論文の概要: Graph-based Complexity Forecasts in UK En Route Airspace Using Relevant Aircraft Interactions

• arxiv url: http://arxiv.org/abs/2605.23696v1
• Date: Fri, 22 May 2026 14:50:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.393533
• Title: Graph-based Complexity Forecasts in UK En Route Airspace Using Relevant Aircraft Interactions
• Title（参考訳）: 関連する航空機の相互作用を用いた英国航路空域におけるグラフベース複雑度予測
• Authors: Edward Henderson, George De Ath, Nick Pepper,
• Abstract要約: グループの監督者は、今後の交通負荷を見積もるツールを使用して意思決定を支援する。 本研究では,空域セクターの複雑さを予測するための確率論的アプローチを提案する。 我々は既存のフィルタアルゴリズムをロンドン中央セクターでの使用に適したものにした。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Effectively managing Air Traffic Control Officer (ATCO) workload is crucial in maintaining operational safety. Group supervisors use tools that estimate upcoming traffic load to aid decision-making. However, industry-standard models can fail to capture the nuances of upcoming air traffic complexity. This study presents a probabilistic approach to forecast the complexity of an airspace sector using the number of relevant aircraft pairs, i.e., those that require monitoring or deconfliction by a controller, as a proxy measure for ATCO workload. We adapted an existing filter algorithm to make it suitable for use in London Middle Sector (LMS), a complex airspace sector with multiple flows of traffic above some of the busiest airports in Europe. Through iterative feedback with ATCOs, the algorithm was refined and extended to handle specific geometric and operational considerations. The updated algorithm outperformed the original, with an F1-score of 0.84 compared to 0.69 on a labelled set of 50 traffic scenarios. To produce forecasts of future numbers of relevant aircraft pairs in the sector, a graph representation of the LMS route network was constructed, standardising the spatial fidelity of route legs. The forecasting method accounts for uncertainty in aircraft arrival times by modelling the probability of each aircraft occupying route segments at future query times. When combined with historic distributions of relevant interactions and a live operational data stream, predictions of upcoming ATCO workload could be made up to 45 minutes in advance. The proposed method to forecast upcoming workload showed a significantly stronger correlation with actual relevant interactions (Spearman's $ρ= 0.68$) than a standard traffic volume prediction ($ρ= 0.55$). The resulting data-driven tool shows promise for use by group supervisors to inform sector configuration and ATCO rostering decisions.
• Abstract（参考訳）: 航空交通管制官(ATCO)の業務は、運用上の安全性を維持する上で重要である。 グループの監督者は、今後の交通負荷を見積もるツールを使用して意思決定を支援する。 しかし、業界標準モデルは、今後の航空交通の複雑さのニュアンスを捉えられない可能性がある。 本研究は,ATCO作業負荷のプロキシ尺度として,管制員による監視や不信感を必要とする航空機の組数を用いて,空域セクターの複雑さを予測するための確率論的アプローチを提案する。 我々は既存のフィルタアルゴリズムを応用し、欧州で最も繁忙な空港の幾らかよりも交通量が多い複雑な空域セクターであるLondon Middle Sector (LMS)での使用に適したものにした。 ATCOによる反復的なフィードバックにより、アルゴリズムは改良され、特定の幾何学的および運用上の考慮事項を扱うように拡張された。 F1スコアは0.84で、50のトラフィックシナリオのラベル付きセットでは0.69だった。 このセクターにおける将来の航空機対数予測のために,ルート脚の空間的忠実度を標準化したLMS経路網のグラフ表現を構築した。 予測手法は、将来の照会時に各航空機が経路セグメントを占有する確率をモデル化することにより、航空機の到着時刻の不確実性を説明する。 関連するインタラクションの歴史的分布とライブ運用データストリームを組み合わせることで、今後のATCOワークロードの予測は45分前までに作成できる。 提案手法は, 通常の交通量予測(ρ=0.55$)よりも, 実際の関連する相互作用(Spearmanの$ρ=0.68$)と極めて強い相関関係を示した。 結果として得られたデータ駆動ツールは、セクターの構成やATCOのロスター決定にグループスーパーバイザーが使用することを約束している。

関連論文リスト

• ASCENT: Transformer-Based Aircraft Trajectory Prediction in Non-Towered Terminal Airspace [54.94692733670454]
  ASCENTは、マルチモーダル3D航空機の軌道予測のための軽量トランスフォーマーベースのモデルである。 ドメイン対応の3D座標正規化とパラメータ化予測を統合している。
  論文  参考訳（メタデータ） (2026-03-17T14:16:10Z)
• Air Traffic Controller Task Demand via Graph Neural Networks: An Interpretable Approach to Airspace Complexity [0.00448108533967507]
  エアトラヒックコントロール(ATCO)タスク要求のリアルタイム評価は、ますます混み合った空域において重要な課題である。 この課題には,このギャップに対処する解釈可能なグラフニューラルネットワーク(GNN)フレームワークが導入されている。 我々は、航空機を系統的に非難し、模型の予測に与える影響を測定することによって、航空機ごとのタスク要求スコアを導出する。
  論文  参考訳（メタデータ） (2025-07-17T17:02:42Z)
• 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)
• Big data-driven prediction of airspace congestion [40.02298833349518]
  国立航空宇宙システム(NAS)内の特定の空域セクターの航空機数を正確に予測する新しいデータ管理・予測システムを提案する。 前処理ステップでは、システムは受信した生データを処理し、それをコンパクトなサイズに減らし、コンパクトなデータベースに格納する。 予測段階において、システムは歴史的軌跡から学習し、そのセグメントを使用して、セクター境界交差、気象パラメータ、その他の航空交通データなどの重要な特徴を収集する。
  論文  参考訳（メタデータ） (2023-10-13T09:57:22Z)
• 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)
• Towards better traffic volume estimation: Jointly addressing the underdetermination and nonequilibrium problems with correlation-adaptive GNNs [47.18837782862979]
  本稿では, 交通量推定に関する2つの重要な問題について考察する。(1) 未検出運動による交通流の過小評価, (2) 渋滞伝播による非平衡交通流。 上記の問題に対処するために,データ駆動型,モデルフリー,相関適応型アプローチをグラフベースで実現するディープラーニング手法を実証する。
  論文  参考訳（メタデータ） (2023-03-10T02:22:33Z)
• Wireless-Enabled Asynchronous Federated Fourier Neural Network for Turbulence Prediction in Urban Air Mobility (UAM) [101.80862265018033]
  垂直離着陸機(VTOL)が配車サービスに使用される都市空力(UAM)が提案されている。 UAMでは、航空機はエアロドロムを繋ぐ廊下として知られる指定空域で運用することができる。 GBSと航空機間の信頼性の高い通信網により、UAMは適切に空域を利用することができる。
  論文  参考訳（メタデータ） (2021-12-26T14:41:52Z)
• 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)
• Prediction of Traffic Flow via Connected Vehicles [77.11902188162458]
  本稿では,交通機関が交通の流れを早期に制御し,渋滞を防止するための短期交通流予測フレームワークを提案する。 我々は,過去の流れデータと,コネクテッド・ビークル(CV)技術によって提供されるリアルタイムフィードや軌道データといった革新的な特徴に基づいて,将来の道路セグメントにおける流れを予測する。 本手法は, 流れの予測, CVが軌道に沿ったセグメントに現実的に遭遇する様々な事象の影響を組み込むことによって, 高度なモデリングを可能にすることを示す。
  論文  参考訳（メタデータ） (2020-07-10T16:00:44Z)

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。