論文の概要: Solution space path planning for supporting en-route air traffic control
- arxiv url: http://arxiv.org/abs/2607.00064v1
- Date: Tue, 30 Jun 2026 12:33:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.603633
- Title: Solution space path planning for supporting en-route air traffic control
- Title（参考訳）: ルート内空路制御支援のためのソリューション空間経路計画
- Abstract要約: 本研究では,道路交通制御のためのコンフリクトフリー経路計画アルゴリズムを開発した。
アルゴリズムは、3つの意図に基づく競合検出方法をソリューション空間フレームワークに統合する。
その結果,SSPPVとゾーンベースの競合検出を組み合わせれば,最高の性能が得られることがわかった。
- 参考スコア（独自算出の注目度）: 3.441021278275805
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As technology advances, many path-planning algorithms have been proposed for Air Traffic Management, yet their operational adoption in tactical control remains limited, revealing a misalignment between algorithmic design priorities and air traffic controllers' needs. This underscores the need for decision-support solutions that are inherently interpretable, computationally efficient, and explicitly designed for human use. Focusing on this design challenge, this study develops a conflict-free path-planning algorithm for en-route Air Traffic Control (ATC) designed to be compatible with two guiding considerations: (1) the interpretability and flexibility offered by solution-space displays, which motivate constructing an algorithm that exposes all feasible safe actions and accommodates shifting optimization goals; and (2) the decision logic controllers naturally apply when enforcing operational constraints, such as separation standards, maneuverability limits, waypoint minimization, and routing practicality. Centered on these principles, the algorithm integrates three intent-based conflict detection methods -- distance-based, time-interval-based, and zone-based -- within a solution-space framework to identify conflict-free paths in computationally efficient ways. Additionally, vertex-based and edge-based search nodes are proposed for solution space path planning (SSPP), resulting in two variants -- SSPPV and SSPPE, respectively, which are evaluated in terms of computational speed and solution quality. Empirical results show that SSPPV paired with zone-based conflict detection achieves the best performance, computing paths in 3.69 ms on average in operational-relevant scenarios based on the Delta sector of the Maastricht Upper Area Control Centre (MUAC) using a 5 nmi grid.
- Abstract（参考訳）: 技術が進歩するにつれて、多くの経路計画アルゴリズムが航空交通管理のために提案されてきたが、戦術制御における運用上の採用は限定的であり、アルゴリズム設計の優先順位と航空交通管制官のニーズの相違が明らかになった。
このことは、本質的に解釈可能で、計算的に効率的で、人間の使用のために明示的に設計された決定支援ソリューションの必要性を浮き彫りにしている。
この設計課題に焦点をあてて,(1) 実現可能な安全行動の公開と最適化目標のシフトに対応するアルゴリズムの構築を動機とした,ソリューションスペースディスプレイが提供する解釈可能性と柔軟性,(2) 分離基準,操作可能性限界,ウェイポイント最小化,ルーティング実用性といった運用上の制約を課す際に,決定論理制御器が自然に適用できる,経路制御(ATC) のためのコンフリクトフリーパスプランニングアルゴリズムを開発した。
これらの原則を中心に、このアルゴリズムは3つの意図に基づく競合検出手法(距離ベース、時間インターバルベース、ゾーンベース)をソリューション空間フレームワークに統合し、計算的に効率的な方法で競合のないパスを特定する。
さらに,解空間パス計画 (SSPP) には頂点に基づく探索ノードとエッジベースの探索ノードが提案され,計算速度と解の質の点で評価されたSSPPVとSSPPEの2つの変種が存在する。
実験の結果、SSPPVとゾーンベースの競合検出を組み合わせることで、Mastricht Upper Area Control Centre (MUAC)のデルタセクターをベースとした平均3.69msの計算パスを5 nmiグリッドで達成できることがわかった。
関連論文リスト
- ASPaeroFlow: Decomposition Heuristics for Joint Air Traffic Flow & Capacity Management [60.85136195443409]
エアトラヒックフロー・キャパシティマネジメント(ATFCM)のためのASPaeroFlowを提案する。
インスタンス空間の分解と、Answer Set Programmingを使った局所的な正確なアプローチを組み合わせる。
