Aviation Safety Enhancement via NLP & Deep Learning: Classifying Flight Phases in ATSB Safety Reports

要約

航空の安全は最も重要であり、さまざまな飛行段階で発生する安全性の正確な分析が必要です。
この研究では、自然言語処理 (NLP) と、LSTM、CNN、双方向 LSTM (BLSTM)、単純なリカレント ニューラル ネットワーク (sRNN) などの深層学習モデルを使用して、オーストラリア運輸安全局 (ATSB) からの安全報告書の飛行段階を分類しています。
。
これらのモデルは高い精度、精度、再現率、および F1 スコアを示し、LSTM はそれぞれ 87%、88%、87%、および 88% という最高のパフォーマンスを達成しました。
このパフォーマンスは、安全発生分析の自動化におけるその有効性を強調しています。
NLP と深層学習テクノロジーの統合により、航空安全分析の革新的な強化が約束され、対象を絞った安全対策と合理化されたレポート処理が可能になります。

要約(オリジナル)

Aviation safety is paramount, demanding precise analysis of safety occurrences during different flight phases. This study employs Natural Language Processing (NLP) and Deep Learning models, including LSTM, CNN, Bidirectional LSTM (BLSTM), and simple Recurrent Neural Networks (sRNN), to classify flight phases in safety reports from the Australian Transport Safety Bureau (ATSB). The models exhibited high accuracy, precision, recall, and F1 scores, with LSTM achieving the highest performance of 87%, 88%, 87%, and 88%, respectively. This performance highlights their effectiveness in automating safety occurrence analysis. The integration of NLP and Deep Learning technologies promises transformative enhancements in aviation safety analysis, enabling targeted safety measures and streamlined report handling.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google