用于飞机地面航迹预测的上下文感知生成模型
系统与控制
2023-09-27 v1 机器学习
系统与控制
摘要
航迹预测（TP）在支持空中交通管制员（ATCOs）的决策中起着重要作用。传统的 TP 方法是确定性的且基于物理，其参数利用全球采集的飞机监视数据进行校准。因此，这些模型忽略了飞行员和 ATCOs 的意图，而这些意图会对观测到的航迹产生显著影响，尤其在横向平面内。本工作提出一种横向 TP 的生成方法，使用概率机器学习对由飞行员行为和 ATCO 意图未知影响所产生的认知不确定性进行建模。模型被训练为特定于某一特定扇区，从而可对协调进出点等本地程序进行建模。一个包含穿越英国上空繁忙扇区一周的飞机监视数据的数据集被用于训练和测试模型。具体而言，采用分段线性模型作为地面航迹的函数化低维表示，其控制点由以部分上下文为条件的生成模型确定。研究发现，在所研究的模型中，使用 Laplace 近似的贝叶斯神经网络能够生成最可信的航迹，以模拟扇区内交通流。
引用
@article{arxiv.2309.14957,
title = {Context-Aware Generative Models for Prediction of Aircraft Ground Tracks},
author = {Nick Pepper and George De Ath and Marc Thomas and Richard Everson and Tim Dodwell},
journal= {arXiv preprint arXiv:2309.14957},
year = {2023}
}