在航空使用AI对风险的发现和解决

如果航空业可以识别和解决安全风险他们发生?

在过去的20年里,信息共享和飞行员之间的合作,控制器,制造商,和维护人员在航空安全导致了重大改进。共享数据的数量增加了,人工智能(AI)的概念和机器学习技术需要引入复杂,数据驱动的模型预测行为,识别模式和发现隐藏的见解。

斜接的AI的应用有助于我们在操作数据的分析师识别模式,加强分析从多个视点,并连接数据集在一个非凡的规模提供见解。

我们正在开发机器学习框架探索风险识别和未来的方法来帮助识别潜在的新或新兴的安全问题,然后评估和验证这些框架。努力跨越表面,终端和途中操作使航空安全。

干草堆中的数据

“我们de-identify、保护和归档大量的航空安全数据在各种类型为每个飞行和安全报告,”博士说Neeraj Koul说,横切的航空业务的首席工程师、程序和安全部门。

“由于不同的数据量,挑战在于评估和检测未知的漏洞和异常,比已知的安全标准。”

伊丽莎白·霍曼博士,一位首席科学家在我们的数据和以人为本的解决方案技术中心补充说,“我们的工程师将人工智能应用于自动安全报告为已知的安全类别进行分类,确定报告类似于感兴趣的一个范例的报告,其中包含一个事件,或使用数字数据分类已知干扰飞机状态。”

AI提供操作影响的一个领域是应用试点安全报告。

“手动勘探成千上万的报告就不可行,“霍曼解释道。“所以,我们应用一个文本分类技术学习飞行员安全报告词和短语模式。

”作为一个例子,很难确定一个航班运营质量保证记录有错误的皮瓣settings-since大量基于上下文的不同因素,如天气和燃料燃烧,飞行员偏好和进度等人为因素。

“文本分类模式识别更多的报道,飞行员有手动记录与不正确的皮瓣设置起飞。”

通过主动识别监控飞行安全的趋势

分析和理解人为因素(疲劳、工作负载、分心)是一个关键在提高航空系统和安全标准。

突破安全报告的体积,我们实现了半监督文本建模方法。

”这种方法允许分析师使用预先定义的主题感兴趣的关键词和影响模型的收敛性结果,反映了他们,”尼克•金说的高级数据科学家。

“这增加了控制提供了一个重要的优势经典主题的建模方法,定义所有的话题。”

文本分类技术应用于监测趋势先前已知的安全和人类因素的概念。安全分析人士知道他们在寻找什么,他们可以使用机器学习来帮助筛选大量的文本报告和发现的见解,帮助他们理解的因素导致安全问题。

但是如果我们不知道我们正在寻找什么呢?斜方收到成千上万的新安全报告每个月,使用人工智能在文本报告允许更大的新报告安全监控问题。

我们用过去的报告作为基准来识别新的或令人惊讶的词或短语。比较术语和安全概念从旧报告与新允许主动识别潜在的安全隐患。

深度学习的实时搜索结果

如果是人类基本的和天生的演讲可以分析和用于提高飞机安全吗?

斜方一直在开发自动语音识别技术空中交通管制(ATC)的演讲模式转换成文本,然后可以处理post操作分析、安全监测实时操作,和空中交通管制培训。

航空术语商用现货产品很难翻译准确。

“在过去的几年中,我们探索不同的人工智能技术从ATC语音通信中提取信息,”亨特Kopald解释说,主要系统工程师在我们的航空业务的概念和研究部门。

“在我们的数据集已经,我们使用更复杂的技术,如深度学习。我们训练我们的模型在成千上万的实时controller-pilot语音通信。数据和深度学习的结合使得一个戏剧性的减少语音处理的错误。”

Kopald和他的团队也表明这些深度学习模型可用于实时。例如,当前面安全系统仅仅依靠监测信息预测和预警飞机冲突和碰撞,从而导致迟到或妨害警报。

声音分析飞行员/控制器通信将提供信息,当表面结合现有的监测系统,可以使运营商能够在真正的次表面检测到有潜在危险的业务有些情况下,来得比当前系统可以单独使用监测数据。

一起开拓未来的航空安全

我们还有工作要做连接的可能性。

可以人工智能概念,提高表面效率先锋新进展如何应用航空安全数据分析?

地面语音识别可能导致报警途中飞行员分离损失呢?

进一步寻找未来,AI可以用来使成功,随着越来越多的新进入者进入该国家空域系统和改进surface-to-space架构形成的呢?

斜方一起开拓美国联邦航空局,行业合作伙伴和学术界找到答案。

——马特·沃尔诺克

注:这篇文章最初发表在一个稍微不同的形式天空管理杂志,美国联邦航空局经理协会出版。