XiaoMi-AI文件搜索系统
World File Search System交通管理
建设项目交通管理方案...
• 流动性 - 包括对行人、自行车和车辆交通的干扰；以及 • 社区 - 包括施工活动和工人停车需求对周围企业和居民的干扰。 TMP 的目标是为施工现场周围的行人、自行车和车辆交通提供安全通道，尽可能减少不便和延误，并尽量减少路内停车位的拆除。行人和自行车是城市的首要交通优先事项，应努力确保他们在施工期间的安全和便利。强烈建议负责提交 TMP 的承包商与交通工程顾问联系，以促进报告的准备。 TMP 将在满足以下要求的情况下由市工程师（或指定人员）接受：A) 申请人应使用这些指南确保所有必需的基本要素都包含在计划中。 B) 每个基本要素的详细程度将由市工程部门确定，并将基于项目的复杂性以及受影响的交通量和种类。 C) 交通管理计划提交文件应包括承包商的姓名、地址和电话号码以及代表申请人的 24 小时联系人的姓名和电话号码。北温哥华市的交通管理计划要求分为五个部分。未包含本文件所需信息和/或未包含市工程部门要求的任何其他数据的计划将被视为不完整，并被退回进行修订和重新提交。如果在施工过程中，交通管理要求发生变化以反映意外的施工活动，申请人应提交交通管理计划的修订。申请人必须在施工前十个工作日提交交通管理计划，以便市政府工作人员有足够的时间审查该计划并进行任何必要的修订，然后市政府才能接受该计划。未能满足最低可接受期限将导致延迟发放街道使用许可证或/和建筑许可证。申请人应确保所有施工活动均按照北温哥华市街道和交通法规进行。任何违反街道和交通法规规定的行为都将受到《法规通知执行条例》中规定的处罚。申请人应确保所有施工活动均按照已批准的交通管理计划进行。申请人将负责居民停车
用于空间交通管理的卫星反射器和激光测距
§ D. Hampf，“SpaceWatchGL 观点：黑暗海洋中的一盏明灯：为什么所有太空物体都应该有反射器”，https://spacewatch.global/2022/07/spacewatchgl-opinion-a-beacon-of-light-in-the-sea-of-darkness-why-all- space-objects-should-have-retroreflectors/
马萨诸塞州湾交通管理局 (MBTA) 社区行动计划
DTD 由四个分区组成：核心区、门户区、海滨区和社区区。核心区主要是商业和混合用途。门户区位于 Buzzards Bay 东侧，靠近 Bourne Bridge，可通往 495 号公路。海滨区位于 Buzzard Bay 市中心西侧，包括一个有限客运服务火车站（仅供 Cape Flyer 使用）、Buzzards Bay 公园、Taylor's Point Marina、马萨诸塞州海事学院和混合用途物业。最后，社区区主要由位于主街以南的单户住宅和两户住宅组成。市中心区是该镇预计修改分区的地方，以允许根据第 3A 条规定开发多户住宅。
无人机系统交通管理中的应急管理建模
认知工作建模可以支持对稳健性和弹性的评估。UTM 等复杂工作领域的工作由工作环境中的约束和动态驱动，这些约束和动态可以识别和编码（Vicente，1999 年）。一旦编码，就可以模拟模型来评估此类工作的动态（Pritchett、Bhattacharyya 和 IJtsma，2016 年；Pritchett、Feigh、Kim 和 Kannan，2014 年）。我们认为，对于评估未来 UTM 运营中的弹性，知识获取和建模可以成为形成性和迭代周期的一部分，在该周期中，对系统特性和响应的探索支持对设计要求的识别，类似于 Vicente（1999 年）和 Woods & Roth（1994 年）。在本文中，我们结合认知演练和边缘案例场景的计算建模和模拟，对 UTM 系统的稳健性和弹性进行基于模型的探索。
CORDIS 关于空中交通管理中人工智能的结果包
3 使用预测性 AI 降低机场成本（和延误） 6 AI 助手帮助空中交通管制员保持态势感知 8 人工智能在危险的天空中绘制安全路线 10 建立对空中交通管理 AI 的信任 12 AI 评估 ATM 系统变化对安全性和弹性的影响 15 更好的自动语音识别，实现更安全的空中交通管制 17 将乘客置于多式联运的中心 19 AI 模型帮助空中交通管理人员渡过大风暴 21 在空中交通管制系统中寻找自动化的位置 23 将预测性 AI 集成到空中交通管理工作流程中 25 机器学习方法模拟欧洲拥挤的天空 27 新的 AI 软件保护航空系统免受网络攻击 29 AI 驱动的航班分配可降低成本和延误 31 可解释的 AI 可提高对空中交通管理软件的信任 33 AI 帮助连接您旅程中的所有步骤
CORDIS 关于空中交通管理人工智能的成果包 - SESAR
