WO2018034142A1 - 航空管制支援システム、航空管制支援方法、及び、記録媒体 - Google Patents

航空管制支援システム、航空管制支援方法、及び、記録媒体 Download PDF

Info

Publication number
WO2018034142A1
WO2018034142A1 PCT/JP2017/027860 JP2017027860W WO2018034142A1 WO 2018034142 A1 WO2018034142 A1 WO 2018034142A1 JP 2017027860 W JP2017027860 W JP 2017027860W WO 2018034142 A1 WO2018034142 A1 WO 2018034142A1
Authority
WO
WIPO (PCT)
Prior art keywords
prediction
flight
flight plan
display
airspace
Prior art date
Application number
PCT/JP2017/027860
Other languages
English (en)
French (fr)
Inventor
紗和子 見上
洋介 本橋
和彦 粟原
昭人 片岡
Original Assignee
日本電気株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Priority to JP2018534325A priority Critical patent/JP7036013B2/ja
Priority to US16/323,289 priority patent/US11024183B2/en
Publication of WO2018034142A1 publication Critical patent/WO2018034142A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/003—Flight plan management
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
    • B64F1/00—Ground or aircraft-carrier-deck installations
    • B64F1/36—Other airport installations
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/003—Flight plan management
    • G08G5/0034—Assembly of a flight plan
    • 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]
    • G08G5/0047—Navigation or guidance aids for a single aircraft

