Service Communautaire d'Information sur la Recherche et le Développement - CORDIS

H2020

MALORCA — Résultat en bref

Project ID: 698824
Financé au titre de: H2020-EU.3.4.7.1
Pays: Allemagne
Domaine: Transports et Mobilité, Changement climatique et Environnement, Économie numérique

Une technologie de reconnaissance vocale pour les contrôleurs aériens

La popularité du transport aérien ne cesse de croître, et il en va de même pour la charge de travail des contrôleurs aériens (ATCO). Leur situation difficile peut être améliorée grâce à un système de reconnaissance vocale automatique étroitement intégré à un système de gestion des arrivées, développé par des chercheurs financés par l’UE et par SESAR.
Une technologie de reconnaissance vocale pour les contrôleurs aériens
En ce qui concerne l’introduction de niveaux d’automatisation plus élevés pour la gestion du trafic aérien (ATM), une des plus grandes difficultés est liée à l’utilisation intensive des communications radio vocales pour transmettre aux pilotes les instructions relatives au contrôle du trafic aérien (ATC). La reconnaissance vocale automatique, qui consiste à convertir les paroles humaines en texte, peut fournir une solution susceptible de réduire de manière significative la charge de travail des contrôleurs aériens et d’augmenter l’efficacité de l’ATM.

Le projet MALORCA, financé par Horizon 2020, a cherché à réduire les coûts de développement et de maintenance relatifs à la reconnaissance vocale assistée (ABSR), en utilisant l’apprentissage automatique plutôt que la programmation manuelle de logiciels. Cette initiative a été financée dans le cadre de l’entreprise commune SESAR, un partenariat public-privé mis en place afin de moderniser le système ATM européen.

S’adapter aux conditions locales

Les systèmes modernes d’ATC doivent être sûrs et efficaces tout en étant à jour. Ils ont donc besoin d’une grande quantité de données d’entrée de la part des contrôleurs aériens, ces données étant actuellement acquises par le biais de claviers et de souris. Les technologies modernes, comme la transmission de données air-sol, qui peuvent dans certains cas remplacer les communications vocales, nécessiteront encore plus d’apports de la part des contrôleurs aériens.

L’énorme charge de travail des contrôleurs aériens peut être réduite grâce à l’ABSR. «Heureusement, la reconnaissance vocale automatique a atteint un niveau de fiabilité suffisant pour être implémentée au sein d’un système ATM», explique Hartmut Helmke, coordinateur du projet. «Il nous faut toutefois réduire les coûts de transfert des systèmes de reconnaissance vocale entre les différentes zones d’approche».

Actuellement, plusieurs modules de reconnaissance vocale nécessitent une adaptation manuelle aux besoins locaux, en raison de certaines variations acoustiques et linguistiques, comme les accents régionaux, les écarts de phraséologie et les contraintes locales. MALORCA a fourni une solution d’ensemble, économique et efficace, pour automatiser ce processus de réapprentissage, d’adaptation et de personnalisation. Cette solution met en jeu un apprentissage automatique de la reconnaissance vocale au niveau local ainsi que des modèles ATCO issus d’enregistrements radar et de données vocales.

MALORCA a développé de nouveaux outils d’apprentissage-machine pour assimiler automatiquement le comportement des contrôleurs aériens et adapter les modèles de reconnaissance vocale à partir des données enregistrées par les prestataires de services de la navigation aérienne. L’apprentissage automatique utilise des techniques statistiques permettant aux systèmes informatiques «d’apprendre» et d’améliorer leurs performances sur des tâches spécifiques au fil du temps, en exploitant ces données sans être explicitement programmés. Cela va remplacer une grande partie des efforts manuels requis jusqu’ici et réduire les coûts, car l’apprentissage automatique des modèles ABSR rend l’adaptation à différents aéroports ainsi que la maintenance à la fois moins coûteuses et plus rapides.

Le premier pas

Les partenaires du projet ont utilisé les sorties de ce qu’on appelle un «système de gestion des arrivées» pour les aéroports de Prague et de Vienne afin de diviser automatiquement les données d’entraînement non transcrites en segments positifs et négatifs par le biais de mesures de confiance spécifiques. Ces mesures ont ensuite été utilisées dans les algorithmes d’apprentissage automatique développés pour renforcer l’apprentissage à partir des données d’adaptation.

Dans le contexte de l’ABSR, le système de gestion des arrivées prend en charge la prédiction des commandes ATC pertinentes pour la situation en cours. Les commandes prédites sont comparées avec les sorties du dispositif de reconnaissance vocale. S’il n’y a pas de prédiction de commande, on suppose que le système de reconnaissance vocale a émis une mauvaise commande.

Le projet offre ainsi à l’industrie aéronautique une approche pratique pour développer et déployer un système de reconnaissance vocale de pointe et pour l’intégrer aux systèmes de communication vocale actuels des prestataires de services de navigation aérienne.

L’utilisation de l’apprentissage automatique pour la reconnaissance vocale n’est qu’un premier test avant une application plus large dans l’ATM. Son application dans l'ATM est également susceptible de réduire la quantité de travail requise pour l’adaptation et la maintenance des autres outils ATM. La prochaine étape pourrait par exemple consister à adapter un système générique de gestion des arrivées à des aéroports spécifiques.

Mots-clés

MALORCA, reconnaissance vocale, trafic aérien, apprentissage automatique, reconnaissance vocale assistée (ABSR)