利用 AI 进行航空事故后分析分类
人工智能
2025-06-03 v1
摘要
航空安全报告中可用文本数据的庞大数量给及时准确的分析带来了挑战。本文探讨了人工智能（AI），特别是自然语言处理（NLP），如何自动化从这些数据中提取有价值见解的过程，从而最终提升航空安全。本文回顾了将 NLP 和深度学习应用于航空安全报告的现有研究，目标是对飞机受损程度进行分类，并识别安全事件发生的飞行阶段。此外，本文探讨了主题建模（TM）的应用，以揭示航空事故报告中潜在的主题结构，旨在识别反复出现的模式及潜在的安全改进领域。本文比较并对比了应用于 National Transportation Safety Board (NTSB)、Australian Transport Safety Bureau (ATSB) 以及 Aviation Safety Network (ASN) 数据集的各种深度学习模型和 TM 技术的性能，并讨论了数据集大小和来源对分析准确性的影响。研究结果表明，NLP 和深度学习以及 TM 都能显著提高航空安全分析的效率和准确性，为更主动的安全管理和风险缓解策略铺平了道路。
引用
@article{arxiv.2506.00169,
title = {Utilizing AI for Aviation Post-Accident Analysis Classification},
author = {Aziida Nanyonga and Graham Wild},
journal= {arXiv preprint arXiv:2506.00169},
year = {2025}
}