论文部分内容阅读
摘 要：安全是民航永恒的主题，是民航空管建设发展的基础。随着空中流量的不断上升，空中交通管制员的任务越来越重，他们对空管自动化系统的依赖也越来越强。为了适应空中交通流量的持续增长，保障飞行安全，这些年来空管自动化系统也在不断更新换代。本文的视角聚焦到近年来大热的人工智能和语音识别技术，通过对语音识别技术降低管制员工作量和提高管制工作安全系数的可行性展开讨论，并制定出一套可靠方案以供参考。
关键词：民航空管；自动化系统；人工智能；语音识别
一、概述
深度学习是一门多领域交叉学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能[1]。它是人工智能的核心，是使计算机具有智能的根本途径。 如果论及哪一个机器学习的领域最为热门，非人工智能莫属，这就是深度学习。深度学习框架又名深度神经网络，一个复杂的模式识别系统，可以实现从自动语言翻译到图像识别的功能。
神经网络是谷歌以及其他公司在深度学习中使用的一种系统。人们利用大量的数据，比如演讲片段，来训练神经网络，然后让这些神经网络能够自动对新的数据做出判断。2012年，谷歌首次将神经网络运用于语音识别，并在之后推出了开源工具。深度学习需要收集大量的数据，并且拥有处理这些数据的能力，做到这些并非易事，但深度学习技术正在蓬勃发展的道路上，并且已经突破了很多障碍，逐渐在各个民用领域广泛应用，而民航空管的自动化系统也在近些年开始借助空管大数据和深度学习方法研制基于语音识别的空管安全实时监视和事后分析系统。
由自动化系统、内话席位和管制员组成的管制席位的核心是管制员，通常的管制流程是：由管制员参照“看”到的自动化系统雷达显示动态，将管制指令通过内话系统发送出去，飞行员接收到指令后调整飞行姿态，最终管制员可以通过自动化系统显示的雷达动态确认“指令”是否得到正确理解和执行。这个闭环中，由于自动化系统和内话系统是相互独立的，完全依赖管制员来完成衔接，所以造成目前管制指挥闭环中管制员的角色异常重要——不能“看”错，不能“说”错。
语音识别技术在自动化系统应用成熟后，在理想的状态下，自动化系统根据接入的监视、AFTN、气象报文和语音识别得到的管制意图数据，依据管制规则，形成管制指令，利用“语音合成技术”将文本的指令转换为语音指令通过内话系统发送给飞行员，最终完成管制操作的闭环。
利用“语音识别”技术，在自动化系统增加语音和语义识别处理服务器，实时识别处理管制员和飞行员的通话，智能判断管制指令，并将管制指挥意图信息送回自动化系统，通过干预动态，实时在SDD管制席位给出显示或提醒信息，这样就可以利用技术手段避免管制员和飞行员出现“错忘漏”的现象。目前模型系统通过训练800小时管制话音的语音识别率已达到85%，实际应用中会随着使用率的提高，识别率越来越高，管制员如不确定发出的指令内容，拿来作为参考，也能有效避免“错忘漏”的几率[12]。
二、方案
项目利用目前日渐成熟的语音识别技术，让计算机能够“听懂”管制指令，将语音中包含的文字信息“提取”出来。相当于给计算机系统安装上“耳朵”，使其具备“能听”的功能，进而实现信息时代利用“语音”这一最自然、最便捷的手段进行人机通信和交互。通过分析管制席位的管制流程，找到一个切入点，利用“语音识别” 技术，实时识别处理管制员和飞行员的通话，智能判断管制指令，通过干预计划，实时在SDD管制席位给出显示或提醒信息，这样就可以利用技术手段避免管制员和飞行员出现“错忘漏”的现象，并从以下5个方面通过技术手段辅助管制提升服务水平。
1.语音识别管制和机组复诵指令，判断其一致性
例如管制员：“国航拐六五四上升到五千八保持”，机组：“国航6666上升到五千八保持，收到”，通过语音识别后，系统识别出两条指令的关联性，并判断管制员指令和机组复诵是否一致。如不一致，在SDD相应航班标牌上给出提示，提醒管制员确认通话内容。
2.语音识别管制指令，干预相应动态，实现预警
例如管制员：“国航拐六五四上升到五千八保持”，并在SDD上输出CFL高度“5800”，通过语音识别后，系统识别出管制指挥的航班和指令高度，并判断语音发送的航班号、指令高度与管制员高亮的“航班号”及输入的“CFL高度值”是否一致。如不一致，在SDD相应航班标牌上给出提示，提醒管制员确认通话内容。
3.根据CFL指令高度进行潜在的预警判断
自动化系统识别到管制指挥高度或收到标牌上设定的CFL高度值后，据此进行预推计算，假如判断有潜在的预警则在SDD给出提示。
4.模块化，通用接口
