論文の概要: Integrating spoken instructions into flight trajectory prediction to optimize automation in air traffic control

• arxiv url: http://arxiv.org/abs/2305.01661v2
• Date: Fri, 18 Oct 2024 07:15:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-21 14:22:51.318234
• Title: Integrating spoken instructions into flight trajectory prediction to optimize automation in air traffic control
• Title（参考訳）: 飛行経路予測への音声指示の統合による航空交通制御の自動化
• Authors: Dongyue Guo, Zheng Zhang, Bo Yang, Jianwei Zhang, Hongyu Yang, Yi Lin,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 20.718663626382995
• License:
• Abstract: The booming air transportation industry inevitably burdens air traffic controllers' workload, causing unexpected human factor-related incidents. Current air traffic control systems fail to consider spoken instructions for traffic prediction, bringing significant challenges in detecting human errors during real-time traffic operations. Here, we present an automation paradigm integrating controlling intent into the information processing loop through the spoken instruction-aware flight trajectory prediction framework. A 3-stage progressive multi-modal learning paradigm is proposed to address the modality gap between the trajectory and spoken instructions, as well as minimize the data requirements. Experiments on a real-world dataset show the proposed framework achieves flight trajectory prediction with high predictability and timeliness, obtaining over 20% relative reduction in mean deviation error. Moreover, the generalizability of the proposed framework is also confirmed by various model architectures. The proposed framework can formulate full-automated information processing in real-world air traffic applications, supporting human error detection and enhancing aviation safety.
• Abstract（参考訳）: 航空交通業界は必然的に航空管制官の作業負荷を負担し、予期せぬ人的要因に関連する事故を引き起こしている。 現在の航空交通管制システムは、交通予測のための音声指示を考慮せず、リアルタイムの交通操作中に人的エラーを検出する上で大きな課題となっている。 本稿では,音声による飛行経路予測フレームワークを通じて,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・パラダイムが提案され、トラジェクトリと音声の命令間のモダリティギャップに対処し、データ要求を最小限に抑える。 実世界のデータセットでの実験では、提案したフレームワークは高い予測可能性と時間軸で飛行軌道予測を達成し、平均偏差誤差の20%以上の相対的低減が得られる。 さらに,提案フレームワークの汎用性も,様々なモデルアーキテクチャで確認されている。 提案フレームワークは,現実の航空交通アプリケーションにおける完全自動情報処理を定式化し,ヒューマンエラー検出をサポートし,航空安全を向上する。

関連論文リスト

• Implicit Occupancy Flow Fields for Perception and Prediction in Self-Driving [68.95178518732965]
  自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。 既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。 これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
  論文  参考訳（メタデータ） (2023-08-02T23:39:24Z)
• 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)
• Control-Aware Prediction Objectives for Autonomous Driving [78.19515972466063]
  本研究では,制御に対する予測の下流効果を評価するための制御認識予測目標(CAPOs)を提案する。 本稿では,エージェント間の注意モデルを用いた重み付けと,予測軌跡を接地真実軌跡に交換する際の制御変動に基づく重み付けの2つの方法を提案する。
  論文  参考訳（メタデータ） (2022-04-28T07:37:21Z)
• 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)
• 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)
• IntentNet: Learning to Predict Intention from Raw Sensor Data [86.74403297781039]
  本論文では,LiDARセンサが生成する3次元点群と,環境の動的なマップの両方を利用するワンステージ検出器と予測器を開発した。 当社のマルチタスクモデルは、それぞれの別々のモジュールよりも高い精度を実現し、計算を節約します。
  論文  参考訳（メタデータ） (2021-01-20T00:31:52Z)
• 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)
• Implicit Latent Variable Model for Scene-Consistent Motion Forecasting [78.74510891099395]
  本稿では,センサデータから直接複雑な都市交通のシーン一貫性のある動き予測を学習することを目的とする。 我々は、シーンを相互作用グラフとしてモデル化し、強力なグラフニューラルネットワークを用いてシーンの分散潜在表現を学習する。
  論文  参考訳（メタデータ） (2020-07-23T14:31:25Z)
• Data Driven Aircraft Trajectory Prediction with Deep Imitation Learning [0.8508198765617195]
  現在の航空交通管理システムは、予測可能性、効率、コスト効率の限界に達している。 本稿では, トラジェクティブクラスタリングと分類手法を備えたパイプラインにおいて, アート手法のジェネレーティブ・アドリバーサ学習状態を含む包括的フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-16T11:53:19Z)
• 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。