JP2020024678A - 航空交通管制電子システムを試験する方法、関連装置及びプラットフォーム - Google Patents
航空交通管制電子システムを試験する方法、関連装置及びプラットフォーム Download PDFInfo
- Publication number
- JP2020024678A JP2020024678A JP2019114553A JP2019114553A JP2020024678A JP 2020024678 A JP2020024678 A JP 2020024678A JP 2019114553 A JP2019114553 A JP 2019114553A JP 2019114553 A JP2019114553 A JP 2019114553A JP 2020024678 A JP2020024678 A JP 2020024678A
- Authority
- JP
- Japan
- Prior art keywords
- air traffic
- instructions
- traffic control
- electronic
- information
- 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.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 29
- 238000013528 artificial neural network Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000013135 deep learning Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 28
- 230000006399 behavior Effects 0.000 claims description 8
- 238000010998 test method Methods 0.000 claims description 8
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000005094 computer simulation Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001373 regressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
- G08G5/0026—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located on the ground
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0043—Traffic management of multiple aircrafts from the ground
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
- G08G5/0082—Surveillance aids for monitoring traffic from a ground station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
- G08G5/0091—Surveillance aids for monitoring atmospheric conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0095—Aspects of air-traffic control not provided for in the other subgroups of this main group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Atmospheric Sciences (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
【課題】航空交通管制電子システムの試験方法、関連装置、プラットフォームの提供。【解決手段】航空交通管制電子システム(2)は、航空交通の状態を表す入力データを受信することと、システムによって入力データに基づく航空交通に関する情報を確定し、システムによって情報をシステムの電子試験装置へ配信することと、システムの電子試験装置によって配信された情報に基づき航空管制指示を決定し、指示をシステムへ提供することと、システムによって指示を受信し処理することを有し、電子装置(6)は、航空交通に関する情報に基づき指示を自動的に決定するためのアルゴリズムモデル(63)を含み、モデルは、コンピュータにより実行される、深層学習ニューラルネットワークの学習段階の間に、少なくとも1人の航空交通管制官によってシステムに以前に提供された指示の集合及び指示に関連する航空交通に関する情報に基づいて取得されたものであること、を特徴とする。【選択図】図1
Description
本発明は、電子航空交通制御システム、典型的には電子航空交通管制(ATM:air traffic management)システムの分野に関する。そのようなシステムは、例えば、一方の所与の地理的区域を担当する航空交通管制官と、他方の地理的区域内の航空機又は他の航空交通管制官、特に近隣の地理的な区域を担当する航空管制官との間のインターフェースを提供する。
そのようなシステムは外部システムからのデータ(気象データ、航空機の飛行計画、レーダー探知、隣接区域からの航空管制官からのメッセージ等)を受け取り、このデータを必要に応じてそれを組み合わせる等の処理をし、次にマンマシンインターフェース(MMI:man-machine interface)を介して、このデータ又は航空管制官のための処理操作から生じる情報を検索する。このデータと情報に基づいて航空管制官は、航空交通制御指示(航空機向けのコマンド、情報を含む近隣の管制官へのメッセージ、データ、システムの追加機能を実行するコマンド等)を決定し、MMIを介しそれを入力する。次にシステムはこれらのコマンドを処理する。
このようなシステムは、定期的な検証及び統合の試験の対象とされる。既知の方法においては、このようなシステムの適切な動作を検証しバグを検出するための検証及び統合の試験は、最初にシステムの制作元で、次にシステムが運用サイトにインストールされた後に行われる。例えば、システムの動作が仕様に準拠していることを内部及び外部インターフェースとのやり取りの観点から検証し、例えば、応答時間や堅牢性等のパフォーマンスを試験することが可能であった。これらの検証及び統合の試験は、事前定義されている場合と定義されていない場合がある入力データを使用して行われる。これらのテストは、航空管制官の電子制御システムに新しい機能を導入する際、又は既存の機能の非後退性(non−regression)をテストするために実行する必要がある。従来の運用方法では、数日又は数週間にわたってシステムと対話するために航空管制官が参加する必要があり、完全かつ集中的な試験の実施、システムへの技術的なアップグレードの迅速な展開を妨げるものである。