3 使用预测性 AI 降低机场成本（和延误） 6 AI 助手帮助空中交通管制员保持态势感知 8 人工智能在危险的天空中绘制安全路线 10 建立对空中交通管理 AI 的信任 12 AI 评估 ATM 系统变化对安全性和弹性的影响 15 更好的自动语音识别，实现更安全的空中交通管制 17 将乘客置于多式联运的中心 19 AI 模型帮助空中交通管理人员渡过大风暴 21 在空中交通管制系统中寻找自动化的位置 23 将预测性 AI 集成到空中交通管理工作流程中 25 机器学习方法模拟欧洲拥挤的天空 27 新的 AI 软件保护航空系统免受网络攻击 29 AI 驱动的航班分配可降低成本和减少延误 31 可解释的 AI 可提高对空中交通管理软件的信任 33 AI 帮助连接您旅程中的所有步骤
国防部指令 4500.09 运输和交通管理
第 2 部分：职责 ................................................................................................................................ 6 2.1. 国防部采购与保障部副部长（USD(A&S)）. ................................................................ 6 2.2. 国防部各部门负责人. ...................................................................................................... 6 2.3. 海军部长. ...................................................................................................................... 6 2.4. 各军种部长和国防部机构主任. ...................................................................... 7 2.5. 陆军部长、空军部长和国防部机构主任. ...................................................................... 7 2.6. 参谋长联席会议主席. ............................................................................................................. 8 2.7. 美国运输司令部司令. ...................................................................................................... 8
空中交通管理自动化系统实施...
2019 年 9 月 2 日至 6 日，亚洲/太平洋空中航行规划和实施地区小组 (APANPIRG) 通信、导航和监视小组 (CNS SG/23) 第二十三次会议在泰国曼谷国际民航组织地区办事处举行。会议审议了 SURICG/4 报告以及其他 CNS SG/23 工作文件，并注意到 ATM SG/7 会议还听取了关于成立工作组处理 ATMAS 问题的提案的简报。多个国家/行政当局表示愿意支持工作队的工作，其中包括中国、中国香港、印度、印度尼西亚、尼泊尔、新加坡、泰国和美国。因此，会议通过了“决定 CNS SG/23/13 (SURICG/4/5) - 成立 ATM 自动化系统工作队 (ATMAS/TF)”。
太空交通管理（STM）
这项倡议的合作旨在协助国家和国际决策者促进外层空间的安全利用。从那时起，这三个组织都成立了致力于空间交通管理 (STM) 的工作组，这些工作组并行工作并相互联系，目标是创建一份联合综合文件，解决空间交通管理 (STM) 的关键概念。2006 年，IAA 为 STM 提供了第一个全面的定义：一套技术和监管规定，用于促进安全进入外层空间、在外层空间运行以及从外层空间返回地球时不受物理或射频干扰。这项联合努力建立在这一初步定义的基础上，并通过经验和全球对话解释了 STM 领域的发展。以下执行摘要简要描述了完整报告，可在 https://iafastro.directory/iac/folder/tc/spacetraffic/ 找到。
空中交通管理安全调查与分析
◦ ICAO 附件 13（航空器事故和事故征候调查） ◦ 分析技术 • 管理人为错误和公正文化 • 组织事故 ◦ SHEL 模型（软件、硬件、环境、实时软件） ◦ 推理模型和系统事件分析方法 (SOAM) • 人为表现限制 ◦ 压力和疲劳 ◦ 威胁和错误管理 ◦ 信息处理 ◦ 态势感知 ◦ 决策 • 证人访谈技术 ◦ 理论与实践 • SOAM ◦ 人为参与 ◦ 背景条件 ◦ 组织和系统因素 ◦ 事故预防障碍 • 调查问题和报告要求 ◦ 调查员素质 ◦ 人为偏见 ◦ 数据组织工具 ◦ 调查员的陷阱和技巧 • 有效的发现和建议 • 面试技巧实践课程 • SOAM 应用 • 案例研究 ◦ 安全调查和分析技术的实践和巩固 ◦ 联合工作以进一步完善安全调查和分析技术