TWI794516B - 透過空中交通管理電子系統的用於空中管理的訓練和/或輔助平台及方法 - Google Patents
透過空中交通管理電子系統的用於空中管理的訓練和/或輔助平台及方法 Download PDFInfo
- Publication number
- TWI794516B TWI794516B TW108121469A TW108121469A TWI794516B TW I794516 B TWI794516 B TW I794516B TW 108121469 A TW108121469 A TW 108121469A TW 108121469 A TW108121469 A TW 108121469A TW I794516 B TWI794516 B TW I794516B
- Authority
- TW
- Taiwan
- Prior art keywords
- air traffic
- training
- input data
- traffic management
- electronic system
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
-
- 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
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/006—Simulators for teaching or training purposes for locating or ranging of objects
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0004—Transmission of traffic-related information to or from an aircraft
- G08G5/0013—Transmission of traffic-related information to or from an aircraft with a ground station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—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]
- G08G5/0017—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]
- G08G5/0043—Traffic management of multiple aircrafts from 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]
- G08G5/0073—Surveillance aids
- G08G5/0082—Surveillance aids for monitoring traffic from a ground station
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
-
- 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
Abstract
本發明屬於一種用於空中交通管理的訓練和/或輔助平台,包括:空中交通管理電子系統,用於獲取表示空中交通的輸入資料,將根據獲取的輸入資料建立的資訊傳遞給空中交通管制員,並從空中交通管制員接收指令;用於基於至少表示空中交通狀態的輸入資料自動地確定指令的自動地確定模組;電子處理模組,用於收集由空中交通管理電子系統獲取的輸入資料,從而將其提供給自動確定模組,至少收集基於提供的輸入資料自動地確定的指令並且命令將指令傳遞給操作本發明系統的空中交通管制員;其中該自動地確定模組包括神經網路。
Description
本發明屬於電子空中交通管制系統的領域,通常是電子空中交通管理(ATM)系統。這樣的系統提供以下兩者之間的界面連接:一方面是例如負責給定的地理磁區(sector)的空中交通管制員,另一方面是位於該地理磁區內的飛行器或者其他空中交通管制員,特別是負責鄰近地理磁區的空中交通管制員。
從外部系統接收資料(天氣資料、飛行器飛行計畫、雷達檢測、來自鄰近磁區的空中交通管制員的消息等)的這樣的系統,對資料進行處理,選擇性地將其進行組合等,接著經由MMI(人機界面)檢索資料或者由空中交通管制員的處理操作而產生的資訊。空中交通管制員基於該資料和資訊來確定指令(用於飛行器的命令,包括資訊、資料的用於鄰近管制員的消息,執行系統的附加功能的指令等)並且經由MMI將這些指令進行輸入。系統接著處理這些命令。
目前,沒有提供任何解決方案使得空中交通管制員能夠受益於空中交通管制領域隨時間獲取的經驗,無論是在訓練的情況下還是在操作的空中交通管制期間。
例如,空中交通管制員訓練是透過具有一定數量的缺點的測試程式來完成的:它們提供非常有限數量的情景,這些情景不易升級,因此難以表現出空中交通管制系統的變化。
為此,根據第一方面,本發明提出了一種透過空中交通管理電子系統的用於空中管理的訓練和/或輔助平台,該訓練平台包括:該空中交通管理電子系統,其用於獲取至少表示空中交通狀態的輸入資料,向操作該空中交通管理電子系統的空中交通管制員傳遞與空中交通有關並且根據至少獲取的輸入資料所建立的資訊,從空中交通管制員接收根據傳遞的資訊的指令並處理指令;用於基於至少表示空中交通狀態的輸入資料自動地確定指令的模組;電子處理模組,其用於收集由空中交通管理電子系統所獲取的輸入資料,將其提供給自動確定模組,至少收集基於提供的輸入資料而自動確定的指令並且命令將指令傳遞給操作該空中交通管理電子系統的空中交通管制員;且該電子處理模組包括從基於要素集合的第一歷史的要素集合由電腦執行的學習中所得到的神經網路,每個要素集合與相應的空中情況相關聯,相應的空中情況與歷史中的多個相應時刻中的一個相應時刻對應,並且每
個要素集合至少包括由空中交通管理電子系統在相應時刻所獲取的輸入資料,以及由該空中交通管理電子系統在基於輸入資料所建立的資訊的傳遞之後所接收的空中交通管制指令。
