XiaoMi-AI文件搜索系统
World File Search System交通管制
空中交通管制许可/评级标准手册...
在制定本标准手册时，以 ICAO 附件 1、PELR、ICAO 语言能力要求实施 (ICAO DOC.9835)、欧盟标准和其他民航文件为基础。本文件受控，需定期审查。空中航行服务安全标准部将尽可能保持本文件的完整、准确和最新。对本出版物的修订/修改行动的评论和建议应转发给 ANS 安全标准部主任。
空中交通管制中的警报、提醒和警告 - ROSA P
设施，包括塔台、终端雷达进近管制设施 (TRACON) 和空中交通管制中心 (ARTCC)。训练有素的空中交通管制员使用有效的自动化系统可以利用警报、警示和警告（统称为信号）来建立态势感知并减少认知工作量。我们编写了第一版手册，该手册将指导空中交通系统设计人员和管制员用户团队与人为因素专家合作创建或修改空中交通管制系统警报、警示和警告。该手册描述了一种新颖的信号框架，可用于评估现有的 ATC 信号或在设计过程中使用客观评分表和与主题专家（即空中交通管制员）的结构化访谈格式来设计新信号。该框架为相关人员提供了一种通用语言，使他们能够描述、分类和客观评估空中交通管制中的信号。信号框架及其相关的结构化访谈将在第 4 阶段与空中交通管制员一起进行测试和验证。该项目的第 5 阶段将包括根据需要进一步完善信号手册和开发培训材料。在该项目结束时，空中交通组织将拥有开发信号所需的工具，这将有助于使美国国家空域系统保持世界上最安全的地位。
引用：Bas #pın、Barıs # 等人。“基于优化的自主空中交通管制以提高空域容量。”IEEE 航空航天和电子系统学报，56，6（2020 年 12 月）：4814 - 4830 © 2020 作者
本文已被接受在本期刊的未来一期中发表，但尚未经过全面编辑。内容在最终出版前可能会发生变化。引文信息：DOI 10.1109/TAES.2020.3003106，IEEE 航空航天和电子系统学报
基于优化的自主空中交通管制，用于提高空域容量
本文已被接受在本期刊的未来一期中发表，但尚未完全编辑。内容可能会在最终出版前发生变化。引用信息：DOI 10.1109/TAES.2020.3003106，IEEE 航空航天和电子系统学报
增强型空中交通管制系统——人工智能作为预测空中交通冲突的数字辅助系统
摘要：当今的空中交通管理 (ATM) 系统围绕空中交通管制员和飞行员发展。这种以人为本的设计在过去使空中交通非常安全。然而，随着航班数量的增加和使用欧洲空域的飞机种类的增加，它正在达到极限。它带来了严重的问题，例如拥堵、飞行安全性下降、成本增加、延误增加和排放量增加。将 ATM 转变为“下一代”需要复杂的人机集成系统，以提供更好的空域抽象并创建态势感知，正如文献中针对此问题所述。本文做出了以下贡献：(a) 概述了问题的复杂性。(b) 它引入了一种数字辅助系统，通过系统地分析飞机监视数据来检测空中交通中的冲突，从而为空中交通管制员提供更好的态势感知。为此，使用长短期记忆 (LSTM) 网络（一种流行的循环神经网络 (RNN) 版本）来确定其时间动态行为是否能够可靠地监控空中交通并对错误模式进行分类。 (c) 大规模、真实的空中交通模型（包含数千个包含空中交通冲突的航班）用于创建参数化的空域抽象，以训练 LSTM 网络的几种变体。所应用的网络基于 20-10-1 架构，同时使用泄漏 ReLU 和 S 形函数
第 40 卷 | 第 1 期 文献综述 #2 2022 年 5 月 10 日 探索自然语言处理 (NLP) 在航空中的应用 Nadine Amin Tracy L. Yother 普渡大学 普渡大学 Mary E. Johnson Julia Rayz 普渡大学 普渡大学 由于计算能力的极大提升、当前大量数据的盛行以及数据驱动算法日益强大的能力，自然语言处理 (NLP) 最近在众多领域经历了快速发展，其中之一就是航空。在这项研究中，我们从研究和行业的角度探讨了 NLP 在航空领域的当前地位。我们将安全报告分析、航空维护和空中交通管制确定为航空领域 NLP 研究的三个主要重点领域。我们还列出了当前可用的 NLP 软件以及它们在航空业中的应用。最后，我们重点介绍了航空领域对标准 NLP 技术提出的一些现有挑战，讨论了当前相应的研究工作，并提出了我们推荐的研究方向。推荐引用：Amin, N., Yother, T. L., Johnson, M. E. & Rayz, J. (2022)。自然语言处理 (NLP) 探索
