基于深度模仿学习的数据驱动飞机轨迹预测
机器学习
2020-05-19 v1 人工智能
机器学习
摘要
当前全球空中交通管理（ATM）系统在可预测性、效率和成本效益方面已达到其极限。全球不同的倡议提出以轨迹为导向的转型，需要高保真飞机轨迹规划与预测能力，以高效支持轨迹生命周期的所有阶段。最近提出的数据驱动轨迹预测方法提供了有前景的结果。在本文中，我们将数据驱动轨迹预测问题视为模仿学习任务，旨在模仿专家“塑造”轨迹。为此，我们提出一个综合框架，包含生成对抗模仿学习（Generative Adversarial Imitation Learning）这一最先进方法，并与轨迹聚类和分类方法构成流水线。与其他方法相比，该方法能够在预战术（即于特定时刻从起飞机场开始）和战术（即飞行中从任意状态开始）阶段，针对整个轨迹（即预测视界直至到达目的地）提供准确预测。
引用
@article{arxiv.2005.07960,
title = {Data Driven Aircraft Trajectory Prediction with Deep Imitation Learning},
author = {Alevizos Bastas and Theocharis Kravaris and George A. Vouros},
journal= {arXiv preprint arXiv:2005.07960},
year = {2020}
}