論文の概要: FlowATC: Aircraft Trajectory Prediction via Flow Matching

• arxiv url: http://arxiv.org/abs/2609.16528v1
• Date: Tue, 15 Sep 2026 02:21:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.306505
• Title: FlowATC: Aircraft Trajectory Prediction via Flow Matching
• Title（参考訳）: FlowATC:フローマッチングによる航空機軌道予測
• Abstract要約: 本稿では,航路ラベルやチャート管理を伴わない,歴史的航空機軌道に特化して訓練されたフローマッチングアーキテクチャを提案する。 我々のモデルは、ネイティブで不規則なADS-Bサンプリング間隔で直接訓練される。 予測地平線により誤差は良好に低下し, 時間的劣化フィードで再トレーニングした場合, アーキテクチャが有効であることを示す。
• 参考スコア（独自算出の注目度）: 39.046509366232065
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Building accurate decision-support tools for next-generation air traffic control requires robust trajectory prediction models. We present a flow-matching architecture trained exclusively on historical aircraft trajectories, with no route labels or chart supervision. Trained on 1.15 million Automatic Dependent Surveillance-Broadcast trajectory windows collected over the San Francisco Bay Area, the model generates aircraft trajectory distributions that closely match historical traffic, reproducing known airspace structure around San Francisco Airport such as the shape of SFO's published NIITE FOUR departure procedure. Our model is trained directly on the native, irregular ADS-B sampling interval. Trajectory prediction is cast as sequence inpainting using a block-causal Transformer that denoises future state tokens conditioned on the observed history using Conditional Flow Matching or Denoising Diffusion Probabilistic Models. We compare our architecture against constant-velocity, deterministic-Long Short Term Memory, and Conditional Variational Autoencoders baselines. At matched parameter count, CFM outperforms DDPM by 11-26% in minADE@20, and both generative objectives surpass the CVAE baseline by 31-41%. We further show that the error degrades gracefully with prediction horizon, and the architecture remains effective when retrained on temporally decimated feeds. Lastly, we sample $K$ independent completions, yielding spatial probabilistic occupancy estimates that can serve as input to downstream conflict-risk estimation.
• Abstract（参考訳）: 次世代の航空交通管制のための正確な意思決定支援ツールを構築するには、堅牢な軌道予測モデルが必要である。 本稿では,航路ラベルやチャート管理を伴わない,歴史的航空機軌道に特化して訓練されたフローマッチングアーキテクチャを提案する。 サンフランシスコ・ベイエリアで収集された1.15百万のAutomatic Dependent Surveillance-Broadcastトラジェクトリウィンドウで訓練されたこのモデルは、歴史的交通量と密接に一致した航空機の軌道分布を生成し、サンフランシスコ空港周辺の既知の空域構造を再現し、SFOが発行したNIITE FOURの出発手順の形状を再現する。 我々のモデルは、ネイティブで不規則なADS-Bサンプリング間隔で直接訓練される。 軌道予測は、条件付きフローマッチングまたは拡散確率モデルを用いて観測履歴に条件付された将来の状態トークンを識別するブロック因果変換器を用いて、シーケンスインペイントとしてキャストされる。 我々は,定数速度,決定論的短期記憶,条件付き変分オートエンコーダのベースラインと比較する。 一致したパラメータ数では、CFM は DDPM を 11-26% で minADE@20 で上回り、どちらの生成目的も CVAE ベースラインを 31-41% 上回っている。 さらに、エラーは予測地平線とともに優雅に劣化し、時間的劣化フィード上で再トレーニングされた場合、アーキテクチャが有効であることを示す。 最後に, コンフリクトリスク推定のインプットとして機能する空間確率的占有率推定を, 独立して$K$のコンプリートをサンプリングする。

