Forschungs- & Entwicklungsinformationsdienst der Gemeinschaft - CORDIS

H2020

MALORCA — Ergebnis in Kürze

Project ID: 698824
Gefördert unter: H2020-EU.3.4.7.1
Land: Deutschland
Bereich: Verkehr und Mobilität, Klimawandel und Umwelt, Digitale Wirtschaft

Spracherkennungstechnologie für Fluglotsen

Die Beförderung auf dem Luftweg wird immer beliebter, was eine immer größere Arbeitsbelastung für die Fluglotsen nach sich zieht. Dieses Dilemma kann durch ein automatisches Spracherkennungssystem gelöst werden, das eng mit einem von EU- und SESAR-finanzierten Forschern entwickelten Anflugplanungssystem, einem Arrival Manager, verflochten ist.
Spracherkennungstechnologie für Fluglotsen
Eine der größten Hürden für die Einführung eines höheren Automatisierungsgrads im Flugverkehrsmangement (air traffic management, ATM) ist die intensive Nutzung von Sprechfunkverbindungen zur Übermittlung der Anweisungen der Flugsicherung (air traffic control, ATC) an die Piloten. Automatische Spracherkennung, die menschliche Sprache in Texte umwandelt, kann die Lösung sein, um die Arbeitsbelastung der Fluglotsen deutlich zu reduzieren und die Effizienz des Flugverkehrsmanagements zu steigern.

Das durch Horizont 2020 finanzierte Projekt MALORCA zielte darauf ab, die Entwicklungs- und Unterhaltungskosten der assistentenunterstützten Spracherkennung (Assistant Based Speech Recognition, ABSR) durch Maschinenlernen anstelle manueller Softwareprogrammierung zu senken. Finanziert wurde diese Initiative im Rahmen des gemeinsamen Unternehmens SESAR, einer öffentlich-privaten Partnerschaft zur Modernisierung des europäischen Flugverkehrsmanagementsystems.

Anpassung an Gegebenheiten vor Ort

Moderne Flugverkehrskontrollsysteme müssen ebenso sicher wie effizient und gleichzeitig auf dem neuesten Stand sein. Sie verlangen daher den Fluglotsen wesentliche Beiträge ab, die derzeit über Tastatur- und Mauseingabegeräte erfasst werden. Moderne Technik wie die Luft-Boden-Datenverbindung, die in einigen Fällen die Sprachkommunikation ersetzen kann, wird den Fluglotsen noch mehr Beiträge abfordern.

Die immense Arbeitsbelastung der Fluglotsen kann durch ABSR reduziert werden. „Glücklicherweise hat die automatische Spracherkennung einen Zuverlässigkeitsgrad erreicht, der ausreichend für die Implementierung in ein Flugverkehrsmanagementsystem ist“, sagt Projektkoordinator Hartmut Helmke. „Wir müssen jedoch die Transferkosten von Spracherkennungssystemen von einem Anflugbereich zum anderen senken.“

Gegenwärtig erfordern mehrere Spracherkennungsmodule eine manuelle Anpassung an lokale Gegebenheiten, die durch akustische und sprachliche Variabilitäten wie etwa regionale Akzente, Abweichungen in der Ausdrucksweise und lokale Einschränkungen verursacht werden. MALORCA hat eine allgemeine, kostengünstige und wirkungsvolle Lösung vorgeschlagen, um diesen Prozess des Umlernens, der Anpassung und der Individualisierung zu automatisieren. Diese umfasst das automatische Erlernen lokaler Spracherkennungs- und Fluglotsenmodelle aus Radar- und Sprachdatenaufzeichnungen.

MALORCA entwickelte neue Werkzeuge für Maschinenlernen, um das Fluglotsenverhalten automatisch zu erlernen und Spracherkennungsmodelle aus den von den Flugsicherungsdiensten aufgezeichneten Daten abzuleiten. Beim Maschinenlernen werden statistische Verfahren angewandt, durch die Computersysteme „lernen“ und ihre Leistung bei speziellen Aufgaben im Lauf der Zeit verbessern können, indem sie diese Daten verwerten, ohne ausdrücklich darauf programmiert worden zu sein. Das wird einen großen Teil des bisher erforderlichen manuellen Aufwands ersetzen und die Kosten senken, da Maschinenlernen in ABSR-Modellen die Anpassung an verschiedene Flughäfen und Wartungsabläufe kostengünstiger und schneller gestaltet.

Der erste Schritt

Die Projektpartner nutzten den Output eines Anflugplanungssystems, des sogenannten „Arrival Managers“, für die Flughäfen Prag und Wien, um die nicht transkribierten Trainingsdaten durch spezifische Vertrauensmetriken automatisch in positive und negative Datenblöcke aufzuteilen. Diese Metrik wurde dann in den entwickelten Maschinenlernalgorithmen dazu verwendet, um das Lernen aus Anpassungsdaten zu untermauern.

Im Kontext von ABSR unterstützt der Arrival Manager die Vorhersage der Befehle der Flugsicherung, die für die aktuelle Situation zutreffend sind. Die prognostizierten Befehle werden mit dem Ergebnis der Spracherkennung verglichen. Wird kein Befehl vorhergesagt, geht man davon aus, dass das Spracherkennungssystem einen falschen Befehl ausgegeben hat.

Das Projekt stellt der Luftfahrtindustrie somit einen praktischen Ansatz für die Entwicklung und den Einsatz eines topmodernen Spracherkennungssystems und dessen Einbindung in die heutigen Sprachkommunikationssysteme für Flugsicherungsdienste zur Verfügung.

Der Einsatz des maschinellen Lernens bei der Spracherkennung ist nur der erste Testfall für dessen breitere Anwendung im Flugverkehrsmanagement. Seine Anwendung in Flugverkehrsmanagement kann außerdem hilfreich dabei sein, Anpassung und Wartung weiterer ATM-Werkzeuge zu reduzieren. Ein nächster Schritt könnte beispielsweise die Anpassung eines allgemeinen Arrival Managers an spezielle Flughäfen sein.

Schlüsselwörter

MALORCA, Spracherkennung, Luftverkehr, Maschinenlernen, Assistentenunterstützte Spracherkennung, Assistant Based Speech Recognition (ABSR)
Folgen Sie uns auf: RSS Facebook Twitter YouTube Verwaltet vom Amt für Veröffentlichungen der EU Nach oben