因此,本發明使得能夠利用真實情況及其動態的多樣性,為空中交通管理提供可靠的訓練和/或輔助平台。
在實施例中,根據本發明的空中交通管理的訓練和/或輔助平台還包括以下特徵中的一個或多個:該空中交通管理的訓練和/或輔助平台包括用於存儲要素集合的第二歷史的記憶體,以及電子處理模組,該電子處理模組用於從資料庫中提取輸入資料,以便至少基於所提取的輸入資料來確定訓練輸入資料,並且用於將訓練資料提供給空中交通管理電子系統和自動確定模組;該空中交通管理電子系統用於傳遞基於訓練輸入資料所建立的空中交通相關的資訊,以便從在平台上進行訓練的空中交通管制員接收基於傳遞的資訊的至少一個空中交通管理指令並將其提供給電子處理模組;該電子處理模組用於將接收的指令與所收集的自動確定的指令進行比較,並且用於基於比較確定消息,該空中交通管理的訓練和/或輔助平台用於顯示消息;電子處理模組用於基於由演算法模型自動確定的指令來確定旨在透過朝向指令的訓練對於空中交通管理員進行引導的消息,該空中交通管理的訓練和/或輔助平台用於顯示消息;電子處理模組用於接收指示訓練主題的資訊並且用於基於資訊提取輸入資料。
根據第二方面,本發明提供了一種透過空中交通管理電子系統的空中交通管理的訓練和/或輔助方法,該空中交通管理電子系統用於獲取至少表示空中交通狀態的輸入資料,向操作該空中交通管理電子系統的空中交通管制員傳遞與空中交通相關並且至少根據獲取的輸入資料而建立的資訊,從空中交通管制員接收根據傳遞的資訊的指令並處理指令,該透過空中交通管理電子系統的空中交通管理的訓練和/或輔助方法在訓練和/或輔助平台上執行,該訓練和/或輔助平台包括:該電子系統;自動確定模組,基於表示至少得到的空中交通的狀態的輸入資料,該電子處理模組包括從基於要素集合的第一歷史的要素集合由電腦執行的學習中得到的神經網路,每個要素集合與相應的空中情況相關聯,相應的空中情況與歷史中的多個相應時刻中的一個相應時刻對應,並且每個要素集合至少包括由空中交通管理電子系統在相應時刻獲取的輸入資料和由該空中交通管理電子系統在基於輸入資料建立的資訊的傳遞之後所接收的空中交通管制指令;電子處理模組。
該透過空中交通管理電子系統的空中交通管理的訓練和/或輔助方法包括以下步驟:透過空中交通管理電子系統獲取輸入資料;透過電子處理模組:收集輸入資料並將收集的輸入資料提供給自動確定模組;
透過該自動確定模組基於提供的至少一個指令的輸入資料進行自動確定;透過該電子處理模組命令將指令傳遞給操作該空中交通管理電子系統的空中交通管制員。
在實施例中,根據本發明的空中交通管理的訓練和/或輔助方法還包括以下特徵中的一個或多個:平台包括用於存儲要素集合的第二歷史的記憶體,該透過空中交通管理電子系統的空中交通管理的訓練和/或輔助方法包括以下步驟:透過電子處理模組從資料庫中提取輸入資料;至少基於所提取的輸入資料來確定訓練輸入資料,並將訓練資料提供給空中交通的電子管制系統和自動確定模組;透過該空中交通管理電子系統傳遞基於訓練輸入資料建立的空中交通相關的資訊;從平台上進行訓練的空中交通管制員接收基於傳遞資訊而建立的至少一個空中交通管制指令;並提供給電子處理模組;透過電子處理模組將接收的指令與所收集的自動確定的指令進行比較,並根據比較來確定消息;由該空中交通管理的訓練和/或輔助平台顯示消息;該透過空中交通管理電子系統的空中交通管理的訓練和/或輔助方法包括透過電子處理模組基於由演算法模型自動確定的指令來確定消息,並透過平台顯示消息,消息旨在透過朝向指令的訓練對於空中交通管理員進行引導。
該透過空中交通管理電子系統的空中交通管理的訓練和/或輔助方法包括由電子處理模組執行的以下步驟:接收指示訓練主題的資訊,以及基於資訊提取輸入資料。
1‧‧‧平台
2‧‧‧ATM系統
4‧‧‧外部系統的集合
4_1‧‧‧外部系統
4_2‧‧‧外部系統
6‧‧‧空中交通管制員
10‧‧‧訓練系統
11‧‧‧記憶體
12‧‧‧處理器
13‧‧‧電子處理模組
130‧‧‧場景生成模組
131‧‧‧虛擬輔助模組
14‧‧‧自動確定模組
15‧‧‧要素集合的歷史
150‧‧‧要素集合
151‧‧‧要素集合
152‧‧‧要素集合
20‧‧‧記憶體
21‧‧‧MMI單元
22‧‧‧處理器
100_0‧‧‧安全步驟
100_01‧‧‧規則、原則、約束、條件和禁止
100_02‧‧‧演算法形式
100_1‧‧‧步驟
100_2‧‧‧步驟
101_0‧‧‧預備階段
101_01‧‧‧準備階段
101_02‧‧‧學習階段
101_1‧‧‧步驟
101_3‧‧‧步驟
102_0‧‧‧步驟
200‧‧‧學習場景
201‧‧‧步驟
202‧‧‧步驟
圖1為本發明的一個實施例中考慮的空中交通管理電子系統的示意圖;圖2為本發明的一個實施例中的訓練平台的示意圖;圖3為本發明的一個實施例中實施的步驟的流程圖;圖4為本發明的一個實施例中實施的步驟的流程圖。
圖1為透過遠端通訊鏈路連接到外部系統4_1、外部系統4_2、......、外部系統4_n的外部系統的集合4的空中交通管理電子系統,稱為ATM系統2。
ATM系統2包括記憶體20、MMI單元21和處理器22。
MMI單元21例如包括顯示螢幕、揚聲器系統、鍵盤、麥克風等,其中顯示螢幕可以是或者可以不是觸摸敏感的。
外部系統4_1、外部系統4_2、......、外部系統4_n例如包括飛行器、雷達、氣象站、其他空中交通管制員的遠端通訊設備、機場管制室等。
ATM系統2用於接收並且在其記憶體20中存儲輸入資料(以及這些資料的時間戳記)。
輸入資料包括外部資料,即由外部系統的集合4的外部系統4_1、4_2、......、4_n向其傳遞的外部資料;這些外部資料表示例如空域(或者該空域的給定磁區)的當前或未來狀態,並且非窮舉地包括:對於每個當前處於或者即將處於該磁區的每個飛行器:三維(3D)座標、飛行器類型、飛行器航向、速度、飛行計畫;當前和未來的天氣資訊;空中交通密度指示器(諸如磁區中的飛機的數量、湍流)、限定空域的當前和未來結構的資料(諸如存在軍事禁飛區、空中走廊)、機場的當前和未來配置(開放的跑道、風向、可用滑行道等)、監視資料(如從初級和次級雷達、ADS-B(Automatic dependent surveillance-broadcast,廣播式自動相關監視)、WAM(廣域多點定位)獲取的資料);與在關於鄰近磁區的ATM系統2上操作的空中交通管制員6的協調資訊。
