論文の概要: Context-Aware Generative Models for Prediction of Aircraft Ground Tracks

• arxiv url: http://arxiv.org/abs/2309.14957v1
• Date: Tue, 26 Sep 2023 14:20:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-27 13:21:27.757712
• Title: Context-Aware Generative Models for Prediction of Aircraft Ground Tracks
• Title（参考訳）: 航空機地上軌道予測のための文脈認識生成モデル
• Authors: Nick Pepper and George De Ath and Marc Thomas and Richard Everson and Tim Dodwell
• Abstract要約: 軌道予測は航空交通管制官の意思決定を支援する上で重要な役割を果たしている。 従来のTP手法は決定論的で物理学に基づく手法であり、パラメータは世界中で収集された航空機の監視データを用いて校正される。 本研究では、確率論的機械学習を用いて、パイロット行動とATCO意図の未知の効果をモデル化する横型TPの生成法を提案する。
• 参考スコア（独自算出の注目度）: 0.004807514276707785
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Trajectory prediction (TP) plays an important role in supporting the decision-making of Air Traffic Controllers (ATCOs). Traditional TP methods are deterministic and physics-based, with parameters that are calibrated using aircraft surveillance data harvested across the world. These models are, therefore, agnostic to the intentions of the pilots and ATCOs, which can have a significant effect on the observed trajectory, particularly in the lateral plane. This work proposes a generative method for lateral TP, using probabilistic machine learning to model the effect of the epistemic uncertainty arising from the unknown effect of pilot behaviour and ATCO intentions. The models are trained to be specific to a particular sector, allowing local procedures such as coordinated entry and exit points to be modelled. A dataset comprising a week's worth of aircraft surveillance data, passing through a busy sector of the United Kingdom's upper airspace, was used to train and test the models. Specifically, a piecewise linear model was used as a functional, low-dimensional representation of the ground tracks, with its control points determined by a generative model conditioned on partial context. It was found that, of the investigated models, a Bayesian Neural Network using the Laplace approximation was able to generate the most plausible trajectories in order to emulate the flow of traffic through the sector.
• Abstract（参考訳）: 軌道予測(TP)は航空交通管制官(ATCO)の意思決定を支援する上で重要な役割を果たしている。 従来のtp法は決定論的で物理学に基づくもので、世界中の航空機の監視データを用いてパラメータを校正する。 これらのモデルは、パイロットやATCOの意図によらず、特に横方向の平面において観測された軌道に大きな影響を与える可能性がある。 本研究では,確率的機械学習を用いて,パイロット行動とatco意図の未知の効果から生じる認識的不確実性の影響をモデル化する横型tp生成法を提案する。 モデルは特定のセクタに特有のように訓練され、協調したエントリや出口などの局所的な手順をモデル化することができる。 1週間分の航空機の監視データからなるデータセットは、イギリスのアッパー・エアスペースの忙しい部門を通過し、モデルの訓練とテストに使用された。 具体的には, 部分的文脈で条件付き生成モデルにより制御点が決定される, 地上線路の関数的低次元表現として, 片方向線形モデルを用いた。 その結果, ベイズニューラルネットワークを用いて, ラプラス近似を用いて, セクターを流れる交通の流れをエミュレートするために, もっとも妥当な軌跡を生成できることが判明した。

関連論文リスト

• Landing Trajectory Prediction for UAS Based on Generative Adversarial Network [10.243874682724677]
  GAN(Generative Adversarial Network)に基づく無人航空機システムの着陸軌道予測モデルを提案する。 GANは長年開発されてきた高名なニューラルネットワークである。 また、提案モデルを評価するために、実際のパイロットが手動で操縦するドローン制御の2600回以上の軌道を含む、実際のUAV着陸データセットを作成する。
  論文  参考訳（メタデータ） (2024-11-21T18:34:33Z)
• Peaking into the Black-box: Prediction Intervals Give Insight into Data-driven Quadrotor Model Reliability [0.6215404942415159]
  予測間隔(PI)は、モデルの予測の一貫性と精度に関する洞察を提供するために用いられる。 本稿では、ブートストラップとニューラルネットワーク(ANN)の4次空力モデルに対するそのようなPIを推定する。 ANNをベースとしたPIは外挿時にかなり広くなり、外挿時には一定に保たれたり、縮小したりした。
  論文  参考訳（メタデータ） (2024-08-12T09:57:00Z)
• Mixed Gaussian Flow for Diverse Trajectory Prediction [78.00204650749453]
  混合ガウスを将来の軌跡多様体に変換するためのフローベースモデルを提案する。 このモデルでは、多様な軌道パターンを生成する能力が向上している。 また,多様な,制御可能な,分布外のトラジェクトリを生成可能であることも実証した。
  論文  参考訳（メタデータ） (2024-02-19T15:48:55Z)
• An Integrated Imitation and Reinforcement Learning Methodology for Robust Agile Aircraft Control with Limited Pilot Demonstration Data [3.3748750222488657]
  本稿では,アジャイル航空機のデータ駆動操作生成モデルの構築手法を提案する。 提案手法は, 模倣学習, 伝達学習, 強化学習の技法を組み合わせて, この目的を達成する。
  論文  参考訳（メタデータ） (2023-12-27T14:26:34Z)
• JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
  ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。 このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。 本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
  論文  参考訳（メタデータ） (2023-11-05T18:59:31Z)
• Learning Generative Models for Climbing Aircraft from Radar Data [0.0]
  本稿では,標準航空機データ(BADA)モデルがデータから学習した推力の関数的補正によって強化された登山用航空機の生成モデルを提案する。 この手法には3つの特徴がある: BADAと比較すると66.3%の誤差で到着時刻を予測する; テストデータと比較すると現実的な軌道を生成する。
  論文  参考訳（メタデータ） (2023-09-26T13:53:53Z)
• 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)
• 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)
• Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
  物体検出と追跡から得られる軌道は、必然的にうるさい。 本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
  論文  参考訳（メタデータ） (2022-02-03T09:09:56Z)
• 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)

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。