CN110111792A - 空中交通管制自动指挥系统 - Google Patents
空中交通管制自动指挥系统 Download PDFInfo
- Publication number
- CN110111792A CN110111792A CN201810102596.4A CN201810102596A CN110111792A CN 110111792 A CN110111792 A CN 110111792A CN 201810102596 A CN201810102596 A CN 201810102596A CN 110111792 A CN110111792 A CN 110111792A
- Authority
- CN
- China
- Prior art keywords
- commander
- scheme
- blank pipe
- order
- control order
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005457 optimization Methods 0.000 claims description 28
- 230000004927 fusion Effects 0.000 claims description 26
- 238000010801 machine learning Methods 0.000 claims description 18
- 230000015572 biosynthetic process Effects 0.000 claims description 14
- 238000003786 synthesis reaction Methods 0.000 claims description 14
- 230000005855 radiation Effects 0.000 claims description 13
- 230000001755 vocal effect Effects 0.000 claims description 6
- 241001672694 Citrus reticulata Species 0.000 claims description 4
- 230000033228 biological regulation Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010129 solution processing Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/04—Training, enrolment or model building
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/22—Interactive procedures; Man-machine interfaces
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种空中交通管制自动指挥系统,包括:语音识别模块,用于预先获取空管语音数据,并确定与空管语音数据相对应的空管文本;空管语音数据包括录音数据和实时数据;指挥方案生成模块,用于根据空管文本生成指挥方案,并将指挥方案存储至指挥方案库;指令选择模块,用于在需要发布命令时从指挥方案库中选择相对应的指挥方案,并根据指挥方案生成管制指令;发送模块,用于将管制指令发送至飞行器。该系统可以代替管制员指挥飞行员驾驶飞机飞行,管制员仅监视该系统的运行即可,空管成本降低、空管人员的劳动强度降低;可以保证区域内航空器安全、有序、有效地起飞、飞行、降落,圆满完成飞行任务,提高了飞行的安全性。
Description
技术领域
本发明涉及空中管制技术领域,特别涉及一种空中交通管制自动指挥系统。
背景技术
目前,飞机在天上飞行需要受到专门机构的指挥与调度,即空中交通管制(AirTraffic Control)。空中交通管制利用技术手段和设备对飞机在空中飞行的情况进行监视和管理,保证一切飞机的飞行活动随时受地面指挥调度的管理,严格按计划(高度和航线)飞行,有效利用空间,保证空中交通有秩序进行,防止飞机在空中相撞,防止飞机同障碍物相撞,保证空中交通无阻和有序飞行,以保证其飞行安全和飞行效率。地面指挥调度就是管制员与飞行员通过陆空语音通话,由管制员向飞行员发出管控指令指挥飞行员按要求操作飞机,因此保证管制员向飞行员发出的管控指令符合当时的空情及空中交通管制规范非常重要。
现有采用由管制员指挥飞行员飞行的空管模式,需要管制员高度集中精神;而管制员作为一个个体,有其无法避免的局限性,即人们在经过长时间的精神高度集中的工作后,注意力、反应速度、记忆力和判断力将会下降,导致有时候会出现判断出错的情况,存在飞行安全隐患。
发明内容
本发明提供一种空中交通管制自动指挥系统,用以解决空管系统过渡依赖管制员的缺陷。
本发明实施例提供的一种空中交通管制自动指挥系统,包括:
语音识别模块,用于预先获取空管语音数据,并确定与所述空管语音数据相对应的空管文本;所述空管语音数据包括录音数据和实时数据;
指挥方案生成模块,用于根据所述空管文本生成指挥方案,并将所述指挥方案存储至指挥方案库;
指令选择模块,用于在需要发布命令时从所述指挥方案库中选择相对应的指挥方案,并根据所述指挥方案生成管制指令;
发送模块,用于将所述管制指令发送至飞行器。
在一种可能的实现方式中,所述语音识别模块包括:语音识别器、空管语音学习器、声纹识别器、合成器、分析器、空管命令学习器和第一融合器;
所述语音识别器用于根据所述空管语音学习器识别所述空管语音数据,确定与所述空管语音数据相对应的初始文本;其中,所述语音识别器包括混合语音识别器,或者所述语音识别器包括汉语语音识别器和英语语音识别器;
所述空管语音学习器用于根据预设的空管语料库进行机器学习;
所述声纹识别器用于根据预设的空管声纹库识别所述空管语音数据中的声纹信息,确定相对应的声纹信息;
所述合成器用于对所述初始文本和所述声纹信息进行合成处理,生成与所述空管语音数据相对应的中间文本;
所述分析器用于根据所述空管命令学习器对所述中间文本进行空管词法分析和空管句法分析,确定所述中间文本中的空管词语和空管句子;
所述空管命令学习器用于根据预设的空管命令库进行机器学习;