Definitions

  • the present invention relates to an air traffic control support system, an air traffic control support method, and a recording medium.
  • FIG. 32 is a diagram illustrating a part of the configuration of the control information processing system of Non-Patent Document 1.
  • the control information processing system includes a flight information management system (FDMS: Flight Data Management System) and an air traffic flow management system (ATFM: Air Traffic Flow Management System).
  • FDMS Flight Data Management System
  • ATFM Air Traffic Flow Management System
  • FDMS stores flight plans for each flight (operating flight) presented by each airline.
  • flight plan for example, an instruction speed, an instruction altitude, and an instruction route in the flight are described.
  • Each airline formulates a flight plan based on the schedule of each flight and weather forecast, and presents it by a predetermined time before the actual flight.
  • ATFM calculates the predicted value of traffic volume in each airspace based on the flight plan of each flight accumulated in FDMS and displays it in a graph.
  • the graph for example, predicted values of the traffic volume classified into arrival aircraft to the airspace, departure aircraft from the airspace, and passing aircraft in the airspace are displayed together with the airspace capacity for each time zone.
  • the air traffic management controller Based on the displayed graph, the air traffic management controller performs traffic flow control such as delaying the flight when it is determined that the predicted traffic volume exceeds the airspace capacity.
  • Patent Document 1 discloses a system that predicts an aircraft to be controlled based on a flight plan and determines a terminal that performs the control of the control target.
  • Patent Document 2 discloses a technique for calculating a traffic volume based on a flight plan and generating a modified route plan when the traffic volume exceeds the control capacity.
  • Non-Patent Documents 2 and 3 disclose a heterogeneous mixed learning technique for generating a prediction model for each group having the same pattern or regularity of data.
  • Patent Documents 1 and 2 and Non-Patent Document 1 do not disclose a technique for quickly grasping a flight plan.
  • An object of the present invention is to provide an air traffic control support system, an air traffic control support method, and a recording medium that can solve the above-described problems and can quickly grasp a flight plan in air traffic control.
  • An air traffic control support system is configured to generate a prediction model based on learning data including a past flight plan and information that has influenced the formulation of the past flight plan. And a learning unit configured to predict the flight plan based on the information that affects the formulation of the flight plan and the prediction model.
  • An air traffic control support method generates a prediction model based on learning data including a past flight plan and information that has influenced the formulation of the past flight plan, The flight plan is predicted based on the information that affects the formulation and the prediction model.
  • a computer-readable recording medium generates a prediction model based on learning data including a past flight plan and information that has influenced the formulation of the past flight plan,
  • a program for causing a computer to execute processing for predicting the flight plan based on information that affects the formulation of a flight plan and the prediction model is stored.
  • the effect of the present invention is that the flight plan can be grasped earlier in air traffic control.
  • each airline prepares a flight plan and presents it by a predetermined time before the actual flight.
  • the flight plan includes information such as the route, speed and altitude of the aircraft in the flight.
  • the route indicates an airspace passing between the departure airport and the destination airport.
  • a plurality of routes are set for a pair of departure airport and destination airport. In the flight plan, one of these multiple routes is specified.
  • the aircraft will fly according to the presented flight plan.
  • the airline determines an appropriate route, speed, altitude, etc. for the aircraft to fly safely by referring to a predetermined flight schedule, weather forecasts obtained when the flight plan is formulated, and the like.
  • information referred to (used) when formulating a flight plan such as the schedule and weather forecast, is also referred to as “reference information”.
  • Reference information is information that affects the formulation of a flight plan.
  • FIG. 2 is a block diagram illustrating a configuration of the embodiment.
  • the control information processing system 1 in the embodiment includes a data management device 2, an air traffic control support system 3, and a display device 4.
  • the data management device 2 and the air traffic control support system 3 are connected by a network or the like.
  • the air traffic control support system 3 and the display device 4 are also connected by a network or the like.
  • the data management device 2 may be a part of the above-described FDMS.
  • the air traffic control support system 3 and the display device 4 may be part of the ATFM described above.
  • the data management device 2 stores the flight plan presented by the airline, reference information when the flight plan is formulated, and the like.
  • the air traffic control support system 3 predicts the flight plan presented by the airline, and predicts the air traffic based on the predicted flight plan.
  • the air traffic control support system 3 includes a learning unit 100, a prediction unit 200, a visualization processing unit 300, a data acquisition unit 400, an operation reception unit 500, and a data storage unit 600.
  • the learning unit 100 generates a prediction model for predicting the flight plan submitted for each flight based on the learning data.
  • Learning data consists of flight plans submitted by airlines for past flights (past flight plans) and reference information for the past flight plans (information referenced when formulating past flight plans). Including.
  • the learning unit 100 generates a prediction model using machine learning technology.
  • the machine learning technique for example, heterogeneous mixed learning techniques disclosed in Non-Patent Documents 2 and 3 are used. Note that other machine learning techniques such as decision trees and linear regression may be used as long as a prediction model for predicting a flight plan can be generated based on learning data.
  • the prediction unit 200 includes a flight plan prediction unit 201 and a passage time calculation unit 202.
  • the flight plan prediction unit 201 predicts a flight plan to be submitted for each flight based on the prediction data and the prediction model.
  • the prediction data includes reference information (information to be referred to when the prediction target flight plan is formulated) with respect to the prediction target flight plan.
  • the predicted flight plan is also referred to as a predicted flight plan.
  • the passage time calculation unit 202 calculates the predicted time when the aircraft corresponding to each flight passes through each airspace on the route based on the predicted flight plan.
  • the predicted passage time is also referred to as a predicted passage time.
  • the visualization processing unit 300 includes a traffic volume calculation unit 301, a statistic calculation unit 302, and a display control unit 303.
  • the traffic volume calculation unit 301 calculates a predicted value of the planned air traffic volume for each time zone and each airspace based on the predicted flight plan.
  • the predicted air traffic is also referred to as the predicted traffic.
  • the statistic calculation unit 302 calculates a predetermined statistic regarding the contribution degree (or also described as the influence degree) of the reference information.
  • the degree of contribution indicates the degree to which each attribute of the reference information used as the explanatory variable of the prediction model contributes (influences) to the prediction result in the flight plan prediction.
  • the display control unit 303 causes the display device 4 to display the predicted flight plan and the predicted traffic volume.
  • the display control unit 303 may display the contribution degree of each attribute of the reference information and the statistics of the contribution degree together with the predicted flight plan and the predicted traffic volume.
  • the data acquisition unit 400 acquires learning data and prediction data from the data management device 2.
  • the operation reception unit 500 receives operations related to display of predicted traffic volume and contribution statistics from a user such as a controller.
  • the data storage unit 600 includes a learning data storage unit 601, a prediction data storage unit 602, a prediction model storage unit 603, a prediction result storage unit 604, a prediction basis storage unit 605, and a passage time storage unit 606.
  • the learning data storage unit 601 stores the learning data acquired by the data acquisition unit 400.
  • the prediction data storage unit 602 stores the prediction data acquired by the data acquisition unit 400.
  • the prediction model storage unit 603 stores the prediction model generated by the learning unit 100.
  • the prediction result storage unit 604 stores the predicted flight plan predicted by the flight plan prediction unit 201.
  • the prediction basis storage unit 605 stores the contribution degree of each attribute of the reference information calculated in the prediction by the flight plan prediction unit 201 as the prediction basis.
  • the passage time storage unit 606 stores the predicted passage time of each airspace of each flight calculated by the passage time calculation unit 202.
  • the display device 4 displays the predicted flight plan and the predicted traffic volume according to the control by the display control unit 303.
  • the air traffic control support system 3 may be a computer that includes a CPU (Central Processing Unit) and a storage medium that stores a program, and that operates by control based on the program.
  • a CPU Central Processing Unit
  • a storage medium that stores a program, and that operates by control based on the program.
  • FIG. 3 is a block diagram showing a configuration of the air traffic control support system 3 realized by a computer in the embodiment.
  • the air traffic control support system 3 includes a CPU 11, a storage device 12 (storage medium) such as a hard disk or a memory, an input / output device 13, and a communication device 14.
  • the CPU 11 executes a program for realizing the learning unit 100, the prediction unit 200, the visualization processing unit 300, the data acquisition unit 400, and the operation reception unit 500.
  • the storage device 12 stores these programs and data stored in the data storage unit 600.
  • the input / output device 13 outputs display information to the display device 4 and inputs operation information for the display result from the display device 4.
  • the communication device 14 receives learning data and prediction data from the data management device 2 via the network.
  • the communication device 14 may transmit display information to the display device 4 and receive operation information from the display device 4. Further, the input / output device 13 may receive learning data and prediction data from the user.
  • Some or all of the components of the air traffic control support system 3 may be realized by general-purpose or dedicated circuits, processors, or combinations thereof. These circuits and processors may be constituted by a single chip or may be constituted by a plurality of chips connected via a bus. Further, some or all of the components of the air traffic control support system 3 may be realized by a combination of the above-described circuit and the like and a program.
  • the plurality of information processing devices and circuits may be centrally arranged. It may be distributed.
  • the information processing apparatus, the circuit, and the like may be realized as a form in which each is connected via a communication network, such as a client and server system and a cloud computing system.
  • FIG. 5 is a diagram illustrating an example of learning data stored in the learning data storage unit 601 in the embodiment.
  • a set of a past flight plan and reference information for the past flight plan is stored for a predetermined number of days for each flight ID (Identifier).
  • attribute values are set for each of the attributes “route”, “speed”, and “altitude”.
  • attribute values are set for each of the attributes “airline”, “scheduled departure time”,...
  • the attribute value of each attribute of the reference information is set based on the flight schedule and the weather forecast when the flight plan is formulated. For example, “airline”, “scheduled departure time”, “departure airport”, “target airport”, etc. are set based on the flight schedule. “Departure / Destination Airport Wind Direction”, “Departure / Destination Airport Wind Speed”, “Departure / Destination Airport Pressure”, “Departure / Destination Airport Temperature”, etc. are set based on weather forecasts at the time of flight plan formulation. Is done.
  • learning data as shown in FIG. 5 is acquired in advance by the data acquisition unit 400 and stored in the learning data storage unit 601.
  • FIG. 4 is a flowchart showing the learning process in the embodiment.
  • the learning unit 100 acquires learning data from the learning data storage unit 601 (step S101).
  • the learning unit 100 acquires the learning data shown in FIG.
  • the learning unit 100 generates a prediction model for predicting the flight plan based on the acquired learning data (step S102).
  • the learning unit 100 generates a prediction model by performing machine learning using each attribute of the flight plan included in the learning data as an objective variable and each attribute of the reference information as an explanatory variable.
  • the learning unit 100 may perform predetermined preprocessing on the learning data and generate a prediction model using the learning data after the preprocessing. In the preprocessing, for example, selection of attributes necessary for learning and processing and conversion for attribute values are performed.
  • FIG. 6 is a diagram illustrating an example of preprocessing for learning data in the embodiment.
  • selection of attributes necessary for the explanatory variables of the prediction model and conversion of attribute values are performed on the learning data.
  • new attributes may be generated based on attributes at a plurality of locations, for example, “maximum value of humidity over Japan”.
  • the prediction model of the flight plan (route, speed, altitude) is generated based on the learning data of the flight that flew the route for each pair of routes of the departure airport and the destination airport, for example. Note that the prediction model may be generated for each time zone or time (season or month).
  • FIGS. 7 and 8 are diagrams showing examples of prediction models in the embodiment.
  • FIGS. 7 and 8 are predictions for predicting routes and speeds included in a flight plan when the heterogeneous mixed learning technique disclosed in Non-Patent Documents 2 and 3 is used as machine learning. It is an example of a model.
  • 7 and 8 are a route prediction model and a speed prediction model for the departure airport A, the destination airport B, and the route AB1.
  • the route prediction model includes a prediction formula determination tree, a prediction formula format, and parameters of each prediction formula.
  • the tree is used to determine a prediction formula based on the attribute value of the reference information.
  • each attribute of the reference information is used as an explanatory variable Xi (i is an integer of 1,..., N, N is the number of explanatory variables), and a score Yrs for route determination is used as an objective variable. Used.
  • a coefficient Ai and a constant (bias) B that are multiplied by the explanatory variable Xi are used as parameters.
  • the speed prediction model includes a prediction formula determination tree, a prediction formula format, and parameters of each prediction formula, as in the path prediction model.
  • each attribute of the reference information is used as the explanatory variable Xi
  • the speed Yv is used as the objective variable.
  • the altitude prediction model (not shown) also includes a tree, the format of the prediction formula, and parameters of each prediction formula, similarly to the speed prediction model.
  • the altitude Yh is used as the objective variable.
  • the learning unit 100 generates prediction models for the departure airport A, the destination airport B, and the route AB1, as shown in FIGS.
  • the learning unit 100 stores the generated prediction model in the prediction model storage unit 603 (step S103).
  • FIG. 9 is a diagram illustrating an example of a prediction model stored in the prediction model storage unit 603 according to the embodiment.
  • the learning unit 100 stores the generated prediction model for each pair of routes of the departure airport and the destination airport as shown in FIG.
  • FIG. 11 is a diagram illustrating an example of prediction data stored in the prediction data storage unit 602 according to the embodiment.
  • reference information for a flight to be predicted in the flight plan is stored for each set of flight ID and scheduled departure date.
  • a flight to be predicted is a flight that may pass through the airspace and the date and time of the target for calculating the predicted traffic volume.
  • the flights to be predicted are all flights that arrive and depart each airport within a day or days.
  • the attribute value of each attribute is set as in the learning data.
  • the attribute value of each attribute of the reference information is determined based on the flight schedule and the weather forecast at the time of executing the flight plan prediction.
  • prediction data as shown in FIG. 11 is acquired in advance by the data acquisition unit 400 and stored in the prediction data storage unit 602.
  • FIG. 10 is a flowchart showing a prediction process in the embodiment.
  • the flight plan prediction unit 201 of the prediction unit 200 acquires a prediction model for a set of the departure airport and the destination airport of each flight to be predicted from the prediction model storage unit 603 (step S201).
  • the prediction unit 200 acquires the prediction model of FIG.
  • the flight plan prediction unit 201 acquires prediction data for each flight to be predicted from the prediction data storage unit 602 (step S202).
  • the prediction unit 200 acquires the prediction data of FIG.
  • the flight plan prediction unit 201 predicts a flight plan for each flight to be predicted by applying prediction data to a prediction model for a set of a departure airport and a destination airport of the flight (step S203).
  • the flight plan prediction unit 201 predicts the flight plan by applying the value of each attribute of the reference information included in the prediction data to the explanatory variable of the prediction model and calculating the value of the objective variable. Further, the flight plan prediction unit 201 performs preprocessing similar to the preprocessing for the learning data on the prediction data, and applies it to the prediction model.
  • FIG. 12 is a diagram illustrating an example of preprocessing for prediction data in the embodiment.
  • preprocessing similar to the preprocessing for the learning data shown in FIG. 6 is performed on the prediction data.
  • FIG. 13 is a diagram illustrating a prediction example of a flight plan in the embodiment.
  • FIG. 13 is a prediction example of a route included in the flight plan.
  • the flight plan prediction unit 201 applies the pre-processed prediction data in FIG. 12 to the route prediction model in FIG. 7 for the flight with the flight ID “001” and the scheduled departure date “2016/06/19”.
  • the flight plan prediction unit 201 uses the prediction formula determination tree to determine “prediction formula 1” as the prediction formula for determining whether or not the route is “route AB1”. To do.
  • the flight plan prediction unit 201 uses the prediction formula 1 to predict the route as “route AB1”. Further, the flight plan prediction unit 201 predicts the speed as “480 kt” using the speed prediction model of FIG. 8. Similarly, the flight plan prediction unit 201 predicts the altitude as “36000 feet” using an altitude prediction model (not shown).
  • the flight plan prediction unit 201 stores the predicted flight plan obtained for each flight to be predicted in the prediction result storage unit 604 (step S204).
  • FIG. 14 is a diagram illustrating an example of a predicted flight plan stored in the prediction result storage unit 604 according to the embodiment.
  • the flight plan prediction unit 201 stores the predicted flight plan generated for each flight to be predicted as shown in FIG.
  • the flight plan prediction unit 201 stores the contribution degree of each attribute of the reference information obtained in the flight plan prediction in the prediction basis storage unit 605 as a prediction basis (step S205).
  • the flight plan prediction unit 201 stores the value of the product of the explanatory variable Xi and the coefficient Ai in the prediction formula used in the route prediction of the flight plan as the contribution degree of the attribute corresponding to the explanatory variable Xi. To do.
  • the flight plan prediction unit 201 stores the product “7.7” of the explanatory variable X4 and the coefficient A4 in the route prediction example of FIG. 13 as the contribution of the attribute “scheduled departure date is Sunday”.
