Gネットワークは、AIタスクの効率的かつ効率的な実行に焦点を当てたタスク指向のテクニックを備えている。 本稿では,マルチデバイススプリット推論システムにおけるタスク指向オーバー・ザ・エア計算(AirComp)方式を提案する。
  論文  参考訳（メタデータ） (2022-11-02T16:35:14Z)
• Integrated Decision and Control for High-Level Automated Vehicles by Mixed Policy Gradient and Its Experiment Verification [10.393343763237452]
  本稿では,IDC(Integrated Decision and Control)に基づく自己進化型意思決定システムを提案する。 制約付き混合ポリシー勾配 (CMPG) と呼ばれるRLアルゴリズムは、IDCの駆動ポリシーを継続的に更新するために提案される。 実験結果から, モデルに基づく手法よりも運転能力の向上が期待できることがわかった。
  論文  参考訳（メタデータ） (2022-10-19T14:58:41Z)
• Exploring Contextual Representation and Multi-Modality for End-to-End Autonomous Driving [58.879758550901364]
  最近の知覚システムは、センサー融合による空間理解を高めるが、しばしば完全な環境コンテキストを欠いている。 我々は,3台のカメラを統合し,人間の視野をエミュレートするフレームワークを導入し,トップダウンのバードアイビューセマンティックデータと組み合わせて文脈表現を強化する。 提案手法は, オープンループ設定において0.67mの変位誤差を達成し, nuScenesデータセットでは6.9%の精度で現在の手法を上回っている。
  論文  参考訳（メタデータ） (2022-10-13T05:56:20Z)
• Unified Automatic Control of Vehicular Systems with Reinforcement Learning [64.63619662693068]
  本稿では,車載マイクロシミュレーションの合理化手法について述べる。 最小限の手動設計で高性能な制御戦略を発見する。 この研究は、波動緩和、交通信号、ランプ計測に類似した多くの創発的挙動を明らかにしている。
  論文  参考訳（メタデータ） (2022-07-30T16:23:45Z)
• Automating the resolution of flight conflicts: Deep reinforcement learning in service of air traffic controllers [0.0]
  難易度と複雑な航空交通シナリオは、今日の航空交通管制官(ATCO)が使用している戦術的衝突検知・分解(CD&R)ツールよりも高いレベルの自動化を必要とする。 本稿では,各エージェント(飛行士)が他のエージェントと共同でCD&Rタスクを行うマルチエージェント環境でグラフ畳み込み強化学習手法を提案する。 本手法は,運用上の透明性問題に対処するため,利害関係者(航空管制官及び航空管制官)に対して高品質なソリューションを提供することができることを示す。
  論文  参考訳（メタデータ） (2022-06-15T09:06:58Z)
• 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)
• End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
  交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。 本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。 本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
  論文  参考訳（メタデータ） (2021-04-28T07:54:40Z)
• Generalizing Decision Making for Automated Driving with an Invariant Environment Representation using Deep Reinforcement Learning [55.41644538483948]
  現在のアプローチは、トレーニングデータを超えてよく一般化されないか、または可変数のトラフィック参加者を考慮することができない。 本研究では,エゴ車の観点から不変環境表現を提案する。 この抽象化により,エージェントが未確認シナリオに対してうまく一般化できることが示される。
  論文  参考訳（メタデータ） (2021-02-12T20:37:29Z)
• A Deep Multi-Agent Reinforcement Learning Approach to Autonomous Separation Assurance [5.196149362684628]
  可変数の航空機間の衝突を識別・解決するために, 深層多エージェント強化学習フレームワークを提案する。 提案手法は,BlueSkyの航空交通制御環境における3つのケーススタディで検証された。
  論文  参考訳（メタデータ） (2020-03-17T16:50:34Z)
• Learning to Move with Affordance Maps [57.198806691838364]
  物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。 従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。 学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
  論文  参考訳（メタデータ） (2020-01-08T04:05:11Z)

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。