例として、航空交通制御システムの既知の機能は競合の検出であり、システムが次のn分間(例えば、n=3)に2台の航空機間の衝突リスクを検出した場合にアラートが生成される。このような場合、アラートによって通知されると同時に、航空交通及び航空交通環境の現在の状態に関してシステムによって提供される他のデータに照らして、管制官は当該航空機にコマンドを与え、必要であればそれぞれのATMシステムを介して隣接セクターの管制官と通信する。
例えば、新しい競合検出アルゴリズムを使用して競合検出方法が変更されると、次に処理及び/又は表示される入力データをATMシステムに供給し、航空交通管制官を介してそれらを分析し、航空交通管制官は、ATMシステムを介してこれらの命令を処理し、不整合、ドリフト、後退性等を検出するためにシステムの動作が監視されることを含む試験が実施される。
例えば、ATMシステムの別の1つの機能は航空機間の安全距離の監視である。この機能の取得フォームが変更されたときも、試験を実行する必要がある。
従って、航空交通管制電子制御システムの試験の実施を促進する必要がある。
そのために、第1の態様によれば、本発明は、受信された航空管制の状態を表す入力データに基づいて確定された航空管制に関する情報を配信し、運用段階で少なくとも1人の航空交通管制官によって提供される航空交通管制からの管制指示を更に受信及び処理する航空交通管制電子制御システムのための試験方法を提案するものであって、方法は、システムの試験段階中に、
‐システムによって航空交通の前記状態を表す入力データを受信することと、
‐システムによって入力データに基づく航空交通に関する情報を確定し、システムによって情報をシステムの電子試験装置へ配信することと、
‐システムの電子試験装置によって配信された情報に基づき航空管制指示を決定し、指示をシステムへ提供することと、
‐システムによって指示を受信し処理すること、
を有し、
電子装置は、航空交通に関する情報に基づき指示を自動的に決定するためのアルゴリズムモデルを含み、モデルは、コンピュータにより実行される、深層学習ニューラルネットワークの学習段階の間に、少なくとも1人の航空交通管制官によってシステムに以前に提供された指示の集合及び指示に関連する航空交通に関する情報に基づいて取得されたものであること、を特徴とする方法である。
‐システムによって航空交通の前記状態を表す入力データを受信することと、
‐システムによって入力データに基づく航空交通に関する情報を確定し、システムによって情報をシステムの電子試験装置へ配信することと、
‐システムの電子試験装置によって配信された情報に基づき航空管制指示を決定し、指示をシステムへ提供することと、
‐システムによって指示を受信し処理すること、
を有し、
電子装置は、航空交通に関する情報に基づき指示を自動的に決定するためのアルゴリズムモデルを含み、モデルは、コンピュータにより実行される、深層学習ニューラルネットワークの学習段階の間に、少なくとも1人の航空交通管制官によってシステムに以前に提供された指示の集合及び指示に関連する航空交通に関する情報に基づいて取得されたものであること、を特徴とする方法である。
従って、十分に長い持続時間及び強度の航空交通の電子制御試験を実行することを可能にし、システムの新しい機能又はより一般的には新しいバージョンの運用上の試運転を加速させ及び信頼性を高めることが可能である。
実施形態では、本発明による試験方法は、以下の特徴のうちの1つ又は複数を更に含む;
‐試験方法は、試験段階中に、システムの挙動に基づいてシステムの1つ又は複数の不適合を検出することを有すること;
‐指示を自動的に決定するアルゴリズムモデル(63)は、少なくとも1つの要素に固有の指示を決定するために、少なくとも1人の航空管制官がシステムに以前に提供した指示と、指示に関連する前記航空管制に関連する前記情報の学習中に、同じタイプの複数の要素の中からの要素による決定に基づいて学習され、同じタイプの複数の要素の中からの前要素は、複数の地理的区域の中からの地理的区域、及び/又は、複数の航空交通管制官の役割の中からの役割、及び/又は、システムの複数の機能の中からの航空交通の電子制御システムの機能であること;
‐試験方法は、
‐航空交通管制官規則に準拠していない指示を識別するように適合されたアルゴリズム制約モジュールを決定すること、
‐少なくとも1人の航空交通管制官によってシステムに以前に提供された指示の集合にアルゴリズムモジュールを適用し、ニューラルネットワークの学習に使用される集合から準拠していないと識別された指示を削除すること、
‐アルゴリズムモジュールを、電子試験装置によって決定された指示に適用し、準拠していないと識別された指示を試験段階で考慮しないこと;
‐試験方法は、試験の準備段階で、
‐少なくとも1人の航空交通管制官によってシステムに以前に供給された指示の集合と、その指示に関連するシステムによって配信された航空交通管制官に関する情報を収集して記憶すること;
‐コンピュータによって実行されるニューラルネットワークの学習によって、記憶された指示の集合と航空交通に関連し指示に関連付けられた記憶された情報に基づいて指示を自動的に決定するためのアルゴリズムモデルを決定すること、を有すること。
‐試験方法は、試験段階中に、システムの挙動に基づいてシステムの1つ又は複数の不適合を検出することを有すること;
‐指示を自動的に決定するアルゴリズムモデル(63)は、少なくとも1つの要素に固有の指示を決定するために、少なくとも1人の航空管制官がシステムに以前に提供した指示と、指示に関連する前記航空管制に関連する前記情報の学習中に、同じタイプの複数の要素の中からの要素による決定に基づいて学習され、同じタイプの複数の要素の中からの前要素は、複数の地理的区域の中からの地理的区域、及び/又は、複数の航空交通管制官の役割の中からの役割、及び/又は、システムの複数の機能の中からの航空交通の電子制御システムの機能であること;
‐試験方法は、
‐航空交通管制官規則に準拠していない指示を識別するように適合されたアルゴリズム制約モジュールを決定すること、
‐少なくとも1人の航空交通管制官によってシステムに以前に提供された指示の集合にアルゴリズムモジュールを適用し、ニューラルネットワークの学習に使用される集合から準拠していないと識別された指示を削除すること、
‐アルゴリズムモジュールを、電子試験装置によって決定された指示に適用し、準拠していないと識別された指示を試験段階で考慮しないこと;
‐試験方法は、試験の準備段階で、
‐少なくとも1人の航空交通管制官によってシステムに以前に供給された指示の集合と、その指示に関連するシステムによって配信された航空交通管制官に関する情報を収集して記憶すること;