ATM系統2還用於經由MMI單元21為空中交通管制員6檢索資料。
外部資料還能夠在被檢索之前被處理(例如,進行平均、驗證、組合、分析等)。
輸入資料通常包括經處理的資料及其時間戳記。
ATM系統2還用於生成表示其當前狀態的ATM系統2內部的資料。
特別是使用ATM系統2中安裝的探針來生成,並且例如非窮舉地包括:訊息排序、共用資料、日誌、技術佈局、飛行標籤上的聚焦動作、在給定區域上的放大或縮小因數、管制員與飛行器飛行員之間的語音會話轉錄等。
操作ATM系統2的工作中的空中交通管制員6經由MMI單元21能夠獲取內部資料。
在一個實施例中,記憶體20中存儲的輸入資料也包括該內部資料,帶有與資料對應的時間戳記。
在一個實施例中,ATM系統2用於實施簡單的功能(諸如,在由空中交通管制員6選擇的區域上進行放大或縮小)以及利用外部資料的更多動態功能,並且用於生成內容資料。
這些功能例如利用實施功能的電腦程式來實現,這些電腦程式存儲在記憶體20中並且在處理器22上執行。
動態功能例如包括檢測衝突,識別飛行器與另一飛行器之間的碰撞風險,或者飛行器在區域處於著陸期時,進入該區域的風險等,或者確定能夠解決衝突的解決方案。
對於空中交通管制員6,經由MMI單元21來檢索這些功能的結果。
透過已知的方式,操作處於運行模式的ATM系統2的空中交通管制員6因此能夠根據外部資料和/或根據內容資料,包括升級功能的結果,在每個時刻經由MMI單元21瞭解當前或未來空中交通情況。
這些資料和結果經由MMI單元21提供給他。
基於這些要素,空中交通管制員6做出決策,他將這些決策經由MMI單元21以指令的形式(以文本或視覺或語音形式等)提供給ATM系統2。
這些決策包括ATM系統2的功能命令(例如,在MMI單元21上顯示的區域上進行放大或縮小的命令,和/或用於鄰近磁區的管制員的ATM系統2和/或飛行器的指令:它們因此包括目標飛行高度命令、目標速度命令(水準,豎直),目標航向命令,目標爬升或下降梯度命令等。
圖2示出了本發明的一個實施例中的空中交通管制員的訓練平台的示意圖。
在所考慮的情況下,空中交通管制員6的訓練平台(以下簡稱平台1)包括訓練系統10和如上述進行操作的ATM系統2,此時在此使用該ATM系統2不是傳統的操作用途而是為了訓練空中交通管制員6。
訓練系統10包括記憶體11、處理器12、電子處理模組13和用於自動確定指令的自動確定模組14,在本實例中,是如隨後描述的源於學習的神經網路。
記憶體11包括要素集合的歷史15。
例如,圖4示出了三個要素集合150、要素集合151和要素集合152。
每個要素集合包括輸入要素。
每個輸入要素描述歷史上在給定時刻發生的空中情況並且包括限定空中狀況的ATM系統2的外部資料,並且在實施例中包括ATM系統2的內部資料和/或由ATM系統2實施的功能的結果。
每個要素集合與輸入要素相關聯的包括輸出要素,輸出要素包括由空中交通管制根據給定時刻的相應輸入要素而提供給ATM系統2的指令。
歷史例如由從ATM系統2、或者與ATM系統2類似的另一ATM系統2或者從幾個運行的ATM系統2經過幾個月的收集而成,由所有這些要素及其存儲內容構成。
電子處理模組13包括場景生成模組130和虛擬輔助模組131。
場景生成模組130用於選擇至少一個要素集合,從而基於所選擇的要素集合的輸入要素來確定訓練場景,即包括外部輸入資料或者甚至相關聯的內部輸入資料的訓練輸入資料,並且在平台1的神經網路(自動確認模組14)中將它們提供給ATM系統2。
虛擬輔助模組131用於收集由經歷訓練的管制員提供給ATM系統2的決策,並且用於收集在將相同的訓練輸入資料提供給ATM系統2和神經網路(自動確認模組14)之後由神經網路(自動確認模組14)提供的決策,以便進行比較,從而基於比較來確定消息。
圖4是本發明的一個實施例中實施的步驟的流程圖,以便在學習之後獲取神經網路(自動確認模組14)。
在用於獲取經程式設計的神經網路的預備階段101_0中,由神經網路根據包括ATM系統2的外部資料並且在實施例中包括ATM系統2的內部資料和/或功能的結果的輸入要素的歷史,根據包括由空中交通管制員6依據這些相應的輸入要素提供給ATM系統2的決策的輸出要素的歷史,執行對於空中交通管制員6的行為的學習。歷史例如是要素集合的歷史15,或者來自要素集合的歷史15的節選。
需要注意的是,根據實施例,神經網路(自動確認模組14)進行學習的預備階段101_0在平台1上執行;或者在具有其自己的記憶體11和計算資源的特定神經網路學習平台(未示出)上執行。
在一個實施例中,預備階段101_0包括用於輸出和輸出要素的準備階段101_01,用於識別在決策中這些輸入要素(的摘要)中的哪些是神經網路的學習有用的,以及歷史的最小持續時間。
透過已知的方式,這些要素的準備可以包括所收集的要素的分割、丟失要素和操作的檢測、要素的維度降低、集合的提取、原因和關係的識別、以及完成包括輸入學習要素和相關聯的輸出要素的學習要素集合的定義。
對於每個測試配置,預備階段101_0包括來自與學習要素的集合相關聯的輸入和輸出學習要素的嚴格來說用於神經網路(自動確認模組14)的學習階段101_02。因此「經過學習的」神經網路被確定。
神經網路的使用和學習資料的集合的定義的這些原理是公知的,參見例如:
Tolk,A.(2015年,七月),The next generation of modeling & simulation:integrating big data and deep learning(下一代建模和模擬:整合大數據和深度學習),In Proceedings of the Conference on Summer Computer Simulation(夏季電腦類比會議論文集)(第1-8頁),Society for Computer Simulation International(國際電腦類比學會);Akerkar,R.(2014年),Analytics on Big Aviation Data:Turning Data into Insights(大航空數據分析:將數據轉換為洞察力),IJCSA,11(3),116-127;Boci,E.,& Thistlethwaite,S.(2015年,四月),A novel big data architecture in support of ADS-B data analytic(一種支援ADS-B數據分析的新型大數據架構),In Integrated Communication,Navigation,and Surveillance Conference(綜合通信、導航與監測會議,ICNS),2015年(第C1-1頁),IEEE;Bengio,Y.(2009年),Learning deep architectures for AI(AI的學習深層架構),Foundations and trends® in Machine Learning(機器學習中的基礎和趨勢),2(1),1-127。