实现管制指令识别和分类存储标准化，规范数据定义和接口设计，存储的管制指令识别数据可以扩展应用到其它自动化系统。
5.扩展应用
管制话音指令存储在数据库中，数据收集到一定程度后，可以进行分类统计分析。例如针对某一管制员进行标准通话用语评价，统计通话时长、频率，监测管制员的管制负荷等等。扩展应用于标准通话用语评价体系和管制负荷监测体系的建设，还可以实现管制语音记录、检索功能。
三、实施
项目的主要目的是在自动化系统SDD席位应用管制指挥意图信息，提醒管制员确认通话内容，判断有潜在的预警则在SDD给出提示，利用技术手段为改善管制员“错忘漏”提供辅助手段。开发应用管制通话数据信息，实现例如针对某一管制员进行标准通话用语评价，统计监测管制员的管制负荷等大数据应用，扩展应用于标准通话用语评价体系和管制负荷监测体系的建设。
具体计划如下：
1、利用实时的管制通话训练语音语义识别模型，初期目标达到字错误率<20%；
2、在管制大厅试用语音识别终端/Pad终端，为了持续提高语音识别正确率，设计实现语音模型的训练接口，实现管制员在试用中实时打标签的功能。目标达到字错误率<10%，指令解析正确率>90%；
3、协同管制部门，规范管制意图信息、规范数据定义和接口，基于累计的管制语音数据，实现初步统计应用；
4、协同管制部门、厂家ATC开发人员，设计实现管制指挥意图信息送回自动化系统，实时在SDD管制席位给出显示或提醒信息的应用；
5、协同管制部门，基于提升管制安全、效率的目的，设计实现基于管制语音数据的增值应用，完善标准通话用语评价体系和管制负荷监测体系建设。
四、结束语
经过本文的深度讨论，可以看出AI和语音识别技术在民航领域的巨大潜力，利用先进的人工智能技术，综合处理管制语音、监视数据（雷达、ADS-B、场监等）和空管视频等多种数据，分析和识别区调、进近、塔台、地面以及机场管制指挥与调度中潜在冲突，及时提示管制员化解风险，以此来提高管制指挥安全水平，降低管制工作负荷，提升空管系统智能化水平，具有极大的研究价值。
参考文献：
[1] 章敏敏，徐和平，王晓洁，周梦昀，洪淑月.谷歌TensorFlow机器学习框架及应用[J].微型机与应用，2017，36（10）：58-60.
[2] 張明伟，靳学梅，白红利.下一代管制自动化系统研究与设想[J].航空计算技术，2015，45（04）：123-126.
[3] 袁伟伟， 胡军， 刘万凤. 空管模拟训练中指令的语音识别与合成技术研究[J]. 电子设计工程， 2013， 21（6）：8-11.
关键词：民航空管；自动化系统；人工智能；语音识别
一、概述
深度学习是一门多领域交叉学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能[1]。它是人工智能的核心，是使计算机具有智能的根本途径。 如果论及哪一个机器学习的领域最为热门，非人工智能莫属，这就是深度学习。深度学习框架又名深度神经网络，一个复杂的模式识别系统，可以实现从自动语言翻译到图像识别的功能。
神经网络是谷歌以及其他公司在深度学习中使用的一种系统。人们利用大量的数据，比如演讲片段，来训练神经网络，然后让这些神经网络能够自动对新的数据做出判断。2012年，谷歌首次将神经网络运用于语音识别，并在之后推出了开源工具。深度学习需要收集大量的数据，并且拥有处理这些数据的能力，做到这些并非易事，但深度学习技术正在蓬勃发展的道路上，并且已经突破了很多障碍，逐渐在各个民用领域广泛应用，而民航空管的自动化系统也在近些年开始借助空管大数据和深度学习方法研制基于语音识别的空管安全实时监视和事后分析系统。
由自动化系统、内话席位和管制员组成的管制席位的核心是管制员，通常的管制流程是：由管制员参照“看”到的自动化系统雷达显示动态，将管制指令通过内话系统发送出去，飞行员接收到指令后调整飞行姿态，最终管制员可以通过自动化系统显示的雷达动态确认“指令”是否得到正确理解和执行。这个闭环中，由于自动化系统和内话系统是相互独立的，完全依赖管制员来完成衔接，所以造成目前管制指挥闭环中管制员的角色异常重要——不能“看”错，不能“说”错。
语音识别技术在自动化系统应用成熟后，在理想的状态下，自动化系统根据接入的监视、AFTN、气象报文和语音识别得到的管制意图数据，依据管制规则，形成管制指令，利用“语音合成技术”将文本的指令转换为语音指令通过内话系统发送给飞行员，最终完成管制操作的闭环。
