Large Language Models for Single-Step and Multi-Step Flight Trajectory Prediction

要約

飛行軌道予測は、航空における重要な時系列系列のタスクです。
深い学習方法は重要な約束を示していますが、このドメインに大規模な言語モデル（LLM）を適用することは未定のままです。
この研究は、言語モデリングの問題としてそれを再構成することにより、飛行軌道予測にLLMを使用することを先駆けています。
具体的には、ADS-Bフライトデータから航空機の位置とステータスを表す機能を抽出して、軌道ウェイポイントが言語トークンに変換されるプロンプトベースのデータセットを構築します。
次に、データセットがLLMSを微調整するために使用され、正確な予測のために複雑な時空パターンを学習できるようにします。
包括的な実験は、LLMが従来の方法と比較してシングルステップとマルチステップの両方の予測で顕著なパフォーマンスの改善を達成し、LLAMA-3.1モデルが全体的な精度が最も高いことを示しています。
ただし、LLMSの高い推論の遅延は、リアルタイムアプリケーションに課題となり、この有望な方向にさらなる研究の必要性を強調しています。

要約(オリジナル)

Flight trajectory prediction is a critical time series task in aviation. While deep learning methods have shown significant promise, the application of large language models (LLMs) to this domain remains underexplored. This study pioneers the use of LLMs for flight trajectory prediction by reframing it as a language modeling problem. Specifically, We extract features representing the aircraft’s position and status from ADS-B flight data to construct a prompt-based dataset, where trajectory waypoints are converted into language tokens. The dataset is then employed to fine-tune LLMs, enabling them to learn complex spatiotemporal patterns for accurate predictions. Comprehensive experiments demonstrate that LLMs achieve notable performance improvements in both single-step and multi-step predictions compared to traditional methods, with LLaMA-3.1 model achieving the highest overall accuracy. However, the high inference latency of LLMs poses a challenge for real-time applications, underscoring the need for further research in this promising direction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google