La popularité du transport aérien continue de croître, imposant une charge de travail encore plus importante aux contrôleurs aériens (ATCO). Leur situation peut être améliorée grâce à un système de reconnaissance vocale automatique étroitement intégré à un gestionnaire d'arrivée développé par des chercheurs financés par l'UE et SESAR.

L'un des plus grands obstacles à l'introduction de niveaux plus élevés d'automatisation dans la gestion du trafic aérien (ATM) est l'utilisation intensive de la communication radio vocale pour transmettre les instructions du contrôle de la circulation aérienne (ATC) aux pilotes. Reconnaissance vocale automatique, qui convertit la parole humaine en textes, peut fournir une solution pour réduire considérablement les charges de travail des ATCO et augmenter l'efficacité des ATM.

Le projet MALORCA financé par Horizon 2020 visait à réduire les coûts de développement et de maintenance de la reconnaissance vocale assistée (ABSR) en utilisant l'apprentissage automatique au lieu de la programmation logicielle manuelle. Cette initiative a été financée dans le cadre de l'entreprise commune SESAR, un partenariat public-privé mis en place pour moderniser le système ATM européen.

Adaptation aux conditions locales

Les systèmes ATC modernes doivent être sûrs et efficaces tout en étant à jour. Ils nécessitent donc une contribution importante des ATCO, qui est actuellement capturé par les périphériques clavier et souris. Les technologies modernes comme la liaison de données Air-Sol, qui dans certains cas peut remplacer la communication vocale, nécessitera encore plus d'apports de la part des ATCO.

L'immense charge de travail de l'ATCO peut être réduite par l'ABSR. "Heureusement, la reconnaissance automatique de la parole a atteint un niveau de fiabilité suffisant pour être mis en œuvre dans un système ATM, " explique le coordinateur du projet Hartmut Helmke. " Cependant, nous devons réduire les coûts de transfert des systèmes de reconnaissance vocale d'une zone d'approche à une autre".

Actuellement, plusieurs modules de reconnaissance vocale nécessitent une adaptation manuelle aux besoins locaux dus aux variabilités acoustiques et linguistiques telles que les accents régionaux, écarts de phraséologie et contraintes locales. MALORQUE a proposé un général, solution pas chère et efficace pour automatiser ce réapprentissage, processus d'adaptation et de personnalisation. Cela implique l'apprentissage automatique de la reconnaissance vocale locale et des modèles ATCO à partir d'enregistrements de données radar et vocales.

MALORCA a développé de nouveaux outils d'apprentissage automatique pour apprendre automatiquement le comportement des ATCO et adapter les modèles de reconnaissance vocale à partir des données enregistrées par les fournisseurs de services de navigation aérienne. L'apprentissage automatique utilise des techniques statistiques qui permettent aux systèmes informatiques d'"apprendre" et d'améliorer leurs performances sur des tâches spécifiques au fil du temps en exploitant ces données, sans être explicitement programmé. Cela remplacera une grande partie de l'effort manuel requis auparavant et réduira les coûts, car l'apprentissage automatique des modèles ABSR rend l'adaptation aux différents aéroports et la maintenance moins chères et plus rapides.

Le premier pas

Les partenaires du projet ont utilisé la sortie d'un "gestionnaire d'arrivée" pour les aéroports de Prague et de Vienne pour diviser automatiquement les données de formation non transcrites en morceaux positifs et négatifs grâce à des mesures de confiance spécifiques. Cette métrique a ensuite été utilisée dans les algorithmes d'apprentissage automatique développés pour renforcer l'apprentissage à partir des données d'adaptation.

Dans le contexte de l'ABSR, le gestionnaire d'arrivée prend en charge la prédiction des commandes ATC pertinentes pour la situation actuelle. Les commandes prédites sont comparées à la sortie du dispositif de reconnaissance vocale. Si une commande n'est pas prédite, il est supposé que le système de reconnaissance vocale a émis une mauvaise commande.

Le projet fournit ainsi à l'industrie aéronautique une approche pratique pour développer et déployer un système de reconnaissance vocale de pointe et l'intégrer dans les systèmes de communication vocale d'aujourd'hui pour les fournisseurs de services de navigation aérienne.

L'utilisation de l'apprentissage automatique pour la reconnaissance vocale n'est que le premier cas de test pour son application plus large dans l'ATM. Son application dans l'ATM peut également aider à réduire l'adaptation et la maintenance d'autres outils ATM. L'adaptation par exemple d'un gestionnaire d'arrivée générique à des aéroports spécifiques pourrait être la prochaine étape.