人工智能和語音識別技術在民航空管領域的應用和發展方向

梁志杰

摘 要：安全是民航永恒的主題，是民航空管建設發展的基礎。隨著空中流量的不斷上升，空中交通管制員的任務越來越重，他們對空管自動化系統的依賴也越來越強。為了適應空中交通流量的持續增長，保障飛行安全，這些年來空管自動化系統也在不斷更新換代。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，通過對語音識別技術降低管制員工作量和提高管制工作安全系數的可行性展開討論，并制定出一套可靠方案以供參考。

關鍵詞：民航空管；自動化系統；人工智能；語音識別

一、概述

深度學習是一門多領域交叉學科，專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構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習的領域最為熱門，非人工智能莫屬，這就是深度學習。深度學習框架又名深度神經網絡，一個復雜的模式識別系統，可以實現從自動語言翻譯到圖像識別的功能。

神經網絡是谷歌以及其他公司在深度學習中使用的一種系統。人們利用大量的數據，比如演講片段，來訓練神經網絡，然后讓這些神經網絡能夠自動對新的數據做出判斷。2012年，谷歌首次將神經網絡運用于語音識別，并在之后推出了開源工具。深度學習需要收集大量的數據，并且擁有處理這些數據的能力，做到這些并非易事，但深度學習技術正在蓬勃發展的道路上，并且已經突破了很多障礙，逐漸在各個民用領域廣泛應用，而民航空管的自動化系統也在近些年開始借助空管大數據和深度學習方法研制基于語音識別的空管安全實時監視和事后分析系統。

由自動化系統、內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”到的自動化系統雷達顯示動態，將管制指令通過內話系統發送出去，飛行員接收到指令后調整飛行姿態，最終管制員可以通過自動化系統顯示的雷達動態確認“指令”是否得到正確理解和執行。這個閉環中，由于自動化系統和內話系統是相互獨立的，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。

語音識別技術在自動化系統應用成熟后，在理想的狀態下，自動化系統根據接入的監視、AFTN、氣象報文和語音識別得到的管制意圖數據，依據管制規則，形成管制指令，利用“語音合成技術”將文本的指令轉換為語音指令通過內話系統發送給飛行員，最終完成管制操作的閉環。

利用“語音識別”技術，在自動化系統增加語音和語義識別處理服務器，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，通過干預動態，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手段避免管制員和飛行員出現“錯忘漏”的現象。目前模型系統通過訓練800小時管制話音的語音識別率已達到85%，實際應用中會隨著使用率的提高，識別率越來越高，管制員如不確定發出的指令內容，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，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。相當于給計算機系統安裝上“耳朵”，使其具備“能聽”的功能，進而實現信息時代利用“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，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手段避免管制員和飛行員出現“錯忘漏”的現象，并從以下5個方面通過技術手段輔助管制提升服務水平。

1.語音識別管制和機組復誦指令，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，系統識別出兩條指令的關聯性，并判斷管制員指令和機組復誦是否一致。如不一致，在SDD相應航班標牌上給出提示，提醒管制員確認通話內容。

2.語音識別管制指令，干預相應動態，實現預警

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，系統識別出管制指揮的航班和指令高度，并判斷語音發送的航班號、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相應航班標牌上給出提示，提醒管制員確認通話內容。

3.根據CFL指令高度進行潛在的預警判斷

自動化系統識別到管制指揮高度或收到標牌上設定的CFL高度值后，據此進行預推計算，假如判斷有潛在的預警則在SDD給出提示。

4.模塊化，通用接口

實現管制指令識別和分類存儲標準化，規范數據定義和接口設計，存儲的管制指令識別數據可以擴展應用到其它自動化系統。

5.擴展應用

管制話音指令存儲在數據庫中，數據收集到一定程度后，可以進行分類統計分析。例如針對某一管制員進行標準通話用語評價，統計通話時長、頻率，監測管制員的管制負荷等等。擴展應用于標準通話用語評價體系和管制負荷監測體系的建設，還可以實現管制語音記錄、檢索功能。

三、實施

項目的主要目的是在自動化系統SDD席位應用管制指揮意圖信息，提醒管制員確認通話內容，判斷有潛在的預警則在SDD給出提示，利用技術手段為改善管制員“錯忘漏”提供輔助手段。開發應用管制通話數據信息，實現例如針對某一管制員進行標準通話用語評價，統計監測管制員的管制負荷等大數據應用，擴展應用于標準通話用語評價體系和管制負荷監測體系的建設。

具體計劃如下：

1、利用實時的管制通話訓練語音語義識別模型，初期目標達到字錯誤率<20%；

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

3、協同管制部門，規范管制意圖信息、規范數據定義和接口，基于累計的管制語音數據，實現初步統計應用；

4、協同管制部門、廠家ATC開發人員，設計實現管制指揮意圖信息送回自動化系統，實時在SDD管制席位給出顯示或提醒信息的應用；

5、協同管制部門，基于提升管制安全、效率的目的，設計實現基于管制語音數據的增值應用，完善標準通話用語評價體系和管制負荷監測體系建設。

四、結束語

經過本文的深度討論，可以看出AI和語音識別技術在民航領域的巨大潛力，利用先進的人工智能技術，綜合處理管制語音、監視數據（雷達、ADS-B、場監等）和空管視頻等多種數據，分析和識別區調、進近、塔臺、地面以及機場管制指揮與調度中潛在沖突，及時提示管制員化解風險，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機器學習框架及應用[J].微型機與應用，2017，36（10）：58-60.

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

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