學習階段101_02的結果是經訓練的神經網路(自動確認模組14)的傳遞步驟101_1,經訓練的神經網路(自動確認模組14)也稱為指令自動確定模組14。
能夠使用任何類型的人工神經網路。例如,使用深度學習網路、卷積神經網路(CNN)。對於每個測試配置,輸入節點的數量將被選擇為等於輸入要素的數量,輸出節點的數量將被選擇為等於輸出要素的數量。
定期發展的ATM系統2,在自動確定模組14中將考慮功能性(引入新功能或經修改的功能)和技術性(硬體、作業系統等的改變)的更新。在這種情況下,在一個實施例中,完成與更新前的ATM系統2對應的神經網路(自動確認模組14)以考慮這些更新。
因此,參考圖4,在步驟102_0中,在由空中交通管制員6在ATM系統2進行驗證會話期間,記錄並存儲包括ATM系統2的外部資料或者甚至ATM系統2的內部資料的輸入要素,和包括含有由空中交通管制員6根據這些對應的輸入要素而做出的決策的輸出要素。
然後基於這些輸入和輸出要素來執行用於獲取經程式設計的神經網路的預備階段101_0,並且導致被更新的ATM系統2的部分為目標的空中交通網絡管制員模型的傳遞。
在步驟101_1,與更新前的ATM系統2對應的演算法模型和以更新方面為目標的ATM系統2的演算法模型的組合被完成(例如,在實施例中,透過級聯),因此能夠傳遞與經更新的ATM系統2對應的完整演算法模型。
此外,在一個實施例中,在安全步驟100_0中,空中交通管制員6在其行業的應用中實施的規則、原則、約束、條件和禁止100_01(例如,對應於檔4444中定義的ICAO標準)在演算法形式100_02被形式化。
例如,這些規則包括:a1/空中交通管制員無法提供關於所負責的磁區以外的飛行器的命令,a2/除了由條件Cond1、Cond2、Cond3特定限定的某些例外情況以外;
a3/在與給定飛行器速度和高度對應的給定情況中,所命令的飛行高度的變化必須處於取決於速度和高度的給定閾值以下。
在一個實施例中,在建立空中交通管制員模型之前,對於與學習要素集合相關聯的輸入和輸出學習要素,在步驟100_1中實施所得到的安全演算法,這使得可以檢測不符合標準化實踐的要素,接著將它們從學習要素集合中消除,或將它們分配給「不良實踐」類,以允許模型根據「優異實踐」更好地學習管制員的行為。
在一個實施例中,在步驟100_2中,空中交通管制員6在其行業應用中實施的這些規則、原則、約束、條件和禁令也作為學習資料提供給人工神經網路,並且在學習階段101_02結束時,傳遞包含這些規則的模型,下文稱為安全模型。
在步驟101_3中,如圖3所示的學習過程期間由管制員模型接下來做出的每個決策被提供給安全模型,該安全模型將決策驗證為符合優異實踐的決策(特別是驗證其在輸出決策的可接受的範圍內),或使決策無效,然後在測試環境中不予考慮,並且例如豐富了「不良實踐」類,這導致加強空中交通管制員模型。
在本發明的一個實施例中,執行圖3所示的步驟,用於使用學習形式階段1來執行空中交通管制員6的訓練。
在用於選擇學習場景200的預備步驟中,場景生成模組130從要素集合中選擇至少一個輸入要素,並基於所選擇的要素確定學習場景200,即包括外部輸入資料或甚至內部輸入資料的學習輸入資料,並且它將它們提供給平台1的ATM系統2和平台1的神經網路(自動確認模組14)。
此選擇可以採用多種形式。例如,選擇可以是隨機的,或者可以根據輸入要素描述的空中情況的發生的相應時刻來增加或減少。
在一個實施例中,訓練員經由訓練系統10的人機界面模組(未示出)向訓練系統10提供關鍵字。關鍵字可以例如是期望的訓練主題,諸如「飛機之間的衝突」、「繁忙的交通」等。
場景生成模組130用於識別輸入要素和/或輸出要素與關鍵字對應的要素集合,並且用於選擇這些識別出的要素集合的輸入要素。
在用於確定訓練場景的步驟201中,場景生成模組130至少基於所選擇的輸入要素來確定訓練場景。
例如,當已選擇幾個輸入要素時,每個輸入要素被獨立地處理,作為場景的一部分,或者在基於預定準則由場景生成模組130進行選擇,或者由訓練者從所選擇的輸入要素集合中指定之後,最終選擇單個輸入要素,或者由場景生成模組130完成幾個輸入要素的組合,以便獲取單個輸入要素(透過平均、插值等)。
然後,例如,每個所選擇的輸入要素由場景生成模組130處理。例如,執行提取步驟,其中僅保留輸入要素的一些參數,特別是與選擇主題(如果適用)相關的參數。
例如,執行轉換步驟,以使資料格式符合ATM系統2接受的格式。這樣處理的學習輸入資料(例如以資料向量的形式,在一種情況下包括飛機的位置、其速度、其方向,天氣,由其他磁區發送的消息等)接著作為學習場景200提供給平台1的ATM系統2和平台1的神經網路(自動確認模組14)。
在用於平台1上對於空中交通管制員6進行訓練的步驟202中,ATM系統2接收由場景生成模組130提供的學習輸入資料。可選地進行處理,然後經由MMI單元21檢索接收到的、可選地經處理的內部資料,以便訓練空中交通管制員6。
神經網路(自動確認模組14)基於學習輸入資料自動確定對應的輸出資料,即用於ATM系統2的一個或多個指令,並將它們提供給電子處理模組13。這些指令表示了在神經網路(自動確認模組14)內彙集的空中交通管制員6的經驗的成果。
