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

Machine Learning of Air Traffic Controller Command Extraction Models for Speech Recognition Applications

Helmke, Hartmut und Kleinert, Matthias und Ohneiser, Oliver und Ehr, Heiko und Shetty, Shruthi (2020) Machine Learning of Air Traffic Controller Command Extraction Models for Speech Recognition Applications. In: 39th AIAA/IEEE Digital Avionics Systems Conference, DASC 2020. 39th Digital Avionics Systems Conference DASC, 2020-10-11 - 2020-10-06, Virtual Conference. doi: 10.1109/DASC50938.2020.9256484. ISBN 978-172819825-5. ISSN 2155-7195.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Kurzfassung

Increasing digitization and automation is a widely accepted method to cope with the challenges of constantly increasing air traffic. The analogue communication of air traffic controllers (ATCo) to pilots has been excluded so far from the digitization process. However, the content of this communication is of decisive importance for various automation systems. Although Assistant Based Speech Recognition (ABSR) has recently significantly improved the recognition performance and, therefore, enables the digitization of ATCo-pilot-communication, its adaptation to other airports is a critical and costly process, This is even more important, if ATCos tend to deviate from the published ICAO phraseology: “start reducing to two fifty” instead of “reduce two five zero knots” is just an example. User acceptance requires that these deviations are also correctly recognized. Therefore, this paper presents an approach, which automatically learns a so-called Command Extraction Model from labelled controller utterances. The initial Command Extraction Model without learning only covers 60% of the commands, whereas the automatically learned Command Extraction Model covers more than 98%. With just six hours of training data we could achieve 94%

elib-URL des Eintrags:https://elib.dlr.de/137232/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Machine Learning of Air Traffic Controller Command Extraction Models for Speech Recognition Applications
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Helmke, Hartmuthartmut.helmke (at) dlr.dehttps://orcid.org/0000-0002-1939-0200NICHT SPEZIFIZIERT
Kleinert, MatthiasMatthias.Kleinert (at) dlr.dehttps://orcid.org/0000-0002-0782-4147NICHT SPEZIFIZIERT
Ohneiser, OliverOliver.Ohneiser (at) dlr.dehttps://orcid.org/0000-0002-5411-691XNICHT SPEZIFIZIERT
Ehr, HeikoHeiko.Ehr (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Shetty, Shruthishruthi.shetty (at) dlr.dNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:2020
Erschienen in:39th AIAA/IEEE Digital Avionics Systems Conference, DASC 2020
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.1109/DASC50938.2020.9256484
ISSN:2155-7195
ISBN:978-172819825-5
Status:veröffentlicht
Stichwörter:Speech Recognition, Machine Learning, Annotation, Ontology, Controller Command Extraction Model
Veranstaltungstitel:39th Digital Avionics Systems Conference DASC
Veranstaltungsort:Virtual Conference
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:11 Oktober 2020
Veranstaltungsende:6 Oktober 2020
Veranstalter :DASC
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:09 Nov 2020 09:15
Letzte Änderung:24 Apr 2024 20:39

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.