人工智能和語音識別技術(shù)在民航空管領(lǐng)域的應(yīng)用和發(fā)展方向

梁志杰

摘 要：安全是民航永恒的主題，是民航空管建設(shè)發(fā)展的基礎(chǔ)。隨著空中流量的不斷上升，空中交通管制員的任務(wù)越來越重，他們對空管自動化系統(tǒng)的依賴也越來越強。為了適應(yīng)空中交通流量的持續(xù)增長，保障飛行安全，這些年來空管自動化系統(tǒng)也在不斷更新?lián)Q代。本文的視角聚焦到近年來大熱的人工智能和語音識別技術(shù)，通過對語音識別技術(shù)降低管制員工作量和提高管制工作安全系數(shù)的可行性展開討論，并制定出一套可靠方案以供參考。

關(guān)鍵詞：民航空管；自動化系統(tǒng)；人工智能；語音識別

一、概述

深度學(xué)習(xí)是一門多領(lǐng)域交叉學(xué)科，專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能[1]。它是人工智能的核心，是使計算機具有智能的根本途徑。 如果論及哪一個機器學(xué)習(xí)的領(lǐng)域最為熱門，非人工智能莫屬，這就是深度學(xué)習(xí)。深度學(xué)習(xí)框架又名深度神經(jīng)網(wǎng)絡(luò)，一個復(fù)雜的模式識別系統(tǒng)，可以實現(xiàn)從自動語言翻譯到圖像識別的功能。

神經(jīng)網(wǎng)絡(luò)是谷歌以及其他公司在深度學(xué)習(xí)中使用的一種系統(tǒng)。人們利用大量的數(shù)據(jù)，比如演講片段，來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，然后讓這些神經(jīng)網(wǎng)絡(luò)能夠自動對新的數(shù)據(jù)做出判斷。2012年，谷歌首次將神經(jīng)網(wǎng)絡(luò)運用于語音識別，并在之后推出了開源工具。深度學(xué)習(xí)需要收集大量的數(shù)據(jù)，并且擁有處理這些數(shù)據(jù)的能力，做到這些并非易事，但深度學(xué)習(xí)技術(shù)正在蓬勃發(fā)展的道路上，并且已經(jīng)突破了很多障礙，逐漸在各個民用領(lǐng)域廣泛應(yīng)用，而民航空管的自動化系統(tǒng)也在近些年開始借助空管大數(shù)據(jù)和深度學(xué)習(xí)方法研制基于語音識別的空管安全實時監(jiān)視和事后分析系統(tǒng)。

由自動化系統(tǒng)、內(nèi)話席位和管制員組成的管制席位的核心是管制員，通常的管制流程是：由管制員參照“看”到的自動化系統(tǒng)雷達顯示動態(tài)，將管制指令通過內(nèi)話系統(tǒng)發(fā)送出去，飛行員接收到指令后調(diào)整飛行姿態(tài)，最終管制員可以通過自動化系統(tǒng)顯示的雷達動態(tài)確認“指令”是否得到正確理解和執(zhí)行。這個閉環(huán)中，由于自動化系統(tǒng)和內(nèi)話系統(tǒng)是相互獨立的，完全依賴管制員來完成銜接，所以造成目前管制指揮閉環(huán)中管制員的角色異常重要——不能“看”錯，不能“說”錯。

語音識別技術(shù)在自動化系統(tǒng)應(yīng)用成熟后，在理想的狀態(tài)下，自動化系統(tǒng)根據(jù)接入的監(jiān)視、AFTN、氣象報文和語音識別得到的管制意圖數(shù)據(jù)，依據(jù)管制規(guī)則，形成管制指令，利用“語音合成技術(shù)”將文本的指令轉(zhuǎn)換為語音指令通過內(nèi)話系統(tǒng)發(fā)送給飛行員，最終完成管制操作的閉環(huán)。

利用“語音識別”技術(shù)，在自動化系統(tǒng)增加語音和語義識別處理服務(wù)器，實時識別處理管制員和飛行員的通話，智能判斷管制指令，并將管制指揮意圖信息送回自動化系統(tǒng)，通過干預(yù)動態(tài)，實時在SDD管制席位給出顯示或提醒信息，這樣就可以利用技術(shù)手段避免管制員和飛行員出現(xiàn)“錯忘漏”的現(xiàn)象。目前模型系統(tǒng)通過訓(xùn)練800小時管制話音的語音識別率已達到85%，實際應(yīng)用中會隨著使用率的提高，識別率越來越高，管制員如不確定發(fā)出的指令內(nèi)容，拿來作為參考，也能有效避免“錯忘漏”的幾率[12]。

二、方案

項目利用目前日漸成熟的語音識別技術(shù)，讓計算機能夠“聽懂”管制指令，將語音中包含的文字信息“提取”出來。相當(dāng)于給計算機系統(tǒng)安裝上“耳朵”，使其具備“能聽”的功能，進而實現(xiàn)信息時代利用“語音”這一最自然、最便捷的手段進行人機通信和交互。通過分析管制席位的管制流程，找到一個切入點，利用“語音識別” 技術(shù)，實時識別處理管制員和飛行員的通話，智能判斷管制指令，通過干預(yù)計劃，實時在SDD管制席位給出顯示或提醒信息，這樣就可以利用技術(shù)手段避免管制員和飛行員出現(xiàn)“錯忘漏”的現(xiàn)象，并從以下5個方面通過技術(shù)手段輔助管制提升服務(wù)水平。

