RT info:eu-repo/semantics/conferenceObject
T1 Towards aircraft trajectory prediction using LSTM networks
A1 Silvestre Vilches, Jorge
A1 Mielgo Martín, Paula
A1 Bregón Bregón, Aníbal
A1 Martínez Prieto, Miguel Angel
A1 Álvarez Esteban, Pedro César
K1 LSTM networks
K1 Air traffic management
K1 Trajectory prediction
K1 1203.04 Inteligencia Artificial
AB La predicción de trayectorias permite mejorar la previsibilidad, la seguridad y la eficiencia en las operaciones de gestión de tráfico aéreo. Las redes LSTM han sido aplicadas con éxito para realizar predicciones de trayectorias a corto plazo, pero la criticidad de la supervisión de estas operaciones en zonas de alta densidad de tráfico, como el área de control terminal (TMA) en torno a los aeropuertos, requiere métodos que proporcionen predicciones precisas a largo plazo.En este trabajo, proponemos una arquitectura basada en LSTM para la predicción de trayectorias utilizando datos de vigilancia (ADS-B). Realizamos nuestros experimentos sobre el caso de estudio de vuelos con llegada al aeropuerto Adolfo Suárez Madrid-Barajas (España), empleando datos correspondientes a nueve meses. En particular, nos centramos en predicciones a más largo plazo que el estado del arte, prediciendo los siguientes 150 segundos en cualquier punto de la trayectoria. Este modelo proporciona una mayor precisión en el posicionamiento 2D, con errores absolutos medios de 0,0238 y 0,0544 grados para la latitud y la longitud, respectivamente, en el TMA del aeropuerto de destino.
PB Association for Computing Machinery
SN 9798400702433
YR 2024
FD 2024
LK https://uvadoc.uva.es/handle/10324/83826
UL https://uvadoc.uva.es/handle/10324/83826
LA eng
NO Jiman Hong, Juw Won Park. 39th Annual ACM Symposium on Applied Computing (SAC). Ávila: ACM Special Interest Group SIGAPP, 2024, p.1050-1060
DS UVaDOC
RD 25-mar-2026