  • FIG. 15 is a diagram illustrating an example of a prediction basis stored in the prediction basis storage unit 605 according to the embodiment.
  • the flight plan prediction unit 201 stores the contribution degree of each attribute calculated for each flight to be predicted, together with the explanatory variable and the coefficient value, as a prediction basis.
  • the flight plan prediction unit 201 may obtain the degree of contribution from, for example, a prediction formula used in speed prediction or altitude prediction as long as the degree of attribute contribution can be expressed.
  • the flight plan prediction unit 201 may use the coefficient Ai as the contribution degree of the attribute corresponding to the explanatory variable Xi.
  • the passage time calculation unit 202 calculates the predicted passage time of each airspace of each flight to be predicted based on the predicted flight plan (step S206).
  • the passage time calculation unit 202 calculates the predicted passage time of a predetermined point in each airspace in the predicted route based on the schedule of each flight and the predicted flight plan.
  • FIG. 16 is a diagram illustrating a calculation example of the predicted passage time in the embodiment.
  • the flight plan prediction unit 201 sets the predicted passage time of each airspace on the route “route AB1” to the speed “480 kt” and the altitude “ Using “36000 feet”, calculation is performed as shown in FIG.
  • the flight plan prediction unit 201 stores the predicted passage time of each airspace obtained for each flight to be predicted in the passage time storage unit 606 (step S207).
  • FIG. 17 is a diagram illustrating an example of the predicted passage time stored in the passage time storage unit 606 in the embodiment.
  • the flight plan prediction unit 201 stores the predicted passage time calculated for each flight to be predicted as shown in FIG.
  • FIG. 18 is a flowchart showing a display process of the traffic volume screen by airspace in the embodiment.
  • the visualization processing unit 300 accepts designation of the date and time zone for which the predicted traffic volume is to be displayed (step S301). For example, the visualization processing unit 300 receives designation of a display target day and a time zone from the user via the operation reception unit 500.
  • the traffic volume calculation unit 301 of the visualization processing unit 300 refers to the predicted passage time of each airspace of each flight stored in the passage time storage unit 606, and passes each airspace on the specified date and time zone.
  • the flight ID of the flight that is predicted to be acquired is acquired (step S302).
  • the traffic volume calculation unit 301 counts the number of acquired flight IDs for each airspace, thereby calculating the predicted traffic volume for the designated day and time zone in the airspace (step S303).
  • the display control unit 303 generates a traffic volume screen by airspace indicating the predicted traffic volume of each airspace and displays it on the display device 4 (step S304).
  • FIG. 19 is a diagram illustrating an example of a traffic volume screen by airspace in the embodiment.
  • each region divided by a dotted line on the map indicates an air region.
  • Each airspace is assigned an airspace ID (“T01”, “T02”,).
  • each air area is indicated by a dark color when the air area where the predicted traffic volume is large and by a light color when the air area is low.
  • an airspace where the predicted traffic volume exceeds the airspace capacity may be indicated by a specific color.
  • the airspace is designated as the next screen, and a daily traffic screen, a traffic screen by time zone, a flight information screen, a prediction basis statistic (time zone) screen to be described later A button for displaying is displayed.
  • the user confirms the predicted traffic volume in a specific time zone for each airspace on the traffic volume screen by airspace as shown in FIG. 19, and further displays the transition of predicted traffic volume and flight for a specific airspace on the next screen. You can check the relevant information and the statistics of the prediction basis.
  • the display control unit 303 generates a traffic volume screen by air space as shown in FIG.
  • FIG. 20 is a flowchart showing display processing of the daily traffic volume screen in the embodiment.
  • the visualization processing unit 300 accepts designation of an airspace for which the predicted traffic volume is to be displayed (step S311). For example, the visualization processing unit 300 may receive the designation of the airspace via the operation accepting unit 500 while displaying the predicted traffic volume for the day and time zone specified on the above-described traffic volume screen by airspace.
  • the traffic volume calculation unit 301 refers to the predicted passage time of the designated airspace of each flight stored in the passage time storage unit 606, and for each flight predicted to pass the designated airspace on each day.
  • a flight ID is acquired (step S312).
  • step S312 the traffic volume calculation unit 301 counts the number of acquired flight IDs for each day, thereby calculating the predicted traffic volume of the designated airspace on that day (step S313).
  • the traffic volume calculation unit 301 acquires the flight ID of the flight that has passed through the designated airspace on each day based on the past flight plan included in the learning data stored in the learning data storage unit 601 (step) S314).
  • the traffic volume calculation unit 301 calculates the passage time of each airspace based on the route, speed, and altitude of the past flight plan by the same processing as in step S206 described above, and the designated airspace on each day.
  • the flight ID of the flight that has passed through is acquired.
  • step S314 the traffic volume calculation unit 301 counts the number of flight IDs acquired for each day as the actual traffic volume of the designated airspace on that day (step S315).
  • the display control unit 303 generates a daily traffic volume screen indicating the predicted traffic volume and the actual traffic volume on each day, and displays it on the display device 4 (step S316).
  • FIG. 21 is a diagram illustrating an example of a daily traffic volume screen in the embodiment.
  • the predicted traffic volume of each day is indicated by a bar graph
  • the actual traffic volume of each past day is indicated by a line graph.
  • a button for specifying a day and displaying a traffic window for each time zone and a forecast basis statistics (day) screen described later is displayed as the next screen. Yes.
  • the user confirms, for example, the difference between the predicted traffic volume and the actual traffic volume for each day in a specific airspace on the daily traffic volume screen as shown in FIG. You can check the transition of the predicted traffic volume and the statistics of the prediction basis.
  • the display control unit 303 generates a daily traffic volume screen as shown in FIG.
  • FIG. 22 is a flowchart showing display processing of the traffic screen by time zone in the embodiment.
  • the visualization processing unit 300 accepts the date of the predicted traffic display target and the designation of the airspace (step S321). For example, the visualization processing unit 300 may receive the designation of the airspace via the operation accepting unit 500 while displaying the predicted traffic volume for the day and time zone specified on the above-described traffic volume screen by airspace.
  • the traffic volume calculation unit 301 refers to the predicted passage time of each airspace of each flight stored in the passage time storage unit 606, and predicts that the designated airspace will pass through each time zone on the designated day.
  • the flight ID of the flight to be acquired is acquired (step S322).
  • the traffic volume calculation unit 301 calculates the predicted traffic volume of the designated airspace in the time zone by counting the number of flight IDs acquired for each time zone (step S323).
  • the display control unit 303 generates a traffic volume screen by time zone indicating the predicted traffic volume of each time zone, and displays the screen on the display device 4 (step S324).
  • FIG. 23 is a diagram showing an example of a traffic volume screen by time zone in the embodiment.
  • the predicted traffic volume of each time zone is indicated by a bar graph.
  • the airspace capacity is indicated by a thick line.
  • a button for designating a time zone and displaying a flight information screen to be described later is displayed as the next screen.
  • a button for designating a time zone and displaying a forecast basis statistic (time zone) screen described later and a button for displaying a forecast basis statistic (day) screen described later are also displayed.
  • the user confirms, for example, the predicted traffic volume for each time zone of a specific airspace on the traffic volume screen by time zone as shown in FIG. 23, and further details of the flight for the specific time zone on the next screen. , You can check the statistics of the forecast basis for a specific time zone or day.
  • the display control unit 303 generates a traffic volume screen by time zone as shown in FIG.
  • FIG. 24 is a flowchart showing a flight information screen display process in the embodiment.
  • the visualization processing unit 300 accepts designation of the display date, time zone, and airspace of information related to the flight (step S331). For example, the visualization processing unit 300 may receive the designation of the airspace via the operation accepting unit 500 while displaying the predicted traffic volume of the designated day and time zone for each airspace on the above-described traffic screen by airspace. Good. Further, the visualization processing unit 300 may accept the designation of the time zone while displaying the predicted traffic volume on the designated day in the airspace designated on the above-described traffic volume screen by time zone.
  • the display control unit 303 refers to the predicted passage time of each airspace of each flight stored in the passage time storage unit 606, and predicts that the designated airspace will pass on the designated day and time zone.
  • the flight ID of the flight to be acquired is acquired (step S332).
  • the display control unit 303 acquires information regarding the flight for the acquired flight ID (step S333).
  • the display control unit 303 may refer to the prediction data stored in the prediction data storage unit 602 as information regarding the flight, and acquire information regarding the flight schedule. Further, the display control unit 303 may further acquire a predicted flight plan of the flight stored in the prediction result storage unit 604.
  • the display control unit 303 generates a flight information screen that shows the acquired information about the flight, and displays it on the display device 4 (step S334).
  • FIG. 25 is a diagram showing an example of a flight information screen in the embodiment.
  • the schedule of each flight departure airport, departure time, destination airport, arrival time
  • the predicted flight plan route, speed, altitude
  • a flight ID is designated and a button for displaying a prediction basis screen described later and a prediction basis statistics (time zone) screen described later are displayed.
  • the button is displayed.
  • the user confirms, for example, information on each flight in a specific time zone on the flight information screen as shown in FIG. 25, and further, on the next screen, the prediction basis for the specific flight and the prediction basis for the specific time zone. You can check the statistics.
  • the display control unit 303 generates a flight information screen as shown in FIG.
  • the display control unit 303 may further acquire other information related to the flight stored in the data storage unit 600, such as the predicted passage time of each airspace of the flight, and display it on the flight information screen.
  • FIG. 26 is a flowchart showing a display process of a prediction basis statistic (day) screen in the embodiment.
  • the visualization processing unit 300 accepts designation of a date for displaying statistics and an airspace (step S341). For example, the visualization processing unit 300 may perform the following processing while displaying the predicted traffic volume on the designated day in the airspace designated on the above-described traffic volume screen by time zone.
  • the statistic calculation unit 302 refers to the predicted passage time of each airspace of each flight stored in the passage time storage unit 606, and the flight of the flight predicted to pass the designated airspace on the designated day.
  • a flight ID is acquired (step S342).
  • the statistic calculation unit 302 acquires the prediction basis of the flight plan of each acquired flight ID from the prediction basis storage unit 605 (step S343).
  • the statistic calculation unit 302 calculates a statistic for the acquired prediction basis (step S344).
  • the statistic calculation unit 302 calculates the average value, maximum value, and minimum value of the contribution for each attribute of the reference information.
  • the display control unit 303 generates a prediction basis statistic (day) screen indicating the prediction basis statistic, and displays it on the display device 4 (step S345).
  • FIG. 27 is a diagram illustrating an example of a prediction basis statistic (day) screen in the embodiment.
  • the average value, the maximum value, and the minimum value of the contribution degree of each attribute are shown as the statistics of the prediction basis.
  • the prediction basis statistic (day) screen of FIG. 27 As the next screen, the maximum value and the minimum value are specified, and the prediction basis screen described later is displayed for the flight ID corresponding to the maximum value and the minimum value. The button to make it appear is displayed.
  • the user confirms the prediction basis of the prediction flight plan for a specific day on the prediction basis statistic (day) screen as shown in FIG. 27, and further specifies the maximum or minimum contribution degree on the next screen.
  • the grounds for forecasting a flight showing the value of can be confirmed in detail.
  • the display control unit 303 generates a prediction basis statistic (day) screen as shown in FIG.
  • the display control unit 303 may display a graph representing the distribution of the contribution of each attribute on the prediction basis statistic (day) screen.
  • a button for displaying a prediction basis screen to be described later may be displayed for the flight ID corresponding to the specific contribution degree on the distribution graph.
  • FIG. 28 is a flowchart showing a display process of a prediction basis statistic (time zone) screen in the embodiment.
  • the visualization processing unit 300 receives designation of the date, time zone, and airspace for which statistics are to be displayed (step S351). For example, the visualization processing unit 300 may receive the designation of the airspace via the operation accepting unit 500 while displaying the predicted traffic volume of the designated day and time zone for each airspace on the above-described traffic screen by airspace. Good. Further, the visualization processing unit 300 may accept the designation of the time zone while displaying the predicted traffic volume on the designated day in the airspace designated on the above-described traffic volume screen by time zone. Furthermore, the visualization processing unit 300 may perform the following processing while displaying information related to the flight in the designated airspace designated in the above-described flight information screen.
  • the statistic calculation unit 302 refers to the predicted passage time of each airspace of each flight stored in the passage time storage unit 606, and is predicted to pass the designated airspace on the designated day and time zone.
  • the flight ID of the flight to be acquired is acquired (step S352).
  • the statistic calculation unit 302 acquires the prediction basis of the flight plan of each acquired flight ID from the prediction basis storage unit 605 (step S353).
  • Statistic calculation unit 302 calculates the statistic of the acquired prediction basis (step S354).
  • the statistic calculation unit 302 calculates the average value, maximum value, and minimum value of the contribution for each attribute of the reference information.
  • the display control unit 303 generates a prediction basis statistic (time zone) screen indicating the prediction basis statistic, and displays it on the display device 4 (step S355).
  • FIG. 29 is a diagram illustrating an example of a prediction basis statistic (time zone) screen in the embodiment.
  • the prediction basis statistics (time zone) screen of FIG. 29 the average value, the maximum value, and the minimum value of the contribution degree of each attribute are shown as the statistics of the prediction basis.
  • a maximum value and a minimum value are designated as the next screen, and a prediction basis screen described later for the flight ID corresponding to the maximum value and the minimum value is displayed.
  • a button to display is displayed.
  • the user confirms the prediction basis of the prediction flight plan for a specific day and time zone on the prediction basis statistic (time zone) screen as shown in FIG. 29, and further, the contribution degree is maximized or minimized on the next screen.
  • the prediction basis of a flight showing a specific value such as a value can be confirmed in detail.
  • the display control unit 303 generates a prediction basis statistic (time zone) screen as shown in FIG. 29 and displays it on the display device 4.
  • the display control unit 303 may display a graph representing the distribution of the contribution of each attribute on the prediction basis statistics (time zone) screen, similarly to the prediction basis statistics (day) screen.
  • Prediction ground screen display> Next, a process for displaying a screen (prediction basis screen) indicating a prediction basis for a specific flight will be described.
  • FIG. 30 is a flowchart showing the display process of the prediction basis screen in the embodiment.
  • the visualization processing unit 300 accepts designation of a flight ID to be displayed as a prediction basis (step S361).
  • the visualization processing unit 300 may receive the designation of the flight ID via the operation receiving unit 500 while displaying information regarding each flight on the above-described flight information screen.
  • the visualization processing unit 300 accepts the specification of the statistic while displaying the prediction statistic on the prediction basis statistic (time zone) screen or the prediction basis statistic (day) screen described above, The following processing may be performed for the corresponding flight ID.
  • the display control unit 303 acquires the prediction basis of the flight plan of the designated flight ID stored in the prediction basis storage unit 605 (step S362).
  • the display control unit 303 may also acquire a predicted flight plan for the specified flight ID stored in the prediction result storage unit 604.
  • the display control unit 303 generates a prediction basis display screen indicating the acquired prediction basis and displays it on the display device 4 (step S363).
  • FIG. 31 is a diagram illustrating an example of a prediction basis screen in the embodiment.
  • the prediction basis screen of FIG. 31 shows a predicted flight plan (route, speed, altitude) and a prediction basis (contribution of each attribute, explanatory variable, coefficient).
  • the user can confirm the predicted flight plan of a specific flight and its prediction basis on the prediction basis screen as shown in FIG.
  • the display control unit 303 generates a prediction basis screen as shown in FIG.
  • FIG. 1 is a block diagram showing a characteristic configuration of the embodiment.
  • the air traffic control support system 3 includes a learning unit 100 and a prediction unit 200.
  • the learning unit 100 generates a prediction model based on learning data including a past flight plan and information that has influenced the formulation of the past flight plan.
  • the prediction unit 200 predicts a flight plan based on information that affects the formulation of the flight plan and a prediction model.
  • the flight plan can be grasped earlier in air traffic control.
  • the reason is as follows. That is, the air traffic control support system 3 generates a prediction model based on learning data including a past flight plan and information that has influenced the formulation of the past flight plan. Then, the air traffic control support system 3 predicts the flight plan based on information that affects the formulation of the flight plan and the prediction model. Thereby, the traffic flow control based on the flight plan can be executed earlier, and the frequency of the traffic flow control can be reduced. In addition, the flight delay time can be reduced, and the load on the controller or the like can be reduced.
  • the controller or the like can grasp the prediction basis of the flight plan.
  • the reason is that the air traffic control support system 3 displays the prediction result of the flight plan and the contribution indicating the degree to which the information affecting the planning of the flight plan has an influence on the prediction result.
  • the controller or the like can determine whether or not the flight plan prediction result is reliable (consent) along with experience.
  • the traffic volume can be grasped earlier in the air traffic control.
  • the air traffic control support system 3 calculates and displays the predicted traffic volume, which is the predicted traffic volume planned in a certain airspace in a certain time zone, based on the prediction results of a plurality of flight plans. It is.