‐コンピュータによって実行されるニューラルネットワークの学習によって、記憶された指示の集合と航空交通に関連し指示に関連付けられた記憶された情報に基づいて指示を自動的に決定するためのアルゴリズムモデルを決定すること、を有すること。
第2の態様によれば、本発明は、受信された航空交通管制の状態を表す入力データに基づいて確定された航空交通管制に関する情報を配信し、少なくとも1人の航空交通管制官によって提供される航空交通管制からの管制指示を更に受信し、処理する航空交通管制電子制御システムのための電子試験装置を提案するものであって、電子試験装置は、システムによって配信される航空交通に関する情報を受信するように構成され、航空交通に関する情報に基づいて指示を自動的に決定するアルゴリズムモデルを有し、モデルは、少なくとも1人の航空交通管制官がシステムに以前に提供した指示の集合及び指示に関連する航空交通に関する情報に基づいてコンピュータによって実行される深層学習ニューラルネットワークの学習段階の間に取得されることを特徴とする。
実施形態では、本発明による試験装置は、以下の特徴のうちの1つ又は複数を更に含む;
‐システムの動作に基づいてシステムの不適合を検出するように構成されていること;
‐少なくとも1つの要素に固有の指示を決定するために、少なくとも1人の航空管制官がシステムに以前に提供した指示と、その指示に関連する航空管制に関連する情報の学習中に、同じタイプの複数の要素の中からの要素による決定に基づいて指示を自動的に決定するアルゴリズムモデルが学習されること、同じタイプのいくつかの要素の中からの要素は、いくつかの地理的区域の中からの地理的区域、及び/又は、いくつか航空交通管制官の役割の中からの役割、及び/又は、いくつかの航空交通の電子制御システムの機能の中からの機能である;
‐システムの動作に基づいてシステムの不適合を検出するように構成されていること;
‐少なくとも1つの要素に固有の指示を決定するために、少なくとも1人の航空管制官がシステムに以前に提供した指示と、その指示に関連する航空管制に関連する情報の学習中に、同じタイプの複数の要素の中からの要素による決定に基づいて指示を自動的に決定するアルゴリズムモデルが学習されること、同じタイプのいくつかの要素の中からの要素は、いくつかの地理的区域の中からの地理的区域、及び/又は、いくつか航空交通管制官の役割の中からの役割、及び/又は、いくつかの航空交通の電子制御システムの機能の中からの機能である;
第3の態様によれば、本発明は、受信された航空交通管制の状態を表す入力データに基づいて確定された航空交通管制に関する情報を配信し、運用段階において、少なくとも1人の航空交通管制官によってシステムに提供される航空交通管制からの管制指示を更に受信し処理する航空交通管制電子制御システムのための試験プラットフォームを提案するものであって、プラットフォームは、少なくとも1人の航空交通管制官によってシステムに以前に提供された指示の集合と、指示に関連するシステムによって配信される航空交通管制官に関する情報を収集及び記憶するように構成され、
‐記憶された指示の集合と航空交通に関連し指示に関連付けられた記憶された情報に基づいてコンピュータによって実行されるニューラルネットワークの学習によって、航空交通管制官に関連する情報に基づいて指示を自動的に決定するためのアルゴリズムモデル決定することと、
‐指示を自動的に決定するためのアルゴリズムモデルを含むシステムの電子試験装置を取得することと、
‐電子試験装置を介してシステムを試験すること、を特徴とする。
‐記憶された指示の集合と航空交通に関連し指示に関連付けられた記憶された情報に基づいてコンピュータによって実行されるニューラルネットワークの学習によって、航空交通管制官に関連する情報に基づいて指示を自動的に決定するためのアルゴリズムモデル決定することと、
‐指示を自動的に決定するためのアルゴリズムモデルを含むシステムの電子試験装置を取得することと、
‐電子試験装置を介してシステムを試験すること、を特徴とする。
第4の態様によれば、本発明は、試験プラットフォームを提案し、試験プラットフォームは
‐受信された航空管制の状態を表す入力データに基づいて確定された航空管制に関連する情報を配信し、更に少なくとも1人の航空交通管制官によって提供される航空交通管制からの管制指示を受信し処理する航空交通管制電子制御システムと、
‐本発明の第2の態様による請求項のいずれか1項に記載の電子システムの電子試験装置と、を有する。
‐受信された航空管制の状態を表す入力データに基づいて確定された航空管制に関連する情報を配信し、更に少なくとも1人の航空交通管制官によって提供される航空交通管制からの管制指示を受信し処理する航空交通管制電子制御システムと、
‐本発明の第2の態様による請求項のいずれか1項に記載の電子システムの電子試験装置と、を有する。
本発明のこれらの特徴及び利点は、単に例として提供され、添付の図面を参照して行われる以下の説明により明らかになるであろう。
図1は、航空交通管制電子制御システムの試験プラットフォーム1を示している。検討例では、試験プラットフォーム1は、以下のATMシステム2と呼ばれる航空交通管制電子制御システム2及び電子試験装置6を有する。
ATMシステム2は、メモリ20と、MMIユニット21と、プロセッサ22とを有する。
MMIユニット21は、例えば、タッチスクリーンでもよいディスプレイスクリーン、スピーカシステム、キーボード、マイクロフォン等を有する。
更に、ATMシステム2は、外部システム4_1、4_2、・・・、4_nの集合と電気通信リンクで接続されている。
外部システム4_1、4_2、・・・、4_nは、例えば、航空機、レーダー、気象観測所、他の航空管制官の電気通信装置、空港管制室等である。
ATMシステム2は、入力データ(及びそのようなデータのタイムスタンプ)を受信し、メモリ20に記憶するように構成される。
この入力データは、外部データ、すなわち集合4の外部システム4_1、4_2、・・・、4_nによってATMシステム2に供給される外部データを含む。外部データは、例えば、空域の現在又は将来の状態(又は空域の所与の区域)を表し、非限定的に以下を含む。
‐その区域における現在又は近いうちに現れる各航空機の3次元(3D)の座標、航空機の種類、機首方位、速度、飛行計画。
‐現在及び将来の気象情報。
‐航空交通密度の指標(区域内の航空機の数、乱気流等)、現在及び将来の空域の構造を定義するデータ(軍の飛行禁止区域の存在、航空路等)、現在及び将来の空港の構成(使用可能な滑走路、風向、利用可能な誘導路等)、監視データ(1次及び2次レーダー、ADS−B、WAM等のデータから導出されたもの)。
‐隣接区域のATMシステムを操作する航空交通管制官との調整メッセージ。
‐その区域における現在又は近いうちに現れる各航空機の3次元(3D)の座標、航空機の種類、機首方位、速度、飛行計画。
‐現在及び将来の気象情報。
‐航空交通密度の指標(区域内の航空機の数、乱気流等)、現在及び将来の空域の構造を定義するデータ(軍の飛行禁止区域の存在、航空路等)、現在及び将来の空港の構成(使用可能な滑走路、風向、利用可能な誘導路等)、監視データ(1次及び2次レーダー、ADS−B、WAM等のデータから導出されたもの)。