所述第一融合器用于根据预设的空管信息库对所述空管词语和空管句子进行分析和融合,确定相对应的空管文本。
在一种可能的实现方式中,该系统还包括:错误选择模块;所述错误选择模块包括错误选择器、错误学习器和第二融合器;
所述错误选择器用于根据所述错误学习器选择所述空管文本中的错误信息;
所述错误学习器用于根据预设的错误库进行机器学习;
所述第二融合器用于根据预设的空管信息库对所述错误信息进行分析和融合,确定相对应的错误文本。
在一种可能的实现方式中,所述错误选择模块还包括重要错误选择器;
所述重要错误选择器用于根据所述空管信息库从所述错误文本中选择重要错误文本,并指示显示设备显示所述重要错误文本。
在一种可能的实现方式中,所述指挥方案生成模块包括:指挥方案生成器、指挥方案学习器和第三融合器;
所述指挥方案生成器用于根据所述指挥方案学习器将所述空管文本转换为中间指挥方案;
所述指挥方案学习器用于根据预设的指挥方案库进行机器学习;
所述第三融合器用于根据预设的空管信息库对所述中间指挥方案进行分析和融合,确定相对应的指挥方案。
在一种可能的实现方式中,所述指挥方案生成模块还包括:指挥方案优化器和方案优化学习器;
所述指挥方案优化器用于根据所述方案优化学习器以及当前的空管信息库对选择的所述指挥方案进行优化,将优化后的指挥方案作为所述指令选择模块最终生成的指挥方案;
所述方案优化学习器用于根据预设的方案优化库进行机器学习。
在一种可能的实现方式中,所述指令选择模块包括:最优方案选择单元;
所述最优方案选择单元用于根据当前的空管信息库从所述指挥方案库中预选出多个待定指挥方案,并分别确定每个待定指挥方案的优先级,将优先级最高的待定指挥方案选为最终的最优指挥方案;
其中,确定待定指挥方案的优先级包括:
确定待定指挥方案中管制指令的条数n,n>2,并根据当前的空管信息库确定每条管制指令的优先级;
根据管制指令优先级的最大等级以及管制指令的条数n确定同心圆区域,所述同心圆区域设有多个同心圆,每个同心圆对应管制指令优先级的一个等级,管制指令优先级越高,同心圆的半径越大;同时,n条以同心圆圆心为起点的辐射线将所述同心圆区域n等分;
根据管制指令的权重值按照从小到大的顺序确定初步排列顺序,并以最小权重值对应的管制指令为起点,按照所述初步排列顺序隔位选取与当前管制指令相邻的下一个管制指令,直至隔位遍历了所有的管制指令;之后将未选取的管制指令按照权重值从大到小的顺序继续排列,直至所有管制指令排列完毕,并将管制指令最终的顺序作为所述待定指挥方案的管制指令排列顺序;
按照所述管制指令排列顺序将所有的管制指令依次设置在所述同心圆区域内,每条辐射线对应一条管制指令,且将与所述管制指令的优先级相对应的辐射线与同心圆交点作为所述管制指令的有效点;
将相邻管制指令的有效点相连,由所有有效点确定的区域作为所述待定指挥方案相对应的目标区域,并确定所述目标区域的面积S;
根据所述待定指挥方案相对应的目标区域确定所述待定指挥方案的优先级P:
其中,λ为与n相关的调整系数,n越大,λ越小;r为与有待定指挥方案中与优先级最大的管制指令对应的同心圆的半径。
在一种可能的实现方式中,所述指令选择模块还包括:语音合成器和语音合成学习器;
所述语音合成器用于根据所述语音合成学习器将所述指挥方案转换为语音形式的管制指令;
所述语音合成学习器用于根据预设的标准空管语音库进行机器学习。
在一种可能的实现方式中,所述指令选择模块还包括:方案选择器;
所述方案选择器用于从所述指挥方案库中选择多个相对应的指挥方案,在接收到管制员输入的选择指令后,根据所述选择指令确定所述管制员选择的指挥方案,并将所述选择的指挥方案作为最终的指挥方案发送至所述语音合成器。
本发明实施例提供的一种空中交通管制自动指挥系统,利用空管语音数据预先生成指挥方案,在管制员需要向飞行员发布命令时,该系统可以自动选择当前合适的指挥方案,并向飞行员发送管制指令。该系统可以代替管制员指挥飞行员驾驶飞机飞行,管制员仅监视该系统的运行即可,空管成本降低、空管人员的劳动强度降低;该系统将飞行器、飞行员、区域内地面管制设备、地面管制人员有机的联系在一起,保证区域内航空器安全、有序、有效地起飞、飞行、降落,圆满完成飞行任务,提高了飞行的安全性。该系统可以从根本上消除了人工指挥所产生的指挥命令不规范、人为因素产生的不正确命令的情况;且将使空中交通管理更加有效、便捷,飞行更加安全、有序,空域使用更加合理、规范,航空产业将产生更大的经济效益和社会效益。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中空中交通管制自动指挥系统的结构图;
图2为本发明实施例中语音识别模块的结构示意图;
图3为本发明实施例中错误选择模块的结构示意图;
图4为本发明实施例中指挥方案生成模块的结构示意图;
图5为本发明实施例中指令选择模块的结构示意图;
图6为本发明实施例中确定待定指挥方案目标区域的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种空中交通管制自动指挥系统(Air Traffic ControlAutomatic Command System,ATCACS),该系统的实施分为三个阶段:第一阶段,完全是管制员指挥,系统积累、优化指挥方案;第二阶段,部分管制员指挥,部分由系统提供方案指挥;第三阶段,完全由系统提供方案指挥,管制员不再发语音命令,仅在管制员确认系统出故障时,才由管制员发语音命令指挥。
在第一、第二阶段,系统还将从管制员的指挥命令中选择那些不规范、错误的命令,将不规范、错误的命令提交至管理部门,帮助管制员改进工作。
在第三阶段,由于管制员可以不再发语音命令,此时语音识别及相关功能可以停止工作。
具体的,参见图1所示,本发明实施例提供的一种空中交通管制自动指挥系统包括:语音识别模块10、指挥方案生成模块20、指令选择模块30和发送模块40。
具体的,语音识别模块10,用于预先获取空管语音数据,并确定与空管语音数据相对应的空管文本;空管语音数据包括录音数据和实时数据。
本发明实施例中,空管语音数据就是一个管制员在一个值班时段内与飞行员的通话语音记录,语音记录分两种情况:一种是录音,另一种是实时语音。相对应的,该空管文本即为该管制员在一个值班时段内与飞行员的通话文本记录。
指挥方案生成模块20,用于根据空管文本生成指挥方案,并将指挥方案存储至指挥方案库。