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

航空管制においてフライトプランをより早く把握する。　航空管制支援システム３は、学習部１００、及び、予測部２００を含む。学習部１００は、過去のフライトプランと、当該過去のフライトプランの策定に影響を与えた情報と、を含む学習データに基づいて、予測モデルを生成する。予測部２００は、フライトプランの策定に影響を与える情報と、予測モデルと、に基づいて、フライトプランを予測する。

Description

航空管制支援システム、航空管制支援方法、及び、記録媒体
　本発明は、航空管制支援システム、航空管制支援方法、及び、記録媒体に関する。
　航空管制では、交通流管理を行う航空交通管理管制官や航空管制を行う管制官（以下、これらをまとめて、管制官等とも記載する）に監視や判断、管制指示に必要な情報を提供するための管制情報処理システムが用いられている。このような管制情報処理システムの一例が、非特許文献１に開示されている。図３２は、非特許文献１の管制情報処理システムの構成の一部を示す図である。管制情報処理システムは、飛行情報管理システム（ＦＤＭＳ：Flight Data Management System）、及び、航空交通流管理システム（ＡＴＦＭ：Air Traffic Flow Management system）を含む。
　ＦＤＭＳには、各航空会社から提示される各フライト（運航便）のフライトプランが蓄積される。フライトプランには、例えば、フライトにおける指示速度や指示高度、指示経路が記載される。各航空会社は、各フライトのスケジュールや、気象予測に基づき、フライトプランを策定し、実際のフライトの所定時間前までに提示する。
　ＡＴＦＭは、ＦＤＭＳに蓄積された各フライトのフライトプランに基づいて、各空域における交通量の予測値を算出し、グラフにより表示する。グラフでは、例えば、時間帯ごとに、空域への到着機、空域からの出発機、及び、空域の通過機に分類された交通量の予測値が、空域容量とともに表示される。航空交通管理管制官は、表示されたグラフに基づき、交通量の予測値が空域容量を超えると判断される場合に、フライトを遅延させる等の交通流制御を行う。
　なお、管制情報処理システムの関連技術として、特許文献１には、フライトプランに基づき、管制対象の航空機を予測し、当該管制対象の管制を行う端末を決定するシステムが開示されている。また、特許文献２には、フライトプランに基づき交通量を算出し、管制容量を超える場合に、変更経路案を生成する技術が開示されている。また、他の関連技術として、非特許文献２、及び、３には、データの同一のパターンや規則性を持つグループごとに予測モデルを生成する、異種混合学習技術が開示されている。
特許第２８０１８８３号公報 特開２００３－２９６９００号公報
蔭山康太、青山久枝、「航空交通管制を支援するシステム」、情報処理、Vol.53、No.10、2012年、p.1060-1065 藤巻遼平、森永聡、「ビッグデータ時代の最先端データマイニング」、ＮＥＣ技報、Vol.65、No.2、2012年、p.81-85 Riki Eto, et al.、「Fully-Automatic Bayesian Piecewise Sparse Linear Models」、Proceedings of the 17th International Conference on Artificial Intelligence and Statistics (AISTATS)、2014年、p.238-246
　今後、航空需要の増加に伴い、各空域の交通量は更に増加することが予想される。このため、交通流制御の頻度が増加し、フライトの遅延時間の増加や、管制官等の負荷の増大が見込まれる。したがって、各航空会社から提示されるフライトプランをより早く把握し、交通流制御をより早く実行することで、交通流制御の頻度の低減をはかることが望まれる。しかしながら、上述の特許文献１、２や非特許文献１には、フライトプランをより早く把握するための技術は開示されていない。
　本発明の目的は、上述の課題を解決し、航空管制においてフライトプランをより早く把握できる、航空管制支援システム、航空管制支援方法、及び、記録媒体を提供することである。
　本発明の一態様における航空管制支援システムは、過去のフライトプランと、当該過去のフライトプランの策定に影響を与えた情報と、を含む学習データに基づいて、予測モデルを生成するように構成された学習手段と、フライトプランの策定に影響を与える情報と、前記予測モデルと、に基づいて、前記フライトプランを予測するように構成された予測手段と、を備える。
　本発明の一態様における航空管制支援方法は、過去のフライトプランと、当該過去のフライトプランの策定に影響を与えた情報と、を含む学習データに基づいて、予測モデルを生成し、　フライトプランの策定に影響を与える情報と、前記予測モデルと、に基づいて、前記フライトプランを予測する。
　本発明の一態様におけるコンピュータが読み取り可能な記録媒体は、過去のフライトプランと、当該過去のフライトプランの策定に影響を与えた情報と、を含む学習データに基づいて、予測モデルを生成し、フライトプランの策定に影響を与える情報と、前記予測モデルと、に基づいて、前記フライトプランを予測する、処理をコンピュータに実行させるプログラムを格納する。
　本発明の効果は、航空管制においてフライトプランをより早く把握できることである。
実施形態の特徴的な構成を示すブロック図である。 実施形態の構成を示すブロック図である。 実施形態における、コンピュータにより実現された航空管制支援システム３の構成を示すブロック図である。 実施形態における、学習処理を示すフローチャートである。 実施形態における、学習データ記憶部６０１に記憶される学習データの例を示す図である。 実施形態における、学習データに対する前処理の例を示す図である。 実施形態における、予測モデルの例を示す図である。 実施形態における、予測モデルの他の例を示す図である。 実施形態における、予測モデル記憶部６０３に記憶される予測モデルの例を示す図である。 実施形態における、予測処理を示すフローチャートである。 実施形態における、予測データ記憶部６０２に記憶される予測データの例を示す図である。 実施形態における、予測データに対する前処理の例を示す図である。 実施形態における、フライトプランの予測例を示す図である。 実施形態における、予測結果記憶部６０４に記憶される、予測フライトプランの例を示す図である。 実施形態における、予測根拠記憶部６０５に記憶される、予測根拠の例を示す図である。 実施形態における、予測通過時刻の算出例を示す図である。 実施形態における、通過時刻記憶部６０６に記憶される、予測通過時刻の例を示す図である。 実施形態における、空域別交通量画面の表示処理を示すフローチャートである。 実施形態における空域別交通量画面の例を示す図である。 実施形態における、日別交通量画面の表示処理を示すフローチャートである。 実施形態における日別交通量画面の例を示す図である。 実施形態における、時間帯別交通量画面の表示処理を示すフローチャートである。 実施形態における時間帯別交通量画面の例を示す図である。 実施形態における、フライト情報画面の表示処理を示すフローチャートである。 実施形態におけるフライト情報画面の例を示す図である。 実施形態における、予測根拠統計量（日）画面の表示処理を示すフローチャートである。 実施形態における予測根拠統計量（日）画面の例を示す図である。 実施形態における、予測根拠統計量（時間帯）画面の表示処理を示すフローチャートである。 実施形態における予測根拠統計量（時間帯）画面の例を示す図である。 実施形態における、予測根拠画面の表示処理を示すフローチャートである。 実施形態における予測根拠画面の例を示す図である。 非特許文献１の管制情報処理システムの構成の一部を示す図である。
　はじめに、実施形態におけるフライトプランについて説明する。航空交通では、各航空会社が、フライトプランを策定し、実際のフライトの所定時間前までに提示する。フライトプランには、フライトにおける航空機の経路、速度、高度等の情報が含まれる。ここで、経路は、出発空港と目的空港との間で通過する空域を示す。経路は、出発空港と目的空港との組に対して複数設定される。フライトプランでは、これら複数の経路の内のいずれかが指定される。航空機は、提示されたフライトプランに従って飛行する。航空会社は、予め決められているフライトのスケジュールや、フライトプランの策定時に得られる気象予測等を参照して、航空機が安全に飛行するために適切な経路、速度、高度等を決定する。以下、これらのスケジュールや気象予測等、フライトプランの策定時に参照される（用いられる）情報を「参照情報」とも記載する。参照情報は、フライトプランの策定に影響を与える情報である。
　次に、実施形態の構成を説明する。図２は、実施形態の構成を示すブロック図である。図２を参照すると、実施形態における管制情報処理システム１は、データ管理装置２、航空管制支援システム３、及び、表示装置４を含む。データ管理装置２と航空管制支援システム３はネットワーク等により接続される。また、航空管制支援システム３と表示装置４もネットワーク等により接続される。
　データ管理装置２は、上述のＦＤＭＳの一部でもよい。航空管制支援システム３、及び、表示装置４は、上述のＡＴＦＭの一部でもよい。
　データ管理装置２は、航空会社から提示されたフライトプランや、フライトプラン策定時の参照情報等を記憶する。
　航空管制支援システム３は、航空会社から提示されるフライトプランを予測し、予測したフライトプランに基づき、航空交通量を予測する。航空管制支援システム３は、学習部１００、予測部２００、可視化処理部３００、データ取得部４００、操作受付部５００、及び、データ記憶部６００を含む。
　学習部１００は、学習データに基づいて、各フライトに対して提出されるフライトプランを予測するための予測モデルを生成する。学習データは、過去のフライトに対して航空会社から提出されたフライトプラン（過去のフライトプラン）と、当該過去のフライトプランに対する参照情報（過去のフライトプランの策定時に参照された情報）と、を含む。学習部１００は、機械学習技術を用いて、予測モデルを生成する。機械学習技術としては、例えば、非特許文献２、３に開示されている異種混合学習技術が用いられる。なお、学習データに基づいてフライトプランを予測するための予測モデルが生成できれば、決定木や線形回帰等、他の機械学習技術が用いられてもよい。
　予測部２００は、フライトプラン予測部２０１、及び、通過時刻算出部２０２を含む。
　フライトプラン予測部２０１は、予測データと予測モデルとに基づいて、各フライトに対して提出されるフライトプランを予測する。予測データは、予測対象のフライトプランに対する参照情報（予測対象のフライトプランの策定時に参照されるべき情報）を含む。以下、予測したフライトプランを予測フライトプランとも記載する。
　通過時刻算出部２０２は、予測フライトプランに基づき、各フライトに対応する航空機が、経路上の各空域を通過する予測時刻を算出する。以下、予測した通過時刻を予測通過時刻とも記載する。
　可視化処理部３００は、交通量算出部３０１、統計量算出部３０２、及び、表示制御部３０３を含む。
　交通量算出部３０１は、予測フライトプランに基づいて、時間帯ごと、空域ごとに、計画される航空交通量の予測値を算出する。以下、予測した航空交通量を予測交通量とも記載する。
　統計量算出部３０２は、参照情報の寄与度（または、影響度とも記載する）に関する所定の統計量を算出する。寄与度は、フライトプランの予測において、予測モデルの説明変数として用いられた参照情報の各属性が、予測結果に寄与（影響）した程度を示す。
　表示制御部３０３は、予測フライトプランや予測交通量を、表示装置４に表示させる。表示制御部３０３は、予測フライトプランや予測交通量とともに、参照情報の各属性の寄与度や寄与度の統計量を表示させてもよい。
　データ取得部４００は、データ管理装置２から、学習データや予測データを取得する。
　操作受付部５００は、管制官等であるユーザから、予測交通量や、寄与度の統計量の表示に関する操作を受け付ける。
　データ記憶部６００は、学習データ記憶部６０１、予測データ記憶部６０２、予測モデル記憶部６０３、予測結果記憶部６０４、予測根拠記憶部６０５、及び、通過時刻記憶部６０６を含む。
　学習データ記憶部６０１は、データ取得部４００により取得された学習データを記憶する。
　予測データ記憶部６０２は、データ取得部４００により取得された予測データを記憶する。
　予測モデル記憶部６０３は、学習部１００により生成された予測モデルを記憶する。
　予測結果記憶部６０４は、フライトプラン予測部２０１により予測された予測フライトプランを記憶する。
　予測根拠記憶部６０５は、フライトプラン予測部２０１による予測において算出された参照情報の各属性の寄与度を、予測根拠として記憶する。
　通過時刻記憶部６０６は、通過時刻算出部２０２により算出された、各フライトの、各空域の予測通過時刻を記憶する。
　表示装置４は、表示制御部３０３による制御に従って、予測フライトプランや予測交通量を表示する。
　なお、航空管制支援システム３は、ＣＰＵ（Central Processing Unit）とプログラムを記憶した記憶媒体を含み、プログラムに基づく制御によって動作するコンピュータであってもよい。
　図３は、実施形態における、コンピュータにより実現された航空管制支援システム３の構成を示すブロック図である。
　この場合、航空管制支援システム３は、ＣＰＵ１１、ハードディスクやメモリ等の記憶デバイス１２（記憶媒体）、入出力デバイス１３、及び、通信デバイス１４を含む。ＣＰＵ１１は、学習部１００、予測部２００、可視化処理部３００、データ取得部４００、及び、操作受付部５００を実現するためのプログラムを実行する。記憶デバイス１２は、これらのプログラムやデータ記憶部６００のデータを記憶する。入出力デバイス１３は、表示装置４へ表示情報を出力し、表示装置４から表示結果に対する操作情報を入力する。通信デバイス１４は、ネットワークを介して、データ管理装置２から学習データや予測データを受信する。また、通信デバイス１４は、表示装置４へ表示情報を送信し、表示装置４から操作情報を受信してもよい。また、入出力デバイス１３が、ユーザから、学習データや予測データを受信してもよい。
　航空管制支援システム３の各構成要素の一部、または、全部は、汎用または専用の回路（circuitry）やプロセッサ、これらの組み合わせによって実現されてもよい。これらの回路やプロセッサは、単一のチップによって構成されてもよいし、バスを介して接続される複数のチップによって構成されてもよい。また、航空管制支援システム３の各構成要素の一部、または、全部は、上述した回路等とプログラムとの組み合わせによって実現されてもよい。
　航空管制支援システム３の各構成要素の一部、または、全部が、複数の情報処理装置や回路等により実現される場合、複数の情報処理装置や回路等は、集中配置されてもよいし、分散配置されてもよい。例えば、情報処理装置や回路等は、クライアントアンドサーバシステム、クラウドコンピューティングシステム等、各々が通信ネットワークを介して接続される形態として実現されてもよい。
