Stel je voor dat je de grillige vliegroute van een onervaren piloot in realtime kunt voorspellen.

QUT-onderzoekers hebben data-analyse gebruikt om een ​​algoritme te bouwen dat het traject van elk object sneller en nauwkeuriger kan voorspellen dan bestaande benaderingen.

"Als het een traject heeft, we kunnen het voorspellen, " zei professor Clinton Fookes, die de onderzoeksdiscipline Vision and Signal Processing van QUT leidt in de faculteit Science and Engineering. "In een defensie-omgeving, deze tool zou kunnen helpen om een ​​groter situationeel bewustzijn te krijgen van zowel eigendom als vijandelijke activa en luchtruim.

"Het kan worden toegepast op het luchtruim, militaire basis, openbaar vervoer of winkelcentra – overal waar je beweging wilt analyseren."

Het unieke algoritme combineert twee machine learning-technieken om trajecten in realtime te analyseren en te voorspellen:diepe neurale netwerken en geheugennetwerken.

"In essentie, het is gebouwd om een ​​traject naar binnen te meten en een traject naar buiten te voorspellen, ' zei professor Fokes.

"Maar omdat het de baan van het doelobject inneemt, het neemt ook de banen van naburige objecten in zich op om een ​​bewustzijn te creëren van wat zich rond het doelwit bevindt en hoe die objecten bewegen".

"In aanvulling, het maakt gebruik van geheugennetwerken van opgeslagen historische trajecten voor dezelfde locatie - deze proberen na te bootsen hoe het menselijk geheugen werkt".

"Die twee sets gegevens worden vervolgens geanalyseerd door een ander subnetwerk dat bepaalt waar het doelwit naartoe gaat."

Om robuustheid te garanderen, onderzoekers trainden het algoritme met behulp van ongelijksoortige big datasets, inclusief luchtverkeersleidingsgegevens van Brisbane Airport, radar- en cameragegevens van voetgangersverkeer bij QUT en databases met voetgangerstrajecten uit Edinburgh en New York.

"Het kan in een paar seconden ongeveer 1000 voorspellingen doen, " zei dr. Simon Denman, een ander project hoofdonderzoeker.

"Met behulp van gegevens van Brisbane Airport van een noodweergebeurtenis in 2015, we hebben kunnen testen hoe goed ons algoritme omging in zo'n dynamische situatie".

"De voorspellingen waren zeer nauwkeurig omdat het rekening hield met hoe eerdere piloten zich in vergelijkbare omstandigheden gedroegen om te voorspellen wat de beoogde piloot waarschijnlijk zal doen".

"In het civiele luchtruim, dit algoritme kan helpen bij het beheren van drones, waar we konden zien, mogelijk, een steeds drukker en beperkter luchtruim."

Het team hoopt het project in de toekomst uit te breiden om te onderzoeken hoe het algoritme kan worden gebruikt om vliegroutes en reisroutes te optimaliseren.