本发明实施例中,根据空管文本可以生成一个指挥方案,之后将指挥方案存储至指挥方案库,以便于需要调用指挥方案时直接从该指挥方案库中选取并调用相应的指挥方案。
指令选择模块30,用于在需要发布命令时从指挥方案库中选择相对应的指挥方案,并根据指挥方案生成管制指令。
发送模块40,用于将管制指令发送至飞行器。
本发明实施例中,当管制员需要向飞行员发布命令时,可以利用该空中交通管制自动指挥系统从指挥方案库中选择相对应的指挥方案,之后根据指挥方案生成相应的管制指令。该飞行器具体可以为飞行员侧驾驶的飞机等。
本发明实施例提供的一种空中交通管制自动指挥系统,利用空管语音数据预先生成指挥方案,在管制员需要向飞行员发布命令时,该系统可以自动选择当前合适的指挥方案,并向飞行员发送管制指令。该系统可以代替管制员指挥飞行员驾驶飞机飞行,管制员仅监视该系统的运行即可,空管成本降低、空管人员的劳动强度降低;该系统将飞行器、飞行员、区域内地面管制设备、地面管制人员有机的联系在一起,保证区域内航空器安全、有序、有效地起飞、飞行、降落,圆满完成飞行任务,提高了飞行的安全性。该系统可以从根本上消除了人工指挥所产生的指挥命令不规范、人为因素产生的不正确命令的情况;且将使空中交通管理更加有效、便捷,飞行更加安全、有序,空域使用更加合理、规范,航空产业将产生更大的经济效益和社会效益。
本发明另一实施例提供一种空中交通管制自动指挥系统,该系统包括上述实施例中的模块,其实现原理以及技术效果参见图1对应的实施例。同时,本发明实施例中,参见图2所示,语音识别模块10包括:语音识别器11、空管语音学习器12、声纹识别器13、合成器14、分析器15、空管命令学习器16和第一融合器17。
具体的,语音识别器11用于根据空管语音学习器12识别空管语音数据,确定与空管语音数据相对应的初始文本;其中,语音识别器11包括混合语音识别器,或者语音识别器包括汉语语音识别器和英语语音识别器。
空管语音学习器12用于根据预设的空管语料库进行机器学习。
声纹识别器13用于根据预设的空管声纹库识别空管语音数据中的声纹信息,确定相对应的声纹信息。合成器14用于对初始文本和声纹信息进行合成处理,生成与空管语音数据相对应的中间文本。
本发明实施例中,由于一般管制员与飞机驾驶员通话使用的是双语种(例如:汉语和英语),故语音识别器11包括混合语音识别器,通过混合语音识别器识别双语种;或者语音识别器包括汉语语音识别器和英语语音识别器,从而可以分别识别汉语和英语。一般情况下,管制员与飞行员之间的语音是汉语、英语混合一起,但在一句完整的指挥命令中只有一种语言。同时,由于空管语音数据可能会包含管制员和飞行员多种身份的语音数据,同时同一管制员还可能会分别与多个飞行员进行通话;本发明实施例中通过声纹识别器13区分该空管语音数据中每条语音数据对应的身份,同时也可以进一步提取出管制员相关的语音数据。例如,在一个区域内管制员与一个飞行员的通话,同区域内的其他飞行员也能听见;即可能出现如下问题:管制员指挥张飞行员,李飞行员出来应答并执行。本发明实施例中通过声纹识别解决上述问题,张的声纹对应A,李的声纹对应B,管制员指挥张飞行员,系统显示应答者为A;如果系统显示B,管制员就知道应答者错了,管制员可以及时告诉李飞行员。
其中,根据初始文本和声纹信息确定的中间文本是混合语音识别的输出结果,该过程只是将语音变成文字,不涉及对文字的理解。
分析器15用于根据空管命令学习器对中间文本进行空管词法分析和空管句法分析,确定中间文本中的空管词语和空管句子。
空管命令学习器16用于根据预设的空管命令库进行机器学习。
第一融合器17用于根据预设的空管信息库对空管词语和空管句子进行分析和融合,确定相对应的空管文本。
本发明实施例中,分析器15则要涉及对文字的理解,要进行词法分析、句法分析,并与空管信息相关、融合处理。具体的,空管信息库包含:雷达信息(如飞机动态)、飞行计划信息、气象信息、航行情报信息、空管命令规则、已识别的语音信息、航空公司信息、机场信息等,还可以包含其他相关信息。第一融合器17在确定空管词语和空管句子后,利用空管信息库获取与该空管语音数据相关的区域中的空管信息(例如:该区域该飞机的飞行速度、高度、航向、气象情况、其他飞机的速度、高度、航行),并将该空管信息作为该空管语音数据的背景情况,结合空管语音库中的命令规则进行分析、判断,从而确定在当前情况下、在当前环境中、按照预设的规则,这个空管词语或空管句子就是这个意思。第一融合器17对空管词语和空管句子进行分析和融合,进而得到相对应的空管文本。
在一种可能的实现方式中,参见图3所示,该系统还包括:错误选择模块50;错误选择模块50包括错误选择器51、错误学习器52和第二融合器53;
错误选择器51用于根据错误学习器52选择空管文本中的错误信息;
错误学习器52用于根据预设的错误库进行机器学习;
第二融合器52用于根据预设的空管信息库对错误信息进行分析和融合,确定相对应的错误文本。
本发明实施例中,空管文本中可能存在不规范的命令或错误的命令,即错误信息;此时需要利用错误选择器51将不规范的命令或错误的命令选择出来,提交给管理部门和当班的管制员,帮助他们提高业务能力,减少、避免发出不规范的命令或错误的命令。具体的,错误选择器51可以根据空管语法文件和空管命令集从空管文本中选择出的错误信息或错误命令,之后第二融合器52根据预设的空管信息库分析上述选择出的错误信息是否真的是错的,即确认其确实是错误的信息或错误的命令,且第二融合器52同时确认该错误的等级或对错误进行分类,例如确认该错误是严重错误还是一般错误等。
在一种可能的实现方式中,错误选择模块50还包括重要错误选择器。重要错误选择器用于根据空管信息库从错误文本中选择重要错误文本,并指示显示设备显示重要错误文本。
本发明实施例中,错误文本中包括不规范的语句和错误语句,重要错误选择器用于将错误语句中与航行诸元相关的语句、并且根据当时的空域状况可能造成事故征候的错误语句选择出来。之后在独立的显示屏将重要错误显示出来,便于管制员及时纠错。
在一种可能的实现方式中,参见图4所示,指挥方案生成模块20包括:指挥方案生成器21、指挥方案学习器22和第三融合器23。
指挥方案生成器21用于根据指挥方案学习器将空管文本转换为中间指挥方案;
指挥方案学习器22用于根据预设的指挥方案库进行机器学习;
第三融合器23用于根据预设的空管信息库对中间指挥方案进行分析和融合,确定相对应的指挥方案。
