将来の航空管制のための機械学習とルールに基づく航空交通システムの構築

为未来的空中交通管制构建机器学习和基于规则的空中交通系统

基本信息

批准号：
22KJ2817
负责人：
関根將弘
金额：
$ 1.6万
依托单位：
Tokyo University of Science
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2023
资助国家：
日本
起止时间：
2023-03-08 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KJ2817/
关键词：
航空交通管理航空管制シミュレーション実験複雑系

项目摘要

将来の航空交通の需要増加に伴い，航空路管制官が，混雑空港への到着機に対して戦略的に速度制御する必要性が出てきた．ただし，航空交通流全体を処理するために，局所的ではなく，航空管制システム全体の技術革新が必要である．本研究では，機械学習と高度化されたルールに基づく全体最適な航空交通システムを構築することを目的として，本年度は航空交通モデルの拡張整備および検証を行ってきた．ＢＡＤＡの軌道予測とＭＳＭ風向風速予測の２つの物理モデルと管制を模擬したセルオートマトンによる間隔調整ルールを用いて，従来の方程式ベースではなくルールベースで日本全国の航空交通流をモデル化し，初期的数値実験を成功させた．具体的には，日本の空域である福岡FIRを通過する定期航空便を対象として，実際の航空交通・気象データ及び空域・経路・ウェイポイントなどのアダプテーションデータ等を利用し，シミュレーション対象とする時間帯において飛行計画に沿って航空交通を発生させ，数値実験を実施した．その結果，実際の間隔調整を考慮した飛行距離や時間，日本全国の空港における１時間あたりの離着陸流量を表現できると同時に，セルオートマトンの最適なパラメータ範囲を明らかにした．そして，従来のボトルネックとされていた羽田空港だけでなく，他の日本全国の路線も同程度の遅延時間を占めており，それらを含めた離陸時刻・巡航速度制御等の流量管理が有効であることを定量的に示した．さらに，当該モデルを活用し，東京国際空港到着機対象ではあるが，多目的最適化によって得られた最適な速度制御を，機械学習手法の１つである決定木により人間が解釈可能なルールとして可視化できることも明らかにした．これらの研究成果を，ジャーナル論文1篇や学会発表論文3篇等にまとめて発表した．最終年度に行うヒューマンインザループシミュレーション実験の環境構築やデモンストレーションにも着手した．

随着未来对空中交通的需求不断增长，空中交通管制员需要战略控制速度到达繁忙机场的飞机。但是，为了处理整个空中交通流量，需要整个空中交通管制系统中的技术创新，而不是本地。今年，我们已经扩展并验证了空中交通模型，目的是基于机器学习和高级规则建立总体最佳空中交通系统。使用两个物理模型，BADA轨迹预测以及MSM风向和风速预测，以及模拟控制的蜂窝自动机间距调整规则，日本的空气流量是基于规则的基础而不是基于常规方程式建模的，并且初始数值实验成功了。具体来说，对于经过日本领空的福冈FIR的常规航空航班，我们使用了实际的空中交通和天气数据，适应数据，例如空域，路线和航路点，以在用于模拟和进行数字实验的目标时期与飞行计划相一致。结果，考虑到实际的间隔调整，可以在日本机场表达每小时的飞行距离，并在日本机场的每小时撤离和下降流量，同时还可以阐明蜂窝自动机的最佳参数范围。此外，不仅以前被认为是瓶颈的Haneda机场，而且日本的其他路线也占相同的延迟时间，并且定量证明流动控制在内，包括起飞时间和巡航速度控制均有效。此外，使用此模型，据透露，尽管它针对到达东京国际机场，但可以将通过多目标优化获得的最佳速度控制可视化为使用决策树的人类可以解释的规则，这是机器学习方法之一。这些研究结果在一篇期刊论文和三篇学术论文中介绍。我们还开始建立一个环境，并展示了将在最后一年进行的人类模拟实验。