elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Cost Reductions Enabled by Machine Learning in ATM How can Automatic Speech Recognition enrich human operators performance?

Helmke, Hartmut und Kleinert, Matthias und Rataj, Jürgen und Motlicek, Petr und Klakow, Dietrich und Kern, Christian und Hlousek, Petr (2019) Cost Reductions Enabled by Machine Learning in ATM How can Automatic Speech Recognition enrich human operators performance? 13th USA/EUROPE Air Traffic Management R&D Seminar, 2019-06-17 - 2019-06-21, Wien, Österreich.

[img] PDF
664kB

Kurzfassung

Various new solutions were recently implemented to replace paper flight strips through different means. Therefore, digital data comprising instructed air traffic controller (ATCO) commands can be used for various purposes. This paper summarizes recent works on developing speech recognition systems to automatically transcribe commands issued by airtraffic controllers to pilots allowing decrease of ATCOs’ workload, which leads to significant increase of ATM efficiency and cost savings. First experiments in AcListant® project have validated that Assistant Based Speech Recognition (ABSR) integrating a conventional speech recognizer with an assistant system can provide an adequate solution. The following EC H2020 funded MALORCA project has proposed new Machine Learning algorithms significantly reducing development and maintenance costs while exploiting new automatically transcribed speech corpora. In this paper, besides recapitulating achieved recognition performance for Prague and Vienna approach, new statistics obtained from various error analysis processes are presented. Results are detailed for different types of ATC commands followed by rationales causing the performance drops.

elib-URL des Eintrags:https://elib.dlr.de/130498/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Cost Reductions Enabled by Machine Learning in ATM How can Automatic Speech Recognition enrich human operators performance?
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Helmke, HartmutHartmut.Helmke. (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Kleinert, MatthiasMatthias.Kleinert (at) dlr.dehttps://orcid.org/0000-0002-0782-4147NICHT SPEZIFIZIERT
Rataj, JürgenJuergen.Rataj (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Motlicek, PetrPetr.Motlicek (at) idiap.chNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Klakow, Dietrichdietrich.klakow (at) lsv.uni-saarland.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Kern, ChristianChristian.Kern (at) austrocontrol.atNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Hlousek, PetrPetr.Hlousek (at) ans.czNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Juni 2019
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Status:veröffentlicht
Stichwörter:Machine Learning, Assistant Based Speech Recognition, Unsupervised Learning, Command Prediction Model, Automatic Speech Recognition, MALORCA, Annotation, Transcription
Veranstaltungstitel:13th USA/EUROPE Air Traffic Management R&D Seminar
Veranstaltungsort:Wien, Österreich
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:17 Juni 2019
Veranstaltungsende:21 Juni 2019
Veranstalter :FAA / Eurocontrol
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Luftfahrt
HGF - Programmthema:Luftverkehrsmanagement und Flugbetrieb
DLR - Schwerpunkt:Luftfahrt
DLR - Forschungsgebiet:L AO - Air Traffic Management and Operation
DLR - Teilgebiet (Projekt, Vorhaben):L - Effiziente Flugführung (alt)
Standort: Braunschweig
Institute & Einrichtungen:Institut für Flugführung > Lotsenassistenz
Hinterlegt von: Diederich, Kerstin
Hinterlegt am:15 Nov 2019 08:56
Letzte Änderung:24 Apr 2024 20:34

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.