本发明实施例中,指挥方案生成器21采用的空管文本为删除错误文本后的空管文本。指挥方案形成器21在指挥方案学习器22的支持下,将形成该管制席位该管制员的中间指挥方案,即一个初步的指挥模型,也是管制员的一套指挥预案;具体的,指挥方案是一组指挥命令,是根据当前区域内飞机的状况及前后区域飞机的状况(从雷达系统获知)制定的指挥预案。相关的第三融合器23在空管信息库的支持下,融合空管信息库的信息,按照安全(保持安全距离)、有序(排队顺序而行)的原则,形成最终的指挥方案,即指挥模型。本发明实施例中,空管文本是一段空管语音数据经过识别后得到的文本。空管文本可以是一条命令,也可是一个指挥方案,也可以是一个值班时段的语音识别后的文本,还可以是多个值班时段的语音识别文本。一个空管文本可能对应多个指挥方案。
在一种可能的实现方式中,指挥方案生成模块20还包括:指挥方案优化器和方案优化学习器;
指挥方案优化器用于根据方案优化学习器以及当前的空管信息库对所选择的指挥方案进行优化,将优化后的指挥方案作为指令选择模块最终生成的指挥方案;
方案优化学习器用于根据预设的方案优化库进行机器学习。
本发明实施例中,指挥方案优化器在方案优化学习器和空管模型的支持下,将形成该管制席位该管制员的优化的指挥方案。优化的指挥方案就是最终的指挥方案。其中,上述的指挥方案生成模块20根据空管文本生成的指挥方案是利用空管信息库中的实时场景信息(如空域状况等)生成的管制员指挥的实际方案;而指挥方案优化器则是将该实际方案进行优化处理,此时,指挥方案优化器除了利用空管信息库中的实时场景信息,还参照其他管制员在相似场景下所形成的指挥方案对本次的实际方案进行优化,一般情况下,高级别管制员的指挥方案参考价值更高。通过对指挥方案进行优化,使得最终的指挥方案更加安全、有序;同时,优化的指挥方案也可以存入空管信息库,作为优化其他指挥方案的参考基础。
在上述实施例的基础上,参见图5所示,指令选择模块30包括:最优方案选择单元31。最优方案选择单元31用于根据当前的空管信息库从指挥方案库中预选出多个待定指挥方案,并分别确定每个待定指挥方案的优先级,将优先级最高的待定指挥方案选为最终的最优指挥方案。
其中,确定待定指挥方案的优先级包括步骤A1-A6:
步骤A1:确定待定指挥方案中管制指令的条数n,n>2,并根据当前的空管信息库确定每条管制指令的优先级。
本发明实施例中,待定指挥方案也是一种指挥方案,其是由一组管制指令组成的,其中,每个待定指挥方案包含的管制指令条数是不同的,本发明实施例中以当前的待定指挥方案中管制指令的条数是n为例说明。同时,每条管制指令具有相对应的优先级pi,i=1,2,…,n;具体的,根据当前的空管信息库可以确定每条管制指令的优先级。例如,当前的待定指挥方案用于指挥飞机着陆,此时关于允许降落、跑道号码的管制指令相对来说更重要,即优先级较高;而关于风速的管制指令相对来说优先级较低。同时,不同的指挥方案利用同一优先级划分标准来确定管制指令的优先级,即管制指令理论上的最大优先级、最小优先级以及优先级等级的数量是统一的。
步骤A2:根据管制指令优先级的最大等级以及管制指令的条数n确定同心圆区域,同心圆区域设有多个同心圆,每个同心圆对应管制指令优先级的一个等级,管制指令优先级越高,同心圆的半径越大;同时,n条以同心圆圆心为起点的辐射线将同心圆区域n等分。
本发明实施例中,同心圆区域可以用来表示待定指挥方案。参见图6所示,图6中以管制指令的条数是6、优先级的最大等级(或最大优先级)为3说明。由于管制指令优先级的最大等级为3,则同心圆区域设有3个同心圆,如图6所示,三个同心圆的圆心为O,最外围的同心圆表示优先级最高,其次靠里的同心圆表示的优先级其次,最里面的同心圆对应的优先级最低。同时,由于管制指令的条数为6,故利用6条辐射线将同心圆区域进行六等分,图6中以O为起点的六条虚线即表示六条辐射线。
步骤A3:根据管制指令的权重值按照从小到大的顺序确定初步排列顺序,并以最小权重值对应的管制指令为起点,按照初步排列顺序隔位选取与当前管制指令相邻的下一个管制指令,直至隔位遍历了所有的管制指令;之后将未选取的管制指令按照权重值从大到小的顺序继续排列,直至所有管制指令排列完毕,并将管制指令最终的顺序作为待定指挥方案的管制指令排列顺序。
本发明实施例中,首先确定管制指令的权重值,该权重值用于表示在该待定指挥方案中某条管制指令的重要性,管制指令越重要,其权重值越大。在确定所有管制指令的权重值之后,按照权重值从小到大的顺序进行排列,从而确定管制指令的初步排列顺序,之后并以最小权重值对应的管制指令为起点,按照初步排列顺序隔位选取与当前管制指令相邻的下一个管制指令,直至隔位遍历了所有的管制指令;例如,当前的管制指令为a,按照该初步排列顺序可知a之后的管制指令为b,再之后为c(即初步排列顺序为a→b→c);此时按照隔位选取的方式则管制指令a之后的下一个管制指令为c。同时,本发明实施例中的“隔位遍历”指的是按照初步排列顺序一个间隔一个地遍历,即只会遍历第1、3、5……个管制指令,直至最后;而其中第2、4、6……个管制指令并不会被遍历到。在隔位遍历后将未选取的管制指令(即第2、4、6……个管制指令)按照权重值从大到小的顺序继续排列,直至所有管制指令排列完毕,从而确定最终的管制指令排列顺序。
例如,当前的待定指挥方案中包含九个管制指令(用数字1-9表示9个管制指令),且按照权重值从小到大的顺序依次为123456789,则隔位遍历后的顺序为13579,之后未选取的管制指令为2468,按照从大到小的顺序即为8642,则最终的管制指令排列顺序为135798642,即形成中间权重值大而两边权重值小的排列顺序。
由于一般情况下,管制指令的权重值与管制指令的优先级为正相关关系,即管制指令的优先级越高,一般其权重值也越大。故,可选的,该权重值也可以是管制指令的优先级,即将管制指令的优先级作为管制指令的权重值。需要说明的是,当将管制指令的优先级作为管制指令的权重值时,图6所示的6条管制指令的并未按照上述的管制指令排列顺序进行排列。
步骤A4:按照管制指令排列顺序将所有的管制指令依次设置在同心圆区域内,每条辐射线对应一条管制指令,且将与管制指令的优先级相对应的辐射线与同心圆交点作为管制指令的有效点。
