MétaCan
Menu
Retour à la cohorte
Enregistrement W4367173709 · doi:10.1155/2023/1440763

Air Traffic Safety Assurance Based on Flight Plan Risk Assessment and Early Warning

2023· article· en· W4367173709 sur OpenAlexvenueno aff
Ruiwei Liu, Siqi Hao, Yaping Zhang, Guan Lian

Notice bibliographique

RevueJournal of Advanced Transportation · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAir Traffic Management and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesSpecific Research Project of Guangxi for Research Bases and TalentsBureau of Education of Guangzhou MunicipalityNational Natural Science Foundation of China
Mots-clésAir traffic controlContext (archaeology)Flight planPlan (archaeology)TrajectoryTransport engineeringAeronauticsWarning systemSafety assuranceRisk assessmentOperations researchComputer scienceEngineeringRisk analysis (engineering)BusinessComputer securityGeographyAerospace engineering

Résumé

récupéré en direct d'OpenAlex

This article presents a novel risk assessment method for aircraft flight plans in a four-dimensional trajectory-based operation background. With the increasing air transport volume and airspace demand and during the allocation and modification of flight plans, safety should also be considered in addition to economic benefits and competitiveness. By employing the time geography concept, this article first quantifies the space-time accessibility and estimates the visiting probability of aircraft in the four-dimensional trajectory-based operation context. On this basis, this article studies the method and process to evaluate the conflict risk between one flight plan and a special airspace, the weather-influenced airspace, and another flight plan. This article also proposes the conflict risk alerting strategy. The achievements of the study are expected to provide assistance for air traffic controllers in strategic conflict avoidance and are of great significance in assuring air transport safety.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,218
Écart entre enseignants0,212 · 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 source (Gemma direct ou Codex distillé), 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
GenreEmpirique

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

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

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