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
- Graph machine learning for flight delay prediction due to holding manouver [0.0]
本研究は,グラフ問題としての保持操作による飛行遅延の予測をモデル化する。
我々は、高度なグラフ機械学習(Graph ML)技術を活用し、航空交通網の複雑な相互依存を捉える。
我々は、ユーザがリアルタイム遅延予測をシミュレートできるWebベースのツールを通じて、モデルが潜在的に運用に与える影響について論じる。
論文 参考訳(メタデータ) (2025-02-06T17:18:53Z) - Multi-Source Urban Traffic Flow Forecasting with Drone and Loop Detector Data [61.9426776237409]
ドローンが捉えたデータは、大規模都市ネットワークのための正確なマルチセンサー移動観測所を作ることができる。
単純なグラフベースモデルHiMSNetは、複数のデータモダリティと学習時間相関を統合するために提案されている。
論文 参考訳(メタデータ) (2025-01-07T03:23:28Z) - CSP-AIT-Net: A contrastive learning-enhanced spatiotemporal graph attention framework for short-term metro OD flow prediction with asynchronous inflow tracking [0.7437000580479967]
現在のモデルでは、オリジン・デスティネーション(OD)の乗客フローデータの非同期離脱特性を捉えることができないことが多い。
本稿では,非同期なインフロートラッキングと高度なセマンティクスを組み込むことで,ODフローの予測を改善する新しいフレームワークを提案する。
この作業は、メトロの運用効率の向上、スケジューリングの精度の向上、システム全体の安全性の向上に寄与する。
論文 参考訳(メタデータ) (2024-12-02T12:00:06Z) - A Multi-Loss Strategy for Vehicle Trajectory Prediction: Combining Off-Road, Diversity, and Directional Consistency Losses [68.68514648185828]
軌道予測は、自動運転車における計画の安全性と効率に不可欠である。
現在のモデルでは、複雑な交通規則と潜在的な車両の動きを完全に捉えることができないことが多い。
本研究は, オフロード損失, 方向整合誤差, ダイバーシティ損失の3つの新しい損失関数を紹介する。
論文 参考訳(メタデータ) (2024-11-29T14:47:08Z) - FollowGen: A Scaled Noise Conditional Diffusion Model for Car-Following Trajectory Prediction [9.2729178775419]
本研究では,自動車追従軌道予測のためのスケールドノイズ条件拡散モデルを提案する。
車両間の詳細な相互作用と自動車追従ダイナミクスを生成フレームワークに統合し、予測された軌跡の精度と妥当性を向上させる。
種々の実世界の運転シナリオに関する実験結果は,提案手法の最先端性能と堅牢性を示すものである。
論文 参考訳(メタデータ) (2024-11-23T23:13:45Z) - 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) - 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) - 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) - 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)
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。