科技：空中交通管制员的语音识别技术

【科技：空中交通管制员的语音识别技术】导语：航空运输的普及继续增长，给空中交通管制员（ATCO）带来了更大的工作量。他们的困境可以通过自动语音识别系统得到改善，该系统与由欧盟和SESAR资助的研究人员开发的到达管理者紧密结合。

在空中交通管理（ATM）中引入更高水平自动化的最大障碍之一是大量使用语音无线电通信向飞行员传达空中交通管制（ATC）指令。将人类语音转换为文本的自动语音识别可以提供显着减少ATCO工作负荷并提高ATM效率的解决方案。“地平线2020”资助的MALORCA项目旨在通过使用机器学习而不是手动软件编程来降低基于助理的语音识别（ABSR）的开发和维护成本。

现代ATC系统必须安全有效，同时保持最新状态。因此，他们需要ATCO的大量输入，目前通过键盘和鼠标设备捕获。空中地面数据链路等现代技术在某些情况下可以取代语音通信，需要ATCO提供更多的输入。ABSR可以减少ATCO的巨大工作量。“幸运的是，自动语音识别已达到足以实现ATM系统的可靠性水平，”项目协调员HartmutHelmke说。

MALORCA开发了新的机器学习工具，以自动学习ATCO行为，并根据AirNavigations服务提供商记录的数据调整语音识别模型。机器学习采用统计技术，通过利用这些数据，计算机系统能够随时间“学习”并提高其在特定任务上的性能，而无需明确编程。这将取代之前所需的大部分手动工作并降低成本，因为ABSR模型的机器学习使得适应不同的机场和维护更便宜，更快捷。

项目合作伙伴使用布拉格和维也纳机场所谓的“抵达经理”的输出，通过特定的置信度指标自动将未转录的训练数据分成正面和负面的块。然后，在开发的机器学习算法中使用该度量来加强对适应数据的学习。在ABSR的上下文中，到达管理器支持预测与当前情况相关的ATC命令。将预测的命令与语音识别器的输出进行比较。如果没有预测到命令，则认为语音识别系统输出了错误的命令。