Loading...
机构名称:
¥ 1.0

摘要 - 空中交通管理(ATM)系统的需求增加和复杂性需要在自动化方面取得重大进步,以确保安全和效率。人工知识(AI)和机器学习(ML)正在成为管理这种日益复杂性的有希望的解决方案,提供了增强的决策和预测能力。但是,ML模型在ATM中的有效性在很大程度上依赖于广泛的高质量数据的可用性。在许多情况下,此类数据是稀缺或不完整的,这为训练强大的模型带来了主要障碍。合成数据生成(SDG)是解决此问题的可行解决方案,从而可以创建解锁ML值求主的现实数据集。终端操纵区域(TMA)是空域的关键部分,其特征是交通密度高和轨迹类型,需要颗粒状数据才能准确地对这些情况进行建模。这项工作的主要研究目标是调查时机在产生合成的4维飞机着陆轨迹方面的适用性,能够捕获该空域中的交通模式,从而有助于分析空域约束并延迟传播。根据数据多样性,保真度和实用性评估了所得的合成轨迹。研究期间确定的主要挑战是数据类别的不平衡,这影响了模型准确捕获数据模式的能力,尤其是在较不频繁的情况下。这项工作证明了时刻在产生多种现实的轨迹方面的能力,这些轨迹难以与实际历史数据区分开。基于单独的分组生成合成数据显示了解决这些不平衡的希望,尽管这种方法对组的名称敏感。关键字 - 空气流量管理,深层生成模型,生成对抗网络,多元时间序列序列,合成数据质量评估

使用生成对抗网络的生成合成飞机着陆轨迹

使用生成对抗网络的生成合成飞机着陆轨迹PDF文件第1页

使用生成对抗网络的生成合成飞机着陆轨迹PDF文件第2页

使用生成对抗网络的生成合成飞机着陆轨迹PDF文件第3页

使用生成对抗网络的生成合成飞机着陆轨迹PDF文件第4页

使用生成对抗网络的生成合成飞机着陆轨迹PDF文件第5页

相关文件推荐

2025 年
¥7.0
2025 年
¥1.0