在一個實施例中,虛擬輔助模組131用於基於由神經網路(自動確認模組14)提供的輸出資料來旨在引導空中交通管制員6的內容,以便他確定輸出資料。內容例如包括關於他應該注意的學習輸入資料的要點的建議,或者建議幾個備選批次的指令的選擇,其中出現由神經網路提供的批量指令。在這種情況下,虛擬輔助模組131接著命令為空中交通管制員6檢索內容,例如透過在MMI單元21的螢幕上顯示,或者平台1配備的並且由空中交通管制員6可見的任何其他螢幕。
在平台1上訓練的空中交通管制員6根據透過MMI單元21傳送給他的學習內部資料,如果適用的話,由來自虛擬輔助模組131的附加內容完成,然後做出決策並將其作為一個或多個指令經由MMI單元21提供給ATM系統2:例如,在關於飛機之間的衝突的訓練主題的情況下,用於至少一架飛行器的飛行高度改變命令。
然後,平台1的ATM系統2將指令或這些指令發送到電子處理模組13。
虛擬輔助模組131然後在由ATM系統2提供並且來自空中交通管制員6的指令與由神經網路(自動確認模組14)提供的指令之間進行比較(或者當存在多個指令時它們之間的指令),然後基於比較來確定消息的內容。
消息例如指示空中交通管制員6提供的指令正確(如果它對應於神經網路(自動確認模組14)提供的指令)或不正確,並且虛擬輔助模組131然後命令為空中交通管理員在平台1上顯示消息。如果回應不正確,則消息還可以包括朝向待確定的指令指導管制員的行為的附加資訊。
在一個實施例中,虛擬輔助模組131在空中交通管制員6的訓練結束時,執行由空中交通管制員6提供的「正確指令」的概要,並且例如計算他的訓練分數。
根據本發明的訓練平台,如平台1,有助於空中交通管制員6的針對性和動態訓練,受益於所考慮的歷史的資本化和彙集。
在所考慮的實施例中,神經網路(自動確認模組14)和電子處理模組13以包括存儲在記憶體11中並在處理器12上執行的軟體指令的演算法的形式形成。當它們被執行時,這些指令導致分別落入神經網路(自動確認模組14)或電子處理模組13時上述步驟的實施。
在另一實施例中,電子處理模組13以可程式設計邏輯元件的形式形成,例如FPGA(電場可程式化邏輯閘陣列),或者以專用積體電路的形式,例如ASIC(專用積體電路),和/或神經網路(自動確認模組14)以可程式設計邏輯元件的形式形成,例如GPU(圖形處理單元)或多GPU卡。
上面已經在訓練領域的情況下描述了本發明。它還應用於操作使用中的空中交通管制員的輔助領域。
在這種應用中,如圖2所示的ATM系統2由類似於訓練系統10的輔助系統完成,除了它的記憶體11中沒有要素集合的歷史15。該輔助系統包括記憶體11、處理器12、與自動確定模組14的所有要點類似的指令自動確定模組14,以及代替電子處理模組13的處理模組,下文稱為輔助模組。
輔助模組用於收集ATM系統2的當前輸入資料,從而將其作為輸入提供給指令自動確定模組14,收集由該指令自動確定模組14基於當前輸入資料作為輸出傳遞的指令並命令提供給操作ATM系統2的空中交通管制員6,例如透過顯示在ATM系統2的顯示螢幕上或在空中交通管制員6可見的附加螢幕上。
因此,當空中交通管制員6意識到與在MMI單元21上檢索到的當前輸入資料相對應的空中交通狀態時,他還確定了透過指令自動確定模組14的神經網路進行學習的實踐而產生的指令,並且能夠透過受益於這種額外的專業知識來做出關於將要在MMI單元21上輸入的指令的自己的決策。
在操作階段,步驟如下:圖1的ATM系統2接收外部輸入資料,生成內部輸入資料。它將它們存儲在其記憶體20中,並且可選地在某些附加處理之後,經由MMI單元21將它們提供給空中交通管制員6。
並行地,模組從ATM系統2收集當前輸入資料,將其作為輸入提供給指令自動確定模組14,獲取後者作為輸出的傳遞指令,並命令將傳遞的指令提供給操作ATM系統2的空中交通管制員6,例如,透過顯示在空中交通管制員6可見的ATM系統2的顯示螢幕上或在附加螢幕上。
空中交通管制員6意識到與在MMI單元21上檢索到的當前輸入資料相對應的空中交通狀態,並且還確定了透過指令自動確定模組14的神經網路進行學習的實踐而產生的指令。他透過受益於這種額外的專業知識來做出關於指令的自己的決策並且將其輸入在MMI單元21上。然後,ATM系統2處理指令,如果在指令中命令了功能,則透過執行系統的功能來處理指令,或者透過將指令經由遠端通訊發送到飛行器或另一關心的磁區的ATM系統2。
1‧‧‧平台
2‧‧‧ATM系統
6‧‧‧空中交通管制員
10‧‧‧訓練系統
11‧‧‧記憶體
12‧‧‧處理器
13‧‧‧電子處理模組
130‧‧‧場景生成模組
131‧‧‧虛擬輔助模組
14‧‧‧自動確定模組
15‧‧‧要素集合的歷史
150‧‧‧要素集合
151‧‧‧要素集合
152‧‧‧要素集合
Claims (6)
- 一種透過空中交通管理電子系統的用於空中管理的訓練和/或輔助平台,其包括:一空中交通管理電子系統,其用於獲取至少表示空中交通狀態的輸入資料,從而向操作該空中交通管理電子系統的空中交通管制員傳遞與空中交通有關並且至少根據獲取的輸入資料所建立的資訊,從空中交通管制員接收根據傳遞的資訊的指令並處理指令;一自動確定模組,其用於基於至少表示空中交通狀態的輸入資料自動地確定的指令;一電子處理模組,其用於收集由該空中交通管理電子系統所獲取的輸入資料,從而將其提供給該自動確定模組,至少收集基於提供的輸入資料自動地確定的指令並且命令將指令傳遞給操作空中交通管理電子系統的空中交通管制員,該電子處理模組用於基於由演算法模型自動確定的指令來確定旨在透過朝向指令的訓練對於空中交通管理員進行引導的消息,該訓練平台用於顯示消息;其中,該自動確定模組包括從基於要素集合的第一歷史的要素集合由電腦執行的學習中所得到的神經網路,每個要素集合與相應的空中情況相關聯,相應的空中情況與第一歷史中的多個相應時刻中的一個相應時刻對應,並且每個要素集合至少包括由空中交通管理電子系統在相應時刻所獲取的輸入資料以及在基於輸入資料所建立的資訊的傳遞之後由該空中交通管理電子系統所接收的空中交通管制指令。
- 如申請專利範圍第1項所述之透過空中交通管理電子系統的用於空中管理的訓練和/或輔助平台,包括:一記憶體,其用於存儲要素集合的第二歷史;一電子處理模組,其用於從一資料庫中提取輸入資料,以便至少基於所提取的輸入資料來確定訓練輸入資料,並用於將訓練資料提供給該空中交通管理電子系統和該自動確定模組;該空中交通管理電子系統用於傳遞與基於訓練輸入資料所建立的空中交通相關的資訊,以便從在該訓練平台上進行訓練的空中交通管制員接收基於傳遞的資訊的至少一個空中交通管理指令並將其提供給該電子處理模組;該電子處理模組用於將接收的指令與所收集的自動確定的指令進行比較,並且用於基於比較來確定消息,該訓練平台用於顯示消息。
