文献

J-GLOBAL ID：202002277042839697   整理番号：20A1924346

到着の航空機推定時間に関する自動データ駆動予測【JST・京大機械翻訳】

Automated data-driven prediction on aircraft Estimated Time of Arrival

著者 (3件)： Wang Zhengyi (Ecole National de l’Aviation Civile, Toulouse, France) ,  Liang Man (University of South Australia, Adelaide, Australia) ,  Delahaye Daniel (Ecole National de l’Aviation Civile, Toulouse, France)
資料名： Journal of Air Transport Management  (Journal of Air Transport Management)
巻： 88  ページ： Null  発行年： 2020年 
JST資料番号： W1054A  ISSN： 0969-6997  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 4D軌道予測は将来の航空輸送システムのコア要素である。それは,航空交通の運用能力と予測可能性を改善することを目的とする。本論文では,末端管理領域(TMA)の入口点における滑走路上の到着時間(ETA)の予測を扱う新しい自動データ駆動フレームワークを紹介した。提案したフレームワークは主にデータ前処理と機械学習モデルから成る。最初に,データセットを分割して,解析して,洗浄して,推定した。次に,飛行を,異なる滑走(QFU)に従って分割にクラスタ化した。いくつかの候補機械学習モデルを訓練し,各QFUの対応するデータセット上で選択した。特徴工学は,生データを特徴に変換するために行われる。その後,実験は,入れ子交差検証による北京TMAにおける実際のADS-Bデータに関して実行した。事前処理および非前処理データセットの予測性能を比較することによって,結果は,提案したデータ前処理がデータ品質を改善できることを証明した。それは,異常値,欠測データ,およびノイズに対してもロバストである。最後に,積層と呼ばれるアンサンブル学習戦略を紹介した。他の個々のモデルと比較して,積層モデルはより複雑な構造を持ち,ETA予測において最良であった。この事実は,本研究で提案したフレームワークが正確で信頼性のあるETA予測を可能にすることを明らかにした。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  学習モデル ,  航空輸送 ,  *航空機 ,  信頼性 ,  滑走路 ,  クラスタ化 ,  軌道推定 ,  異常値 ,  ロバスト性 ,  機械学習 ,  予測可能性
準シソーラス用語： アンサンブル学習 ,  *データ駆動 ,  生データ , 【Automatic Indexing@JST】

著者キーワード (5件)： 航空交通管理 ,  4D軌道予測 ,  到着の推定時間 ,  データマイニング ,  機械学習

分類 (3件)： 交通調査  (TB01031B) ,  航空機の運動性・安定性・操縦性  (QK02040A) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 航空機 ,  推定 ,  データ駆動 ,  予測