Context-Aware Generative Models for Prediction of Aircraft Ground Tracks

要約

軌道予測 (TP) は、航空管制官 (ATCO) の意思決定をサポートする上で重要な役割を果たします。
従来の TP 手法は決定論的かつ物理ベースであり、パラメーターは世界中で収集された航空機監視データを使用して校正されます。
したがって、これらのモデルはパイロットや管制官の意図にとらわれず、特に横方向の面で観測される軌道に重大な影響を与える可能性があります。
この研究では、確率的機械学習を使用して、パイロットの行動と ATCO の意図の未知の影響から生じる認識論的不確実性の影響をモデル化する、横方向 TP の生成方法を提案します。
モデルは特定のセクターに固有になるようにトレーニングされており、調整された入口点と出口点などのローカル手順をモデル化できます。
モデルのトレーニングとテストには、英国上空の混雑した区域を通過する 1 週間分の航空機監視データで構成されるデータセットが使用されました。
具体的には、部分的なコンテキストに基づいて条件付けされた生成モデルによって制御点が決定される、地上トラックの機能的な低次元表現として区分線形モデルが使用されました。
調査したモデルのうち、ラプラス近似を使用したベイジアン ニューラル ネットワークが、セクターを通過するトラフィックの流れをエミュレートするために最も妥当な軌道を生成できることが判明しました。

要約(オリジナル)

Trajectory prediction (TP) plays an important role in supporting the decision-making of Air Traffic Controllers (ATCOs). Traditional TP methods are deterministic and physics-based, with parameters that are calibrated using aircraft surveillance data harvested across the world. These models are, therefore, agnostic to the intentions of the pilots and ATCOs, which can have a significant effect on the observed trajectory, particularly in the lateral plane. This work proposes a generative method for lateral TP, using probabilistic machine learning to model the effect of the epistemic uncertainty arising from the unknown effect of pilot behaviour and ATCO intentions. The models are trained to be specific to a particular sector, allowing local procedures such as coordinated entry and exit points to be modelled. A dataset comprising a week’s worth of aircraft surveillance data, passing through a busy sector of the United Kingdom’s upper airspace, was used to train and test the models. Specifically, a piecewise linear model was used as a functional, low-dimensional representation of the ground tracks, with its control points determined by a generative model conditioned on partial context. It was found that, of the investigated models, a Bayesian Neural Network using the Laplace approximation was able to generate the most plausible trajectories in order to emulate the flow of traffic through the sector.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google