‐隣接区域のATMシステムを操作する航空交通管制官との調整メッセージ。
更にATMシステム2は、MMIユニット21を介して、航空交通管制官がこのデータを取得できるように構成される。
外部データは、取得の前にさらに処理(例えば、平均化、検証、結合、分析等)することができる。
通常、入力データはこの処理済みデータとそのタイムスタンプを含む。
更にATMシステム2は、現在の状態を示すATMシステム2の内部データを生成するように構成される。内部データは特にATMシステム2内に設けられたプローブを使用して生成され、例えば、非限定的に、
‐メッセージのキュー、共有データ、ログ、技術的なレイアウト、フライトタグへのフォーカスアクション、特定のゾーンへのズームイン又はズームアウトファクタ、管制官とパイロットとの間の音声会話の転写等を含む。内部データは、MMI21を介してATMシステム2を操作する航空交通管制官によりアクセス可能である。一実施形態では、メモリ20に記憶された入力データも対応するタイムスタンプを有するこの内部データを含む。
‐メッセージのキュー、共有データ、ログ、技術的なレイアウト、フライトタグへのフォーカスアクション、特定のゾーンへのズームイン又はズームアウトファクタ、管制官とパイロットとの間の音声会話の転写等を含む。内部データは、MMI21を介してATMシステム2を操作する航空交通管制官によりアクセス可能である。一実施形態では、メモリ20に記憶された入力データも対応するタイムスタンプを有するこの内部データを含む。
一実施形態では、ATMシステム2は、外部を使用してアップグレード機能が実行され内部データを生成するように構成される。これらの機能は、例えば、メモリ20に記憶され、プロセッサ22上で実行される機能を実行するコンピュータプログラムを使用して実行される。これらの機能は、例えば、衝突を検知すること、航空機と他の航空機との間の衝突の危険性若しくは航空機がゾーン内への着陸期間中にゾーンに入ることの危険性等を特定すること、又は競合関係を解決することを可能にする解決策を決定することを含む。これらの機能の結果は、MMI21を介して航空交通管制官に提供される。
既知の方法で、ATMシステム2を操作する航空交通管制官は、MMI21を介して、アップグレードされた機能の結果を含む外部データの機能及び/又は内部データの機能として現在の又は将来の航空交通状況を、各瞬間に知ることができる。これらのデータと結果は、MMI21を介して航空交通管制官に提供される。次に、これらの要素に基づいて、航空交通管制官は、MMI21を介して(テキスト形式、視覚形式又は音声形式等で)ATMシステム2に提供する決定を下す。
これらの決定は、航空機及び/又は隣接区域の管制官のATMシステムを対象とした指示を含む。それらは、目標飛行高度コマンド、目標速度コマンド(水平、垂直)、目標方位コマンド、目標請求又は降下勾配コマンド等を含むことができる。
電子試験装置6は、メモリ61及びプロセッサ62を有する。特にメモリ61には人工ニューラルネットワーク63が記憶されている。
図2は、本発明の一実施形態において実施されるステップのフローチャートを示す図である。
ニューラルネットワーク63は、予備段階101_0で、プログラムされたネットワークを取得するように、航空交通管制官の挙動の学習を、ATMシステムの外部データを含む、一実施形態では、ATMシステムの内部データ及び/又は機能の結果を含む入力要素の履歴から、且つこれらのそれぞれの入力要素に照らして航空管制官によって行われた決定を含む出力要素の履歴から実行するように構成される。
この履歴は、例えば、ATMシステム2、又はATMシステム2に類似の別のATMシステム、又はいくつかの動作可能なATMシステムからのすべての要素の数ヶ月にわたる収集及びそれらの保管から作成される。一実施形態では、その保管はメモリ20で行われる。
実施形態では、ニューラルネットワーク63の学習のためのこの予備段階101_0が、
‐電子試験装置6内で、メモリ61及びプロセッサ62を使用して実行されること、または
‐独自のメモリとコンピューティングリソースを備えた特定の学習プラットフォーム(図示せず)で実行されること、
に留意されたい。
‐電子試験装置6内で、メモリ61及びプロセッサ62を使用して実行されること、または
‐独自のメモリとコンピューティングリソースを備えた特定の学習プラットフォーム(図示せず)で実行されること、
に留意されたい。
一実施形態では、各試験構成において、予備段階101_0は、例えば最小収集期間と同様に、意思決定において、試験に有用な入力要素及び出力要素(の抽出)はどれであるかを識別する入力要素及び出力要素の準備段階101_01を含む。
既知の方法では、これらの要素の準備には、収集された要素のセグメンテーション、不明な要素と動作の検出、要素の次元の縮小、グループの抽出、原因と関係の特定、及び、終わりに入力訓練要素及び関連する出力要素を含む訓練要素の集合の定義を含むことができる。各試験構成において、予備段階101_0は、訓練要素の集合に関連する入力及び出力訓練要素からの、厳密には、ニューラルネットワーク63についての訓練段階101_02を含む。従って、試験構成ごとに1つのニューラルネットワークが決定される。
訓練データの集合の定義及び学習とニューラルネットワークの使用についての原理は、例えば以下の文献によりよく知られている。
- Tolk, A. (2015, July). The next generation of modeling & simulation: integrating big data and deep learning. In Proceedings of the Conference on Summer Computer Simulation (pp. 1-8). Society for Computer Simulation International;
- Akerkar, R. (2014). Analytics on Big Aviation Data: Turning Data into Insights. IJCSA, 11(3),116-127;
- Boci, E., & Thistlethwaite, S. (2015, April). A novel big data architecture in support of ADS-B data analytic. In Integrated Communication, Navigation, and Surveillance Conference (ICNS), 2015 (pp. C1-1). IEEE;
- Bengio, Y. (2009). Learning deep architectures for AI. Foundations and trends in Machine Learning, 2(1), 1-127.
