Amelia-48

Amelia-48数据集由卡内基梅隆大学机器人研究所创建，是一个涵盖美国48个机场的大型机场表面运动数据集。该数据集收集了自2022年12月起的SMES数据，总量约30TB，包含详细的机场地图和位置数据。数据集的创建旨在支持机场运动预测等研究，通过提供后处理脚本和机场地图，促进相关领域的研究。Amelia-48数据集的应用领域包括机场管理、碰撞风险评估和排放估算等，旨在通过数据驱动的方法提高机场运营的安全性和效率。

Amelia-48 dataset was developed by the Robotics Institute of Carnegie Mellon University. It is a large-scale airport surface movement dataset covering 48 airports across the United States. This dataset collects SMES data since December 2022, with a total volume of approximately 30 TB, and contains detailed airport maps and location data. The creation of this dataset aims to support research on airport movement prediction and other related topics, and promote research in relevant fields by providing post-processing scripts and airport maps. Application areas of the Amelia-48 dataset include airport management, collision risk assessment, emission estimation and more, with the goal of enhancing the safety and efficiency of airport operations through data-driven methods.

搜集汇总

数据集介绍

构建方式

Amelia-48数据集的构建采用了联邦航空管理局的系统范围信息管理（SWIM）计划中的表面运动事件服务（SMES）收集数据。该数据集包括从2022年12月1日开始的美国国家空域系统内48个机场的数据，数据量约为30TB。数据收集过程使用了先进的消息队列协议（AMQP）连接进行冗余记录，并使用预处理脚本将原始的XML SMES位置报告消息转换为适合机器学习库使用的CSV格式。此外，还从OpenStreetMap（OSM）数据库中收集了机场表面地图，并将其转换为轻量级的无向图，以便于研究和预测。

特点

Amelia-48数据集具有以下特点：1）规模庞大，包含超过一年的SMES数据和48个机场的数据；2）数据质量高，经过预处理和验证，包括插值和重采样处理；3）多样性丰富，涵盖了不同交通水平和地图拓扑结构的机场；4）易于使用，提供了预处理脚本、机场地图和相关文档，方便研究人员使用。

使用方法

Amelia-48数据集可用于训练和评估机场表面运动预测模型，如Amelia-TF模型。使用该数据集时，首先需要根据研究需求进行数据筛选和预处理，例如选择特定机场、时间段或数据类型。然后，可以使用机器学习库中的数据加载器将数据加载到模型中进行训练或评估。此外，还可以使用提供的机场地图和预处理脚本进行进一步的数据分析和可视化。

背景与挑战

背景概述

机场地面操作预测模型对于提升航空交通管理和确保安全高效的运营至关重要。Amelia-48数据集应运而生，旨在解决机场地面操作预测中缺乏大规模数据集和通用预测模型的问题。该数据集由卡内基梅隆大学机器人学院的研究人员于2022年12月开始收集，包含了美国国家空域系统内48个机场的超过一年（约30TB）的地面操作数据。除了提供数据，还提供了后处理脚本和机场地图，以便研究人员进行预测领域和其他领域的研究。此外，Amelia-TF模型是一个基于Transformer的预测模型，使用Amelia-48数据集进行训练，能够在未见过的机场上进行验证，展示了其泛化能力。Amelia-48数据集的开放和Amelia-TF模型的提出，对于推动机场地面操作预测的研究具有重要意义。

当前挑战

尽管Amelia-48数据集和Amelia-TF模型取得了显著进展，但仍面临一些挑战。首先，数据集的规模和模型的泛化能力需要进一步提升，以覆盖更广泛、更多样化的机场操作场景。其次，模型的训练效率和预测精度也需要进一步提高。此外，如何将预测模型应用于实际操作，例如碰撞风险评估、异常检测、滑行时间预测等，也是需要进一步研究的方向。

常用场景

经典使用场景

Amelia-48数据集主要用于机场表面运动的预测。该数据集包含了美国国家空域系统内48个机场的表面运动事件服务(SMES)数据，数据收集始于2022年12月。Amelia-48数据集为研究机场表面运动预测模型提供了宝贵的数据资源，有助于提高机场运营的效率和安全性。该数据集可以用于多种下游任务，包括碰撞风险评估、滑行时间预测、起飞计量和排放估计等。

实际应用

Amelia-48数据集的实际应用场景包括机场运营管理、航空交通管理、安全风险评估等。例如，通过Amelia-48数据集训练的预测模型可以帮助机场管理人员预测飞机的滑行时间，从而优化机场的航班调度和资源分配。此外，该数据集还可以用于评估飞机的碰撞风险，提高机场的安全水平。

衍生相关工作

Amelia-48数据集衍生了Amelia-TF模型，这是一个基于Transformer的轨迹预测模型。Amelia-TF模型在Amelia-48数据集上进行训练，能够预测多个机场的飞机轨迹。该模型的发布为研究人员提供了新的工具，有助于进一步研究机场表面运动预测问题，提高模型的预测准确性和可靠性。