MétaCan
Menu
Retour à la cohorte
Enregistrement W2809769650 · doi:10.1155/2018/6376417

Waypoint Position Optimization for Accurate Ground-Based Arrival Time Control of Aircraft

2018· article· en· W2809769650 sur OpenAlexvenueno aff
Noboru Takeichi

Notice bibliographique

RevueJournal of Advanced Transportation · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAir Traffic Management and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWaypointArrival timePosition (finance)Time of arrivalTrajectory optimizationComputer scienceMultilaterationTrajectorySimulationControl theory (sociology)Real-time computingEngineeringOptimal controlControl (management)Mathematical optimizationMathematics

Résumé

récupéré en direct d'OpenAlex

In the ground-based arrival time control operation, the measurement of the arrival time error and the speed advisory to cancel it are performed at specific waypoint(s). It is generally recognized that the arrival time accuracy depends on the accuracy of trajectory prediction and control and the availability of information about the aircraft intent. Additionally, the position of the waypoint also determines the arrival time accuracy. Therefore, in this study, the feasibility of waypoint position optimization to improve the arrival time accuracy of aircraft controlled by ground-based speed advisory and its effectiveness are discussed. The models of flight time uncertainty and the arrival time control window were developed using the actual track and numerical weather forecast data. An optimization problem was formulated that defined the arrival time uncertainty at the terminal point as the objective function and numerically solved using sequential quadratic programming. Through numerical investigations, the feasibility of the waypoint position optimization and its effectiveness were clearly demonstrated in comparison with uniform arrangement cases. It was also clarified that the advantage of the multiple waypoint application was enhanced when larger arrival time control windows were available.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,820
Score d'incertitude au seuil0,437

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,005
Tête enseignante GPT0,211
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetAir Traffic Management and OptimizationTravaux en français237 207