論文の概要: FlightBERT++: A Non-autoregressive Multi-Horizon Flight Trajectory
Prediction Framework
- arxiv url: http://arxiv.org/abs/2305.01658v2
- Date: Fri, 22 Dec 2023 06:54:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-25 18:42:19.412688
- Title: FlightBERT++: A Non-autoregressive Multi-Horizon Flight Trajectory
Prediction Framework
- Title(参考訳): FlightBERT++: 自動回帰型マルチ水平飛行軌道予測フレームワーク
- Authors: Dongyue Guo, Zheng Zhang, Zhen Yan, Jianwei Zhang, and Yi Lin
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 11.29608316753389
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Flight Trajectory Prediction (FTP) is an essential task in Air Traffic
Control (ATC), which can assist air traffic controllers in managing airspace
more safely and efficiently. Existing approaches generally perform
multi-horizon FTP tasks in an autoregressive manner, thereby suffering from
error accumulation and low-efficiency problems. In this paper, a novel
framework, called FlightBERT++, is proposed to i) forecast multi-horizon flight
trajectories directly in a non-autoregressive way, and ii) improve the
limitation of the binary encoding (BE) representation in the FlightBERT.
Specifically, the FlightBERT++ is implemented by a generalized encoder-decoder
architecture, in which the encoder learns the temporal-spatial patterns from
historical observations and the decoder predicts the flight status for the
future horizons. Compared with conventional architecture, an innovative
horizon-aware contexts generator is dedicatedly designed to consider the prior
horizon information, which further enables non-autoregressive multi-horizon
prediction. Moreover, a differential prompted decoder is proposed to enhance
the capability of the differential predictions by leveraging the stationarity
of the differential sequence. The experimental results on a real-world dataset
demonstrated that the FlightBERT++ outperformed the competitive baselines in
both FTP performance and computational efficiency.
- Abstract(参考訳): フライト軌道予測(ftp)は、航空管制における重要なタスクであり、航空管制官がより安全かつ効率的に航空空間を管理するのを助ける。
既存のアプローチは、通常、自動回帰的にマルチ水平FTPタスクを実行するため、エラーの蓄積や低効率の問題に悩まされる。
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。
一 自己回帰的でない方法で直接マルチホライゾン飛行軌道を予測すること。
ii) FlightBERTにおけるバイナリエンコーディング(BE)表現の制限を改善すること。
特に、FlightBERT++は、エンコーダ-デコーダアーキテクチャによって実装され、エンコーダは歴史的観測から時間空間パターンを学習し、デコーダは将来の地平線の飛行状態を予測する。
従来のアーキテクチャと比較して,事前の地平線情報を考慮するために,革新的な地平線認識コンテキスト生成器が設計されている。
さらに、差分列の定常性を利用して、差分予測の能力を高めるために、差分誘導復号器を提案する。
実世界のデータセット実験の結果、FlightBERT++はFTP性能と計算効率の両面で競合するベースラインを上回った。
関連論文リスト
- Graph Learning-based Fleet Scheduling for Urban Air Mobility under
Operational Constraints, Varying Demand & Uncertainties [5.248564173595024]
本稿では,電気航空機のスケジュールと目的地のオンライン計画におけるグラフ強化学習手法を提案する。
それは、時間的な需要、垂直離着陸能力、航空機の容量および空域安全ガイドラインに関する制約、離陸遅延、天候によるルート閉鎖、予想外の航空機のダウンタイムに関する不確実性を考える。
論文 参考訳(メタデータ) (2024-01-09T23:46:22Z) - A Novel Deep Neural Network for Trajectory Prediction in Automated
Vehicles Using Velocity Vector Field [12.067838086415833]
本稿では,データ駆動学習に基づく手法と,自然に着想を得た概念から生成された速度ベクトル場(VVF)を組み合わせた軌道予測手法を提案する。
精度は、正確な軌道予測のための過去の観測の長い歴史の要求を緩和する観測窓の減少と一致している。
論文 参考訳(メタデータ) (2023-09-19T22:14:52Z) - Air Traffic Controller Workload Level Prediction using Conformalized
Dynamical Graph Learning [3.622365857213782]
我々は,ATCoのワークロードレベルを特定するために,共形予測を備えたグラフベースのディープラーニングフレームワークを提案する。
実験の結果, (a) 交通密度特性に加えて, 交通競合特性が作業負荷予測機能に寄与していることが示唆された。
論文 参考訳(メタデータ) (2023-07-20T03:54:47Z) - SIA-FTP: A Spoken Instruction Aware Flight Trajectory Prediction
Framework [8.538029298967707]
音声通信による地上交渉は、航空交通制御(ATC)の安全と効率を確保するための重要な前提条件である。
既存の飛行軌道予測アプローチは、主に歴史的軌道の飛行状態に依存する。
SIA-FTPと呼ばれる音声命令対応FTPフレームワークが提案されている。
論文 参考訳(メタデータ) (2023-05-02T08:28:55Z) - Traj-MAE: Masked Autoencoders for Trajectory Prediction [69.7885837428344]
軌道予測は、危険を予測して信頼性の高い自動運転システムを構築する上で重要な課題である。
本稿では,運転環境におけるエージェントの複雑な動作をよりよく表現する,軌道予測のための効率的なマスク付きオートエンコーダを提案する。
複数エージェント設定と単一エージェント設定の両方の実験結果から,Traj-MAEが最先端手法と競合する結果が得られることが示された。
論文 参考訳(メタデータ) (2023-03-12T16:23:27Z) - Towards Long-Term Time-Series Forecasting: Feature, Pattern, and
Distribution [57.71199089609161]
長期的時系列予測(LTTF)は、風力発電計画など、多くのアプリケーションで需要が高まっている。
トランスフォーマーモデルは、高い計算自己認識機構のため、高い予測能力を提供するために採用されている。
LTTFの既存の手法を3つの面で区別する,Conformer という,効率的なTransformer ベースモデルを提案する。
論文 参考訳(メタデータ) (2023-01-05T13:59:29Z) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳(メタデータ) (2022-06-07T13:51:35Z) - 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) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳(メタデータ) (2021-09-08T14:07:55Z) - 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) - Federated Learning in the Sky: Joint Power Allocation and Scheduling
with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。
本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための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) (2020-02-19T14:04:01Z)
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。