- 如申請專利範圍第2項所述之透過空中交通管理電子系統的用於空中管理的訓練和/或輔助平台,其中,該電子處理模組用於接收指示訓練主題的資訊並且用於基於資訊提取輸入資料。
- 一種透過空中交通管理電子系統的用於空中交通管理的訓練和/或輔助方法,該空中交通管理電子系統用於獲取至少表示空中交通狀態的輸入資料,從而向操作該空中交通管理電子系統的空中交通管制員傳遞與空中交通相關並且至少根據獲取的輸入資料所建立的資訊,從空中交通管制員接收根據傳遞的資訊的指令並處理指令,透過該空中交通管理電子系統的用於空中交通管理的訓練和/或輔助平台上執行,該空中交通管理電子系統的用於空中交通管理的訓練和/或輔助平台上包括: 一電子系統;一自動確定模組,其基於至少表示得到的空中交通的狀態的輸入資料,該自動確定模組包括從基於要素集合的第一歷史的要素集合由電腦執行的學習中所得到的神經網路,每個要素集合與相應的空中情況相關聯,相應的空中情況與第一歷史中的多個相應時刻中的一個相應時刻對應,並且每個要素集合至少包括由該空中交通管理電子系統在相應時刻所獲取的輸入資料以及在基於輸入資料所建立的資訊的傳遞之後由該空中交通管理電子系統所接收的空中交通管制指令;一電子處理模組;透過該空中交通管理電子系統的用於空中交通管理的訓練和/或輔助方法包括以下步驟:透過該空中交通管理電子系統獲取輸入資料;透過該電子處理模組收集輸入資料並將收集的輸入資料提供給該自動確定模組;透過該自動確定模組基於提供的至少一個指令的輸入資料進行自動確定;透過該電子處理模組命令將指令傳遞給操作該空中交通管理電子系統的空中交通管制員;透過該電子處理模組基於由演算法模型自動確定的指令來確定消息並透過平台顯示消息,消息旨在透過朝向指令的訓練對於空中交通管理員進行引導。
- 如申請專利範圍第4項所述之透過空中交通管理電子系統的用於空中交通管理的訓練和/或輔助方法,其中,該空中交通管理電子系統的用於空中交通管理的訓練和/或輔助平台包括用於存儲要素集合的第二歷史的一記憶體,透過該空中交通管理電子系統的用於空中交通管理的訓練和/或輔助方法包括以下步驟:透過該電子處理模組從一資料庫中提取輸入資料;至少基於所提取的輸入資料來確定訓練輸入資料,並將訓練資料提供給該空中交通管理電子系統和該自動確定模組;透過該空中交通管理電子系統傳遞與基於訓練輸入資料所建立的空中交通相關的資訊;從在該訓練平台上進行訓練的空中交通管制員接收基於傳遞資訊而建立的至少一個空中交通管制指令;並提供給該電子處理模組;透過該電子處理模組將接收的指令與所收集的自動確定的指令進行比較,並根據比較來確定消息;由該空中交通管理電子系統的用於空中交通管理的訓練和/或輔助平台顯示消息。
- 如申請專利範圍第5項所述之透過空中交通管理電子系統的用於空中交通管理的訓練和/或輔助方法,包括由該電子處理模組執行的以下步驟:接收指示訓練主題的資訊,並且基於資訊提取輸入資料。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1800638A FR3082964B1 (fr) | 2018-06-21 | 2018-06-21 | Plate-forme d'entrainement et/ou d'assistance au controle aerien via un systeme electronique de controle du trafic aerien, procede associe |
FR1800638 | 2018-06-21 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202014938A TW202014938A (zh) | 2020-04-16 |
TWI794516B true TWI794516B (zh) | 2023-03-01 |
Family
ID=65031122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108121469A TWI794516B (zh) | 2018-06-21 | 2019-06-20 | 透過空中交通管理電子系統的用於空中管理的訓練和/或輔助平台及方法 |
Country Status (11)
Country | Link |
---|---|
US (1) | US11508254B2 (zh) |
EP (1) | EP3588386A1 (zh) |
JP (1) | JP2020021467A (zh) |
KR (1) | KR20190143831A (zh) |
CN (1) | CN110634330A (zh) |
AU (1) | AU2019204287A1 (zh) |
CA (1) | CA3047249A1 (zh) |
FR (1) | FR3082964B1 (zh) |
RU (1) | RU2019118952A (zh) |
SG (1) | SG10201905732WA (zh) |
TW (1) | TWI794516B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11410558B2 (en) * | 2019-05-21 | 2022-08-09 | International Business Machines Corporation | Traffic control with reinforcement learning |
CN111857010A (zh) * | 2020-07-31 | 2020-10-30 | 重庆电子工程职业学院 | 一种用于实训场所运维管控的辅助支持系统 |
CN112965777A (zh) * | 2021-03-11 | 2021-06-15 | 北京鲸世科技有限公司 | 空管数据的处理方法及装置、系统 |