私たちはASPaeroFlowを小さなインスタンスから業界規模のインスタンスにベンチマークし、それを正確で代替的なアプローチと比較します。
論文 参考訳（メタデータ） (2026-08-10T08:57:18Z) - QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。
本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
論文 参考訳（メタデータ） (2025-12-17T06:22:46Z) - Backscatter Device-aided Integrated Sensing and Communication: A Pareto Optimization Framework [59.30060797118097]
統合センシング・通信(ISAC)システムは、密集した都市非視線シナリオにおいて大きな性能劣化に遭遇する可能性がある。
本稿では,自然環境に分散した受動的BDを利用した後方散乱近似(BD)支援ISACシステムを提案する。
論文 参考訳（メタデータ） (2025-07-12T17:11:06Z) - Hierarchical Task Offloading for UAV-Assisted Vehicular Edge Computing via Deep Reinforcement Learning [11.695622067301128]
部分オフロードに基づく2層UAV支援エッジコンピューティングアーキテクチャを提案する。
提案アーキテクチャは異種資源の効率的な統合と調整を可能にする。
提案手法は,タスク完了率,システム効率,収束速度において,いくつかのベースラインを上回っていることを示す。
論文 参考訳（メタデータ） (2025-07-08T07:10:52Z) - A Hybrid Tabu Scatter Search Algorithm for Simulation-Based Optimization of Multi-Objective Runway Operations Scheduling [0.0]
Dissertationは、滑走路運用スケジューリングのためのシミュレーションベースの最適化(SbO)アプローチを提案することで、航空交通フロー管理の課題に対処する。
目的は、遅延、燃料消費、環境への影響を最小限に抑えつつ、空港の容量利用を最適化することである。
提案するSbOフレームワークは,滑走路条件を扱う離散イベントシミュレーションモデルと,最適解を特定するためのハイブリッドタブ・散乱探索アルゴリズムを統合した。
論文 参考訳（メタデータ） (2025-02-08T14:42:05Z) - V2X-Assisted Distributed Computing and Control Framework for Connected and Automated Vehicles under Ramp Merging Scenario [36.19449852204522]
本稿では,サイバー物理システム下でのランプシナリオにおけるコネクテッドおよび自動車両(CAV)の分散コンピューティング制御について検討する。
既存の手法とは異なり,本手法では,計算タスクをCAV間で分散し,V2X通信による並列計算を行うことができる。
論文 参考訳（メタデータ） (2024-10-30T12:56:49Z) - A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。
本研究では,タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案し,タスク間の類似性を決定するための重み付きユークリッド距離法を提案する。
論文 参考訳（メタデータ） (2024-08-29T06:57:45Z) - Design Optimization of NOMA Aided Multi-STAR-RIS for Indoor Environments: A Convex Approximation Imitated Reinforcement Learning Approach [51.63921041249406]
非直交多重アクセス(Noma)により、複数のユーザが同じ周波数帯域を共有でき、同時に再構成可能なインテリジェントサーフェス(STAR-RIS)を送信および反射することができる。
STAR-RISを屋内に展開することは、干渉緩和、電力消費、リアルタイム設定における課題を提示する。
複数のアクセスポイント(AP)、STAR-RIS、NOMAを利用した新しいネットワークアーキテクチャが屋内通信のために提案されている。
論文 参考訳（メタデータ） (2024-06-19T07:17:04Z) - Fidelity-Guarantee Entanglement Routing in Quantum Networks [64.49733801962198]
絡み合いルーティングは、2つの任意のノード間のリモート絡み合い接続を確立する。
量子ネットワークにおける複数のソース・デスティネーション(SD)ペアの忠実性を保証するために、精製可能な絡み合わせルーティング設計を提案する。
論文 参考訳（メタデータ） (2021-11-15T14:07:22Z) - Deep Reinforcement Learning for Wireless Scheduling in Distributed Networked Control [37.10638636086814]
完全分散無線制御システム(WNCS)の周波数チャネル数に制限のある結合アップリンクとダウンリンクのスケジューリング問題を考える。
深層強化学習(DRL)に基づくフレームワークを開発した。
DRLにおける大きなアクション空間の課題に対処するために,新しいアクション空間削減法とアクション埋め込み法を提案する。
論文 参考訳（メタデータ） (2021-09-26T11:27:12Z) - Trajectory Design for UAV-Based Internet-of-Things Data Collection: A
Deep Reinforcement Learning Approach [93.67588414950656]
本稿では,無人航空機(UAV)による3D環境におけるIoT(Internet-of-Things)システムについて検討する。
本稿では,TD3-TDCTMアルゴリズムの完成時間最小化のためのトラジェクトリ設計を提案する。
シミュレーションの結果,従来の3つの非学習ベースライン法よりもTD3-TDCTMアルゴリズムの方が優れていることが示された。
論文 参考訳（メタデータ） (2021-07-23T03:33:29Z) - Deep Policy Dynamic Programming for Vehicle Routing Problems [89.96386273895985]
本稿では,学習ニューラルの強みと動的プログラミングアルゴリズムの強みを組み合わせた深層ポリシー動的プログラミング(d pdp)を提案する。
D PDPは、例の解からエッジを予測するために訓練されたディープニューラルネットワークから派生したポリシーを使用して、DP状態空間を優先し、制限する。
本研究では,旅行セールスマン問題 (TSP) と車両ルーティング問題 (VRP) の枠組みを評価し,ニューラルネットワークが(制限された)DPアルゴリズムの性能を向上させることを示す。
論文 参考訳（メタデータ） (2021-02-23T15:33:57Z)
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。