- Tolk, A. (2015, July). The next generation of modeling & simulation: integrating big data and deep learning. In Proceedings of the Conference on Summer Computer Simulation (pp. 1-8). Society for Computer Simulation International;
- Akerkar, R. (2014). Analytics on Big Aviation Data: Turning Data into Insights. IJCSA, 11(3),116-127;
- Boci, E., & Thistlethwaite, S. (2015, April). A novel big data architecture in support of ADS-B data analytic. In Integrated Communication, Navigation, and Surveillance Conference (ICNS), 2015 (pp. C1-1). IEEE;
- Bengio, Y. (2009). Learning deep architectures for AI. Foundations and trends in Machine Learning, 2(1), 1-127.
訓練段階101_02の結果は、(アルゴリズム)モデル航空交通管制官とも呼ばれる訓練されたニューラルネットワーク63の配信101_1である。次に、このモデルは電子装置6に記録され、ATMシステム2を試験するために試験段階101_2で使用できる。
実施形態では、入力及び出力要素は地理的航空区域別に構成され、ニューラルネットワークの訓練も区域によって区別され、ステップ101_1で取得した航空交通管制官アルゴリズムモデル63の挙動は各区域に固有である。
同様に、実施形態では、訓練要素の集合は、ATMシステムの技術的機能(例えば、衝突の検出又は飛行高度コマンド又は管制官間の調整)ごとに、又は航空管制官の特定の役割(例えば、管制の役割又は計画ノートパソコン役割、隣接区域との交換の役割)ごとに構成される。そのような場合、取得された訓練済みモデルは、役割又は機能に固有である。更に、区域、機能、及び役割の側面のうち少なくとも2つの側面に固有の混合モードを生成することができる。
任意のタイプの人工ニューラルネットワークが使用できる。例えば、深層学習ネットワーク、畳み込みニューラルネットワーク(CNN)が使用される。 入力ノードの数は、入力要素の数と等しくなるように選択され、出力ノードの数は、各試験構成の出力要素の数と等しくなるように選択される。
ATMシステム2の試験段階101_2では、次の手順が実行され、繰り返される;
‐ATMシステム2による航空交通の現在の状態を表す外部データの受信;
‐ATMシステム2による、例えばATMシステム2の機能の結果を含む、少なくとも一部の外部データ及び更新された内部データを含むデータに基づく航空交通に関連する情報の確定、及び、システム2によるMMI21を介した電子試験装置6への情報の配信;
‐電子試験装置6のニューラルネットワーク63による、配信された情報に基づく航空管制の決定を含む出力要素の決定;これらの決定には、航空機及び/又は隣接区域の管制官のATMシステム向けの指示が含まれる;
‐MMI21を介した試験装置6による出力要素のATMシステム2への提供;
‐航空機及び/又は隣接区域の管制官のATMシステムへの決定の送信を含む、システム2による出力要素の受信及び処理。
‐ATMシステム2による航空交通の現在の状態を表す外部データの受信;
‐ATMシステム2による、例えばATMシステム2の機能の結果を含む、少なくとも一部の外部データ及び更新された内部データを含むデータに基づく航空交通に関連する情報の確定、及び、システム2によるMMI21を介した電子試験装置6への情報の配信;
‐電子試験装置6のニューラルネットワーク63による、配信された情報に基づく航空管制の決定を含む出力要素の決定;これらの決定には、航空機及び/又は隣接区域の管制官のATMシステム向けの指示が含まれる;
‐MMI21を介した試験装置6による出力要素のATMシステム2への提供;
‐航空機及び/又は隣接区域の管制官のATMシステムへの決定の送信を含む、システム2による出力要素の受信及び処理。
システムの不適合は、システム2の挙動の分析により、試験段階中に検出される。この検出は、例えば試験装置6又はその他の手段によって行われる。
現在の試験段階101_2では、いくつかのタイプの個別の目的の試験ターゲットを実装できる。
例えば、試験の1つのタイプは、ランダムに生成されるコントローラモデルの入力データ試験集合(許容範囲内の一部、堅牢性を試験するための許容範囲外の一部)からのATMシステム2の実際の入力データ(つまり、内部データ、更には外部データ)に基づく広範な検証試験活動である。コントローラモデル63の決定は、学習された人間の管制官の挙動に準拠するだろう。
例えば、別のタイプの試験段階は、非後退性試験活動である。この場合、ATMシステム2のアップグレード前に生成されたコントローラモデル63に基づいて試験装置6を使用し、ATMシステム2にコントローラモデルの学習を許可していたデータと同じ外部入力データを提供することによりATMシステム2のアップグレードが検討される。仕様の機能的逸脱(ソフトウェアのバグ、ハードウェアの更新等の技術的変更のエッジ効果等)がATMシステム2に発生しない場合、試験装置6はまったく同じ出力決定を提供することが期待される。そうでない場合、ATMシステム2に後退が発生する可能性があり、追加の調査を実施する必要がある。
例えば、別のタイプの試験段階は、耐久性試験活動である。この活動は、目的が異なることを除き、非後退性活動に類似する。耐久性試験活動の目的は、非後退性試験の以前の状況を活用して、次のようなサービスエクスペリエンスを構築することである。
‐ATMシステム2のライフサイクルの初期段階、つまり運用の移行前に行われること;‐検証対象のATMシステム2の多くのインスタンス(instances)と、コントローラー及びテスト入力データ集合のモデルの多くのインスタンスを複製することにより、迅速に行われること。
‐ATMシステム2のライフサイクルの初期段階、つまり運用の移行前に行われること;‐検証対象のATMシステム2の多くのインスタンス(instances)と、コントローラー及びテスト入力データ集合のモデルの多くのインスタンスを複製することにより、迅速に行われること。
定常的に進化するATMシステム2では、機能(新しい機能の導入又は変更された機能)と技術(ハードウェア、オペレーティングシステムなどの変更)の両方の更新が試験で検討される。そのような状況において、一実施形態では、ATMシステム2に対応するアルゴリズムモデル63の更新前に、これらの更新の評価を完了する。従って、図2を参照すると、ステップ102_0では、ATMシステムの内部データとATMシステムの外部データを含む入力要素、及びこれらの各入力要素に照らして航空管制官によって行われた決定を含む出力要素は、更新されたATMシステム2の部分に関連する運用プラットフォームを代表する試験プラットフォームで航空管制官が行う検証セッション中に記録及び記憶される。次いで、プログラムされたニューラルネットワークを取得するためのステップ101_0は、これらの入力および出力要素に基づいて実行され、更新されるATMシステム2の一部を対象とする航空交通ネットワークコントローラモデルの配信につながる。ステップ101_1では、更新前のATMシステム2に対応するアルゴリズムモデルと更新された態様を対象とするATMシステム2のアルゴリズムモデルとの組み合わせが行われ(例えば、実施形態では、連結により)、更新されたATMシステム2に対応する完全なアルゴリズムモデルを提供することが可能になる。更に、一実施形態では、安全ステップ100_0において、(例えば、文書4444に定義されているようなICAO規格に対応する)航空交通管制官のやり取りの適用において航空交通管制官によって実施される規則、原理、制約、条件及び禁止がアルゴリズム形式に公式化される。