第 40 卷 | 第 1 期 文献综述 #2 2022 年 10 月 5 日 探索航空领域的自然语言处理 (NLP) 应用 Nadine Amin Tracy L. Yother 普渡大学 普渡大学 Mary E. Johnson Julia Rayz 普渡大学 普渡大学 由于计算能力的巨大提升、大量数据的普遍存在以及数据驱动算法的不断增长的力量，自然语言处理 (NLP) 最近在众多领域经历了快速发展，其中之一就是航空业。在本研究中，我们从研究和行业的角度探讨了 NLP 在航空领域的现状。我们将安全报告分析、航空维护和空中交通管制确定为航空领域 NLP 研究的三个主要重点领域。我们还列出了当前可用的 NLP 软件以及它们在航空业中的使用方式。最后，我们重点介绍了航空领域对标准 NLP 技术提出的一些现有挑战，讨论了当前相应的研究工作，并提出了我们建议的研究方向。推荐引用：Amin, N., Yother, T. L., Johnson, M. E. & Rayz, J.(2022)。自然语言处理 (NLP) 的探索
深度强化学习方法在空中交通管制冲突解决中的应用回顾
摘要：深度强化学习 (DRL) 近年来因其能够解决以前由于非线性和高维性而无法解决的决策问题而得到广泛采用。在过去的几年中，它已在空中交通管制 (ATC) 领域得到推广，特别是在冲突解决方面。在本文中，我们对现有的冲突解决问题 DRL 应用进行了详细回顾。本调查基于以下几个部分进行了全面回顾：(1) 冲突解决的基础、(2) DRL 的发展，以及 (3) DRL 在冲突解决中的各种应用，按环境、模型、算法和评估指标进行分类。最后，进行了开放式讨论，可能提出了使用 DRL 进行冲突解决的一系列未来研究方向。本评论的目的是为未来更有意义的研究提供指导点。
空中交通管制解决方案 - ATEN
据 Fortune Business Insights 称，空中交通管制 (ATC) 市场持续增长，预计到 2027 年将达到 94.5 亿美元，2020-2027 年预测期内的复合年增长率为 6.96%。这是由于全球机场数量不断增加、对更好的空域管理技术的需求以及乘客数量的增加。网络安全也是 ATC 运营商日益关注的问题，因为随着系统运营、提供乘客服务和通信线路的数字化程度不断提高，其攻击面也不断扩大。因此，ATC 运营商比以往任何时候都更需要可靠、安全的解决方案。为了支持运营商对空中交通管制技术不断发展和关键任务的需求，ATEN 提供了四种捆绑解决方案，支持最新的冗余、屏幕分辨率、定制和安全性。ATC 依靠快速、安全的信息和通信来实现安全运营，ATEN 深知这一点，因此我们开发了 KVM over IP 解决方案来应对这一关键全球行业带来的挑战。
基于博弈论和云物元分析的空中交通管制系统安全风险评估
摘要：随着近年来空中交通需求的不断增长，安全风险评估对维护航空运输系统的运行安全、实现可持续发展具有重要意义。本文基于博弈论和云物元分析对空中交通管制（ATC）系统进行了安全风险评估。从人、机、环境和管理四个方面评估ATC系统的安全风险，引入博弈论中的纳什均衡来对指标进行权重计算。云物元评估采用模糊集和概率论中的云模型来取代传统物元理论中的确定性值，考虑到指标的随机性、模糊性和不相容性，通过计算指标与风险之间的标准云物元关联度来评估ATC系统的安全风险水平。本文通过引入并结合博弈论和云物元分析，扩展了研究范围。此外，以ATC系统为例，检验了该方法的适用性和鲁棒性，丰富了现有文献，指明了未来工作的方向。
空中交通管制员语言中的图像示意图隐喻
摘要 我们的目标是识别空中交通管制应用领域的图像图式隐喻 (ISM)，从而了解管制员的心理模型。通过在管制员的口语中标记 ISM，我们识别出表示空中交通三个视角的隐喻，即 (1) 飞机物理位置和飞行路径的地理视角，(2) 空中交通责任的隐喻实例化分布，以及 (3) 指代空中交通管理组织级别的隐喻。我们讨论了可能对设计连贯界面构成特殊挑战的目标域，因为它们映射到多个源域，有时与物理映射相竞争。我们的主要初步贡献是一份隐喻实例列表，作为未来空中交通管制环境中创新但直观易用的界面原型的基础。