用于 ATCO 指令生命周期建模与工作负荷预测的多模态深度学习
机器学习
2025-11-13 v1 人工智能
计算机视觉与模式识别
音频与语音处理
摘要
空中交通管制员（ATCO）在密集空域发出高强度语音指令，准确的工作负荷建模对安全和效率至关重要。本文提出了一个多模态深度学习框架，集成了结构化数据、轨迹序列和图像特征，以估计 ATCO 指令生命周期中的两个关键参数：指令与由此产生的飞机机动之间的时间偏移量，以及指令持续时间。构建了一个高质量的数据集，使用滑动窗口和基于直方图的方法检测机动点。开发了一个 CNN-Transformer 集成模型，用于准确、可泛化且可解释的预测。通过将轨迹与语音指令关联起来，这项工作提供了同类首个支持智能指令生成的模型，并为工作负荷评估、人员配备和调度提供了实用价值。
引用
@article{arxiv.2509.10522,
title = {Multimodal Deep Learning for ATCO Command Lifecycle Modeling and Workload Prediction},
author = {Kaizhen Tan},
journal= {arXiv preprint arXiv:2509.10522},
year = {2025}
}