本发明实施例中,由于每条辐射线可以对应一条管制指令,同时辐射线与不同同心圆的交点可以表示不同的优先级,故将与管制指令的优先级相对应的辐射线与同心圆交点作为管制指令的有效点。如图6所示,6个管制指令的管制指令排列顺序为ABCDEF,此时可以以顺时针方向(也可以以逆时针方向)将所有的管制指令依次设置在相对应的有效点处。需要说明的是,由于管制指令设置在同心圆区域内,故所有的管制指令的顺序实质上是一个环形排列,即该管制指令排列顺序实际上为首尾也相临的排列顺序;以上述的135798642排列顺序为例,其实际中的1和2也是相邻的,只是只有在将管制指令设置在同心圆区域后才体现出的。
步骤A5:将相邻管制指令的有效点相连,由所有有效点确定的区域作为待定指挥方案相对应的目标区域,并确定目标区域的面积S。
本发明实施例中,如图6所示,所有有效点确定的区域即为阴影部分表示的六边形ABCDEF。在确定目标区域的面积时,可以将该多边形划分为以同心圆圆心O为一个顶点的多个三角形(如图6中的OAB等),进而确定整个目标区域的面积;也可以为整个同心圆区域或目标区域设置网格,根据该目标区域内网格的数量以及每个网格的面积确定该目标区域的面积。也可以采用其他方式确定面积S,本申请对此不做限定。
步骤A6:根据待定指挥方案相对应的目标区域确定待定指挥方案的优先级P。
其中,λ为与n相关的调整系数,n越大,λ越小;r为与有待定指挥方案中与优先级最大的管制指令对应的同心圆的半径。
本发明实施例中,由于根据目标区域的面积来确定待定指挥方案的优先级,故确定的目标区域尽量与待定指挥方案的优先级相对应。对于由同心圆圆心以及两个相邻的有效点组成的三角形(如图6中的OAB等),其面积为:
其中,ri表示第i个有效点与同心圆圆心之间的距离,且i=1,2,…,n;由于n个有效点是环形排列的,故rn+1=r1。
此时,该目标区域的面积S为:
由上述计算面积S的式子可知,在所有管制指令的权重值确定后,对于权重值高的两个相邻管制指令,若两个管制指令的优先级较大,即ri值较大,此时对应的面积S更大。故通过确定首尾权重值低、中间权重值高的管制指令排列顺序可以尽可能使得优先级较大的管制指令相邻,从而使得最终确定的目标区域能够更加精确地反映待定指挥方案的优先级。而若采用普通从小到的的排列顺序,由于管制指令实际为环形排列,会导致权重值最大和权重值最小的两个管制指令相邻,从而容易造成管制指令优先级相差较大的两个管制指令相邻,造成确定待定指挥方案优先级时会不精确的问题。
同时,由于不同的待定指挥方案会有不同的管制指令条数n,故本发明实施例中,在确定优先级P时引入该待定指挥方案理论上面积最大的目标区域,该面积最大的目标区域的面积即为:同时,利用调整系数λ可以进一步对优先级P进行调整。利用本发明实施例提供的计算优先级P的方式,可以尽量弥补因管制指令条数不同而造成不同待定指挥方案优先级之间的差异。
在一种可能的实现方式中,参见图5所示,指令选择模块30包括:语音合成器32和语音合成学习器33;
语音合成器32用于根据语音合成学习器33将指挥方案转换为语音形式的管制指令;
语音合成学习器33用于根据预设的标准空管语音库进行机器学习。通过语音合成学习器33对语音合成器32转换后的语音进行校对,似的语音合成器转换后的管制指令更加规范、合理。
在一种可能的实现方式中,参见图5所示,指令选择模块还包括:方案选择器34;
方案选择器34用于从指挥方案库中选择多个相对应的指挥方案,在接收到管制员输入的选择指令后,根据选择指令确定管制员选择的指挥方案,并将选择的指挥方案作为最终的指挥方案发送至语音合成器32。
本发明实施例中,指挥方案包括一组管制指令,通过语音合成器将文本形式的指挥方案转换为语音形式的管制指令(例如:CCA1201climb to 6thousand meters),可以向飞行员提供标准的语音指令,不存在因管制员发音不清楚或发音失误导致管制指令下发失败或错误的问题。
同时,指挥方案生成模块可以利用显示器显示多个方案,之后采用多选一方式由管制员选择其中一个指令发送;一般情况,默认选择第一个。同时,还可以通过监控的方式发送命令,即仅显示一个命令,需要人工点击发送键发送命令。或者,以监视方式发送命令:仅显示一个命令,无需人工进行发送操作,命令显示2秒(可调整)后自动发送,人工可停止发送并可转入人工指挥。
此外,除语音合成指挥飞行员的指令外,还可以直接选择文字形式的指令,本系统与飞行员甚高频语音通讯,发送语音管制指令;或者与飞行员陆空数据链通讯,发送文字管制指令。根据实际情况,通过语音或者文字将管制指令发送给飞行员。
需要说明的是,本发明实施例中的方案选择器可以集成最优方案选择单元,即方案选择器集成最优方案选择单元的功能,方案选择器在选择多个指挥方案的同时,还确定最优指挥方案,将该最优指挥方案以及选择的其他指挥方案一并推送给管制员,以供管制员选择。可选的,可以突出显示该最优指挥方案,或者将该最优指挥方案作为选择的所有指挥方案的第一条指挥方案。
本发明实施例提供的一种空中交通管制自动指挥系统,利用空管语音数据预先生成指挥方案,在管制员需要向飞行员发布命令时,该系统可以自动选择当前合适的指挥方案,并向飞行员发送管制指令。该系统可以代替管制员指挥飞行员驾驶飞机飞行,管制员仅监视该系统的运行即可,空管成本降低、空管人员的劳动强度降低;该系统将飞行器、飞行员、区域内地面管制设备、地面管制人员有机的联系在一起,保证区域内航空器安全、有序、有效地起飞、飞行、降落,圆满完成飞行任务,提高了飞行的安全性。该系统可以从根本上消除了人工指挥所产生的指挥命令不规范、人为因素产生的不正确命令的情况;且将使空中交通管理更加有效、便捷,飞行更加安全、有序,空域使用更加合理、规范,航空产业将产生更大的经济效益和社会效益。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种空中交通管制自动指挥系统,其特征在于,包括:
语音识别模块,用于预先获取空管语音数据,并确定与所述空管语音数据相对应的空管文本;所述空管语音数据包括录音数据和实时数据;
指挥方案生成模块,用于根据所述空管文本生成指挥方案,并将所述指挥方案存储至指挥方案库;
指令选择模块,用于在需要发布命令时从所述指挥方案库中选择相对应的指挥方案,并根据所述指挥方案生成管制指令;
发送模块,用于将所述管制指令发送至飞行器。
2.根据权利要求1所述的系统,其特征在于,所述语音识别模块包括:语音识别器、空管语音学习器、声纹识别器、合成器、分析器、空管命令学习器和第一融合器;
所述语音识别器用于根据所述空管语音学习器识别所述空管语音数据,确定与所述空管语音数据相对应的初始文本;其中,所述语音识别器包括混合语音识别器,或者所述语音识别器包括汉语语音识别器和英语语音识别器;
