|

楼主 |
发表于 2024-11-4 13:59:03
来自手机
|
显示全部楼层
计算机智能空管团队再发Nature Communications
' f, h; A0 S% k1 y5 W: G4 B% \; D, z
作为国际民航组织推行基于航迹运行(TBO)的关键技术,航班轨迹预测受到国内外学术和工业界的广泛关注。随着飞行流量增加、低空飞行加入国家空域系统,复杂运行场景对空管指挥提出了更高的要求。在此背景下,受生理和心理限制,管制员“错忘漏”等“人的因素”导致的不安全事故征候频发。防范这一风险的有效手段是通过语音指令获取管制员指令意图,融合指令关键要素预测管制行为作用于航班飞行态势演化情况,并检测管制行为是否安全。然而,由于语音处理技术的限制,现有系统无法感知管制员行为意图,导致飞机机动阶段的预测响应滞后,无法支撑管制安全防护,不利于航空交通安全高效运行。
: S) L- a# @- s: c依托团队在空管语音指令理解(IEEE TNNLS 2022, IEEE TASLP 2023)、航班轨迹预测(IEEE TITS 2023, AAAI 2024)和多模态空管数据(ACM MM 2023)方面的研究基础,以真实运行场景下的需求为牵引(CHINESE J AERONAUT 2023),在国际上首次提出了指令驱动的航班轨迹预测研究方向,旨在通过引入管制意图提升轨迹预测性能及其在机动阶段的响应能力,拓展了航班轨迹预测研究内涵及其在智能化空管领域的应用前景。提出了基于可学习时序嵌入表示的非自回归轨迹预测框架、多分类意图嵌入表示及多模态特征融合方法,并在此基础上提出了三阶段训练策略,保证模型能够有效捕获指令与轨迹“异构同语义”数据在高阶特征空间的共有模式,以支撑指令驱动场景下的航班轨迹预测任务,提升空管系统的自动化信息处理能力。, W0 b& U8 [9 ]4 @# T0 w: H
9 H1 E4 P1 B* o2 u" W3 A该成果以“Integrating spoken instructions into flight trajectory prediction to optimize automation in air traffic control”为题即将发表在下一期的Nature Communications上,系团队继WTFTP之后再次登上Nature子刊的空管研究成果。整个工作由四川大学计算机学院独立完成,计算机学院林毅副研究员为本文唯一通讯作者、专职博士后郭东岳为第一作者,该工作得到2项国家自然科学基金联合重点项目(U2333209、U20A20161)支持。 |
|