基于轨迹图像深度学习的飞机着陆时间预测
机器学习
2024-01-03 v1
摘要
飞机着陆时间（ALT）预测对于空中交通管理至关重要，特别是对于跑道上的到达飞机排序。本研究提出了一种基于轨迹图像的深度学习方法，用于预测进入覆盖终端机动区（TMA）的研究空域的飞机的 ALT。具体而言，利用时间捕获窗口内所有空中到达飞机的轨迹生成图像，其中目标飞机轨迹标记为红色，所有背景飞机轨迹标记为蓝色。轨迹图像包含各种信息，包括飞机位置、速度、航向、相对距离和到达交通流。这使得我们能够使用最先进的深度卷积神经网络进行 ALT 建模。我们还使用从轨迹数据获得的实时跑道使用情况以及飞机类型和天气状况等外部信息作为额外输入。此外，设计了一个基于卷积神经网络（CNN）的模块，用于自动进行与等待相关的特征化，该模块以轨迹图像、前机等待状态及其在研究空域边界的时间和速度间隔作为输入。其输出进一步馈入最终的端到端 ALT 预测。所提出的 ALT 预测方法应用于新加坡樟宜机场（ICAO 代码：WSSS），使用了 2022 年 11 月 1 日至 11 月 30 日一个月的自动相关监视广播（ADS-B）数据。实验结果表明，通过整合等待特征化，我们可以将平均绝对误差（MAE）从 82.23 秒降低到 43.96 秒，并达到 96.1% 的平均准确率，其中 79.4% 的预测误差小于 60 秒。
引用
@article{arxiv.2401.01083,
title = {Aircraft Landing Time Prediction with Deep Learning on Trajectory Images},
author = {Liping Huang and Sheng Zhang and Yicheng Zhang and Yi Zhang and Yifang Yin},
journal= {arXiv preprint arXiv:2401.01083},
year = {2024}
}
备注
In 2023 13th SESAR Innovation Days (SIDS2023)