精选理由
空中交通管制员的工作负荷预测长期依赖粗粒度模型，这篇论文用图网络+概率方法把精度提了一个台阶。做航空调度、空域管理的团队可以直接参考其算法思路，提前45分钟预判复杂度比传统方法更准。
该研究提出了一种基于图模型的概率方法，用于预测英国伦敦中部扇区（LMS）的空中交通复杂度。通过改进现有过滤算法，识别需要管制员监控或解冲突的相关飞机对，作为管制员工作负荷的代理指标。新算法在50个标记场景上的F1分数从0.69提升至0.84。研究构建了LMS航路网络的图表示，并建模飞机到达时间的不确定性，可提前45分钟预测管制员工作负荷。该方法与真实相关交互的斯皮尔曼相关系数为0.68，优于传统交通量预测的0.55，为扇区配置和人员排班提供了数据驱动工具。
AI 翻译 · 中文
该研究提出了一种基于图模型的概率方法，用于预测英国伦敦中部扇区（LMS）的空中交通复杂度。通过改进现有过滤算法，识别需要管制员监控或解冲突的相关飞机对，作为管制员工作负荷的代理指标。新算法在50个标记场景上的F1分数从0.69提升至0.84。研究构建了LMS航路网络的图表示，并建模飞机到达时间的不确定性，可提前45分钟预测管制员工作负荷。该方法与真实相关交互的斯皮尔曼相关系数为0.68，优于传统交通量预测的0.55，为扇区配置和人员排班提供了数据驱动工具。
Effectively managing Air Traffic Control Officer (ATCO) workload is crucial in maintaining operational safety. Group supervisors use tools that estimate upcoming traffic load to aid decision-making. However, industry-sta…