arXiv Systems and Control · Engineering Energy· Ra\'ul L\'opez-Mart\'in, Justus Renkhoff, Yash Guleria, Mohsan Jameel, Massimiliano Zanin·· 7 小时前AI 评分34
从空域退化到冲突消解：通过多尺度复杂度指标演化预测安全关键交通状态
From Airspace Degradation to Deconfliction: Predicting Safety-Critical Traffic States through the Evolution of Multiscale Complexity Metrics
AI 导读
研究基于瑞典飞行情报区十三周空管数据，对比大量冲突消解事件与无冲突场景，用多空间和时间尺度的三十项扇区复杂度指标作为机器学习模型输入。仅在扇区空间尺度描述交通时，冲突消解需求预测准确率可达 70%，且在放行前数分钟内可预测性单调上升，表明需消解冲突的情形是渐进退化过程的终点而非突发。预测所需信息主要存在于整体交通结构的特定特征中，而不只来自冲突航空器对。
来源：arXiv Systems and Control · Engineering Energy · arxiv.org