Servizio Comunitario di Informazione in materia di Ricerca e Sviluppo - CORDIS

H2020

MALORCA — Risultato in breve

Project ID: 698824
Finanziato nell'ambito di: H2020-EU.3.4.7.1
Paese: Germania
Dominio: Trasporti e Mobilità, Cambiamento climatico e Ambiente, Economia digitale

Tecnologia di riconoscimento vocale per i controllori del traffico aereo

La popolarità del trasporto aereo continua ad aumentare, mettendo un carico di lavoro ancora più grande sulle spalle dei controllori del traffico aereo (CTA). La loro difficile situazione può essere migliorata attraverso un sistema automatico di riconoscimento vocale strettamente integrato con uno strumento di pianificazione degli arrivi sviluppato da ricercatori finanziati da UE e SESAR.
Tecnologia di riconoscimento vocale per i controllori del traffico aereo
Uno dei principali ostacoli all’introduzione di maggiori livelli di automazione nella gestione del traffico aereo (ATM) è l’uso frequente di comunicazioni radio vocali per trasmettere istruzioni di controllo del traffico aereo (ATC) ai piloti. Il riconoscimento vocale automatico, che converte il parlato umano in testi, può fornire una soluzione per ridurre notevolmente i carichi di lavoro dei CTA e incrementare l’efficienza dell’ATM.

Il progetto MALORCA, finanziato da Orizzonte 2020, mirava a ridurre i costi di sviluppo e manutenzione del riconoscimento vocale basato su assistente utilizzando l’apprendimento automatico al posto della programmazione manuale del software. Questa iniziativa è stata finanziata nel quadro dell’impresa comune SESAR, un partenariato pubblico-privato creato per modernizzare il sistema ATM dell’Europa.

Adattamento alle condizioni locali

I moderni sistemi ATC devono essere sicuri ed efficienti, rimanendo allo stesso tempo aggiornati. Richiedono di conseguenza un significativo apporto proveniente dai CTA, che al momento viene registrato attraverso dispositivi quali tastiere e mouse. Tecnologie moderne come il collegamento dati bordo-terra, che in alcuni casi può rimpiazzare la comunicazione vocale, richiederanno un apporto ancora maggiore da parte dei CTA,

ma il loro immenso carico di lavoro può essere ridotto mediante il riconoscimento vocale basato su assistente. «Fortunatamente, il riconoscimento vocale automatico ha raggiunto un livello di affidabilità sufficiente per essere applicato in un sistema ATM», afferma il coordinatore del progetto Hartmut Helmke. «Abbiamo tuttavia bisogno di ridurre i costi per il trasferimento dei sistemi di riconoscimento vocale da un’area dell’approccio a un’altra.»

Al momento, diversi moduli del riconoscimento vocale richiedono un adattamento manuale alle esigenze locali causato da variabilità acustiche e del linguaggio, quali ad esempio accenti regionali, differenze fraseologiche e vincoli locali. MALORCA ha proposto una soluzione generale, economica ed efficace per automatizzare questo processo di riapprendimento, adattamento e personalizzazione. Questa soluzione prevede l’apprendimento in modo automatico del riconoscimento vocale locale e dei modelli CTA ricavati da registrazioni radar e di dati vocali.

MALORCA ha sviluppato nuovi strumenti di apprendimento per imparare in modo automatico il comportamento dei CTA e adattare i modelli di riconoscimento vocale provenienti da dati registrati dai fornitori di servizi di navigazione aerea. L’apprendimento automatico utilizza tecniche statistiche che consentono ai sistemi informatici di «imparare» e migliorare nel tempo le proprie prestazioni relative a compiti specifici sfruttando questi dati, senza essere espressamente programmati. Ciò rimpiazzerà gran parte dello sforzo manuale richiesto in precedenza e ridurrà i costi, visto che l’apprendimento automatico di modelli di riconoscimento vocale basato su assistente rende più economici e veloci l’adattamento a differenti aeroporti e la manutenzione.

Il primo passo

I partner del progetto hanno usato i dati in uscita di un cosiddetto «Arrival Manager» per gli aeroporti di Praga e Vienna al fine di suddividere automaticamente i dati di allenamento non trascritti in blocchi positivi e negativi attraverso una specifico metodo di misura della fiducia. Questo metodo è stato poi utilizzato negli algoritmi di apprendimento automatico per rinforzare l’apprendimento dai dati sull’adattamento.

Nel contesto del riconoscimento vocale basato su assistente, lo strumento Arrival Manager supporta la previsione dei comandi dei CTA che sono rilevanti per la situazione attuale. I comandi previsti vengono confrontati con i dati in uscita del dispositivo di riconoscimento vocale. Se un comando non viene previsto, si suppone che il sistema di riconoscimento vocale abbia prodotto un comando errato.

Il progetto fornisce quindi all’industria dell’aviazione un approccio pratico per sviluppare e mettere in campo un sistema di riconoscimento vocale all’avanguardia e per integrarlo negli odierni sistemi di comunicazione vocale per i fornitori di servizi di navigazione aerea.

L’uso dell’apprendimento automatico per il riconoscimento vocale è solo il primo metodo di prova per una sua più ampia applicazione nell’ATM, la quale può inoltre contribuire a ridurre l’adattamento e la manutenzione di altri strumenti ATM. Per esempio, l’adattamento di un generico strumento Arrival Manager ad aeroporti specifici potrebbe essere il prossimo passo.

Keywords

MALORCA, riconoscimento vocale, traffico aereo, apprendimento automatico, riconoscimento vocale basato su assistente