例えば、これらの規則には次のものが含まれる。
‐a1/航空管制官は、それが責任を負う部門外の航空機に関する命令を提供することはできない。
‐a2/条件、Cond1、Cond2、Cond3によって明確に定義された特定の例外を除く。
‐a3/所与の航空機の速度と高度に対応する所与の状況では、飛行レベル高度の指令される変化は、速度と高度に応じて所与の閾値より下でなければならない。
‐a1/航空管制官は、それが責任を負う部門外の航空機に関する命令を提供することはできない。
‐a2/条件、Cond1、Cond2、Cond3によって明確に定義された特定の例外を除く。
‐a3/所与の航空機の速度と高度に対応する所与の状況では、飛行レベル高度の指令される変化は、速度と高度に応じて所与の閾値より下でなければならない。
結果として得られる安全化アルゴリズムは、一実施形態では、航空交通管制官モデルを構築する前に、訓練要素の集合に関連付けられた入力及び出力訓練要素に対してステップ100_1で実施され、これにより、標準化されたプラクティスに適合しない要素を検出することができ、次に、訓練要素の集合からそれらを排除するか、又は「バッドプラクティス」クラスに割り当て、「グッドプラクティス」に従ってモデルが管制官の動作をよりよく学習できるようにすることができる。
一実施形態では、ステップ100_1において、航空交通管制官のやり取りの適用において航空交通管制官によって実施されるこれらの規則、原理、制約、条件及び禁止は、又、人工ニューラルネットワークへの学習データとして提供され、学習段階の最後に、これらの規則を含むモデルが提供され、以降、これを安全モデルと呼ぶ。ステップ101_3では、試験段階101_2に間に管制官モデル63によって次に行われる各決定がこの安全モデルに提供され、それは決定をグッドプラクティスに準拠する(特に出力決定に対して許容可能な動的範囲内であることを検証して)として有効にするか又は決定を無効にするが、これはテストの文脈では考慮されず、例えば「バッドプラクティス」のクラスを強化し、その結果、航空管制官モデルを強化することになる。
従って、本発明は、ニューラルネットワークによって学習された航空管制官モデル63に基づいて電子試験装置6を得ることを可能にする。
試験段階では、取得した航空管制官モデル63を複製し、各コピーを同じ電子装置6にインストールするか、装置と同様の各試験装置にインストールすることができる。これにより、ATMシステム2で、又はATMシステム2の(例えばクラウド上で)複製されたインスタンスで並行して行われるテストの数と範囲を増やすことができる。これらの装置を使用して実装される試験段階の実施形態では、入力データを異なるモデル又は装置に分散できる。各モデルは個別の特定の区域、または個別の期間(ピーク時間、オフピーク時間、毎週、又は毎月等)。
別の実施形態では、ニューラルネットワークモデル63は、GPU(Graphics Processing Unit)又はマルチGPU等のプログラマブルロジックコンポーネントの形態で作成される。
Claims (10)
- 受信された航空管制の状態を表す入力データに基づいて確定された前記航空管制に関する情報を配信し、運用段階で少なくとも1人の航空交通管制官によって提供される航空交通管制からの管制指示を更に受信及び処理する航空交通管制電子制御システム(2)ための試験方法であって、前記システムの試験段階中に、
‐前記システム(2)によって航空交通の前記状態を表す入力データを受信することと、
‐前記システムによって前記入力データに基づく航空交通に関する情報を確定し、前記システムによって前記情報を前記システムの電子試験装置(6)へ配信することと、
‐前記システムの前記電子試験装置(6)によって前記配信された情報に基づき航空管制指示を決定し、前記指示を前記システムへ提供することと、
‐前記システムによって前記指示を受信し処理すること、を有し、
前記電子装置(6)は、前記航空交通に関する情報に基づき指示を自動的に決定するためのアルゴリズムモデル(63)を含み、前記モデルは、コンピュータにより実行される、深層学習ニューラルネットワークの学習段階の間に、少なくとも1人の航空交通管制官によって前記システムに以前に提供された指示及び前記指示に関連する前記航空交通に関する情報の集合に基づいて取得されたものであること、を特徴とする方法。 - 前記試験段階中に、前記システムの挙動に基づいて前記システムの1つ又は複数の不適合を検出すること、を有する請求項1に記載の航空管制電子制御システム(2)の試験方法。
- 指示を自動的に決定する前記アルゴリズムモデル(63)は、少なくとも1つの要素に固有の指示を決定するために、少なくとも1人の航空管制官が前記システムに以前に提供した指示と、前記指示に関連する前記航空管制に関連する前記情報の学習中に、同じタイプの複数の要素の中からの要素による決定に基づいて学習され、前記同じタイプの複数の要素の中からの前記要素は、複数の地理的区域の中からの地理的区域、及び/又は、複数の航空交通管制官の役割の中からの役割、及び/又は、前記システムの複数の機能の中からの前記航空交通の電子制御システム(2)の機能である、請求項1又は2に記載の航空管制電子制御システム(2)の試験方法。
- ‐航空交通管制官規則に準拠していない指示を識別するように構成されたアルゴリズム制約モジュールを決定することと、
‐少なくとも1人の航空交通管制官によって前記システムに以前に提供された指示の前記集合に前記アルゴリズムモジュールを適用し、前記ニューラルネットワークの前記学習に使用される前記集合から準拠していないと識別された前記指示を削除することと、
‐前記アルゴリズムモジュールを、前記電子試験装置によって決定された前記指示に適用し、準拠していないと識別された指示を前記試験段階で考慮しないこと、を有する請求項1〜3のいずれか1項に記載の航空管制電子制御システム(2)の試験方法。 - 前記試験の準備段階で、
‐少なくとも1人の航空交通管制官によって前記システムに以前に供給された指示の集合と、前記指示に関連する前記システムによって配信された前記航空交通管制官に関する情報を収集して記憶することと、
‐コンピュータによって実行されるニューラルネットワークの学習によって、前記記憶された指示の集合と前記航空交通に関連し前記指示に関連付けられた前記記憶された情報に基づいて指示を自動的に決定するためのアルゴリズムモデルを決定すること、を有する請求項1〜4のいずれか1項に記載の航空管制電子制御システム(2)の試験方法。 - 受信された航空交通管制の状態を表す入力データに基づいて確定された前記航空交通管制に関する情報を配信し、少なくとも1人の航空交通管制官によって提供される前記航空交通管制からの管制指示を更に受信し、処理する航空交通管制電子制御システム(2)のための電子試験装置(6)であって、
前記システムによって配信される前記航空交通に関する情報を受信するように構成され、前記航空交通に関する情報に基づいて指示を自動的に決定するアルゴリズムモデル(63)を有し、前記モデルは、少なくとも1人の航空交通管制官がシステムに以前に提供した指示の集合及び前記指示に関連する前記航空交通に関する情報に基づいてコンピュータによって実行される深層学習ニューラルネットワークの学習段階の間に取得されること、を特徴とする電子試験装置(6)。 - 前記システムの挙動に基づいて前記システムの不適合を検出するように構成されている請求項6に記載の電子試験装置(6)。
