摘要 - 已经开发了越来越多的机器学习(ML)工具和原型,以协助空中交通管制员(ATCO)的决策过程。这些ML工具可以促进更快,更一致的决策,以进行流量监控和管理。但是,其中许多工具都使用了模型,在这些模型中,机器做出的决策不容易被ATCO组成。因此,有必要为ATCO开发可解释的基于ML模型的工具,以管理使用基于ML模型的决策的固有风险。这项研究调查了视觉上解释的ML模型,用于跑道出口预测,以实现更好的跑道管理。具体来说,这项研究采用了XGBoost上的局部可解释的模型解释(LIME),在该解释中,可以看到机器做出的跑道退出预测的决策。XGBoost在这里研究的三种飞机分别达到了94.35%,94.17%和80.87%的分类精度。分析石灰参数时,石灰显示了与特定跑道出口相对应的每个飞机的特征的贡献。此外,视觉分析可以将跑道退出预测中不确定性的来源告知决策者。因此,这项工作为基于ML的跑道出口预测铺平了道路,视觉上可解释的机器决策可以为ATCO提供见解,以提供有效的跑道管理以及到达和出发的计划。交互式接口可视化跑道退出预测的机器决策的交互式界面也是本文的原型。
都柏林机场的主要增长来源仍然是基地航空公司和网络航空公司,尤其是飞往英国和欧洲目的地的航空公司。在都柏林机场拥有飞机的运营商对清晨和傍晚的运力有特殊要求,以便能够最有效地利用飞机。基地飞机每天可以从基地起飞两到四次,具体取决于航段长度。这加强了他们对机场的承诺,并为国家创造了更多的就业机会和更高的经济效益。23:00 至 07:00 之间限制使用北跑道导致运力分配不高效,否则这些运力本来可以用来满足基地航空公司及其乘客的特殊需求以及其他运营商的需求。
本《学位论文 - 开放获取》由 Scholarly Commons 免费提供给您,供您开放获取。它已被 Scholarly Commons 的授权管理员接受,可纳入学位论文和论文中。如需更多信息,请联系 commons@erau.edu 。
• 将所述证券的发行情况通知证券交易委员会和/或提交本通知的各个州,并承诺在收到书面请求后,向其提供已提供给受发行人的信息。 • 不可撤销地任命美国证券交易委员会秘书、发行人主要营业地所在州的证券管理人或其他法定官员以及本通知提交地所在州的官员作为其送达诉讼文书的代理人,并同意上述人员可以代表其接受任何通知、诉讼文书或诉状的送达,并进一步同意此类送达可以通过挂号信或认证邮件进行,在任何联邦或州诉讼、行政诉讼或仲裁中,在美国管辖的任何地方对其提起诉讼、诉讼程序或仲裁中,如果该诉讼、诉讼程序或仲裁 (a) 源于与本通知所涉及的证券发行有关的任何活动,并且 (b) 直接或间接基于以下规定:(i) 《1933 年证券法》、《1934 年证券交易法》、《1939 年信托契约法》、《1940 年投资公司法》或《1940 年投资顾问法》,或任何这些法规,或 (ii) 发行人主要营业地所在州或提交本通知的任何州的法律。 • 证明发行人没有因规则 505(b)(2)(iii) 中所述原因之一而丧失依赖上文第 6 项中确定的任何 D 条例豁免的资格。
表 5-4:AQMA 详情和 NO 2 监测结果 表 5-5:现有区域施工活动粉尘排放量 表 5-6:现有区域缓解前的粉尘风险汇总表 表 5-7:扩建区域施工活动粉尘排放量 表 5-8:扩建区域缓解前的粉尘风险汇总表 表 5-9:气候变化对空气质量的影响 表 5-10:空气质量初步评估摘要 表 6-1:与交通和运输相关的 ANPS 要求以及 PEIR 中的处理方式 表 6-2:与交通和运输相关的利益相关方参与 表 6-3:主要交通和运输范围界定意见以及 PEIR 中的处理方式 表 6-4:交通和运输受体的敏感度 表 6-5:影响程度和典型描述 表 6-6:高速公路和双车道道路的驾驶员压力阈值 表 6-7:驾驶员压力单行道阈值表 6-8:行人恐惧和威胁阈值表 6-9:前往机场的出行方式表 6-10:交通和运输影响的重要性表 6-11:LTN 的长途客车服务表 6-12:LTN 附近的公交服务表 6-13:高灵敏度受体表 6-14:公路网施工交通高峰表 6-15:需要进一步考虑的路段表 6-16:评估道路路段上的驾驶员压力表 6-17:基于平均交通量的行人危险程度
