Arrêt de service programmé du vendredi 10 juin 16h jusqu’au lundi 13 juin 9h. Pour en savoir plus
Accéder directement au contenu Accéder directement à la navigation
Communication dans un congrès

Predicting Aircraft Descent Length with Machine Learning

Abstract : Predicting aircraft trajectories is a key element in the detection and resolution of air traffic conflicts. In this paper, we focus on the ground-based prediction of final descents toward the destination airport. Several Machine Learning methods – ridge regression, neural networks, and gradient-boosting machine – are applied to the prediction of descents toward Toulouse airport (France), and compared with a baseline method relying on the Eurocontrol Base of Aircraft Data (BADA). Using a dataset of 15,802 Mode-S radar trajectories of 11 different aircraft types, we build models which predict the total descent length from the cruise altitude to a given final altitude. Our results show that the Machine Learning methods improve the root mean square error on the predicted descent length of at least 20 % for the ridge regression, and up to 24 % for the gradient-boosting machine, when compared with the baseline BADA method.
Type de document :
Communication dans un congrès
Liste complète des métadonnées

Littérature citée [33 références]  Voir  Masquer  Télécharger

https://hal-enac.archives-ouvertes.fr/hal-01353960
Contributeur : Laurence Porte Connectez-vous pour contacter le contributeur
Soumis le : mardi 16 août 2016 - 14:27:38
Dernière modification le : mercredi 3 novembre 2021 - 04:18:16
Archivage à long terme le : : jeudi 17 novembre 2016 - 10:55:30

Fichier

icrat2016.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01353960, version 1

Citation

Richard Alligier, David Gianazza, Nicolas Durand. Predicting Aircraft Descent Length with Machine Learning. ICRAT 2016, 7th International Conference on Research in Air Transportation, FAA, Jun 2016, Philadelphia, United States. ⟨hal-01353960⟩

Partager

Métriques

Consultations de la notice

417

Téléchargements de fichiers

354