- 指示を自動的に決定する前記アルゴリズムモデル(63)は、少なくとも1つの要素に固有の指示を決定するために、少なくとも1人の航空管制官が前記システムに以前に提供した指示と、前記指示に関連する前記航空管制に関連する前記情報の学習中に、同じタイプの複数の要素の中からの要素による決定に基づいて学習され、前記同じタイプの複数の要素の中からの前記要素は、複数の地理的区域の中からの地理的区域、及び/又は、複数の航空交通管制官の役割の中からの役割、及び/又は、前記システムの複数の機能の中からの前記航空交通の電子制御システム(2)の機能である、請求項6又は7に記載の電子試験装置(6)。
- 受信された航空交通管制の状態を表す入力データに基づいて確定された前記航空交通管制に関する情報を配信し、少なくとも1人の航空交通管制官によって提供される前記航空交通管制からの管制指示を更に受信し処理する航空交通管制電子制御システムための試験プラットフォームであって、
少なくとも1人の航空交通管制官によって前記システムに以前に提供された指示の集合と、前記システムによって配信される前記指示に関連する航空交通管制官に関する情報を収集及び記憶するように構成され、
‐前記記憶された指示の集合と前記航空交通に関連し前記指示に関連付けられた前記記憶された情報に基づいてコンピュータによって実行されるニューラルネットワークの学習によって、前記航空交通管制官に関連する情報に基づいて指示を自動的に決定するためのアルゴリズムモデル(63)を決定することと、
‐指示を自動的に決定するための前記アルゴリズムモデルを含む前記システムの電子試験装置(6)を取得することと、
‐前記電子試験装置(6)を介して前記システム(2)を試験すること、を特徴とする試験プラットフォーム。 - 受信された航空管制の状態を表す入力データに基づいて確定された前記航空管制に関連する情報を配信し、更に少なくとも1人の航空交通管制官によって提供される航空交通管制からの管制指示を受信し処理する航空交通管制電子制御システム(2)と、
請求項6〜8のいずれか1項に記載の前記電子システムための電子試験装置と、を有する試験プラットフォーム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1800642A FR3082965B1 (fr) | 2018-06-21 | 2018-06-21 | Procede de test d'un systeme electronique de controle du trafic aerien, dispositif electronique et plate-forme associes |
FR1800642 | 2018-06-21 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020024678A true JP2020024678A (ja) | 2020-02-13 |
Family
ID=65031126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019114553A Pending JP2020024678A (ja) | 2018-06-21 | 2019-06-20 | 航空交通管制電子システムを試験する方法、関連装置及びプラットフォーム |
Country Status (12)
Country | Link |
---|---|
US (1) | US11823040B2 (ja) |
EP (1) | EP3588387B1 (ja) |
JP (1) | JP2020024678A (ja) |
KR (1) | KR20190143832A (ja) |
CN (1) | CN110634329A (ja) |
AU (1) | AU2019204291A1 (ja) |
BR (1) | BR102019012735A2 (ja) |
CA (1) | CA3047430A1 (ja) |
FR (1) | FR3082965B1 (ja) |
RU (1) | RU2019119152A (ja) |
SG (1) | SG10201905716VA (ja) |
TW (1) | TW202001559A (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11189177B2 (en) * | 2018-11-06 | 2021-11-30 | Vianair Inc. | Airspace information modeling and design |
CN111047915B (zh) * | 2019-12-13 | 2020-11-27 | 中国科学院深圳先进技术研究院 | 停机位分配方法、装置及终端设备 |
CN115660446B (zh) * | 2022-12-13 | 2023-07-18 | 中国民用航空飞行学院 | 一种空中交通管制预案智能生成方法、装置及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006202046A (ja) * | 2005-01-20 | 2006-08-03 | Ntt Data Corp | 管制指示生成装置及びプログラム |
US20140257683A1 (en) * | 2013-03-11 | 2014-09-11 | INHA Industry Partnerships Institute | Method and apparatus for testing states in flight plan state management system |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10684350B2 (en) * | 2000-06-02 | 2020-06-16 | Tracbeam Llc | Services and applications for a communications network |
US9691286B2 (en) * | 2015-04-22 | 2017-06-27 | The Boeing Company | Data driven airplane intent inferencing |
CN105225007A (zh) | 2015-09-30 | 2016-01-06 | 中国民用航空总局第二研究所 | 一种基于gabp神经网络的扇区运行性能综合检测方法及系统 |
CN105894862B (zh) | 2016-05-05 | 2018-05-04 | 中国民用航空华东地区空中交通管理局 | 一种空中交通管制智能化指挥系统 |
CN107944472B (zh) | 2017-11-03 | 2019-05-28 | 北京航空航天大学 | 一种基于迁移学习的空域运行态势计算方法 |
-
2018
- 2018-06-21 FR FR1800642A patent/FR3082965B1/fr active Active
-
2019
- 2019-06-19 BR BR102019012735A patent/BR102019012735A2/pt unknown
- 2019-06-19 AU AU2019204291A patent/AU2019204291A1/en active Pending
- 2019-06-19 CA CA3047430A patent/CA3047430A1/fr active Pending
- 2019-06-20 SG SG10201905716VA patent/SG10201905716VA/en unknown
- 2019-06-20 EP EP19181533.1A patent/EP3588387B1/fr active Active
- 2019-06-20 TW TW108121470A patent/TW202001559A/zh unknown
- 2019-06-20 JP JP2019114553A patent/JP2020024678A/ja active Pending
