KIWI: Unterschied zwischen den Versionen
He9318 (Diskussion | Beiträge) |
He9318 (Diskussion | Beiträge) |
||
Zeile 4: | Zeile 4: | ||
|Name EN=Artificial Intelligence for Wake Vortex Detection and Characterization in LiDAR Scans | |Name EN=Artificial Intelligence for Wake Vortex Detection and Characterization in LiDAR Scans | ||
|Beschreibung DE=Wirbelschleppen sind von Flugzeugen generierte Luftverwirbelungen, die für nachfolgende Flugzeuge gefährlich sein können. Mindestabstände zwischen landenden Flugzeugen sind daher notwendig, schränken aber Landebahnkapazitäten ein. Eine Echtzeitüberwachung von Wirbelschleppen im Gleitpfad könnte helfen, Mindestabstände zu reduzieren und die Landebahnkapazität zu erhöhen. Gegenwärtig fehlen Methoden, Wirbelschleppen automatisiert mit einer hohen Genauigkeit in Echtzeit zu charakterisieren. Ziel des Projekts ist es, Wirbelschleppen in LiDAR-Messungen durch Künstliche Intelligenz (KI) automatisch zu erkennen und zu charakterisieren, eine zuverlässige Auswertung und Fehlerabschätzung zu ermöglichen, und dabei Simulationsdaten als Trainingsdatensatz zu verwenden. Eine zuverlässige Methode zur Auswertung von LiDAR-Messungen wäre ein großer Schritt in Richtung dynamischer Separationen, wodurch Flugzeuglandungen sicherer, effizienter und letztlich umwelt- und klimafreundlicher würden. | |Beschreibung DE=Wirbelschleppen sind von Flugzeugen generierte Luftverwirbelungen, die für nachfolgende Flugzeuge gefährlich sein können. Mindestabstände zwischen landenden Flugzeugen sind daher notwendig, schränken aber Landebahnkapazitäten ein. Eine Echtzeitüberwachung von Wirbelschleppen im Gleitpfad könnte helfen, Mindestabstände zu reduzieren und die Landebahnkapazität zu erhöhen. Gegenwärtig fehlen Methoden, Wirbelschleppen automatisiert mit einer hohen Genauigkeit in Echtzeit zu charakterisieren. Ziel des Projekts ist es, Wirbelschleppen in LiDAR-Messungen durch Künstliche Intelligenz (KI) automatisch zu erkennen und zu charakterisieren, eine zuverlässige Auswertung und Fehlerabschätzung zu ermöglichen, und dabei Simulationsdaten als Trainingsdatensatz zu verwenden. Eine zuverlässige Methode zur Auswertung von LiDAR-Messungen wäre ein großer Schritt in Richtung dynamischer Separationen, wodurch Flugzeuglandungen sicherer, effizienter und letztlich umwelt- und klimafreundlicher würden. | ||
+ | |||
+ | Mehr Informationen finden Sie auf dem [https://aifb.kit.edu/images/6/69/KIWI_AI_Wake_Vortex_Detection_HelmholtzAI2023.pdf Poster für die Helmholtz AI-Konferenz 2023]. | ||
|Beschreibung EN=Wake vortices are air turbulence generated by aircraft that can be dangerous for following aircraft. Minimum distances between landing aircraft are therefore necessary, but limit runway capacity. Real-time monitoring of wake vortices in the glide path could help reduce minimum separation distances and increase runway capacity. Currently, there is a lack of methods to automatically characterize wake vortices with high accuracy in real time. The goal of this project is to automatically detect and characterize wake vortices in LiDAR measurements using artificial intelligence (AI), provide reliable evaluation and error estimation, and use simulation data as a training dataset. A reliable method for evaluating LiDAR measurements would be a major step toward dynamic separations, making aircraft landings safer, more efficient, and ultimately more environmentally and climate friendly. | |Beschreibung EN=Wake vortices are air turbulence generated by aircraft that can be dangerous for following aircraft. Minimum distances between landing aircraft are therefore necessary, but limit runway capacity. Real-time monitoring of wake vortices in the glide path could help reduce minimum separation distances and increase runway capacity. Currently, there is a lack of methods to automatically characterize wake vortices with high accuracy in real time. The goal of this project is to automatically detect and characterize wake vortices in LiDAR measurements using artificial intelligence (AI), provide reliable evaluation and error estimation, and use simulation data as a training dataset. A reliable method for evaluating LiDAR measurements would be a major step toward dynamic separations, making aircraft landings safer, more efficient, and ultimately more environmentally and climate friendly. | ||
+ | |||
+ | You can find more information on the [https://aifb.kit.edu/images/6/69/KIWI_AI_Wake_Vortex_Detection_HelmholtzAI2023.pdf poster for the Helmholtz AI Conference 2023]. | ||
|Kontaktperson=Michael Färber | |Kontaktperson=Michael Färber | ||
|Start=2023/01/01 | |Start=2023/01/01 |
Version vom 25. Juni 2023, 12:05 Uhr
Künstliche Intelligenz zur Detektion und Charakterisierung von Wirbelschleppen in LiDAR-Scans |
|
|
Wirbelschleppen sind von Flugzeugen generierte Luftverwirbelungen, die für nachfolgende Flugzeuge gefährlich sein können. Mindestabstände zwischen landenden Flugzeugen sind daher notwendig, schränken aber Landebahnkapazitäten ein. Eine Echtzeitüberwachung von Wirbelschleppen im Gleitpfad könnte helfen, Mindestabstände zu reduzieren und die Landebahnkapazität zu erhöhen. Gegenwärtig fehlen Methoden, Wirbelschleppen automatisiert mit einer hohen Genauigkeit in Echtzeit zu charakterisieren. Ziel des Projekts ist es, Wirbelschleppen in LiDAR-Messungen durch Künstliche Intelligenz (KI) automatisch zu erkennen und zu charakterisieren, eine zuverlässige Auswertung und Fehlerabschätzung zu ermöglichen, und dabei Simulationsdaten als Trainingsdatensatz zu verwenden. Eine zuverlässige Methode zur Auswertung von LiDAR-Messungen wäre ein großer Schritt in Richtung dynamischer Separationen, wodurch Flugzeuglandungen sicherer, effizienter und letztlich umwelt- und klimafreundlicher würden. Mehr Informationen finden Sie auf dem Poster für die Helmholtz AI-Konferenz 2023.
von: 1 Januar 2023
bis: 30 Juni 2024
Finanzierung: BMVI
KIWI (Knowledge Discovery, Data Mining, Künstliche Intelligenz, Data Science)