HyperAIHyperAI
il y a 17 jours

Prédire comme un pilote : ensemble de données et méthode pour prédire les trajectoires aériennes conscientes des interactions sociales dans des espaces aériens terminaux non contrôlés

Jay Patrikar, Brady Moon, Jean Oh, Sebastian Scherer
Prédire comme un pilote : ensemble de données et méthode pour prédire les trajectoires aériennes conscientes des interactions sociales dans des espaces aériens terminaux non contrôlés
Résumé

Les pilotes exploitant des aéronefs dans des espaces aériens non contrôlés s’appuient sur leur conscience situationnelle et leurs connaissances préalables pour prédire les trajectoires futures d’autres agents. Ces prédictions sont conditionnées par les trajectoires passées des autres agents, les interactions sociales entre agents ainsi que le contexte environnemental, tel que la localisation de l’aéroport ou les conditions météorologiques. Ce papier présente un ensemble de données, $\textit{TrajAir}$, qui capture ce comportement dans un espace aérien terminal non contrôlé autour d’un aéroport régional. Nous introduisons également un algorithme de prédiction de trajectoires socialement conscient, $\textit{TrajAirNet}$, qui utilise cet ensemble de données pour prédire les trajectoires de tous les agents. L’ensemble de données a été collecté sur une période de 111 jours sur une durée de huit mois, et inclut des données ADS-B provenant des transpondeurs ainsi que les données météorologiques correspondantes (METAR). Les données ont été traitées afin de pouvoir servir de référence comparative avec d’autres jeux de données publiques dédiés à la navigation sociale. À ce jour, il s’agit du premier jeu de données 3D dédié à la navigation aérienne sociale, ouvrant ainsi la voie à l’intégration de la navigation sociale dans l’aviation autonome. $\textit{TrajAirNet}$ combine des modules de pointe en navigation sociale afin de fournir des prédictions dans un environnement statique mais avec un contexte dynamique. L’ensemble de données $\textit{TrajAir}$ ainsi que l’algorithme de prédiction $\textit{TrajAirNet}$ sont open source. L’ensemble de données, le code source et une vidéo de démonstration sont disponibles respectivement à l’adresse https://theairlab.org/trajair/, https://github.com/castacks/trajairnet et https://youtu.be/elAQXrxB2gw.