摘要:2020 年,美国报告了超过 10,000 起鸟击事件,平均每年修复费用超过 2 亿美元,全球修复费用上升至 12 亿美元。这些鸟类与飞机的碰撞对人类安全和野生动物构成了重大威胁。本文介绍了一种专用于监控机场上空空间的系统,用于定位和识别移动物体。该解决方案是一种基于立体视觉的实时鸟类保护系统,它使用物联网和分布式计算概念以及先进的 HMI 来提供设置的灵活性和可用性。为了实现高度定制,提出了一种具有自由定向光轴的改进型立体视觉系统。为了为中小型机场提供可负担得起的市场定制解决方案,使用了用户驱动的设计方法。在 MATLAB 中实现并优化了数学模型。在真实环境中验证了所实现的系统原型。使用带有 GPS 记录器的固定翼无人机对系统性能进行定量验证。获得的结果证明了该系统实时检测和尺寸分类的高效性,以及高度的定位确定性。
摘要:2020 年,美国报告了 10,000 多起鸟击事件,平均每年修复费用超过 2 亿美元,全球修复费用上升至 12 亿美元。鸟类与飞机的碰撞对人类安全和野生动物构成了重大威胁。本文介绍了一种专用于监控机场上空空间的系统,用于定位和识别移动物体。该解决方案是一种基于立体视觉的实时鸟类保护系统,它使用物联网和分布式计算概念以及先进的 HMI 来提供设置的灵活性和可用性。为了实现高度定制,提出了一种具有自由定向光轴的改进型立体视觉系统。为了为中小型机场提供可负担得起的市场定制解决方案,采用了用户驱动的设计方法。数学模型在 MATLAB 中实现和优化。在真实环境中验证了实施的系统原型。使用带有 GPS 记录器的固定翼无人机对系统性能进行定量验证。得到的结果证明了该系统实时检测和尺寸分类的高效性以及高度的定位确定性。
摘要:为评估跑道是否能满足安全、可靠、高效的目标,需要建立综合评价指标体系进行评价。首先,建立跑道运行体系,将跑道性能评价指标分为人员因素、保障设施、任务需求、运行环境和管理因素5个方面,建立综合评价指标体系。其次,建立博弈论组合赋权的TOPSIS评价模型,利用博弈论对AHP和CRITIC得到的权重进行优化赋权,采用理想解(TOPSIS)对跑道性能进行综合评价。最后,利用该模型对3个机场的跑道性能水平进行评价,并对3种评价方法进行了比较。结果表明,利用该模型进行跑道性能评估的结果与机场实际运行情况相符。该方法简单易行,结果科学客观,通用性强。
美国国家运输安全委员会认定,事故的可能原因是洛杉矶空中交通设施管理局未能实施与国家运行岗位标准要求相当的冗余程序,以及美国联邦航空管理局空中交通服务局未能为其空中交通控制设施管理人员提供足够的政策指导和监督。这些故障在洛杉矶空中交通管制塔内造成了一种环境,最终导致第二当地管制员 (LC2) 无法保持对交通状况的了解,最终导致全美航空和天西航空未获得适当的许可,从而导致两架飞机相撞
摘要:减少跑道入口处的出发队列长度是减少机场飞机交通拥堵和燃料消耗的最重要要求之一。本研究使用随时间变化的流体队列设计了跑道上的飞机出发模型。所提出的模型使我们能够确定出发队列中的飞机等待时间,并评估在登机口而不是跑道入口处分配合适停留的有效控制方法。作为案例研究,本研究模拟了东京国际机场 05 号跑道一整天的出发队列。使用机场出发的实际交通数据,该模型估计飞机在 05 号跑道上一天总共花费 2.5 小时的出发等待时间。考虑到实际出发交通的随机性,使用验证标准讨论了所提出的模型的相关性。与实际交通数据中记录的出发队列相比,模型估计显示出合理的预期数量级。此外,假设起飞排队长度减少,则定量评估生态和经济效益。我们的结果表明,由于飞机在一条起飞跑道上等待起飞,每年会浪费大约一千吨燃油。