利用“语音识别”技术，在自动化系统增加语音和语义识别处理服务器，实时识别处理管制员和飞行员的通话，智能判断管制指令，并将管制指挥意图信息送回自动化系统，通过干预动态，实时在SDD管制席位给出显示或提醒信息，这样就可以利用技术手段避免管制员和飞行员出现“错忘漏”的现象。目前模型系统通过训练800小时管制话音的语音识别率已达到85%，实际应用中会随着使用率的提高，识别率越来越高，管制员如不确定发出的指令内容，拿来作为参考，也能有效避免“错忘漏”的几率[12]。
二、方案
项目利用目前日渐成熟的语音识别技术，让计算机能够“听懂”管制指令，将语音中包含的文字信息“提取”出来。相当于给计算机系统安装上“耳朵”，使其具备“能听”的功能，进而实现信息时代利用“语音”这一最自然、最便捷的手段进行人机通信和交互。通过分析管制席位的管制流程，找到一个切入点，利用“语音识别” 技术，实时识别处理管制员和飞行员的通话，智能判断管制指令，通过干预计划，实时在SDD管制席位给出显示或提醒信息，这样就可以利用技术手段避免管制员和飞行员出现“错忘漏”的现象，并从以下5个方面通过技术手段辅助管制提升服务水平。
1.语音识别管制和机组复诵指令，判断其一致性
例如管制员：“国航拐六五四上升到五千八保持”，机组：“国航6666上升到五千八保持，收到”，通过语音识别后，系统识别出两条指令的关联性，并判断管制员指令和机组复诵是否一致。如不一致，在SDD相应航班标牌上给出提示，提醒管制员确认通话内容。
2.语音识别管制指令，干预相应动态，实现预警
例如管制员：“国航拐六五四上升到五千八保持”，并在SDD上输出CFL高度“5800”，通过语音识别后，系统识别出管制指挥的航班和指令高度，并判断语音发送的航班号、指令高度与管制员高亮的“航班号”及输入的“CFL高度值”是否一致。如不一致，在SDD相应航班标牌上给出提示，提醒管制员确认通话内容。
3.根据CFL指令高度进行潜在的预警判断
自动化系统识别到管制指挥高度或收到标牌上设定的CFL高度值后，据此进行预推计算，假如判断有潜在的预警则在SDD给出提示。
4.模块化，通用接口
实现管制指令识别和分类存储标准化，规范数据定义和接口设计，存储的管制指令识别数据可以扩展应用到其它自动化系统。
5.扩展应用
管制话音指令存储在数据库中，数据收集到一定程度后，可以进行分类统计分析。例如针对某一管制员进行标准通话用语评价，统计通话时长、频率，监测管制员的管制负荷等等。扩展应用于标准通话用语评价体系和管制负荷监测体系的建设，还可以实现管制语音记录、检索功能。
三、实施
项目的主要目的是在自动化系统SDD席位应用管制指挥意图信息，提醒管制员确认通话内容，判断有潜在的预警则在SDD给出提示，利用技术手段为改善管制员“错忘漏”提供辅助手段。开发应用管制通话数据信息，实现例如针对某一管制员进行标准通话用语评价，统计监测管制员的管制负荷等大数据应用，扩展应用于标准通话用语评价体系和管制负荷监测体系的建设。
具体计划如下：
1、利用实时的管制通话训练语音语义识别模型，初期目标达到字错误率<20%；
2、在管制大厅试用语音识别终端/Pad终端，为了持续提高语音识别正确率，设计实现语音模型的训练接口，实现管制员在试用中实时打标签的功能。目标达到字错误率<10%，指令解析正确率>90%；
3、协同管制部门，规范管制意图信息、规范数据定义和接口，基于累计的管制语音数据，实现初步统计应用；
4、协同管制部门、厂家ATC开发人员，设计实现管制指挥意图信息送回自动化系统，实时在SDD管制席位给出显示或提醒信息的应用；
5、协同管制部门，基于提升管制安全、效率的目的，设计实现基于管制语音数据的增值应用，完善标准通话用语评价体系和管制负荷监测体系建设。
四、结束语
经过本文的深度讨论，可以看出AI和语音识别技术在民航领域的巨大潜力，利用先进的人工智能技术，综合处理管制语音、监视数据（雷达、ADS-B、场监等）和空管视频等多种数据，分析和识别区调、进近、塔台、地面以及机场管制指挥与调度中潜在冲突，及时提示管制员化解风险，以此来提高管制指挥安全水平，降低管制工作负荷，提升空管系统智能化水平，具有极大的研究价值。
参考文献：
[1] 章敏敏，徐和平，王晓洁，周梦昀，洪淑月.谷歌TensorFlow机器学习框架及应用[J].微型机与应用，2017，36（10）：58-60.
[2] 張明伟，靳学梅，白红利.下一代管制自动化系统研究与设想[J].航空计算技术，2015，45（04）：123-126.
[3] 袁伟伟， 胡军， 刘万凤. 空管模拟训练中指令的语音识别与合成技术研究[J]. 电子设计工程， 2013， 21（6）：8-11.