研究人员开发了一个两阶段AI系统，用于预测哈茨菲尔德-杰克逊亚特兰大国际机场的飞机滑行路线。该系统使用包括XGBoost和LightGBM在内的机器学习模型，预测飞机将使用哪个跑道出口以及是否会穿越起飞跑道。模型在ASDE-X表面轨迹数据、飞机特性和天气条件下进行训练，预测准确率在0.70-0.89之间，具体取决于阶段。该研究旨在通过提供经过校准的、可解释的预测来增强空中交通管制员的态势感知能力。 AI
影响 通过对飞机运动进行预测分析，提高空中交通管制效率和安全性。
排序理由 该集群包含一篇研究论文，详细介绍了机器学习模型在特定预测任务中的新颖应用。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.11017v1 Announce Type: new Abstract: Airport surface operations increasingly constrain performance at high-throughput hubs. This study examines arrival taxi-in decisions at Hartsfield-Jackson Atlanta International Airport (KATL) and proposes a two-stage, data-driven de…
Airport surface operations increasingly constrain performance at high-throughput hubs. This study examines arrival taxi-in decisions at Hartsfield-Jackson Atlanta International Airport (KATL) and proposes a two-stage, data-driven decision aid that mirrors controller workflow. Sta…