　次に、実施形態の動作について説明する。
　＜＜学習処理＞＞
　はじめに、学習データに基づき予測モデルを生成する処理（学習処理）について説明する。
　図５は、実施形態における、学習データ記憶部６０１に記憶される学習データの例を示す図である。学習データでは、図５に示すように、過去のフライトプランと当該過去のフライトプランに対する参照情報の組が、フライトＩＤ（Identifier）ごとに、所定の日数分記憶されている。
　フライトプランでは、属性「経路」、「速度」、及び、「高度」の各々に対して、属性値が設定されている。また、参照情報では、属性「航空会社」、「出発予定時刻」、…、「目的空港の上昇流」の各々に対して、属性値が設定されている。参照情報の各属性の属性値は、フライトのスケジュールや、フライトプラン策定時の気象予測に基づき設定される。例えば、「航空会社」、「出発予定時刻」、「出発空港」、「目的空港」等は、フライトのスケジュールに基づき設定される。また、「出発／目的空港の風向」、「出発／目的空港の風速」、「出発／目的空港の気圧」、「出発／目的空港の気温」等は、フライトプラン策定時の気象予測に基づき設定される。
　ここでは、図５に示すような学習データが、予め、データ取得部４００により取得され、学習データ記憶部６０１に記憶されていると仮定する。
　図４は、実施形態における、学習処理を示すフローチャートである。
　学習部１００は、学習データ記憶部６０１から学習データを取得する（ステップＳ１０１）。
　例えば、学習部１００は、図５に示す学習データを取得する。
　学習部１００は、取得した学習データに基づいて、フライトプランを予測するための予測モデルを生成する（ステップＳ１０２）。
　ここで、学習部１００は、学習データに含まれるフライトプランの各属性を目的変数、参照情報の各属性を説明変数として、機械学習を行うことにより、予測モデルを生成する。また、学習部１００は、学習データに対して所定の前処理を行い、前処理後の学習データを用いて予測モデルを生成してもよい。前処理では、例えば、学習に必要な属性の選択や属性値に対する加工、変換が行われる。
　図６は、実施形態における、学習データに対する前処理の例を示す図である。図６の例では、学習データに対して、予測モデルの説明変数として必要な属性の選択や、属性値の変換が行われている。なお、前処理として、更に、例えば、「日本上空の湿度の最大値」のように、複数箇所の属性に基づき、新たな属性が生成されてもよい。
　ここで、フライトプラン（経路、速度、高度）の予測モデルは、例えば、出発空港と目的空港との各組の経路ごとに、その経路を飛行したフライトの学習データに基づき生成される。なお、予測モデルは、更に、時間帯や時期（季節や月）ごとに生成されてもよい。
　図７、及び、図８は、実施形態における、予測モデルの例を示す図である。図７、及び、図８は、機械学習として、非特許文献２、３に開示されている異種混合学習技術を用いた場合の、フライトプランに含まれる経路、及び、速度を予測するための予測モデルの例である。また、図７、及び、図８は、出発空港Ａ、目的空港Ｂ、経路ＡＢ１に対する経路予測モデル、及び、速度予測モデルである。
　図７を参照すると、経路予測モデルは、予測式決定用ツリー、予測式の形式、及び、各予測式のパラメータを含む。ここで、ツリーは、参照情報の属性値をもとに、予測式を決定するために使われる。経路予測モデルの予測式では、参照情報の各属性が説明変数Ｘｉ（ｉは１、…、Ｎの整数、Ｎは説明変数の数）として用いられ、経路判定のためのスコアＹｒｓが目的変数として用いられる。各予測式では、パラメータとして、説明変数Ｘｉに乗じる係数Ａｉ、定数（バイアス）Ｂが用いられる。予測式により算出されたスコアＹｒｓの値を、所定の閾値Ｙｔｈと比較することで、フライトが経路予測モデルに対応する経路を飛行するかどうかが判定される。
　図８を参照すると、速度予測モデルは、経路予測モデルと同様に、予測式決定用ツリー、予測式の形式、及び、各予測式のパラメータを含む。速度予測モデルの予測式では、参照情報の各属性が説明変数Ｘｉとして用いられ、速度Ｙｖが目的変数として用いられる。なお、図示されていない高度予測モデルも、速度予測モデルと同様に、ツリー、予測式の形式、及び、各予測式のパラメータを含む。予測式では、高度Ｙｈが目的変数として用いられる。
　例えば、学習部１００は、出発空港Ａ、目的空港Ｂ、経路ＡＢ１に対して、図７、及び、図８のように予測モデルを生成する。
　学習部１００は、生成した予測モデルを、予測モデル記憶部６０３に保存する（ステップＳ１０３）。
　図９は、実施形態における、予測モデル記憶部６０３に記憶される予測モデルの例を示す図である。
　例えば、学習部１００は、図９のように、出発空港と目的空港との各組の経路ごとに、生成した予測モデルを保存する。
　＜＜予測処理＞＞
　次に、フライトプランを予測する処理（予測処理）について説明する。
　図１１は、実施形態における、予測データ記憶部６０２に記憶される予測データの例を示す図である。予測データでは、図１１に示すように、フライトプランの予測対象のフライトに対する参照情報が、フライトＩＤと出発予定日の組ごとに記憶されている。予測対象のフライトは、予測交通量を算出する対象の日時、空域を通過する可能性のあるフライトである。例えば、予測対象のフライトは、一日、或いは、数日の内に各空港を発着する全フライトである。
　参照情報では、学習データと同様に、各属性の属性値が設定される。参照情報の各属性の属性値は、フライトのスケジュールや、フライトプランの予測を実行する時点での気象予測に基づき決定される。
　ここでは、図１１に示すような予測データが、予め、データ取得部４００により取得され、予測データ記憶部６０２に記憶されていると仮定する。
　図１０は、実施形態における、予測処理を示すフローチャートである。
　予測部２００のフライトプラン予測部２０１は、予測モデル記憶部６０３から、予測対象の各フライトの出発空港と目的空港との組に対する予測モデルを取得する（ステップＳ２０１）。
　例えば、予測部２００は、図９の予測モデルを取得する。
　フライトプラン予測部２０１は、予測データ記憶部６０２から、予測対象の各フライトに対する予測データを取得する（ステップＳ２０２）。
　例えば、予測部２００は、図１１の予測データを取得する。
　フライトプラン予測部２０１は、予測対象の各フライトについて、当該フライトの出発空港と目的空港との組に対する予測モデルに予測データを適用することにより、フライトプランを予測する（ステップＳ２０３）。
　ここで、フライトプラン予測部２０１は、予測データに含まれる、参照情報の各属性の値を予測モデルの説明変数に適用し、目的変数の値を算出することにより、フライトプランを予測する。また、フライトプラン予測部２０１は、予測データに対して、学習データに対する前処理と同様の前処理を行い、予測モデルに適用する。
　図１２は、実施形態における、予測データに対する前処理の例を示す図である。図１２の例では、予測データに対して、図６に示した学習データに対する前処理と同様の前処理が行われている。
　図１３は、実施形態における、フライトプランの予測例を示す図である。図１３は、フライトプランに含まれる経路の予測例である。
　例えば、フライトプラン予測部２０１は、フライトＩＤ「００１」、出発予定日「２０１６／０６／１９」のフライトについて、図１２の前処理後の予測データを、図７の経路予測モデルに適用する。ここで、フライトプラン予測部２０１は、図１３のように、予測式決定用ツリーを用いて、経路が「経路ＡＢ１」であるかどうかを判定のための予測式を「予測式１」と決定する。フライトプラン予測部２０１は、予測式１を用いて、経路を「経路ＡＢ１」と予測する。また、フライトプラン予測部２０１は、図８の速度予測モデルを用いて、速度を「４８０ｋｔ」と予測する。同様に、フライトプラン予測部２０１は、図示されていない高度予測モデルを用いて、高度を「３６０００ｆｅｅｔ」と予測する。
　フライトプラン予測部２０１は、予測対象の各フライトについて得られた予測フライトプランを、予測結果記憶部６０４に保存する（ステップＳ２０４）。
　図１４は、実施形態における、予測結果記憶部６０４に記憶される、予測フライトプランの例を示す図である。
　例えば、フライトプラン予測部２０１は、図１４のように、予測対象の各フライトについて生成した予測フライトプランを保存する。
　フライトプラン予測部２０１は、フライトプランの予測において得られた、参照情報の各属性の寄与度を、予測根拠として、予測根拠記憶部６０５に保存する（ステップＳ２０５）。
　ここで、フライトプラン予測部２０１は、例えば、フライトプランの経路予測で用いた予測式における、説明変数Ｘｉと係数Ａｉとの積の値を、当該説明変数Ｘｉに対応する属性の寄与度として保存する。
　例えば、フライトプラン予測部２０１は、図１３の経路の予測例における、説明変数Ｘ４と係数Ａ４の積「７．７」を、属性「出発予定日が日曜日」の寄与度として保存する。
　図１５は、実施形態における、予測根拠記憶部６０５に記憶される、予測根拠の例を示す図である。
　例えば、フライトプラン予測部２０１は、図１５のように、予測対象の各フライトについて算出した各属性の寄与度を、説明変数、係数の値とともに、予測根拠として保存する。
　なお、フライトプラン予測部２０１は、属性の寄与度を表すことができれば、例えば、速度予測や高度予測で用いた予測式から寄与度を得てもよい。また、フライトプラン予測部２０１は、係数Ａｉを、説明変数Ｘｉに対応する属性の寄与度として用いてもよい。
　通過時刻算出部２０２は、予測フライトプランに基づき、予測対象の各フライトの、各空域の予測通過時刻を算出する（ステップＳ２０６）。
　ここで、通過時刻算出部２０２は、各フライトのスケジュール、及び、予測フライトプランに基づき、予測した経路における、各空域内の所定のポイントの予測通過時刻を算出する。
　図１６は、実施形態における、予測通過時刻の算出例を示す図である。
　例えば、フライトプラン予測部２０１は、フライトＩＤ「００１」、出発予定日「２０１６／０６／１９」のフライトについて、経路「経路ＡＢ１」上の各空域の予測通過時刻を速度「４８０ｋｔ」、高度「３６０００ｆｅｅｔ」を用いて図１６のように算出する。
　フライトプラン予測部２０１は、予測対象の各フライトについて得られた、各空域の予測通過時刻を、通過時刻記憶部６０６に保存する（ステップＳ２０７）。
　図１７は、実施形態における、通過時刻記憶部６０６に記憶される、予測通過時刻の例を示す図である。
　例えば、フライトプラン予測部２０１は、図１７のように、予測対象の各フライトについて算出した、予測通過時刻を保存する。
　＜＜予測結果表示処理＞＞
　次に、予測結果を表示する処理（予測結果表示処理）について説明する。
　＜空域別交通量画面の表示＞
　はじめに、空域ごとの特定の時間帯の予測交通量を示す画面（空域別交通量画面）を表示する処理を説明する。
　図１８は、実施形態における、空域別交通量画面の表示処理を示すフローチャートである。
　可視化処理部３００は、予測交通量の表示対象の日、及び、時間帯の指定を受け付ける（ステップＳ３０１）。可視化処理部３００は、例えば、操作受付部５００を介して、ユーザから、表示対象の日、及び、時間帯の指定を受け付ける。
　可視化処理部３００の交通量算出部３０１は、通過時刻記憶部６０６に記憶された、各フライトの各空域の予測通過時刻を参照し、各空域を、指定された日、及び、時間帯に通過することが予測されるフライトのフライトＩＤを取得する（ステップＳ３０２）。
　交通量算出部３０１は、各空域について、取得したフライトＩＤの数をカウントすることにより、当該空域における指定された日、及び、時間帯の予測交通量を算出する（ステップＳ３０３）。
　表示制御部３０３は、各空域の予測交通量を示す空域別交通量画面を生成し、表示装置４に表示させる（ステップＳ３０４）。
　図１９は、実施形態における空域別交通量画面の例を示す図である。図１９の空域別交通量画面では、地図上の点線で分割された各領域が空域を示す。各空域には、空域ＩＤ（「Ｔ０１」、「Ｔ０２」、…等）が付与されている。また、各空域は、予測交通量に応じて、例えば、予測交通量が多い空域は濃い色、少ない空域は薄い色で示されている。また、予測交通量が空域容量を超えた空域が、特定の色で示されていてもよい。
　図１９の空域別交通量画面では、次の画面として、空域を指定して、後述する日別交通量画面や、時間帯別交通量画面、フライト情報画面、予測根拠統計量（時間帯）画面を表示させるためのボタンが表示されている。
　ユーザは、図１９のような空域別交通量画面により、空域ごとの特定の時間帯の予測交通量を確認し、更に、次の画面により、特定の空域についての予測交通量の推移やフライトに関係する情報、予測根拠の統計量を確認できる。
　例えば、表示制御部３０３は、図１９のような空域別交通量画面を生成し、表示装置４に表示させる。
　＜日別交通量画面の表示＞
　次に、特定の空域の日ごとの予測交通量を示す画面（日別交通量画面）を表示する処理を説明する。
　図２０は、実施形態における、日別交通量画面の表示処理を示すフローチャートである。
　可視化処理部３００は、予測交通量の表示対象の空域の指定を受け付ける（ステップＳ３１１）。可視化処理部３００は、例えば、上述の空域別交通量画面において指定された日、時間帯の予測交通量を表示中に、操作受付部５００を介して、空域の指定を受け付けてもよい。
　交通量算出部３０１は、通過時刻記憶部６０６に記憶された、各フライトの指定された空域の予測通過時刻を参照し、各日に、指定された空域を通過することが予測されるフライトのフライトＩＤを取得する（ステップＳ３１２）。
　交通量算出部３０１は、ステップＳ３１２において、各日について、取得したフライトＩＤの数をカウントすることにより、当該日における指定された空域の予測交通量を算出する（ステップＳ３１３）。
　更に、交通量算出部３０１は、学習データ記憶部６０１に記憶された学習データに含まれる過去のフライトプランに基づき、各日に、指定された空域を通過したフライトのフライトＩＤを取得する（ステップＳ３１４）。ここで、交通量算出部３０１は、上述のステップＳ２０６と同様の処理により、過去のフライトプランの経路、速度、高度に基づき、各空域の通過時刻を算出し、各日に、指定された空域を通過したフライトのフライトＩＤを取得する。
　交通量算出部３０１は、ステップＳ３１４において、各日について取得したフライトＩＤの数を、当該日における指定された空域の実績交通量としてカウントする（ステップＳ３１５）。
　表示制御部３０３は、各日の予測交通量と実績交通量とを示す日別交通量画面を生成し、表示装置４に表示させる（ステップＳ３１６）。
　図２１は、実施形態における日別交通量画面の例を示す図である。図２１の日別交通量画面では、各日の予測交通量が棒グラフで、過去の各日の実績交通量が折れ線グラフで示されている。また、図２１の日別交通量画面では、次の画面として、日を指定して、後述する時間帯別交通量画面や予測根拠統計量（日）画面を表示させるためのボタンが表示されている。
