Amelia：用于机场场面运动预测的大型数据集与基准
机器学习
2025-10-06 v4
摘要
航空旅行需求的增长给现有机场基础设施带来了压力。在美国，超过 90% 的机场管制塔台人员配备不足，未达到 FAA 和行业标准。这在一定程度上导致了近地事故和安全临界事件的增加，凸显了推进空中交通管理技术以确保安全高效运营的必要性。基于数据的机场场面运动预测模型有望应对这些挑战；然而，公共领域缺乏大规模场面运动数据集，阻碍了可扩展且通用方法的发展。为解决此问题，我们推出了 Amelia-42，这是首个通过 FAA 系统广域信息管理（SWIM）计划收集的大型机场场面运动数据集合，包含美国 42 个机场超过两年的轨迹数据（约 9.19 TB）。我们提供了将这些数据处理为干净表格化位置报告的工具。我们发布了 Amelia42-Mini，即每个机场 15 天的数据，已在 HuggingFace 上完成处理，便于使用。我们还提出了一个轨迹预测基准，包括 Amelia10-Bench（一个使用 10 个机场 292 天数据的可访问实验集）以及 Amelia-TF，一个用于多智能体轨迹预测的基线模型。所有资源均可在我们的网站获取：https://ameliacmu.github.io 和 https://huggingface.co/AmeliaCMU。
关键词
引用
@article{arxiv.2407.21185,
title = {Amelia: A Large Dataset and Benchmark for Airport Surface Movement Forecasting},
author = {Ingrid Navarro and Pablo Ortega-Kral and Jay Patrikar and Haichuan Wang and Alonso Cano and Zelin Ye and Jong Hoon Park and Sebastian Scherer and Jean Oh},
journal= {arXiv preprint arXiv:2407.21185},
year = {2025}
}
备注
40 pages, 19 figures, 9 tables