1.語音識別管制和機組復(fù)誦指令，判斷其一致性

例如管制員：“國航拐六五四上升到五千八保持”，機組：“國航6666上升到五千八保持，收到”，通過語音識別后，系統(tǒng)識別出兩條指令的關(guān)聯(lián)性，并判斷管制員指令和機組復(fù)誦是否一致。如不一致，在SDD相應(yīng)航班標(biāo)牌上給出提示，提醒管制員確認通話內(nèi)容。

2.語音識別管制指令，干預(yù)相應(yīng)動態(tài)，實現(xiàn)預(yù)警

例如管制員：“國航拐六五四上升到五千八保持”，并在SDD上輸出CFL高度“5800”，通過語音識別后，系統(tǒng)識別出管制指揮的航班和指令高度，并判斷語音發(fā)送的航班號、指令高度與管制員高亮的“航班號”及輸入的“CFL高度值”是否一致。如不一致，在SDD相應(yīng)航班標(biāo)牌上給出提示，提醒管制員確認通話內(nèi)容。

3.根據(jù)CFL指令高度進行潛在的預(yù)警判斷

自動化系統(tǒng)識別到管制指揮高度或收到標(biāo)牌上設(shè)定的CFL高度值后，據(jù)此進行預(yù)推計算，假如判斷有潛在的預(yù)警則在SDD給出提示。

4.模塊化，通用接口

實現(xiàn)管制指令識別和分類存儲標(biāo)準(zhǔn)化，規(guī)范數(shù)據(jù)定義和接口設(shè)計，存儲的管制指令識別數(shù)據(jù)可以擴展應(yīng)用到其它自動化系統(tǒng)。

5.擴展應(yīng)用

管制話音指令存儲在數(shù)據(jù)庫中，數(shù)據(jù)收集到一定程度后，可以進行分類統(tǒng)計分析。例如針對某一管制員進行標(biāo)準(zhǔn)通話用語評價，統(tǒng)計通話時長、頻率，監(jiān)測管制員的管制負荷等等。擴展應(yīng)用于標(biāo)準(zhǔn)通話用語評價體系和管制負荷監(jiān)測體系的建設(shè)，還可以實現(xiàn)管制語音記錄、檢索功能。

三、實施

項目的主要目的是在自動化系統(tǒng)SDD席位應(yīng)用管制指揮意圖信息，提醒管制員確認通話內(nèi)容，判斷有潛在的預(yù)警則在SDD給出提示，利用技術(shù)手段為改善管制員“錯忘漏”提供輔助手段。開發(fā)應(yīng)用管制通話數(shù)據(jù)信息，實現(xiàn)例如針對某一管制員進行標(biāo)準(zhǔn)通話用語評價，統(tǒng)計監(jiān)測管制員的管制負荷等大數(shù)據(jù)應(yīng)用，擴展應(yīng)用于標(biāo)準(zhǔn)通話用語評價體系和管制負荷監(jiān)測體系的建設(shè)。

具體計劃如下：

1、利用實時的管制通話訓(xùn)練語音語義識別模型，初期目標(biāo)達到字錯誤率<20%；

2、在管制大廳試用語音識別終端/Pad終端，為了持續(xù)提高語音識別正確率，設(shè)計實現(xiàn)語音模型的訓(xùn)練接口，實現(xiàn)管制員在試用中實時打標(biāo)簽的功能。目標(biāo)達到字錯誤率<10%，指令解析正確率>90%；

3、協(xié)同管制部門，規(guī)范管制意圖信息、規(guī)范數(shù)據(jù)定義和接口，基于累計的管制語音數(shù)據(jù)，實現(xiàn)初步統(tǒng)計應(yīng)用；

4、協(xié)同管制部門、廠家ATC開發(fā)人員，設(shè)計實現(xiàn)管制指揮意圖信息送回自動化系統(tǒng)，實時在SDD管制席位給出顯示或提醒信息的應(yīng)用；

5、協(xié)同管制部門，基于提升管制安全、效率的目的，設(shè)計實現(xiàn)基于管制語音數(shù)據(jù)的增值應(yīng)用，完善標(biāo)準(zhǔn)通話用語評價體系和管制負荷監(jiān)測體系建設(shè)。

四、結(jié)束語

經(jīng)過本文的深度討論，可以看出AI和語音識別技術(shù)在民航領(lǐng)域的巨大潛力，利用先進的人工智能技術(shù)，綜合處理管制語音、監(jiān)視數(shù)據(jù)（雷達、ADS-B、場監(jiān)等）和空管視頻等多種數(shù)據(jù)，分析和識別區(qū)調(diào)、進近、塔臺、地面以及機場管制指揮與調(diào)度中潛在沖突，及時提示管制員化解風(fēng)險，以此來提高管制指揮安全水平，降低管制工作負荷，提升空管系統(tǒng)智能化水平，具有極大的研究價值。

參考文獻：

[1] 章敏敏，徐和平，王曉潔，周夢昀，洪淑月.谷歌TensorFlow機器學(xué)習(xí)框架及應(yīng)用[J].微型機與應(yīng)用，2017，36（10）：58-60.

[2] 張明偉，靳學(xué)梅，白紅利.下一代管制自動化系統(tǒng)研究與設(shè)想[J].航空計算技術(shù)，2015，45（04）：123-126.

[3] 袁偉偉， 胡軍， 劉萬鳳. 空管模擬訓(xùn)練中指令的語音識別與合成技術(shù)研究[J]. 電子設(shè)計工程， 2013， 21（6）：8-11.