所述空管语音学习器用于根据预设的空管语料库进行机器学习;
所述声纹识别器用于根据预设的空管声纹库识别所述空管语音数据中的声纹信息,确定相对应的声纹信息;
所述合成器用于对所述初始文本和所述声纹信息进行合成处理,生成与所述空管语音数据相对应的中间文本;
所述分析器用于根据所述空管命令学习器对所述中间文本进行空管词法分析和空管句法分析,确定所述中间文本中的空管词语和空管句子;
所述空管命令学习器用于根据预设的空管命令库进行机器学习;
所述第一融合器用于根据预设的空管信息库对所述空管词语和空管句子进行分析和融合,确定相对应的空管文本。
3.根据权利要求1所述的系统,其特征在于,还包括:错误选择模块;所述错误选择模块包括错误选择器、错误学习器和第二融合器;
所述错误选择器用于根据所述错误学习器选择所述空管文本中的错误信息;
所述错误学习器用于根据预设的错误库进行机器学习;
所述第二融合器用于根据预设的空管信息库对所述错误信息进行分析和融合,确定相对应的错误文本。
4.根据权利要求3所述的系统,其特征在于,所述错误选择模块还包括重要错误选择器;
所述重要错误选择器用于根据所述空管信息库从所述错误文本中选择重要错误文本,并指示显示设备显示所述重要错误文本。
5.根据权利要求1所述的系统,其特征在于,所述指挥方案生成模块包括:指挥方案生成器、指挥方案学习器和第三融合器;
所述指挥方案生成器用于根据所述指挥方案学习器将所述空管文本转换为中间指挥方案;
所述指挥方案学习器用于根据预设的指挥方案库进行机器学习;
所述第三融合器用于根据预设的空管信息库对所述中间指挥方案进行分析和融合,确定相对应的指挥方案。
6.根据权利要求5所述的系统,其特征在于,所述指挥方案生成模块还包括:指挥方案优化器和方案优化学习器;
所述指挥方案优化器用于根据所述方案优化学习器以及当前的空管信息库对选择的所述指挥方案进行优化,将优化后的指挥方案作为所述指令选择模块最终生成的指挥方案;
所述方案优化学习器用于根据预设的方案优化库进行机器学习。
7.根据权利要求1所述的系统,其特征在于,所述指令选择模块包括:最优方案选择单元;
所述最优方案选择单元用于根据当前的空管信息库从所述指挥方案库中预选出多个待定指挥方案,并分别确定每个待定指挥方案的优先级,将优先级最高的待定指挥方案选为最终的最优指挥方案;
其中,确定待定指挥方案的优先级包括:
确定待定指挥方案中管制指令的条数n,n>2,并根据当前的空管信息库确定每条管制指令的优先级;
根据管制指令优先级的最大等级以及管制指令的条数n确定同心圆区域,所述同心圆区域设有多个同心圆,每个同心圆对应管制指令优先级的一个等级,管制指令优先级越高,同心圆的半径越大;同时,n条以同心圆圆心为起点的辐射线将所述同心圆区域n等分;
根据管制指令的权重值按照从小到大的顺序确定初步排列顺序,并以最小权重值对应的管制指令为起点,按照所述初步排列顺序隔位选取与当前管制指令相邻的下一个管制指令,直至隔位遍历了所有的管制指令;之后将未选取的管制指令按照权重值从大到小的顺序继续排列,直至所有管制指令排列完毕,并将管制指令最终的顺序作为所述待定指挥方案的管制指令排列顺序;
按照所述管制指令排列顺序将所有的管制指令依次设置在所述同心圆区域内,每条辐射线对应一条管制指令,且将与所述管制指令的优先级相对应的辐射线与同心圆交点作为所述管制指令的有效点;
将相邻管制指令的有效点相连,由所有有效点确定的区域作为所述待定指挥方案相对应的目标区域,并确定所述目标区域的面积S;
根据所述待定指挥方案相对应的目标区域确定所述待定指挥方案的优先级P:
其中,λ为与n相关的调整系数,n越大,λ越小;r为与有待定指挥方案中与优先级最大的管制指令对应的同心圆的半径。
8.根据权利要求7所述的系统,其特征在于,所述指令选择模块还包括:语音合成器和语音合成学习器;
所述语音合成器用于根据所述语音合成学习器将所述指挥方案转换为语音形式的管制指令;
所述语音合成学习器用于根据预设的标准空管语音库进行机器学习。
9.根据权利要求8所述的系统,其特征在于,所述指令选择模块还包括:方案选择器;
所述方案选择器用于从所述指挥方案库中选择多个相对应的指挥方案,在接收到管制员输入的选择指令后,根据所述选择指令确定所述管制员选择的指挥方案,并将所述选择的指挥方案作为最终的指挥方案发送至所述语音合成器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810102596.4A CN110111792B (zh) | 2018-02-01 | 2018-02-01 | 空中交通管制自动指挥系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810102596.4A CN110111792B (zh) | 2018-02-01 | 2018-02-01 | 空中交通管制自动指挥系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110111792A true CN110111792A (zh) | 2019-08-09 |
CN110111792B CN110111792B (zh) | 2021-02-19 |
Family
ID=67483184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810102596.4A Active CN110111792B (zh) | 2018-02-01 | 2018-02-01 | 空中交通管制自动指挥系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110111792B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105647A (zh) * | 2019-12-16 | 2020-05-05 | 四川大学 | 一种基于空管语音识别与合成的管制指令发布系统及方法 |
CN111951794A (zh) * | 2020-07-29 | 2020-11-17 | 深圳星标科技股份有限公司 | 地面站自动应答方法、装置、计算机设备及其存储介质 |
CN111985526A (zh) * | 2020-07-02 | 2020-11-24 | 华北理工大学 | 一种基于相似场景聚类的尾随间隔管理策略生成方法及其系统 |
