轨迹聚类及其在空域监控中的应用
机器学习
2011-03-30 v2
摘要
本文提出了一个旨在监控给定空域中航空器行为的框架。使用数据驱动方法确定并学习标称轨迹。空中交通管制员（ATC）使用标准程序来引导航空器，确保空域安全，并最大化跑道占用率。尽管ATC使用了标准程序，航空器的控制权仍属于飞行员，导致观察到的飞行模式存在很大变异性。本文提出了两种从记录的雷达航迹中识别典型操作及其变异性的方法。然后，该知识库被用于监控当前操作与先前被识别为标准的操作之间的一致性。本文介绍了一个名为AirTrajectoryMiner的工具，旨在实时监控空域的瞬时健康状况。当所有航空器按照标称程序飞行时，空域是“健康的”。本文引入了一种复杂度度量，用于测量当前飞行与标称飞行模式的一致性。当航空器不一致时，复杂度会增加，因为需要ATC投入更多注意力以确保航空器之间的安全间隔。
引用
@article{arxiv.1001.5007,
title = {Trajectory Clustering and an Application to Airspace Monitoring},
author = {Maxime Gariel and Ashok N. Srivastava and Eric Feron},
journal= {arXiv preprint arXiv:1001.5007},
year = {2011}
}
备注
15 pages, 20 figures