　ユーザは、図２１のような日別交通量画面により、例えば、特定の空域の日ごとの予測交通量と実績交通量との乖離を確認し、更に、次の画面により、特定の日についての予測交通量の推移や予測根拠の統計量を確認できる。
　例えば、表示制御部３０３は、図２１のような日別交通量画面を生成し、表示装置４に表示させる。
　＜時間帯別交通量画面の表示＞
　次に、特定の空域の時間帯ごとの予測交通量を示す画面（時間帯別交通量画面）を表示する処理を説明する。
　図２２は、実施形態における、時間帯別交通量画面の表示処理を示すフローチャートである。
　可視化処理部３００は、予測交通量の表示対象の日、及び、空域の指定を受け付ける（ステップＳ３２１）。可視化処理部３００は、例えば、上述の空域別交通量画面において指定された日、時間帯の予測交通量を表示中に、操作受付部５００を介して、空域の指定を受け付けてもよい。
　交通量算出部３０１は、通過時刻記憶部６０６に記憶された、各フライトの各空域の予測通過時刻を参照し、指定された空域を、指定された日の各時間帯に通過することが予測されるフライトのフライトＩＤを取得する（ステップＳ３２２）。
　交通量算出部３０１は、各時間帯について取得したフライトＩＤの数をカウントすることにより、当該時間帯における指定された空域の予測交通量を算出する（ステップＳ３２３）。
　表示制御部３０３は、各時間帯の予測交通量を示す時間帯別交通量画面を生成し、表示装置４に表示させる（ステップＳ３２４）。
　図２３は、実施形態における時間帯別交通量画面の例を示す図である。図２３の時間帯別交通量画面では、各時間帯の予測交通量が、棒グラフで示されている。また、空域容量が、太線で示されている。また、図２３の時間帯別交通量画面では、次の画面として、時間帯を指定して、後述するフライト情報画面を表示させるためのボタンが表示されている。更に、時間帯を指定して、後述する予測根拠統計量（時間帯）画面を表示させるためのボタンや、後述する予測根拠統計量（日）画面を表示させるためのボタンも表示されている。
　ユーザは、図２３のような時間帯別交通量画面により、例えば、特定の空域の時間帯ごとの予測交通量を確認し、更に、次の画面により、特定の時間帯についてのフライトの詳細や、特定の時間帯や日の予測根拠の統計量を確認できる。
　例えば、表示制御部３０３は、図２３のような時間帯別交通量画面を生成し、表示装置４に表示させる。
　＜フライト情報画面の表示＞
　次に、特定の空域の特定の時間帯におけるフライトに関する情報を示す画面（フライト情報画面）を表示する処理を説明する。
　図２４は、実施形態における、フライト情報画面の表示処理を示すフローチャートである。
　可視化処理部３００は、フライトに関する情報の表示対象の日、時間帯、及び、空域の指定を受け付ける（ステップＳ３３１）。可視化処理部３００は、例えば、上述の空域別交通量画面において空域ごとの指定された日、時間帯の予測交通量を表示中に、操作受付部５００を介して、空域の指定を受け付けてもよい。また、可視化処理部３００は、上述の時間帯別交通量画面において指定された空域の指定された日の予測交通量を表示中に、時間帯の指定を受け付けてもよい。
　表示制御部３０３は、通過時刻記憶部６０６に記憶された、各フライトの各空域の予測通過時刻を参照し、指定された空域を、指定された日、及び、時間帯に通過することが予測されるフライトのフライトＩＤを取得する（ステップＳ３３２）。
　表示制御部３０３は、取得したフライトＩＤについて、当該フライトに関する情報を取得する（ステップＳ３３３）。ここで、表示制御部３０３は、例えば、フライトに関する情報として、予測データ記憶部６０２に記憶された予測データを参照し、フライトのスケジュールに関する情報を取得してもよい。また、表示制御部３０３は、更に、予測結果記憶部６０４に記憶された、フライトの予測フライトプランを取得してもよい。
　表示制御部３０３は、取得した、フライトに関する情報を示すフライト情報画面を生成し、表示装置４に表示させる（ステップＳ３３４）。
　図２５は、実施形態におけるフライト情報画面の例を示す図である。図２５のフライト情報画面では、各フライトのスケジュール（出発空港、出発時刻、目的空港、到着時刻）、及び、予測フライトプラン（経路、速度、高度）が示されている。
　また、図２５のフライト情報画面では、次の画面として、フライトＩＤを指定して、後述する予測根拠画面を表示させるためのボタンや、後述する予測根拠統計量（時間帯）画面を表示させるためのボタンが表示されている。
　ユーザは、図２５のようなフライト情報画面により、例えば、特定の時間帯の各フライトに関する情報を確認し、更に、次の画面により、特定のフライトの予測根拠や、特定の時間帯の予測根拠の統計量を確認できる。
　例えば、表示制御部３０３は、図２５のようなフライト情報画面を生成し、表示装置４に表示させる。
　なお、表示制御部３０３は、更に、フライトの各空域の予測通過時刻等、データ記憶部６００に記憶された、フライトに関する他の情報を取得し、フライト情報画面に示してもよい。
　＜予測根拠統計量（日）画面の表示＞
　次に、特定の日の予測根拠の統計量を示す画面（予測根拠統計量（日）画面）を表示する処理を説明する。
　図２６は、実施形態における、予測根拠統計量（日）画面の表示処理を示すフローチャートである。
　可視化処理部３００は、統計量の表示対象の日、及び、空域の指定を受け付ける（ステップＳ３４１）。可視化処理部３００は、例えば、上述の時間帯別交通量画面において指定された空域の指定された日の予測交通量を表示中に、以下の処理を行ってもよい。
　統計量算出部３０２は、通過時刻記憶部６０６に記憶された、各フライトの各空域の予測通過時刻を参照し、指定された空域を、指定された日に通過することが予測されるフライトのフライトＩＤを取得する（ステップＳ３４２）。
　統計量算出部３０２は、予測根拠記憶部６０５から、取得した各フライトＩＤのフライトプランの予測根拠を取得する（ステップＳ３４３）。
　統計量算出部３０２は、取得した予測根拠の統計量を算出する（ステップＳ３４４）。ここで、統計量算出部３０２は、参照情報の各属性について、寄与度の平均値や最大値、最小値を算出する。
　表示制御部３０３は、予測根拠の統計量を示す予測根拠統計量（日）画面を生成し、表示装置４に表示させる（ステップＳ３４５）。
　図２７は、実施形態における予測根拠統計量（日）画面の例を示す図である。図２７の予測根拠統計量（日）画面では、予測根拠の統計量として、各属性の寄与度の平均値、最大値、及び、最小値が示されている。
　また、図２７の予測根拠統計量（日）画面では、次の画面として、最大値や最小値を指定して、当該最大値や最小値に対応するフライトＩＤについて、後述する予測根拠画面を表示させるためのボタンが表示されている。
　ユーザは、図２７のような予測根拠統計量（日）画面により、特定の日の予測フライトプランの予測根拠を確認し、更に、次の画面により、寄与度が最大値や最小値等の特定の値を示したフライトの予測根拠を詳細に確認できる。
　例えば、表示制御部３０３は、図２７のような予測根拠統計量（日）画面を生成し、表示装置４に表示させる。
　なお、表示制御部３０３は、各属性の寄与度の分布を表すグラフを、予測根拠統計量（日）画面に示してもよい。この場合、分布グラフ上の特定の寄与度に対応するフライトＩＤについて、後述する予測根拠画面を表示させるためのボタンが表示されてもよい。これにより、寄与度が他のフライトと大きく異なる値を示したフライトの予測根拠を詳細に確認できる。
　＜予測根拠統計量（時間帯）画面の表示＞
　次に、特定の時間帯の予測根拠の統計量を示す画面（予測根拠統計量（時間帯）画面）を表示する処理を説明する。
　図２８は、実施形態における、予測根拠統計量（時間帯）画面の表示処理を示すフローチャートである。
　可視化処理部３００は、統計量の表示対象の日、時間帯、及び、空域の指定を受け付ける（ステップＳ３５１）。可視化処理部３００は、例えば、上述の空域別交通量画面において空域ごとの指定された日、時間帯の予測交通量を表示中に、操作受付部５００を介して、空域の指定を受け付けてもよい。また、可視化処理部３００は、上述の時間帯別交通量画面において指定された空域の指定された日の予測交通量を表示中に、時間帯の指定を受け付けてもよい。更に、可視化処理部３００は、上述のフライト情報画面において指定された空域の指定された日、時間帯のフライトに関する情報を表示中に、以下の処理を行ってもよい。
　統計量算出部３０２は、通過時刻記憶部６０６に記憶された、各フライトの各空域の予測通過時刻を参照し、指定された空域を、指定された日、時間帯に通過することが予測されるフライトのフライトＩＤを取得する（ステップＳ３５２）。
　統計量算出部３０２は、予測根拠記憶部６０５から、取得した各フライトＩＤのフライトプランの予測根拠を取得する（ステップＳ３５３）。
　統計量算出部３０２は、取得した予測根拠の統計量を算出する（ステップＳ３５４）。ここで、統計量算出部３０２は、参照情報の各属性について、寄与度の平均値や最大値、最小値を算出する。
　表示制御部３０３は、予測根拠の統計量を示す予測根拠統計量（時間帯）画面を生成し、表示装置４に表示させる（ステップＳ３５５）。
　図２９は、実施形態における予測根拠統計量（時間帯）画面の例を示す図である。図２９の予測根拠統計量（時間帯）画面では、予測根拠の統計量として、各属性の寄与度の平均値、最大値、及び、最小値が示されている。
　また、図２９の予測根拠統計量（時間帯）画面では、次の画面として、最大値や最小値を指定して、当該最大値や最小値に対応するフライトＩＤについて、後述する予測根拠画面を表示させるためのボタンが表示されている。
　ユーザは、図２９のような予測根拠統計量（時間帯）画面により、特定の日、時間帯の予測フライトプランの予測根拠を確認し、更に、次の画面により、寄与度が最大値や最小値等の特定の値を示したフライトの予測根拠を詳細に確認できる。
　例えば、表示制御部３０３は、図２９のような予測根拠統計量（時間帯）画面を生成し、表示装置４に表示させる。
　なお、表示制御部３０３は、予測根拠統計量（日）画面と同様に、各属性の寄与度の分布を表すグラフを、予測根拠統計量（時間帯）画面に示してもよい。
　＜予測根拠画面の表示＞
　次に、特定のフライトに関する予測根拠を示す画面（予測根拠画面）を表示する処理を説明する。
　図３０は、実施形態における、予測根拠画面の表示処理を示すフローチャートである。
　可視化処理部３００は、予測根拠の表示対象のフライトＩＤの指定を受け付ける（ステップＳ３６１）。可視化処理部３００は、上述のフライト情報画面において各フライトに関する情報を表示中に、操作受付部５００を介して、フライトＩＤの指定を受け付けてもよい。また、可視化処理部３００は、上述の予測根拠統計量（時間帯）画面や予測根拠統計量（日）画面において予測根拠の統計量を表示中に、統計量の指定を受け付け、当該統計量に対応するフライトＩＤについて、以下の処理を行ってもよい。
　表示制御部３０３は、予測根拠記憶部６０５に記憶された、指定されたフライトＩＤのフライトプランの予測根拠を取得する（ステップＳ３６２）。また、表示制御部３０３は、予測結果記憶部６０４に記憶された、指定されたフライトＩＤの予測フライトプランも取得してよい。
　表示制御部３０３は、取得した予測根拠を示す予測根拠表示画面を生成し、表示装置４に表示させる（ステップＳ３６３）。
　図３１は、実施形態における予測根拠画面の例を示す図である。図３１の予測根拠画面では、フライトの予測フライトプラン（経路、速度、高度）、及び、予測根拠（各属性の寄与度、説明変数、係数）が示されている。
　ユーザは、図３１のような予測根拠画面により、特定のフライトの予測フライトプランとその予測根拠を確認できる。
　例えば、表示制御部３０３は、図３１のような予測根拠画面を生成し、表示装置４に表示させる。
　以上により、実施形態の動作が完了する。
　次に、実施形態の特徴的な構成を説明する。図１は、実施形態の特徴的な構成を示すブロック図である。
　図１を参照すると、航空管制支援システム３は、学習部１００、及び、予測部２００を含む。学習部１００は、過去のフライトプランと、当該過去のフライトプランの策定に影響を与えた情報と、を含む学習データに基づいて、予測モデルを生成する。予測部２００は、フライトプランの策定に影響を与える情報と、予測モデルと、に基づいて、フライトプランを予測する。
　次に、実施形態の効果を説明する。
　上述の実施形態によれば、航空管制において、フライトプランをより早く把握できる。その理由は、以下による。すなわち、航空管制支援システム３は、過去のフライトプランと過去のフライトプランの策定に影響を与えた情報とを含む学習データに基づいて予測モデルを生成する。そして、航空管制支援システム３は、フライトプランの策定に影響を与える情報と予測モデルとに基づいてフライトプランを予測する。これにより、フライトプランに基づく交通流制御をより早く実行できるようになり、交通流制御の頻度の低減をはかることができる。そして、フライトの遅延時間を縮小し、管制官等の負荷を低減することができる。
　また、上述の実施形態によれば、航空管制において、管制官等が、フライトプランの予測根拠を把握できる。その理由は、航空管制支援システム３が、フライトプランの予測結果と、フライトプランの策定に影響を与える情報が当該予測結果に対して影響した程度を示す寄与度と、を表示するためである。これにより、管制官等は、フライトプランの予測結果が信頼できるか（納得できるか）どうかを、経験等と合わせて判断できる。また、管制官等に対して、フライトプランの予測結果に影響する要因について、新たな気づきを与えることができる。
　また、上述の実施形態によれば、航空管制において、交通量をより早く把握できる。その理由は、航空管制支援システム３が、複数のフライトプランの予測結果に基づいて、ある時間帯におけるある空域に計画される交通量の予測値である、予測交通量を算出し、表示するためである。
　以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細に対しては、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
　この出願は、２０１６年８月１８日に出願された日本出願特願２０１６－１６０７２８を基礎とする優先権を主張し、その開示の全てをここに取り込む。
　１　　管制情報処理システム
　２　　データ管理装置
　３　　航空管制支援システム
　４　　表示装置
　１１　　ＣＰＵ
　１２　　記憶デバイス
　１３　　入出力デバイス
　１４　　通信デバイス
　１００　　学習部
　２００　　予測部
　２０１　　フライトプラン予測部
　２０２　　通過時刻算出部
　３００　　可視化処理部
　３０１　　交通量算出部
　３０２　　統計量算出部
　３０３　　表示制御部
　４００　　データ取得部
　５００　　操作受付部
　６００　　データ記憶部
　６０１　　学習データ記憶部
　６０２　　予測データ記憶部
　６０３　　予測モデル記憶部
　６０４　　予測結果記憶部
　６０５　　予測根拠記憶部
　６０６　　通過時刻記憶部

