La popolarità del trasporto aereo continua a crescere, imponendo un carico di lavoro ancora maggiore ai controllori del traffico aereo (ATCO). La loro situazione può essere migliorata attraverso un sistema di riconoscimento vocale automatico strettamente integrato con un gestore degli arrivi sviluppato da ricercatori finanziati dall'UE e da SESAR.

Uno dei maggiori ostacoli all'introduzione di livelli più elevati di automazione nella gestione del traffico aereo (ATM) è l'uso intensivo della comunicazione radio vocale per trasmettere le istruzioni di controllo del traffico aereo (ATC) ai piloti. Riconoscimento vocale automatico, che converte il linguaggio umano in testi, può fornire una soluzione per ridurre significativamente i carichi di lavoro degli ATCO e aumentare l'efficienza dell'ATM.

Il progetto MALORCA, finanziato da Horizon 2020, mirava a ridurre i costi di sviluppo e manutenzione del riconoscimento vocale basato sull'assistente (ABSR) utilizzando l'apprendimento automatico anziché la programmazione manuale del software. Questa iniziativa è stata finanziata nell'ambito dell'impresa comune SESAR, un partenariato pubblico-privato istituito per modernizzare il sistema ATM europeo.

Adattamento alle condizioni locali

I moderni sistemi ATC devono essere sicuri ed efficienti pur essendo aggiornati. Richiedono quindi un contributo significativo da parte degli ATCO, che è attualmente catturato tramite dispositivi tastiera e mouse. Tecnologie moderne come il collegamento dati Air-Ground, che in alcuni casi può sostituire la comunicazione vocale, richiederanno ancora più input dagli ATCO.

L'immenso carico di lavoro dell'ATCO può essere ridotto dall'ABSR. "Fortunatamente, il riconoscimento vocale automatico ha raggiunto un livello di affidabilità sufficiente per l'implementazione in un sistema ATM, " afferma il coordinatore del progetto Hartmut Helmke. "Tuttavia, dobbiamo ridurre i costi di trasferimento dei sistemi di riconoscimento vocale da un'area di approccio a un'altra".

Attualmente, diversi moduli di riconoscimento vocale richiedono un adattamento manuale alle esigenze locali causate da variabili acustiche e linguistiche come accenti regionali, deviazioni fraseologiche e vincoli locali. MALORCA propose un generale, soluzione economica ed efficace per automatizzare questo riapprendimento, processo di adattamento e personalizzazione. Ciò comporta l'apprendimento automatico del riconoscimento vocale locale e dei modelli ATCO dalle registrazioni dei dati radar e vocali.

MALORCA ha sviluppato nuovi strumenti di apprendimento automatico per apprendere automaticamente il comportamento ATCO e adattare i modelli di riconoscimento vocale dai dati registrati dai fornitori di servizi di navigazione aerea. L'apprendimento automatico utilizza tecniche statistiche che consentono ai sistemi informatici di "apprendere" e migliorare le proprie prestazioni su compiti specifici nel tempo sfruttando questi dati, senza essere esplicitamente programmato. Ciò sostituirà gran parte dello sforzo manuale precedentemente richiesto e ridurrà i costi poiché l'apprendimento automatico dei modelli ABSR rende l'adattamento ai diversi aeroporti e la manutenzione più economici e veloci.

Il primo passo

I partner del progetto hanno utilizzato l'output di un cosiddetto "gestore degli arrivi" per gli aeroporti di Praga e Vienna per suddividere automaticamente i dati di formazione non trascritti in blocchi positivi e negativi attraverso specifici parametri di confidenza. Questa metrica è stata quindi utilizzata negli algoritmi di apprendimento automatico sviluppati per rafforzare l'apprendimento dai dati di adattamento.

Nell'ambito dell'ABSR, Arrival Manager supporta la previsione dei comandi ATC rilevanti per la situazione attuale. I comandi previsti vengono confrontati con l'output del riconoscitore vocale. Se un comando non è previsto, si presume che il sistema di riconoscimento vocale abbia emesso un comando errato.

Il progetto fornisce quindi all'industria aeronautica un approccio pratico per sviluppare e implementare un sistema di riconoscimento vocale all'avanguardia e integrarlo nei sistemi di comunicazione vocale odierni per i fornitori di servizi di navigazione aerea.

L'uso dell'apprendimento automatico per il riconoscimento vocale è solo il primo banco di prova per la sua più ampia applicazione in ATM. La sua applicazione in ATM può anche aiutare a ridurre l'adattamento e la manutenzione di altri strumenti ATM. L'adattamento ad esempio di un generico Arrival Manager ad aeroporti specifici potrebbe essere il prossimo passo.