CN112992149A (zh) * | 2021-03-05 | 2021-06-18 | 中海油信息科技有限公司 | 一种海上石油平台甚高频电台的信息传输方法及系统 |
CN113393836A (zh) * | 2021-06-08 | 2021-09-14 | 成都傅立叶电子科技有限公司 | 一种机载电台语音识别控制方法及系统 |
CN113593308A (zh) * | 2021-06-30 | 2021-11-02 | 四川大学 | 一种民航飞机智能化进场方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104700661A (zh) * | 2013-12-10 | 2015-06-10 | 霍尼韦尔国际公司 | 以文本和以图形呈现空中交通控制语音信息的系统和方法 |
CN105448139A (zh) * | 2015-12-08 | 2016-03-30 | 成都民航空管科技发展有限公司 | 一种空管自动化系统自动拍发航班起飞报和落地报的方法 |
US9432611B1 (en) * | 2011-09-29 | 2016-08-30 | Rockwell Collins, Inc. | Voice radio tuning |
CN106356063A (zh) * | 2016-08-28 | 2017-01-25 | 桂林市晶准测控技术有限公司 | 一种对管控语音进行文字识别的方法和系统 |
CN106846920A (zh) * | 2017-01-24 | 2017-06-13 | 南京航空航天大学 | 一种基于自然语义提取的空管辅助决策方法 |
CN106891897A (zh) * | 2015-12-18 | 2017-06-27 | 北京奇虎科技有限公司 | 一种车载操作系统、智能汽车及车载控制方法 |
CN107085978A (zh) * | 2017-06-21 | 2017-08-22 | 南京航空航天大学 | 一种基于所需到达时间的管制辅助决策指令生成方法 |
-
2018
- 2018-02-01 CN CN201810102596.4A patent/CN110111792B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9432611B1 (en) * | 2011-09-29 | 2016-08-30 | Rockwell Collins, Inc. | Voice radio tuning |
CN104700661A (zh) * | 2013-12-10 | 2015-06-10 | 霍尼韦尔国际公司 | 以文本和以图形呈现空中交通控制语音信息的系统和方法 |
CN105448139A (zh) * | 2015-12-08 | 2016-03-30 | 成都民航空管科技发展有限公司 | 一种空管自动化系统自动拍发航班起飞报和落地报的方法 |
CN106891897A (zh) * | 2015-12-18 | 2017-06-27 | 北京奇虎科技有限公司 | 一种车载操作系统、智能汽车及车载控制方法 |
CN106356063A (zh) * | 2016-08-28 | 2017-01-25 | 桂林市晶准测控技术有限公司 | 一种对管控语音进行文字识别的方法和系统 |
CN106846920A (zh) * | 2017-01-24 | 2017-06-13 | 南京航空航天大学 | 一种基于自然语义提取的空管辅助决策方法 |
CN107085978A (zh) * | 2017-06-21 | 2017-08-22 | 南京航空航天大学 | 一种基于所需到达时间的管制辅助决策指令生成方法 |
Non-Patent Citations (3)
Title |
---|
洪文学等: "《可视化模式识别》", 31 July 2014 * |
要瑞璞: "区间直觉模糊集多属性决策方法", 《数学的实践与认知》 * |
郭燕等: "一种判断企业内部项目优先级的定量评价方法", 《航空制造技术》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105647A (zh) * | 2019-12-16 | 2020-05-05 | 四川大学 | 一种基于空管语音识别与合成的管制指令发布系统及方法 |
CN111985526A (zh) * | 2020-07-02 | 2020-11-24 | 华北理工大学 | 一种基于相似场景聚类的尾随间隔管理策略生成方法及其系统 |
CN111985526B (zh) * | 2020-07-02 | 2022-03-15 | 华北理工大学 | 一种基于相似场景聚类的尾随间隔管理策略生成方法及其系统 |
CN111951794A (zh) * | 2020-07-29 | 2020-11-17 | 深圳星标科技股份有限公司 | 地面站自动应答方法、装置、计算机设备及其存储介质 |
CN112992149A (zh) * | 2021-03-05 | 2021-06-18 | 中海油信息科技有限公司 | 一种海上石油平台甚高频电台的信息传输方法及系统 |
CN112992149B (zh) * | 2021-03-05 | 2024-04-16 | 中海油信息科技有限公司 | 一种海上石油平台甚高频电台的信息传输方法及系统 |
CN113393836A (zh) * | 2021-06-08 | 2021-09-14 | 成都傅立叶电子科技有限公司 | 一种机载电台语音识别控制方法及系统 |
CN113393836B (zh) * | 2021-06-08 | 2023-09-12 | 成都傅立叶电子科技有限公司 | 一种机载电台语音识别控制方法及系统 |
CN113593308A (zh) * | 2021-06-30 | 2021-11-02 | 四川大学 | 一种民航飞机智能化进场方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110111792B (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110111792A (zh) | 空中交通管制自动指挥系统 | |
