数据驱动的空中交通管制员冲突解脱反应预测
人工智能
2022-05-20 v1 机器学习
摘要
为了增强空中交通管理领域中冲突检测与解脱（CD&R）任务的自动化，本文提出深度学习技术（DL）来学习空中交通管制员（ATCO）在解脱可能违反航空器轨迹间间隔最小约束的冲突时的反应模型：这意味着学习 ATCO 何时将针对冲突解脱做出反应，以及他/她将如何反应。本文所关注的及时反应侧重于反应发生的时间，旨在随着轨迹演化预测 ATCO 发出冲突解脱动作的轨迹点，同时预测解脱动作的类型（若有）。为此，本文形式化了面向 CD&R 的 ATCO 反应预测问题，并提出了能够建模 ATCO 及时反应的深度学习方法，在真实世界数据集上对这些方法进行了评估，显示出其在预测上具有很高的准确性。
引用
@article{arxiv.2205.09539,
title = {Data-driven prediction of Air Traffic Controllers reactions to resolving conflicts},
author = {Alevizos Bastas and George A. Vouros},
journal= {arXiv preprint arXiv:2205.09539},
year = {2022}
}
备注
40 pages, 7 Tables, 5 Figures, 30 References