XiaoMi-AI文件搜索系统
World File Search System空中交通
EATS：基于代理的空中交通模拟器 - accedaCRIS
我们介绍了一种实验性空中交通模拟器 (EATS)。它被认为是一种初步评估飞行程序、算法和人机界面的工具，用于围绕空中交通管理 (CNS/ATM) 的新通信、导航和监视系统的未来导航和空中交通。拟议的 EATS 模拟器版本为飞机动态提供了真实的数据，并包括从空中交通管制 (ATC) 的角度在飞机之间交换信息。它还考虑了气象条件和地形限制。该系统设计为多智能体系统，并在 JADE 框架上实施。其架构有利于其后期扩展，以纳入和评估在特定空域中运行的智能体之间的新通信协议和协商。
关于无线空中交通中的感知与现实...
民航界强调安全，拥有良好且稳步改善的安全记录。然而，安全不是安全，需要采取不同的方法。虽然我们在调查期间遇到了许多乐于助人且感兴趣的航空人士和机构，但普遍的感觉仍然是“为什么需要安全？目前的空中交通通信不安全吗？”。事实上，从历史上看，很少有记录显示通信技术被恶意利用来给飞机造成困扰的事件。因此，即使是最近开发的从传统雷达转向现代数字通信网络的航空技术，其规格中也没有包括设计安全性；相反，系统几乎完全依赖于冗余。
平衡空中交通需求的机器学习框架...
摘要 - 平衡空中交通需求和空域储能是领空管理中的关键挑战。此任务需要空中交通管制员之间的情境意识，需要使用可解释的流量预测和视觉工具来促进知名度良好的决策过程。本文提出了拟议的机器学习框架 - 旨在通过动态空域部门（DAS）平衡空域需求和容量的工作。das是一个概念，涉及扇区配置的动态变化，以响应交通需求的波动。所提出的框架包括四个关键组件：（i）需求和容量预测，利用时间融合变压器（TFT） - 一个高性能的多疗法预测模型，可为温度动态提供可解释的洞察力，启用交通需求和空域行业能力的预测，并具有4个小时的空间预测，并在4小时内和6小时的后方窗口外观。 （ii）使用基于密度的使用噪声（DBSCAN）算法的应用程序的空间聚类来有效地学习交通模式并识别主要的流量流； （iii）DAS，通过采用基于图的分区方法来优化空域行业的容量，以分裂扇形，而预测需求超过容量； （iv）视觉界面，提供一个交互式平台，该平台为需求和容量预测提供了扇区分裂边界和关键影响者，从而为空中交通管制员提供了良好信息的及时DAS。为了验证拟议的空调框架，2019年12月，来自新加坡飞行信息区（FIR）的四个选定部门的空中交通数据用于培训和评估。实验结果证明了该模型的高精度，交通需求预测的平均绝对误差为0.0234，空域部门容量预测为0.0291。此外，R平方值表示高预测性能，流量需求平均为0.9133，空域行业容量为0.9605。
影响城市空中交通采用和使用的因素
近年来，技术进步推动了城市空中交通 (UAM) 的发展，这是一种替代性交通方式，其多种概念包括由按需全自动垂直起降飞机 (VTOL) 操作的车辆用于市内客运。然而，尽管人们对 UAM 的兴趣日益浓厚，但用户对它的看法仍然有限。本研究旨在基于文献中的相关工具，例如飞行器概念和地面自动驾驶汽车研究中反复出现的因素，以及接受模型，如 Davis 等人 (1989) 的技术接受模型，来识别和量化影响 UAM 的采用和使用的因素。我们制定了一份陈述偏好调查，以评估用户对采用时间范围的看法，包括服务实施的前六年、“不确定”和“从不”等选项。使用探索性因子分析以及合适的离散选择模型、多项逻辑模型 (MNL) 和有序逻辑模型 (OLM) 的指定和估计来评估所获得的结果，以采用时间范围为因变量。研究结果表明，安全性和信任、对自动化的亲和力、数据关注度、社会态度以及社会人口统计对于采用至关重要。节省时间的价值、对自动化成本的认知以及服务可靠性等因素也被发现具有很大的影响力。还有迹象表明，持怀疑态度的受访者（即回答“不确定”）的行为与晚期和非采用者相似，即采用时间范围超过六年或回答“从不”。总结结果以扩展的城市空中交通技术接受模型来表示，并为政策制定者和行业利益相关者提供了见解。
空中交通服务行动 - 情报资源计划
在过去的一个世纪里，战争变得越来越复杂。陆军组织从大型师级组织转变为当今以旅为基础的联合兵种团队。为了应对这一挑战，ATS 组织经历了转型，以更好地使航空兵满足不断变化的战线的要求。ATS 组织现在旨在有效地支持陆军航空兵和联合、跨机构、跨部门和多国 (JIIM) 部队。ATS 组织能够安全有效地使用积极和程序控制措施，并指定机场管理结构来管理战区级别的高密度和拥挤的机场。这种设计的组织原则是教义平衡、后勤可支持、现代化、多功能和模块化。
9 人工智能驱动的空中交通中的人机协作...