US9250099B2 (en) | Predicting aircraft trajectory | |
Nevile | Beyond the black box | |
Lovegren et al. | Estimation of potential aircraft fuel burn reduction in cruise via speed and altitude optimization strategies | |
US9196165B2 (en) | Assessing feasibility of an aircraft trajectory | |
EP2482269A1 (en) | Providing data for predicting aircraft trajectory | |
US9020664B2 (en) | Methods and systems for displaying procedure information on an aircraft display | |
GB2486826A (en) | Control of an airplane via a speed profile | |
Atkins | Emergency landing automation aids: an evaluation inspired by US airways flight 1549 | |
EP4024370A1 (en) | Decision-support system for aircraft requiring emergency landings | |
Abdelmoula et al. | LNAS—a pilot assistance system for low-noise approaches with minimal fuel consumption | |
KR20190061863A (ko) | 가상현실 기반 항공관제 교육훈련 서비스 제공 시스템 | |
US20100161153A1 (en) | Method and apparatus for automatically determining stopover airports for flight planning | |
US9117366B1 (en) | Communication methods employed by participants in a trajectory management operations | |
Dziugiel et al. | From statistics, through new requirements to mathematical modelling of SAT aircraft safety | |
Choi et al. | Study on the Selection of UAM Pilots and Establishment of Training | |
Vogel et al. | Assessing the air traffic control safety impact of airline pilot induced latencies. | |
Lohr et al. | A Time-Based Airborne Inter-Arrival Spacing Tool: Flight Evaluation Results | |
Barbato | Integrating Voice Recognition and Automatic Target Cueing to Improve Aircrew-System Collaboration for Air-to-Ground Attack | |
David | Radical revision of en-route air traffic control | |
Etherington et al. | Increasing Pilot's Understanding of Future Automation State–An Evaluation of an Automation State and Trajectory Prediction System | |
Pavlinović et al. | First steps in designing air traffic control communication language technology system—Compiling spoken corpus of radiotelephony communication | |
Hoffman et al. | Display/control requirements for automated VTOL aircraft | |
Buch et al. | Managing the Unexpected-Human-in-the-Loop Simulation as Effective Tool for the Assessment of the Risk Information System in an Operationally Relevant Context | |
Martensson et al. | Airborne Traffic Situational Awareness: Flight Trials of the in Trail Procedure Project |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230907 Address after: 602, 3rd floor, No.27 Xidawang Road, Chaoyang District, Beijing, 100021 Patentee after: Zhou Lizhong Address before: No.1-2, 1st floor, gate 2, 4th floor, Xili, Airport South Road, Chaoyang District, Beijing Patentee before: Lei Mingkai |
|
TR01 | Transfer of patent right |