XiaoMi-AI文件搜索系统
World File Search System交通冲突
空中交通冲突检测与解决中的人体工程学考虑
3 新加坡理工学院海事安全卓越中心，139651，新加坡 摘要。最新的全球空中交通显示出大流行后全球空中交通大幅复苏的积极迹象。本文旨在从人体工程学的角度对空中交通管制 (ATC) 中的空中交通冲突检测和解决 (CDR) 进行系统的文献综述，并开发一个 CDR 流程的基础框架来应对空中交通密度的反弹。采用系统评价和荟萃分析 (PRISMA) 的首选报告项目对 ATC CDR 中的先前出版物进行审查。基于所审查的 35 篇文献，制定了 CDR 框架，重点介绍了 ATC 作为社会技术系统的关键方面，包括人类、环境、界面/系统和任务。本研究还阐明了未来的研究方向，包括加速 ATC 熟练程度、ATC 系统设计、全球交通模式分析、ATC 自动化透明度以及旨在提高空中交通安全和效率的任务设计。本文进一步讨论了越来越多的 ATC CDR 文献中的要点。
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