人工智能正逐渐进入军事行动，该学科的进步推动了战场自主性在质量和数量上的提升。这意味着作战人员将越来越多地与具有越来越先进的自主能力的机器共存。随着机器从简单的工具跃升为合作队友，人机协作将成为现代战争的核心。空军的忠诚僚机概念表明，人与机器之间的互动质量对于成功的人机协作与机器的技术复杂程度同样重要。了解如何确保人与机器之间的信任至关重要。人工智能和机器学习将使信任变得更加必要和更难实现，而与神经技术的融合可能会进一步使任务复杂化，带来新的挑战。
影响城市空中交通采用和使用的因素
近年来，技术进步推动了城市空中交通 (UAM) 的发展，这是一种替代性交通方式，其多种概念包括由按需全自动垂直起降飞机 (VTOL) 操作的车辆用于市内客运。然而，尽管人们对 UAM 的兴趣日益浓厚，但用户对它的看法仍然有限。本研究旨在基于文献中的相关工具，例如飞行器概念和地面自动驾驶汽车研究中反复出现的因素，以及接受模型，如 Davis 等人 (1989) 的技术接受模型，来识别和量化影响 UAM 的采用和使用的因素。我们制定了一份陈述偏好调查，以评估用户对采用时间范围的看法，包括服务实施的前六年、“不确定”和“从不”等选项。使用探索性因子分析以及适当的离散选择模型、多项逻辑模型 (MNL) 和有序逻辑模型 (OLM) 的规范和估计对所获得的结果进行了评估，其中采用时间范围作为因变量。研究结果表明，安全性和信任、对自动化的亲和力、数据关注、社会态度和社会人口统计学对于采用自动化非常重要。还发现，诸如节省时间的价值、对自动化成本的认知和服务可靠性等因素也具有很大的影响力。还有一个 ind
空中交通的未来：电动飞机和飞行出租车
先进空中交通 (AAM) 行业最近很火爆，仅在 2021 年前 9 个月就吸引了超过 54 亿美元的投资。Lilium 于 9 月成为一家上市公司。Wiegand 表示，该公司计划在 2024 年向消费者提供首批商业航班；目前公布的地点包括佛罗里达州以及德国和巴西的部分地区。与许多专注于城市空中交通（在城市内往返运送乘客和货物）的 AAM 参与者不同，Lilium 正准备提供区域城际服务。它的网站描述了这样一个世界：未来从旧金山到太浩湖，乘坐 eVTOL 飞机只需不到一小时，而开车则需要近四个小时。从苏黎世到圣莫里茨，开车需要两个半小时，乘飞机只需 29 分钟。Wiegand 称之为“扩大生活半径”。
探索空中交通管制员疲劳风险名册...
疲劳有复杂的心理和生理因素，包括睡眠不足、昼夜节律紊乱、感知工作量、延长值班时间、临床睡眠病理学、社会心理方面、环境因素和轮班表。疲劳会对人类表现产生负面影响，并可能导致产出不足和安全失误（Gaydos、Curry 和 Bushby，2013 年；Huey 和 Wickens，1993 年）。疲劳会损害各种心理运动技能和认知功能，而这些技能和功能对于人类在航空业（Caldwell 等人，2009 年）和其他高后果行业（Paltrinieri、Dechy、Salzano、Wardman 和 Cozzani，2012 年）的表现至关重要。因此，减轻疲劳影响的策略主要集中在监管和科学方法上，这些方法限制了工作时间，以防止在航空、医疗和制造业领域工作的人长期困倦（Balkin、Horrey、Graeber、Czeisler 和 Dinges，2011 年）。
空中交通中的职业压力和压力管理...
在线访问 https://mpra.ub.uni-muenchen.de/116504/ MPRA 论文编号116504，发布于 2023 年 2 月 25 日 14:39 UTC