图 1-1. TFM 功能 ................................................................................................................ 7 图 2-1. 当前运行环境 .............................................................................................................. 17 图 2-2. ATC 设施的相对组织 .............................................................................................. 18 图 2-3. 整个 NAS 的 TFM 设施 ............................................................................................. 19 图 2-4. TFM 决策过程概览 ............................................................................................. 23 图 2-5. 与 TFMS 交换数据的自动化系统 ............................................................................. 24 图 2-6. PERTI 规划时间表示例 ............................................................................................. 25 图 2-7. NAS 监视器 ............................................................................................................. 27 图 2-8. 出发查看器 ............................................................................................................. 28 图 2-9. FCA 动态航班列表 ............................................................................................. 29 图 2-10.芝加哥奥黑尔国际机场 (ORD) 的 AADC 视图 ...................................................... 30 图 2-11. 用于证明流量限制的 FEA 示例 ........................................................................ 32 图 2-12. FSM 中的建模结果示例 ............................................................................ 33 图 2-13. RMT 显示 o
在军事地面部署和配送司令部 (SDDC) 的运输财务管理系统 (TFMS) 内建立人力资源账户。这些信息用于在 TFMS 和 Oracle Business Intelligence Enterprise Edition 中建立和控制用户账户,以及验证运输增强访问管理服务访问权限。受访者是通过国防文职人员薪酬系统领取工资的新员工、使用 SDDC 会计线报销的旅行者,或任何需要访问会计系统以输入数据或查询现有数据的人。他们正在响应信息收集,以确保他们获得工资和福利,或作为其指定职责的一部分访问会计系统。受影响的公众:个人或家庭。频率:按要求。受访者的义务:自愿。OMB 主管官员:Jasmeet Seehra 女士。您还可以通过以下方法提交意见和建议,以 Docket ID 编号和标题标识:• 联邦电子规则制定门户:http://www.regulations.gov。按照提交意见的说明进行操作。说明:收到的所有意见必须包括机构名称、案卷 ID 号和本《联邦公报》文件的标题。公众提出的意见和其他意见的一般政策是将这些意见在收到后不加更改地发布在互联网上供公众查看,网址为 http://www.regulations.gov,包括任何个人身份信息或联系信息。国防部审批官:Angela Duncan 女士。如需索取信息收集提案的副本,请发送至 Duncan 女士,邮箱地址为 whs.mc-alex.esd.mbx.dd-dod-information-collections@mail.mil。
4D 四维 ABRR 机载改道 ABTM 机载轨迹管理 ACARS 飞机通信寻址和报告系统 ANSP 空中导航服务提供商 AOC 航空公司运营中心 ARTCC 空中交通管制中心(“中心”) ATCSCC 空中交通管制系统指挥中心 CDM Net 协作决策网络 CDM 协作决策 CTOP 协作轨迹选项程序数据通信数字数据通信 EFB 电子飞行包 ERAM 航路自动化现代化 FAA 联邦航空管理局 FL 飞行高度 FMS 飞行管理系统 NAS 国家空域系统 NASA 美国国家航空航天局 NextGen 下一代空中运输系统 RAD 航路修正对话 RTA 所需到达时间 RTC 相对轨迹成本 SATM 战略机载轨迹管理 STAR 标准终端到达航路 SWIM 全系统信息管理 TASAR 交通感知战略机组请求 TBFM 基于时间的流量管理 TBO 基于轨迹的运行TFDM 终端飞行数据管理 TFM 交通流量管理 TFMS 交通流量管理系统 TMU 交通管理单元 TOS 轨迹选项集 TRACON 终端雷达进近管制
4D 四维 ABRR 机载改道 ABTM 机载轨迹管理 ACARS 飞机通信寻址和报告系统 ANSP 空中导航服务提供商 AOC 航空公司运营中心 ARTCC 空中交通管制中心(“中心”) ATCSCC 空中交通管制系统指挥中心 CDM Net 协作决策网络 CDM 协作决策 CTOP 协作轨迹选项程序数据通信数字数据通信 EFB 电子飞行包 ERAM 航路自动化现代化 FAA 联邦航空管理局 FL 飞行高度 FMS 飞行管理系统 NAS 国家空域系统 NASA 美国国家航空航天局 NextGen 下一代空中运输系统 RAD 航路修正对话 RTA 所需到达时间 RTC 相对轨迹成本 SATM 战略机载轨迹管理 STAR 标准终端到达航路 SWIM 全系统信息管理 TASAR 交通感知战略机组请求 TBFM 基于时间的流量管理 TBO 基于轨迹的运行TFDM 终端飞行数据管理 TFM 交通流量管理 TFMS 交通流量管理系统 TMU 交通管理单元 TOS 轨迹选项集 TRACON 终端雷达进近管制
摘要:本文利用美国联邦航空管理局提供的交通流量管理系统 (TFMS) 特定航线固定翼飞机轨迹公共数据集,测量了六种轨迹预测模型的两个主要因素,包括回归准确性和对抗攻击鲁棒性。从基本的常规到高级的深度学习,六种数据驱动的回归器及其所需的架构,从其预测轨迹的准确性和可靠性方面进行了探索。本文的主要贡献是针对飞机轨迹问题描述了对抗样本的存在,本文将其重铸为回归任务。换句话说,虽然数据驱动算法是目前最好的回归器,但它们可能会受到对抗样本的攻击。对抗样本类似于训练样本;然而,它们会导致经过精细训练的回归器做出错误的预测,这对基于学习的轨迹预测算法构成了安全隐患。结果表明,尽管基于深度学习的算法(例如长短期记忆 (LSTM))相对于传统分类器(例如支持向量回归 (SVR))具有更高的回归准确度,但它们对精心设计的状态更敏感,这些状态可以被精心操纵,甚至可以将其预测状态重定向到不正确的状态。这一事实对飞机构成了真正的安全问题,因为对抗性攻击可以重新