.png){kind=icon}
返回
Aircraft Trajectory Segmentation-Based Contrastive Coding: A Framework for Self-Supervised Trajectory Representation
.png){kind=icon}
OA
AI
DOI：10.1109/OJITS.2025.3574746.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
航空交通轨迹识别在空中交通管理领域引起了广泛关注，尤其是在分类和聚类等基本任务中。本文介绍了基于航空轨迹分割的对比编码（ATSCC），一种自监督的时间序列表示学习框架，旨在捕捉航空交通轨迹数据中的语义信息，从而得到最佳解释轨迹实例的数据表示。该框架利用轨迹的可分割特性，并确保自分配段内的连续性。在来自三个不同机场的四个数据集上进行了密集实验，以比较学习到的表示在下游分类和聚类任务中的性能与其他最先进的表示学习技术的表现。结果表明，ATSCC通过将表示与机动程序对齐，优于基线方法。此外，ATSCC适用于各种机场配置和残缺轨迹。这项研究在现有能力的基础上进行了扩展，实现了这些改进，且无需预定义输入，如机场配置、机动程序或标签数据。本文使用的轨迹数据集可在huggingface.co/datasets/petchthwr/ATFMTraj获取。实现代码公开在github.com/petchthwr/ATSCC。
Keyword:
Aircraft trajectory
contrastive learning
representation learning
self-supervised learning
time series
期刊
I
IF:
5.3
论文数:
186
被引数:
970