Dataanalyse for mere sikkert luftrum

Forestil dig at kunne forudsige en uerfaren pilots uberegnelige flyvebane i realtid.

QUT -forskere har udnyttet dataanalyse til at opbygge en algoritme, der hurtigere og mere præcist kan forudsige ethvert objekts bane end eksisterende tilgange.

"Hvis det har en bane, vi kan forudsige det, "sagde professor Clinton Fookes, der leder QUT's Vision og Signal Processing forskningsdisciplin i Science and Engineering Faculty. "I et forsvarsmiljø, dette værktøj kan hjælpe med at give større situationsfornemmelse af både ejede og fjendtlige aktiver og luftrum.

"Det kunne anvendes på luftrum, militærbaser, offentlig transport eller indkøbscentre - hvor som helst du vil analysere bevægelse. "

Den unikke algoritme kombinerer to maskinlæringsteknikker til at analysere og forudsige baner i realtid-dybe neurale netværk og hukommelsesnetværk.

"I det væsentlige, den er bygget til at måle en bane ind og forudsige en bane ud, "Sagde professor Fookes.

"Men da det tager målobjektets bane ind, det tager også banerne for tilstødende objekter for at skabe en bevidsthed om, hvad der er omkring målet, og hvordan disse objekter bevæger sig ".

"Ud over, den trækker på hukommelsesnetværk af lagrede historiske baner for den samme placering - disse forsøger at efterligne, hvordan den menneskelige hukommelse fungerer ".

"Disse to datasæt analyseres derefter af et andet undernetværk, der bestemmer, hvor målet skal gå næste gang."

For at sikre robusthed, forskere uddannede algoritmen ved hjælp af forskellige store datasæt, herunder flyvekontroldata fra Brisbane lufthavn, radar- og kameradata fra fodgængertrafik ved QUT og fodgængerbanedatabaser fra Edinburgh og New York.

"Det kan knuse omkring 1000 forudsigelser på et par sekunder, "sagde Dr. Simon Denman, et andet projekt Chief Investigator.

"Brug af Brisbane Lufthavnsdata fra en alvorlig vejrhændelse i 2015, vi var i stand til at teste, hvor godt vores algoritme klarede sig i en sådan dynamisk situation ".

"Dens forudsigelser var meget nøjagtige, fordi de indregnede, hvordan tidligere piloter opførte sig under lignende forhold for at forudsige, hvad målpiloten sandsynligvis vil gøre næste".

"I det civile luftrum, denne algoritme kunne hjælpe med at styre droner, hvor vi kunne se, potentielt, et stadig mere overfyldt og begrænset luftrum. "

Teamet håber at udvide projektet i fremtiden for at undersøge, hvordan algoritmen kan bruges til at optimere flyveveje og rejseruter.