Accéder directement au contenu Accéder directement à la navigation
Nouvelle interface
Communication dans un congrès

Évaluation of air traffic complexity metrics using neural networks and sector status

Abstract : This paper presents an original method to evaluate air traffic complexity metrics. Several complexity indicators, found in the litterature, were implemented and computed, using recorded radar data as input. A principal component analysis (PCA) provides some results on the correlations between these indicators. Neural networks are then used to find a relationship between complexity indicators and the actual sector configurations. Assuming that the decisions to group or split sectors are somewhat related to the controllers workload, this method allows to identify which types of complexity indicators are significantly related to the actual workload.
Type de document :
Communication dans un congrès
Liste complète des métadonnées

Littérature citée [22 références]  Voir  Masquer  Télécharger

https://hal-enac.archives-ouvertes.fr/hal-00938105
Contributeur : Laurence Porte Connectez-vous pour contacter le contributeur
Soumis le : mardi 13 mai 2014 - 11:12:04
Dernière modification le : mardi 19 octobre 2021 - 11:02:47
Archivage à long terme le : : mercredi 13 août 2014 - 10:40:58

Fichier

296.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00938105, version 1

Collections

Citation

David Gianazza, Kevin Guittet. Évaluation of air traffic complexity metrics using neural networks and sector status. ICRAT 2006, 2nd International Conference on Research in Air Transportation, Jun 2006, Belgrade, Serbia. pp xxxx. ⟨hal-00938105⟩

Partager

Métriques

Consultations de la notice

243

Téléchargements de fichiers

262