基于航空器轨迹分段的对比编码：用于自监督轨迹表示的框架
机器学习
2024-10-23 v1
摘要
空管社区对航空器轨迹识别越来越感兴趣，尤其是对于诸如分类和聚类等基本任务。本文引入了航空器轨迹分段对比编码（ATSCC），这是一种新型自监督时间序列表示学习框架，旨在捕获航空器轨迹数据中的语义信息。该框架利用轨迻可分割特性，确保自分配分段之间的一致性。对来自三个不同机场、共计四个数据集上的深度实验进行了测试，比较了所学表示在下游分类和聚类任务中的性能与其他最先进的表示学习技术。结果表明，ATSCC通过与航空器程序中定义的标签一致来超越这些方法。ATSCC适用于各种机场配置，并且可扩展到不完整的轨迹。该研究独立地在不依赖预定义输入（如机场配置、机动程序或标记数据）的情况下实现了这些改进。
引用
@article{arxiv.2407.20028,
title = {Aircraft Trajectory Segmentation-based Contrastive Coding: A Framework for Self-supervised Trajectory Representation},
author = {Thaweerath Phisannupawong and Joshua Julian Damanik and Han-Lim Choi},
journal= {arXiv preprint arXiv:2407.20028},
year = {2024}
}
备注
16 pages, 7 figures. This work has been submitted to the IEEE for possible publication