Claims (8)

  1. 　過去のフライトプランと、当該過去のフライトプランの策定に影響を与えた情報と、を含む学習データに基づいて、予測モデルを生成するように構成された学習手段と、
    　フライトプランの策定に影響を与える情報と、前記予測モデルと、に基づいて、前記フライトプランを予測するように構成された予測手段と、
    　を備える、航空管制支援システム。
  2. 　前記フライトプランの予測結果と、当該予測結果に対して前記フライトプランの策定に影響を与える情報が影響した程度を示す寄与度と、を表示手段に表示させるように構成された表示制御手段
    　を更に備える、請求項１に記載の航空管制支援システム。
  3. 　複数の前記フライトプランの予測結果に基づいて、ある時間帯におけるある空域に計画される交通量の予測値である予測交通量を算出するように構成された交通量算出手段を更に備え、
    　前記表示制御手段は、前記予測交通量を、前記表示手段に表示するように構成される、
    　請求項２に記載の航空管制支援システム。
  4. 　前記表示制御手段は、前記予測交通量を、時間帯ごと、空域ごとに、前記表示手段に表示するように構成され、
    　時間帯および空域を指定する操作を受け付けるように構成された操作受付手段を更に備え、
    　前記表示制御手段は、指定された時間帯および空域に基づいて特定される前記フライトプランの予測結果と、当該予測結果に対する前記寄与度とを、前記表示手段に表示するように構成される、
    　請求項３に記載の航空管制支援システム。
  5. 　前記表示制御手段は、前記予測交通量を、時間帯ごと、空域ごとに、前記表示手段に表示するように構成され、
    　時間帯および空域を指定する操作を受け付けるように構成された操作受付手段と、
    　指定された時間帯および指定された空域に基づいて特定される複数の前記フライトプランの予測結果に基づき、当該複数の前記フライトプランの予測結果に対する前記寄与度の統計量を算出するように構成された統計量算出手段と、
    　を更に備え、
    　前記表示制御手段は、前記寄与度の統計量を、前記表示手段に表示するように構成される、
    　請求項３に記載の航空管制支援システム。
  6. 　前記操作受付手段は、統計量を指定する操作を受け付けるように構成され、
    　前記表示制御手段は、指定された統計量に基づいて特定される前記フライトプランの予測結果と、当該予測結果に対する前記寄与度とを、前記表示手段に表示するように構成される、
    　請求項５に記載の航空管制支援システム。
  7. 　過去のフライトプランと、当該過去のフライトプランの策定に影響を与えた情報と、を含む学習データに基づいて、予測モデルを生成し、
    　フライトプランの策定に影響を与える情報と、前記予測モデルと、に基づいて、前記フライトプランを予測する、
    　航空管制支援方法。
  8. 　過去のフライトプランと、当該過去のフライトプランの策定に影響を与えた情報と、を含む学習データに基づいて、予測モデルを生成し、
    　フライトプランの策定に影響を与える情報と、前記予測モデルと、に基づいて、前記フライトプランを予測する、
    　処理をコンピュータに実行させるプログラムを格納する、コンピュータが読み取り可能な記録媒体。
PCT/JP2017/027860 2016-08-18 2017-08-01 航空管制支援システム、航空管制支援方法、及び、記録媒体 WO2018034142A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2018534325A JP7036013B2 (ja) 2016-08-18 2017-08-01 航空管制支援システム、航空管制支援方法、及び、プログラム
US16/323,289 US11024183B2 (en) 2016-08-18 2017-08-01 Air traffic control support system, air traffic control support method, and recording medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-160728 2016-08-18
JP2016160728 2016-08-18

