文献

J-GLOBAL ID：202202276992610730   整理番号：22A0780935

エンコーダ-復号器アーキテクチャを用いた強化意図による航空機軌道予測【JST・京大機械翻訳】

Aircraft Trajectory Prediction With Enriched Intent Using Encoder-Decoder Architecture

著者 (4件)： Tran Phu N. (School of Mechanical and Aerospace Engineering, Air Traffic Management Research Institute, Nanyang Technological University, Singapore) ,  Nguyen Hoang Q. V. (School of Mechanical and Aerospace Engineering, Air Traffic Management Research Institute, Nanyang Technological University, Singapore) ,  Pham Duc-Thinh (School of Mechanical and Aerospace Engineering, Air Traffic Management Research Institute, Nanyang Technological University, Singapore) ,  Alam Sameer (School of Mechanical and Aerospace Engineering, Air Traffic Management Research Institute, Nanyang Technological University, Singapore)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 17881-17896  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 航空機軌道予測は,特に衝突検出において,航空交通制御における挑戦的な問題である。従来の軌道予測子は,飛行計画,航空機性能モデル,気象予報など様々な入力を必要とする。これらのデータの多くは環境不確実性を受ける。さらに,そのような入力に関する限られた情報,特に航空機戦術意図の欠如は,軌道予測を挑戦的なタスクにする。本研究では,航空機戦術意図のモデリングと組み込みにより,軌道予測を行う深層学習モデルを提案した。提案モデルは符号器デコーダアーキテクチャを採用し,畳み込み層およびゲートリカレントユニット(GRU)を利用した。提案モデルは航空機性能と風データに関する明確な情報を必要としない。結果は,適切なモデル設計と共に,豊富な航空機意図の準備が,10分の予測地平で,予測誤差を30%まで改善することを示した(4.9ナチュラルマイルから3.4ナチュラルマイル)。また,モデルは,1分あたり0.2のナチュラルマイルよりも,ルックアヘッド時間の増加による平均誤差成長速度を保証した。さらに,このモデルは,予測における非常に低い分散を提供し,それは,軌道予測子に対するEUROCONTROL(安全のためのEU機構および航空交通のナビゲーション)によって規定される分散標準を満たした。また,提案したモデルは最先端の軌道予測モデルを凌駕し,そこでは,二乗平均平方根誤差(RMSE)が緯度予測に対して0.0203から0.0018に,また15秒先頭の単一予測段階における経度予測に対して0.0482から0.0021に減少した。ADS-Bデータに関する事前訓練モデルは,Bluesky航空交通シミュレータで検証するとき,クロストラックとトラック誤差に関して,その高性能を維持することを示した。提案モデルは,そのような軌道予測モデルが必要とされる衝突検出システムの性能を著しく改善する。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  天気予報 ,  *航空輸送 ,  *航空機 ,  交通制御 ,  *復号器 ,  緯度 ,  経度 ,  モデリング ,  *符号器 ,  モデル ,  *軌道推定 ,  *計算機アーキテクチャ ,  予測誤差
準シソーラス用語： 深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 運転者  (TB01040V)

タイトルに関連する用語 (7件)： エンコーダ ,  復号器 ,  アーキテクチャ ,  強化 ,  意図 ,  航空機 ,  軌道予測