CN115223402B (zh) * | 2022-06-29 | 2023-05-26 | 北京航空航天大学 | 一种基于时空图卷积网络的空域扇区复杂度预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1632892A2 (en) * | 1999-12-22 | 2006-03-08 | Rlm Software, Inc. | System and method for estimating aircraft flight delay |
US20150371544A1 (en) * | 2014-06-19 | 2015-12-24 | Airbus Operations (S.A.S.) | Method and device to estimate costs of deviation in a flight trajectory |
US20160314692A1 (en) * | 2015-04-22 | 2016-10-27 | The Boeing Company | Data driven airplane intent inferencing |
CN108039067A (zh) * | 2017-12-07 | 2018-05-15 | 长沙准光里电子科技有限公司 | 一种无人飞行器城市空中管理系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4562533B2 (ja) * | 2005-01-20 | 2010-10-13 | 株式会社エヌ・ティ・ティ・データ | 管制指示生成装置及びプログラム |
US10332405B2 (en) * | 2013-12-19 | 2019-06-25 | The United States Of America As Represented By The Administrator Of Nasa | Unmanned aircraft systems traffic management |
US9558601B2 (en) | 2015-04-24 | 2017-01-31 | The Boeing Company | System and method for detecting vehicle system faults |
US9975632B2 (en) * | 2016-04-08 | 2018-05-22 | Drona, LLC | Aerial vehicle system |
-
2018
- 2018-06-21 FR FR1800638A patent/FR3082964B1/fr active Active
-
2019
- 2019-06-18 RU RU2019118952A patent/RU2019118952A/ru unknown
- 2019-06-18 CA CA3047249A patent/CA3047249A1/fr active Pending
- 2019-06-19 EP EP19181199.1A patent/EP3588386A1/fr not_active Ceased
- 2019-06-19 AU AU2019204287A patent/AU2019204287A1/en active Pending
- 2019-06-20 TW TW108121469A patent/TWI794516B/zh active
- 2019-06-20 JP JP2019114686A patent/JP2020021467A/ja active Pending
- 2019-06-21 US US16/449,023 patent/US11508254B2/en active Active
- 2019-06-21 CN CN201910541683.4A patent/CN110634330A/zh active Pending
- 2019-06-21 KR KR1020190074097A patent/KR20190143831A/ko unknown
- 2019-06-21 SG SG10201905732WA patent/SG10201905732WA/en unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1632892A2 (en) * | 1999-12-22 | 2006-03-08 | Rlm Software, Inc. | System and method for estimating aircraft flight delay |
US20150371544A1 (en) * | 2014-06-19 | 2015-12-24 | Airbus Operations (S.A.S.) | Method and device to estimate costs of deviation in a flight trajectory |
US20160314692A1 (en) * | 2015-04-22 | 2016-10-27 | The Boeing Company | Data driven airplane intent inferencing |
CN108039067A (zh) * | 2017-12-07 | 2018-05-15 | 长沙准光里电子科技有限公司 | 一种无人飞行器城市空中管理系统 |
Also Published As
Publication number | Publication date |
---|---|
JP2020021467A (ja) | 2020-02-06 |
FR3082964B1 (fr) | 2021-11-12 |
TW202014938A (zh) | 2020-04-16 |
CA3047249A1 (fr) | 2019-12-21 |
CN110634330A (zh) | 2019-12-31 |
EP3588386A1 (fr) | 2020-01-01 |
FR3082964A1 (fr) | 2019-12-27 |
RU2019118952A (ru) | 2020-12-21 |