Publications (1)

Publication Number Publication Date
WO2018034142A1 true WO2018034142A1 (ja) 2018-02-22

Family

ID=61196492

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/027860 WO2018034142A1 (ja) 2016-08-18 2017-08-01 航空管制支援システム、航空管制支援方法、及び、記録媒体

Country Status (3)

Country Link
US (1) US11024183B2 (ja)
JP (1) JP7036013B2 (ja)
WO (1) WO2018034142A1 (ja)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109359788A (zh) * 2018-12-06 2019-02-19 西南交通大学 一种高速列车初始晚点影响预测模型的建立方法
WO2019187865A1 (ja) * 2018-03-28 2019-10-03 日本電気株式会社 情報処理装置、情報処理方法、プログラム
CN110660274A (zh) * 2019-09-30 2020-01-07 中国电子科技集团公司第二十八研究所 一种机场容需平衡预测方法
WO2020039646A1 (ja) * 2018-08-21 2020-02-27 日本電気株式会社 脅威分析システム、脅威分析装置、脅威分析方法および脅威分析プログラム
WO2020115893A1 (ja) * 2018-12-07 2020-06-11 三菱電機株式会社 動き検出装置および動き検出方法
WO2020194589A1 (ja) * 2019-03-27 2020-10-01 三菱電機株式会社 車両制御用演算装置、車両制御装置、及び、車両制御用演算方法
WO2022168526A1 (ja) * 2021-02-04 2022-08-11 Ｈａｐｓモバイル株式会社 データ処理装置、プログラム、及びデータ処理方法
CN115394123A (zh) * 2022-07-18 2022-11-25 中国电子科技集团公司第二十八研究所 一种基于空管历史飞行数据预测航班飞行高度的方法
JP7344414B1 (ja) 2022-10-12 2023-09-13 珠海翔翼航空技術有限公司 姿勢及び速度予測に基づくマルチ滑走路飛行入場ナビゲーション方法及びシステム

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7036013B2 (ja) * 2016-08-18 2022-03-15 日本電気株式会社 航空管制支援システム、航空管制支援方法、及び、プログラム
CN113223330B (zh) * 2021-04-09 2022-07-08 飞友科技有限公司 一种基于航班流量限制的航班调减方法和系统
CN113570910B (zh) * 2021-06-30 2022-09-27 北京百度网讯科技有限公司 空中交通流量管理方法、装置和电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000304551A (ja) * 1999-04-16 2000-11-02 Toshiba Corp 運行支援システム
JP2008097454A (ja) * 2006-10-13 2008-04-24 Electronic Navigation Research Institute 航空管制業務支援システム、航空機の位置を予測する方法及びコンピュータプログラム
JP2014151912A (ja) * 2013-02-07 2014-08-25 Air China Ltd 飛行機行動の予測システム及び予測方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2801883B2 (ja) 1996-03-29 1998-09-21 運輸省船舶技術研究所長 航空機管制支援システム
JP2003296900A (ja) 2002-04-01 2003-10-17 Ntt Data Corp 飛行経路調整装置
US9443434B2 (en) * 2014-09-30 2016-09-13 The Boeing Company Flight path discontinuities
JP7036013B2 (ja) * 2016-08-18 2022-03-15 日本電気株式会社 航空管制支援システム、航空管制支援方法、及び、プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000304551A (ja) * 1999-04-16 2000-11-02 Toshiba Corp 運行支援システム
JP2008097454A (ja) * 2006-10-13 2008-04-24 Electronic Navigation Research Institute 航空管制業務支援システム、航空機の位置を予測する方法及びコンピュータプログラム
JP2014151912A (ja) * 2013-02-07 2014-08-25 Air China Ltd 飛行機行動の予測システム及び予測方法

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7092186B2 (ja) 2018-03-28 2022-06-28 日本電気株式会社 情報処理装置、情報処理方法、プログラム
WO2019187865A1 (ja) * 2018-03-28 2019-10-03 日本電気株式会社 情報処理装置、情報処理方法、プログラム
JPWO2019187865A1 (ja) * 2018-03-28 2021-03-11 日本電気株式会社 情報処理装置、情報処理方法、プログラム
JP7124873B2 (ja) 2018-08-21 2022-08-24 日本電気株式会社 脅威分析システム、脅威分析装置、脅威分析方法および脅威分析プログラム
WO2020039646A1 (ja) * 2018-08-21 2020-02-27 日本電気株式会社 脅威分析システム、脅威分析装置、脅威分析方法および脅威分析プログラム
JPWO2020039646A1 (ja) * 2018-08-21 2021-08-10 日本電気株式会社 脅威分析システム、脅威分析装置、脅威分析方法および脅威分析プログラム
CN109359788A (zh) * 2018-12-06 2019-02-19 西南交通大学 一种高速列车初始晚点影响预测模型的建立方法
CN109359788B (zh) * 2018-12-06 2021-08-17 西南交通大学 一种高速列车初始晚点影响预测模型的建立方法
WO2020115893A1 (ja) * 2018-12-07 2020-06-11 三菱電機株式会社 動き検出装置および動き検出方法
JP6847332B2 (ja) * 2018-12-07 2021-03-24 三菱電機株式会社 動き検出装置および動き検出方法
JPWO2020115893A1 (ja) * 2018-12-07 2021-04-30 三菱電機株式会社 動き検出装置および動き検出方法
WO2020194589A1 (ja) * 2019-03-27 2020-10-01 三菱電機株式会社 車両制御用演算装置、車両制御装置、及び、車両制御用演算方法
CN113614809A (zh) * 2019-03-27 2021-11-05 三菱电机株式会社 车辆控制用运算装置、车辆控制装置及车辆控制用运算方法
JP7003325B2 (ja) 2019-03-27 2022-01-20 三菱電機株式会社 車両制御用演算装置、車両制御装置、及び、車両制御用演算方法
JPWO2020194589A1 (ja) * 2019-03-27 2021-09-13 三菱電機株式会社 車両制御用演算装置、車両制御装置、及び、車両制御用演算方法
CN113614809B (zh) * 2019-03-27 2023-03-14 三菱电机株式会社 车辆控制用运算装置、车辆控制装置及车辆控制用运算方法
CN110660274A (zh) * 2019-09-30 2020-01-07 中国电子科技集团公司第二十八研究所 一种机场容需平衡预测方法
WO2022168526A1 (ja) * 2021-02-04 2022-08-11 Ｈａｐｓモバイル株式会社 データ処理装置、プログラム、及びデータ処理方法
CN115394123A (zh) * 2022-07-18 2022-11-25 中国电子科技集团公司第二十八研究所 一种基于空管历史飞行数据预测航班飞行高度的方法
CN115394123B (zh) * 2022-07-18 2024-02-13 中国电子科技集团公司第二十八研究所 一种基于空管历史飞行数据预测航班飞行高度的方法
JP7344414B1 (ja) 2022-10-12 2023-09-13 珠海翔翼航空技術有限公司 姿勢及び速度予測に基づくマルチ滑走路飛行入場ナビゲーション方法及びシステム

Also Published As

Publication number Publication date
JPWO2018034142A1 (ja) 2019-06-13
JP7036013B2 (ja) 2022-03-15
US20200193842A1 (en) 2020-06-18
US11024183B2 (en) 2021-06-01

Similar Documents

Publication Publication Date Title
WO2018034142A1 (ja) 航空管制支援システム、航空管制支援方法、及び、記録媒体
Balakrishna et al. Accuracy of reinforcement learning algorithms for predicting aircraft taxi-out times: A case-study of Tampa Bay departures
Bennell et al. Airport runway scheduling
Mukherjee et al. A dynamic rerouting model for air traffic flow management
Sölveling et al. Scheduling of airport runway operations using stochastic branch and bound methods
EP3671696B1 (en) System and method to forecast flight delay based on real-time data
CN109584638B (zh) 一种面向区域网络的先期航班时刻协同优化方法
US20180012499A1 (en) System and Method for Predicting Aircraft Taxi Time
Cruciol et al. Reward functions for learning to control in air traffic flow management
Kalliguddi et al. Predictive modeling of aircraft flight delay
US9406238B2 (en) Aviation weather and performance optimization system and method
Kim et al. A framework for the assessment of collaborative en route resource allocation strategies
Balakrishnan et al. Optimal large-scale air traffic flow management
Buxi et al. Generating day-of-operation probabilistic capacity scenarios from weather forecasts
CN108615411A (zh) 一种实现航班信息处理的方法及装置
Jardines et al. Estimating entry counts and ATFM regulations during adverse weather conditions using machine learning
Jun et al. Towards a greener Extended-Arrival Manager in air traffic control: A heuristic approach for dynamic speed control using machine-learned delay prediction model
US20160125431A1 (en) Competitive airline market data analysis
EP4303851A1 (en) System and computer-implemented method for real-time aircraft flight delay prediction
Chandramouleeswaran et al. Machine learning prediction of airport delays in the US air transportation network
Mahmud et al. Aircraft landing scheduling using embedded flower pollination algorithm
US20070198170A1 (en) Reducing Airport Delays Using Passive Radar Information and Analytics
Weigang et al. Decision support system in tactical air traffic flow management for air traffic flow controllers
Ganesan et al. Improving quality of prediction in highly dynamic environments using approximate dynamic programming
Brito et al. A Machine Learning-based Predictive Model of Airspace Sector Occupancy

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17841369

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2018534325

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17841369

Country of ref document: EP

Kind code of ref document: A1