Promotionsverteidigung - Md Siddiqur Rahman

5 Mai 2022

Am 3. Mai 2022 hat Md Siddiqur Rahman seine Dissertation erfolgreich in Toulouse an der ENAC verteidigt. Prof. Schultz wurde als Mitglied der Promotionskommission eingeladen, die erzielten Ergebnisse zu evaluieren. Die Arbeit trägt den Titel "Deep Learning for En-Route Aircraft Conflict Resolution - two complementary approaches" und erarbeitet zwei unterschiedliche Lösungsansätze zur Konfliktvermeidung im Luftverkehr.

Eine Situation wird als Konflikt bezeichnet, wenn Flugzeuge entlang ihrer Route den geforderten Mindestabstand zueinander nicht einhalten können. Frühere Modelle für die Unterstützung der Lotsen bei der Konfliktlösung basierten auf mathematischen und statistischen Ansätzen. Die jüngsten Erfolge von Deep Neuron Network Modellen in verschiedenen Bereichen haben das Forschungsinteresse an der automatisierten Lösung von Flugzeugkonflikten neu entfacht. Konflikte werden von Fluglotsen gelöst, indem sie den Piloten auf der Grundlage der verschiedenen Flugzeugpositionen und Flugrouten Anweisungen zur Änderung der Routen geben. 

Das erste Modell nutzt ein neuronales Netzwerk, welches eine Klassifizierung mit mehreren Labels als Ergebnis bereitstellt (Konfliktlösungen durch Kursänderungen). Als Eingangsparameter werden die Flugbahnen (Zeit, Breitengrad, Längengrad, Höhe und Kurs) aller am Szenario beteiligten Flugzeuge genutzt. Im Vergleich zu anderen maschinellen Lernmodellen (Support Vector Machines, K-Nearest Neighbor Classifier, Logistic Regression), die mehrere Einzellabel-Klassifikatoren verwenden, erzielte das entwickelte Modell die besten Ergebnisse.

Da dieses Modell jedoch nicht geeignet ist, eine variable Anzahl von Flugzeugen effizient zu behandeln, wurde in einem nächsten Schritt ein neuronales Faltungsnetzwerk konzipiert (ebenfalls Multi-Label-Klassifizierung). Hierfür wurden die Eingangsdaten (Konfliktszene) grafisch aufbereitet und dargestellt.