automatic dependent surveillance-broadcast
PulseAugur coverage of automatic dependent surveillance-broadcast — every cluster mentioning automatic dependent surveillance-broadcast across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AeroSense模型使用微观飞机状态预测空中交通流
研究人员开发了AeroSense，这是一种预测终端空域空中交通流的新方法。与将交通数据汇总为时间序列的传统方法不同，AeroSense直接从ADS-B轨迹推导出的单个飞机的瞬时状态来建模未来的交通流。这种微观飞机状态建模保留了细粒度的动态，并能适应不同的交通密度，而无需依赖历史回溯窗口。在真实世界数据上的实验表明，AeroSense具有卓越的预测准确性和鲁棒性，尤其是在高密度交通时段，表明它是一种有前途的传统预测技术的替代方案。
-
DIY项目将实时飞行路径投射到天花板上
软件工程师Cameron Paczek开发了一个名为Skylight的开源项目，该项目使用树莓派和ADS-B无线电天线来追踪实时飞机移动。该系统拦截飞机的信号，并将它们的飞行路径以及天体细节投射到天花板上。Paczek的项目之所以引人注目，是因为它收集自己的数据，而不是依赖现有的航班追踪服务，并且构建成本低于400美元。
-
LLM用于航空交通安全分析
研究人员正在探索使用大型语言模型（LLMs）来提高航空交通管制（ATC）和非塔台机场周围的安全性。一项研究提出了一种视觉-语言模型方法，用于分析无线电通信、天气数据和飞行轨迹以进行安全评估，并使用开源模型取得了高F1分数。另一篇论文介绍了一个面向安全的评估框架，该框架强调了具有后果意识的度量的关键需求，因为标准的准确性衡量标准可能会掩盖ATC操作中的严重风险。
-
AeroSense框架使用飞机状态预测空中交通流
研究人员开发了AeroSense，一个用于预测终端空域短期空中交通流的新框架。与之前将交通数据聚合为时间序列的方法不同，AeroSense对个体飞机状态及其相互作用进行建模。这种微观方法通过保留精细的动态和控制意图，尤其是在高密度时期，可以实现更准确的预测。该框架将瞬时飞机状态直接映射到未来的交通流，为传统的预测范式提供了替代方案。