Learning Generative Models for Climbing Aircraft from Radar Data

要約

上昇する航空機の正確な軌道予測 (TP) は、航空機の運用に関する認識論的な不確実性の存在によって妨げられ、予測軌道と観測軌道の間に重大な不一致が生じる可能性があります。
この論文では、標準の Base of Aircraft Data (BADA) モデルが、データから学習された推力に対する関数補正によって強化された、上昇航空機用の生成モデルを提案します。
この方法には 3 つの特徴があります。BADA と比較して誤差が 66.3% 少ない到着時間の予測です。
テストデータと比較した場合に現実的な軌道を生成。
最小の計算コストで信頼限界を計算する手段。

要約(オリジナル)

Accurate trajectory prediction (TP) for climbing aircraft is hampered by the presence of epistemic uncertainties concerning aircraft operation, which can lead to significant misspecification between predicted and observed trajectories. This paper proposes a generative model for climbing aircraft in which the standard Base of Aircraft Data (BADA) model is enriched by a functional correction to the thrust that is learned from data. The method offers three features: predictions of the arrival time with 66.3% less error when compared to BADA; generated trajectories that are realistic when compared to test data; and a means of computing confidence bounds for minimal computational cost.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google