- 2019-06-20 US US16/447,612 patent/US11823040B2/en active Active
- 2019-06-20 RU RU2019119152A patent/RU2019119152A/ru unknown
- 2019-06-21 CN CN201910541681.5A patent/CN110634329A/zh active Pending
- 2019-06-21 KR KR1020190074160A patent/KR20190143832A/ko unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006202046A (ja) * | 2005-01-20 | 2006-08-03 | Ntt Data Corp | 管制指示生成装置及びプログラム |
US20140257683A1 (en) * | 2013-03-11 | 2014-09-11 | INHA Industry Partnerships Institute | Method and apparatus for testing states in flight plan state management system |
Also Published As
Publication number | Publication date |
---|---|
EP3588387B1 (fr) | 2023-09-06 |
EP3588387A1 (fr) | 2020-01-01 |
TW202001559A (zh) | 2020-01-01 |
BR102019012735A2 (pt) | 2019-12-24 |
RU2019119152A (ru) | 2020-12-21 |
EP3588387C0 (fr) | 2023-09-06 |
CN110634329A (zh) | 2019-12-31 |
FR3082965B1 (fr) | 2022-01-28 |
SG10201905716VA (en) | 2020-01-30 |
KR20190143832A (ko) | 2019-12-31 |
CA3047430A1 (fr) | 2019-12-21 |
FR3082965A1 (fr) | 2019-12-27 |
US20190391909A1 (en) | 2019-12-26 |
US11823040B2 (en) | 2023-11-21 |
AU2019204291A1 (en) | 2020-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2724466C2 (ru) | Системы и способы неразрушающего контроля с участием удаленного специалиста | |
US11508254B2 (en) | Training and/or assistance platform for air management via air traffic management electronic system, associated method | |
JP2020024678A (ja) | 航空交通管制電子システムを試験する方法、関連装置及びプラットフォーム | |
CN111627257B (zh) | 基于航空器运动趋势预判的管制指令安全预演与校验方法 | |
Mas-Pujol et al. | Predict ATFCM weather regulations using a time-distributed Recurrent Neural Network | |
CN113408907A (zh) | 空中交通管制系统威胁影响分析方法、系统及设备 | |
CN115481941B (zh) | 一种多功能区联合的智能化安防管理方法及系统 | |
Shmelova | Integration Deterministic, Stochastic and Non-Stochastic Uncertainty Models in Conflict Situations. | |
EP2302571A1 (en) | Method and apparatus for efficiently configuring a motion simulation device | |
Callantine | The crew activity tracking system: Leveraging flight data for aiding, training and analysis | |
CN110533241B (zh) | 终端区起降容量预测系统 | |
Vishnyakova et al. | A solution to the problem of assessing aviation safety by simulation modeling | |
Moallemi et al. | Building atc simulator through scenario-driven requirements engineering | |
Agrawal et al. | A Requirements-Driven Platform for Validating Field Operations of Small Uncrewed Aerial Vehicles | |
CN116777008B (zh) | 面向无人飞行器逃逸预测建模的数据样本生成方法和系统 | |
RU122796U1 (ru) | Система поддержки принятия решений для психологического и педагогического тестирования | |
BR102019012774B1 (pt) | Plataforma de treinamento e/ou assistência para gerenciamento aéreo e método de treinamento e/ou assistência para gerenciamento de tráfego aéreo | |
KR20120078658A (ko) | 체계 및 소프트웨어의 기능적 요구사항의 정형화 명세 장치 및 그 방법 | |
Guan et al. | Intelligent Classification Method of Digital Twin Airport Hazard Based on ID3 Algorithm | |
Maximchuk Lladós | Predictive patterns in aviation delay management | |
CN115471347A (zh) | 车险报案风险预测方法、装置、电子设备及存储介质 | |
CN118171920A (zh) | 基于llm模型的园区安全应急响应方法、设备及介质 | |
Zheng et al. | Statistical methods for trajectory model validation | |
CN117708740A (zh) | 一种远程塔台模式下多机场非侵入区告警检测方法 | |
Zazzaro et al. | P4T: A Methodology to Support the Flight Trajectory Prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220316 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230315 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230411 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231107 |