SG10201905732WA (en) | 2020-01-30 |
KR20190143831A (ko) | 2019-12-31 |
BR102019012774A2 (pt) | 2019-12-24 |
AU2019204287A1 (en) | 2020-01-16 |
US20190392726A1 (en) | 2019-12-26 |
US11508254B2 (en) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI794516B (zh) | 透過空中交通管理電子系統的用於空中管理的訓練和/或輔助平台及方法 | |
US11501039B2 (en) | Optimizing aircraft flows at airports using data driven predicted capabilities | |
US20210383706A1 (en) | System and methods for improving aircraft flight planning | |
Olive et al. | Detecting controllers' actions in past mode S data by autoencoder-based anomaly detection | |
Olive et al. | Detection and identification of significant events in historical aircraft trajectory data | |
Marzuoli et al. | Data-based modeling and optimization of en route traffic | |
INSAURRALDE et al. | Uncertainty in avionics analytics ontology for decision-making support. | |
US20210125512A1 (en) | Aircraft parking stand assignment prediction | |
US11823040B2 (en) | Method for testing air traffic management electronic system, associated electronic device and platform | |
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 | |
Murça et al. | A data-driven probabilistic trajectory model for predicting and simulating terminal airspace operations | |
Choi et al. | Gaussian Mixture Model-Based online anomaly detection for vectored area navigation arrivals | |
Insaurralde et al. | Cognitive Decision Support System for Avionics Analytics | |
CN105303898B (zh) | 一种基于主成分分析的空中交通管制模拟仿真异常检测方法和装置 | |
Saifutdinov et al. | An emulation oriented method and tool for test of ground traffic control systems at airports | |
Matthews et al. | Automated discovery of flight track anomalies | |
Dong et al. | Evaluation for Trainee Pilot Workload Management Competency During Approach Phase Based on Flight Training Data | |
Liang et al. | RLaGA: A Reinforcement Learning Augmented Genetic Algorithm For Searching Real and Diverse Marker-Based Landing Violations | |
Kochenderfer et al. | Airspace encounter models for conventional and unconventional aircraft | |
Tyagi et al. | DAAS: Data Analytics for Assurance of Safety | |
Price | Data-Driven Detection of En-route Convective Weather Avoidance and Development of a Weather Assessment Model | |
BR102019012774B1 (pt) | Plataforma de treinamento e/ou assistência para gerenciamento aéreo e método de treinamento e/ou assistência para gerenciamento de tráfego aéreo | |
Guan et al. | Intelligent Classification Method of Digital Twin Airport Hazard Based on ID3 Algorithm | |
Rentas et al. | Characterization method for determination of trajectory prediction requirements | |
CN114121017A (zh) | 多安全级空管语音智能监控系统 |