論文の概要: On the Detection of Aircraft Single Engine Taxi using Deep Learning Models

• arxiv url: http://arxiv.org/abs/2410.07727v1
• Date: Thu, 10 Oct 2024 08:51:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-31 15:15:56.741584
• Title: On the Detection of Aircraft Single Engine Taxi using Deep Learning Models
• Title（参考訳）: 深層学習モデルを用いた航空機単機関税の検出について
• Authors: Gabriel Jarry, Philippe Very, Ramon Dalmau, Daniel Delahaye, Arthur Houdant,
• Abstract要約: 単機関タクシーは燃料効率と持続可能性を高めるための有望な技術として登場した。 SETの利点を評価することは、SET固有のデータの限られた可用性によって妨げられる。 地上軌道データを用いてSET操作を検出するための新しい深層学習手法を提案する。
• 参考スコア（独自算出の注目度）: 2.5480347458460395
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The aviation industry is vital for global transportation but faces increasing pressure to reduce its environmental footprint, particularly CO2 emissions from ground operations such as taxiing. Single Engine Taxiing (SET) has emerged as a promising technique to enhance fuel efficiency and sustainability. However, evaluating SET's benefits is hindered by the limited availability of SET-specific data, typically accessible only to aircraft operators. In this paper, we present a novel deep learning approach to detect SET operations using ground trajectory data. Our method involves using proprietary Quick Access Recorder (QAR) data of A320 flights to label ground movements as SET or conventional taxiing during taxi-in operations, while using only trajectory features equivalent to those available in open-source surveillance systems such as Automatic Dependent Surveillance-Broadcast (ADS-B) or ground radar. This demonstrates that SET can be inferred from ground movement patterns, paving the way for future work with non-proprietary data sources. Our results highlight the potential of deep learning to improve SET detection and support more comprehensive environmental impact assessments.
• Abstract（参考訳）: 航空産業はグローバル交通にとって不可欠であるが、特にタクシーなどの地上事業からのCO2排出など環境負荷を減らす圧力が高まっている。 SET(Single Engine Taxiing)は、燃料効率と持続可能性を高めるための有望な技術として登場した。 しかし、SETの利点を評価するには、SET固有のデータが限られており、通常は航空機のオペレーターにしかアクセスできない。 本稿では,地上軌跡データを用いたSET操作検出のための新しい深層学習手法を提案する。 本手法では,A320便のクイック・アクセス・レコーダ(QAR)データを用いて,タクシーの運行中における地上移動をSETや従来のタクシーのようにラベル付けすると同時に,ADS-B(Automatic Dependent Surveillance-Broadcast)や地上レーダーなどのオープンソースの監視システムで利用できるような軌道のみを使用する。 このことは、SETが地動パターンから推測できることを示し、非プロプライエタリなデータソースによる今後の作業の道を開いた。 以上の結果から,深層学習がSETの検出を改善し,より包括的な環境影響評価を支援する可能性が示唆された。

関連論文リスト

• AssistTaxi: A Comprehensive Dataset for Taxiway Analysis and Autonomous Operations [2.76101452577748]
  AssistTaxiは、滑走路とタクシーウェイの分析のための画像のコレクションである新しいデータセットである。 AssistTaxiの重要性は、自動運転事業を前進させる可能性にある。
  論文  参考訳（メタデータ） (2024-09-10T20:40:54Z)
• Spatial-Temporal Generative AI for Traffic Flow Estimation with Sparse Data of Connected Vehicles [48.32593099620544]
  交通流推定(TFE)はインテリジェント交通システムにおいて重要である。 本稿では,スパース時間生成人工知能(GAI)フレームワークを活用した,新規で費用対効果の高いTFEフレームワークを提案する。 このフレームワーク内では、条件エンコーダは初期TFE結果の時空間相関をマイニングする。
  論文  参考訳（メタデータ） (2024-07-10T20:26:04Z)
• Automatic UAV-based Airport Pavement Inspection Using Mixed Real and Virtual Scenarios [3.0874677990361246]
  本稿では,UAVが捉えた画像を用いて,舗装の苦悩を自動的に識別する視覚的アプローチを提案する。 提案手法は,画像の欠陥を分割する深層学習(DL)に基づいている。 合成および実訓練画像からなる混合データセットを使用することで、実アプリケーションシナリオでトレーニングモデルをテストする場合、より良い結果が得られることを示す。
  論文  参考訳（メタデータ） (2024-01-11T16:30:07Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• A Distributed Acoustic Sensor System for Intelligent Transportation using Deep Learning [2.1219631216034127]
  本研究は,光ファイバーを用いた分散音響センサ(DAS)を用いた交通解析のための新しいデータソースについて検討する。 本研究では,DAS信号の分析を行う深層学習手法を提案する。 制御条件下で収集したDASデータに基づいて,車両の分類精度92%,乗員検出92%-97%を達成した。
  論文  参考訳（メタデータ） (2022-09-13T13:23:30Z)
• Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
  本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。 擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
  論文  参考訳（メタデータ） (2022-06-28T17:08:31Z)
• 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)
• 3D UAV Trajectory and Data Collection Optimisation via Deep Reinforcement Learning [75.78929539923749]
  無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。 UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である 本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
  論文  参考訳（メタデータ） (2021-06-06T14:08:41Z)
• Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep Reinforcement Learning Approach [88.45509934702913]
  我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。 我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。 提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
  論文  参考訳（メタデータ） (2020-02-21T07:29:15Z)

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。