โครงการวิจัยเรื่อง การพัฒนาระบบทำนายเส้นทางการบิน และความน่าจะเป็นของเส้นทางการบิน ของอากาศยานด้วยระบบปัญญาประดิษฐ์จากข้อมูลตำแหน่งอากาศยานจากระบบออฟโทรนิคส์

Abstract

โครงการ การพัฒนาระบบทำนายเส้นทางการบินและความน่าจะเป็นของเส้นทางการบินของอากาศยานด้วยระบบปัญญาประดิษฐ์จากข้อมูลตำแหน่งอากาศยานจากระบบออฟโทรนิคส์ มีวัตถุประสงค์การวิจัยเพื่อพัฒนาวิธีการทำนายเส้นทางการบินและความน่าจะเป็นของอากาศยานด้วยระบบปัญญาประดิษฐ์จากข้อมูลตำแหน่งอากาศยานจากระบบออฟโทรนิคส์ โดยจะใช้ การสร้างสมการอิงตัวแปรเสริม ประเภท การแบ่งสัดส่วนแบบไม่คงตัวบนเส้นโค้งอิสระ (เนิร์บ) สำหรับแทนแนวของเส้นทางการบินของอากาศยาน จากไฟล์วีดีโอกรณีศึกษา มาเป็นข้อมูลนำเข้าเพื่อเส้นทางการบินเริ่มต้นของการทำนายแนวบิน ส่วนการทำนายเส้นทางการบินในสถานะปัจจุบันและอนาคตจะใช้การระบบปัญญาประดิษฐ์ทำนายเส้นทางการบินด้วยวิธี การเรียนรู้แบบเสริมกำลัง นอกจากนี้ในขั้นตอนของการคำนวณความน่าจะเป็นของเส้นทางการบินของอากาศยานในแต่ละลำดับขั้นตอน กระบวนการสโตคาสติก โดยการสร้างแบบจำลองการคาดการณ์วิถีของวัตถุโดยใช้ห่วงโซ่มาร์คอฟ เพื่อทำนายความน่าจะเป้นของการเคลื่อนที่ของเครื่องบิน ผลการวิจัยพบว่า จากการทดสอบกับแนวทางการบิน 2 ประเภท คือ แนวการบินเป็นเส้นตรง (เครื่องบินพาณิชย์) และแนวทางการบินแบบไม่เป็นเส้นตรง (เครื่องบินขับไล่) การทำนายเส้นทางการบินจะมีค่าความคลาดเคลื่อนเฉลี่ยของเส้นทางที่ทำนายได้อยู่ในช่วง 8 - 50 หน่วยพิกเซล ซึ่งถือว่ามีความถูกต้องเพียงพอต่อภารกิจจริง ในการติดตามเป้าหมายของระบบกล้องและอาวุธปล่อยแบบนำวิถี

This research objective of “A Development of Aircraft trajectory path and Probability trajectory path Predictive Model by Optronics Position Data Learning by Artificial Intelligent Method.” are development a method for predictive flight paths and aircraft probabilities with artificial intelligence based on flying object position data from optronic-camera system. The Parametric Equation: Non-Uniform Rational Basic Spline (NURBS) theory is applied to construct the initial aircraft flight path which is calculated by the aircraft coordinate capturing data input from case study clip VDO. The current and future flight path are predicted by the reinforcement learning artificial intelligence system. In addition, the process of calculating the probabilities of the aircraft flight path in each step of the sequence stochastic process by modeling the object trajectory predictions using the Markov chain. The predictive of two types of flight path testing as straight-line flight path (Commercial aircraft) and non-linear flight path (Combat aircraft) results showed that the average deviation predictive are between 8 - 50 pixels. The predictive average deviation results are considered accurate enough for the initial information to next mission as camera system target tracking or guided missile launchers system mission.