En algoritme med øje for synlighed hjælper piloter i Alaska

Mere end tre fjerdedele af Alaskas samfund har ingen adgang til motorveje eller veje. I disse fjerntliggende regioner, små fly er en bys bus, ambulance, og madlevering - det eneste middel til at få mennesker og ting ind og ud.

Så rutinemæssig som daglig flyvning kan være, det kan være farligt. Disse små (eller generelle luftfart) flyvninger flyves typisk visuelt, ved at en pilot kiggede ud af cockpitvinduerne. Hvis der opstår pludselige storme eller tåge, en pilot kan muligvis ikke se en landingsbane, nærliggende fly, eller stigende terræn. I 2018, Federal Aviation Administration (FAA) rapporterede 95 luftfartsulykker i Alaska, herunder flere dødsulykker, der fandt sted i fjerntliggende områder, hvor dårlig sigtbarhed kan have spillet en rolle.

"Generelle luftfartpiloter i Alaska skal være opmærksomme på de forudsagte forhold under planlægning af forhåndsflyvning, men også om alle hurtigt skiftende forhold under flyvning, "siger Michael Matthews, en meteorolog ved MIT Lincoln Laboratory. "Der er visse regler, som om du ikke kan flyve med mindre end tre miles synlighed. Hvis det er værre, piloter skal flyve på instrumenter, men det skal de certificeres for. "

Piloter tjekker aktuelle eller forudsagte vejrforhold, før de flyver, men mangel på automatiserede vejrobservationsstationer i hele Alaskan -busken gør det svært at vide præcis, hvad man kan forvente. At hjælpe, FAA installerede for nylig 221 webkameraer nær landingsbaner og bjergpas. Piloter kan se på billedfeeds online for at planlægge deres rute. Stadig, det er svært at gennemgå, hvad der kan være hundredvis af billeder og estimere, hvor langt man kan se.

Så, Matthews har arbejdet med FAA for at gøre disse webkameraer til synlige sensorer. Han har udviklet en algoritme, kaldet synlighedsestimering gennem Image Analytics (VEIA), der bruger et kameras billedfeed til automatisk at bestemme områdets synlighed. Disse estimater kan derefter deles mellem prognosemaskiner og med piloter online i realtid.

Trænede øjne

I konceptet, VEIA -algoritmen bestemmer synligheden på samme måde som mennesker gør. Det leder efter stationære "kanter". For menneskelige observatører, disse kanter er vartegn for kendte afstande fra en flyveplads, såsom et tårn eller en bjergtop. De er uddannet til at fortolke, hvor godt de kan se hver markør i forhold til på en klar, solskinsdag.

Ligeledes, algoritmen lærer først, hvordan kanter ser ud under klare forhold. Systemet ser på de sidste 10 dages billedværdi, en optimal tidsramme, fordi enhver kortere tidsramme kan blive skævvridt af dårligt vejr og længere kan blive påvirket af sæsonmæssige ændringer, ifølge Matthews. Ved hjælp af disse 10-dages billeder, systemet skaber et sammensat "klart" billede. Dette billede bliver den reference, som et aktuelt billede sammenlignes med.

For at køre en sammenligning, en kantdetekteringsalgoritme (kaldet et Sobel-filter) anvendes på både reference- og nuværende billede. Denne algoritme identificerer kanter, der er vedvarende - horisonten, bygninger, bjergsider - og fjerner flygtige kanter som biler og skyer. Derefter, systemet sammenligner de samlede kantstyrker og genererer et forhold. Forholdet omdannes til synlighed i miles.

At udvikle en algoritme, der fungerer godt på tværs af billeder fra ethvert webkamera, var udfordrende, Siger Matthews. Baseret på hvor de er placeret, nogle kameraer kan have en visning på 100 miles og andre kun 100 fod. Andre problemer stammede fra permanente genstande, der var meget tæt på kameraet og dominerede udsigten, såsom en stor antenne. Algoritmen skulle være designet til at se forbi disse nærliggende objekter.

"Hvis du er observatør på Mount Washington, du har et trænet øje til at kigge efter meget specifikke ting for at få et overblik over synligheden. Sige, skilifterne på Attitash Mountain, og så videre. Vi ønskede ikke at lave en algoritme, der er uddannet så specifikt; vi ville have den samme algoritme til at anvende overalt og på tværs af alle typer kanter, "Siger Matthews.

For at validere dens estimater, VEIA -algoritmen blev testet mod data fra Automated Surface Observing Stations (ASOS). Disse stationer, hvoraf der er tæt på 50 i Alaska, er udstyret med sensorer, der kan estimere synligheden hver time. VEIA -algoritmen, som giver estimater hvert 10. minut, var mere end 90 procent nøjagtig til at detektere forhold med dårlig synlighed sammenlignet med samlokaliserede ASOS-data.

Informerede piloter

FAA planlægger at teste VEIA -algoritmen i sommeren 2020 på et eksperimentelt websted. I testperioden, piloter kan besøge det eksperimentelle websted for at se estimater for synlighed i realtid sammen med selve kamerabillederne.

"Desuden, VEIA -estimaterne kan indtages i vejrudsigtsmodeller for at forbedre prognoserne, "siger Jenny Colavito, hvem er lofts- og synlighedsforskningsprojektleder ved FAA. "Alt dette fører til at holde piloter bedre informeret om vejrforholdene, så de kan undgå at flyve ind i farer."

FAA undersøger at bruge vejrkameraer i andre regioner, starter på Hawaii. "Ligesom Alaska, Hawaii har ekstreme terræn- og vejrforhold, der hurtigt kan ændre sig. Jeg forventer, at VEIA -algoritmen vil blive brugt sammen med vejrkameraerne på Hawaii for at give så mange oplysninger til piloter som muligt, "Tilføjer Colavito. En af de vigtigste fordele ved VEIA er, at den ikke kræver specialiserede sensorer for at udføre sit arbejde, kun billedfeed fra webkameraerne.

Matthews modtog for nylig en R&D 100 Award for algoritmen, udnævnt til et af verdens 100 mest innovative produkter udviklet i 2019. Som forsker inden for lufttrafikstyring i 28 år, han er begejstret for at have opnået denne ære.

"Nogle bjergpas i Alaska er som motorveje, især om sommeren, med antallet af mennesker, der flyver. Du kan finde utallige historier om frygtelige nedbrud, folk gør bare hverdagsting - en familie på vej til en volleyballkamp, "Matthews reflekterer." Jeg håber, at VEIA kan hjælpe folk med at leve mere sikkert i deres liv. "

Denne historie er genudgivet med tilladelse fra MIT News (web.mit.edu/newsoffice/), et populært websted, der dækker nyheder om MIT -forskning, innovation og undervisning.