関連論文リスト

• Model-Aware Schedules Improve Generation via Fiberwise Optimal Transport [1.1014388269312267]
  拡散および流れマッチングスケジュールは、アフィン確率経路に沿ってデータとノイズを混合する信号と雑音係数を制御する。 ファイバーワイド最適輸送に基づくモデル認識型スケジュール構築を提案する。 我々は,予測対象,トレーニング構成,リスク推定チェックポイント,データセット,アーキテクチャ間のDDPMとフローマッチングを評価した。
  論文  参考訳（メタデータ） (2026-09-10T17:30:44Z)
• AeroCast: Probabilistic 3D Trajectory Prediction for Non-Cooperative Aerial Obstacles via Transformer-MDN Architecture [1.0312968200748118]
  AeroCastは、TransformerエンコーダとMixture Density Network出力ヘッドを組み合わせた確率的軌道予測フレームワークである。 9つの運動カテゴリにまたがるハイブリッドリアル・合成四極子コーパスでは、AeroCastは平均変位誤差と最終変位誤差を約50%削減する。 AeroCast推論は1サンプルあたり0.1msで完了し、100Hzのリアルタイムオンボードデプロイメントと互換性がある。
  論文  参考訳（メタデータ） (2026-06-23T19:52:07Z)
• Tyche: One Step Flow for Efficient Probabilistic Weather Forecasting [48.263481135566316]
  我々は,効率的な確率的天気予報のための一段階条件付き流れモデルであるTycheを提案する。 ERA5の1.5ドル(約1万2000円)と6時間の解像度での実験では、たった1つのNFEを使って、最先端の多段階生成ベースラインの予測スキルとキャリブレーションを一致または超過していることが示されています。
  論文  参考訳（メタデータ） (2026-05-07T20:25:28Z)
• Scale-Disentangled spatiotemporal Modeling for Long-term Traffic Emission Forecasting [10.643363557001955]
  本稿では,長期交通排出予測のためのSDSTM(Scale-Disd S-temporal Modeling)フレームワークを提案する。 提案手法は最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-08-16T06:06:47Z)
• Multi-Path Long-Term Vessel Trajectories Forecasting with Probabilistic Feature Fusion for Problem Shifting [8.970625329763559]
  本稿では,AIS(Automatic Identification System, 自動識別システム)データに基づく多経路長期船体軌道予測の精度向上を課題とする。 我々は,1～3時間のAISデータを入力として,深層自動エンコーダモデルとフェーズド・フレームワーク・アプローチを開発した。 提案モデルでは, 平均誤差と中央値誤差をそれぞれ11km, 6kmと精度良く予測できることを実証した。
  論文  参考訳（メタデータ） (2023-10-29T09:15:22Z)
• Streaming Motion Forecasting for Autonomous Driving [71.7468645504988]
  ストリーミングデータにおける将来の軌跡を問うベンチマークを導入し,これを「ストリーミング予測」と呼ぶ。 我々のベンチマークは本質的に、スナップショットベースのベンチマークでは見過ごされていない安全上の問題であるエージェントの消失と再出現を捉えている。 我々は,任意のスナップショットベースの予測器をストリーミング予測器に適応させることのできる,"Predictive Streamer"と呼ばれるプラグアンドプレイメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-02T17:13:16Z)
• Context-Aware Generative Models for Prediction of Aircraft Ground Tracks [0.004807514276707785]
  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。
  論文  参考訳（メタデータ） (2023-09-26T14:20:09Z)
• Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
  軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。 現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。 本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-28T14:27:27Z)
• Inferring Traffic Models in Terminal Airspace from Flight Tracks and Procedures [39.89295870460643]
  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簡易確率モデルを提案する。 我々は、ガウス混合モデルから一連の偏差をサンプリングし、航空機の軌道を再構築することで合成軌道を生成する。 本研究は、ジョン・F・ケネディ国際空港の着地軌道と着地手順に関するモデルについて紹介する。
  論文  参考訳（メタデータ） (2023-03-17T13:58:06Z)
• A Graph Convolutional Network with Signal Phasing Information for Arterial Traffic Prediction [63.470149585093665]
  動脈交通予測は 現代のインテリジェント交通システムの発展に 重要な役割を担っています 動脈交通予測に関する既存の研究の多くは、ループセンサからの流量と占有率の時間的測定のみを考慮し、上流と下流の検出器間のリッチな空間的関係を無視している。 我々は,信号タイミング計画から発生する空間情報を用いて,深層学習アプローチである拡散畳み込みリカレントニューラルネットワークを強化することで,このギャップを埋める。
  論文  参考訳（メタデータ） (2020-12-25T01:40:29Z)
• 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。