作为国际民航组织推行基于航迹运行（TBO）的关键技术，航班轨迹预测能够为管制员提供未来交通态势，进而辅助决策、保障航班运行安全和效率，受到了国内外学术和工业界的广泛关注。随着飞行流量增加、低空飞行加入国家空域系统，复杂运行场景对空管指挥提出了更高的要求。在此背景下，受生理和心理限制，管制员“错忘漏”等“人的因素”导致的不安全事故征候频发。防范这一风险的有效手段是通过语音指令获取管制员指令意图，融合指令关键要素预测管制行为作用于航班飞行态势演化情况，并检测管制行为是否安全。然而，由于语音处理技术的限制，现有系统无法感知管制员行为意图，导致飞机机动阶段的预测响应滞后，无法支撑管制安全防护，不利于航空交通安全高效运行。
依托团队在空管语音指令理解（IEEE TNNLS 2022, IEEE TASLP 2023）、航班轨迹预测（IEEE TITS 2023, AAAI 2024）和多模态空管数据（ACM MM 2023）方面的研究基础，以真实运行场景下的需求为牵引（CHINESE J AERONAUT 2023），在国际上首次提出了指令驱动的航班轨迹预测研究方向，旨在通过引入管制意图提升轨迹预测性能及其在机动阶段的响应能力，拓展了航班轨迹预测研究内涵及其在智能化空管领域的应用前景。提出了基于可学习时序嵌入表示的非自回归轨迹预测框架、多分类意图嵌入表示及多模态特征融合方法，并在此基础上提出了三阶段训练策略，保证模型能够有效捕获指令与轨迹“异构同语义”数据在高阶特征空间的共有模式，以支撑指令驱动场景下的航班轨迹预测任务，提升空管系统的自动化信息处理能力。
大量真实数据实验表明：提出方法获得了比现有SOTA方法更好的预测性能和稳定性，显著降低了多时间步预测误差；通过不同的主干网络和训练策略消融实验，验证了引入指令意图在轨迹预测研究中的有效性，以目标参数为牵引驱动轨迹预测演化；提出的三阶段训练策略能够有效降低模型对标注数据（语音-轨迹对）的需求量，有助于模型挖掘“指令-轨迹”相关模式，能够精细化刻画同类指令（上升/下降）及相似参数（8400/8900）指令在特征空间的语义关联和差异。此外，模型更偏向于捕获关键指向性指令意图（偏置+直飞）对轨迹演化模式的影响，在指令感知能力基础上兼顾重要类别鲁棒性。通过本文研究融合了指令意图和飞行轨迹，实现了“人在环路”态势融合及预测，极大提升了现有空管系统的智能化水平。
该成果以“Integrating spoken instructions into flight trajectory prediction to optimize automation in air traffic control”为题即将发表在下一期的Nature Communications上，系团队继WTFTP之后再次登上Nature子刊的空管研究成果。整个工作由四川大学计算机学院独立完成，计算机学院林毅副研究员为本文唯一通讯作者、专职博士后郭东岳为第一作者，其他作者包括硕士研究生张政、杨波研究员、张建伟研究员和杨红雨教授。该工作依托四川大学智能空管工科特色团队和“创新2035”先导计划，得到了国家自然科学基金（62401380、62371323、U2333209、U20A20161）等项目支持。
参考文献：
1. Y. Lin, L. Deng, Z. Chen, X. Wu, J. Zhang, B. Yang, A Real-Time ATC Safety Monitoring Framework Using a Deep Learning Approach.IEEE Trans. Intell. Transp. Syst.21, 4572–4581 (2020).
2. Y. Lin, D. Guo, J. Zhang, Z. Chen, B. Yang, A Unified Framework for Multilingual Speech Recognition in Air Traffic Control Systems.IEEE Trans. Neural Networks Learn. Syst.32, 3608–3620 (2021).
3. Y. LIN, M. RUAN, K. CAI, D. LI, Z. ZENG, F. LI, B. YANG, Identifying and managing risks of AI-driven operations: A case study of automatic speech recognition for improving air traffic safety.Chinese J. Aeronaut.36, 366–386 (2023).
4. D. Guo, E. Q. Wu, Y. Wu, J. Zhang, R. Law, Y. Lin, FlightBERT: Binary Encoding Representation for Flight Trajectory Prediction.IEEE Trans. Intell. Transp. Syst.24, 1828–1842 (2023).
5. D. Guo, Z. Zhang, Z. Yan, J. Zhang, Y. Lin, FlightBERT++: A Non-autoregressive Multi-Horizon Flight Trajectory Prediction Framework.Proc. AAAI Conf. Artif. Intell.38, 127–134 (2024).
6. Y. Lin, Q. Wang, X. Yu, Z. Zhang, D. Guo, J. Zhou, Towards Recognition for Radio-Echo Speech in Air Traffic Control: Dataset and a Contrastive Learning Approach.IEEE/ACM Trans. Audio, Speech, Lang. Process.31, 3249–3262 (2023).
7. Z. Zhang, D. Guo, S. Zhou, J. Zhang, Y. Lin, Flight trajectory prediction enabled by time-frequency wavelet transform.Nat. Commun.14, 5258 (2023).
作者简介：
郭东岳，四川大学计算机学院专职博士后，主要研究方向为多模态空管数据智能处理。目前，主持国家自然科学基金青年科学基金项目1项，发表学术论文20余篇，包括Nature Communications、IEEE TITS、Chinese Journal of Aeronautics、ACM MM、AAAI等高水平期刊/CCF-A类会议。获得2023年中国航空学会科技进步二等奖1项，申请发明专利10余项。
林毅，四川大学副研究员、博士研究生导师，中国民用航空飞行学院硕士研究生导师。曾在美国University of Wisconsin-Madison访问交流。主持国家自然科学基金青年、面上、重点课题等。以第一/通讯作者发表Nature Communications（2篇，包括首篇登上Nature子刊的空管领域研究成果）、IEEE汇刊、CCF-A会议等论文40余篇，授权美国和中国发明专利共21项，获得2023年度中国航空学会（一级学会）科技进步二等奖（排名1）、中国智能交通协会青年科技奖、中国航空学会优秀青年学者、四川大学双百人才工程/学术新人奖等奖励荣誉。入选斯坦福大学全球前2%顶尖科学家榜单，担任中国计算机学会CCF智慧交通分会执行委员、中国指挥与控制学会CICC空中交通管制/大模型与决策智能等专委委员、IEEE高级会员，Journal of Intelligent & Fuzzy Systems、Discover Applied Sciences/Civil Engineering副主编、电子与信息学报、工程科学与技术等期刊编委。
