![Ιδρυματικό Αποθετήριο [SANDBOX]](images/dias.logo.png "Ιδρυματικό Αποθετήριο [SANDBOX]"){kind=logo}
Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/3F8984A1-1E9D-4EBC-BA1D-B282A8434E95 | - |
| Αναγνωριστικό | https://link.springer.com/chapter/10.1007%2F978-3-319-64798-2_15 | - |
| Αναγνωριστικό | https://doi.org/10.1007/978-3-319-64798-2_15 | - |
| Γλώσσα | en | - |
| Μέγεθος | 18 pages | en |
| Τίτλος | Learning policies for resolving demand-capacity imbalances during pre-tactical air traffic management | en |
| Δημιουργός | Kravaris Theocharis | en |
| Δημιουργός | Vouros, George A | en |
| Δημιουργός | Spatharis Christos | en |
| Δημιουργός | Blekas, Konstantinos D | en |
| Δημιουργός | Chalkiadakis Georgios | en |
| Δημιουργός | Χαλκιαδακης Γεωργιος | el |
| Δημιουργός | Garcia Jose Manuel Cordero | en |
| Εκδότης | Springer Verlag | en |
| Περίληψη | In this work we propose and investigate the use of collaborative reinforcement learning methods for resolving demand-capacity imbalances during pre-tactical Air Traffic Management. By so doing, we also initiate the study of data-driven techniques for predicting multiple correlated aircraft trajectories; and, as such, respond to a need identified in contemporary research and practice in air-traffic management. Our simulations, designed based on real-world data, confirm the effectiveness of our methods in resolving the demand-capacity problem, even in extremely hard scenarios. | en |
| Τύπος | Πλήρης Δημοσίευση σε Συνέδριο | el |
| Τύπος | Conference Full Paper | en |
| Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
| Ημερομηνία | 2018-07-03 | - |
| Ημερομηνία Δημοσίευσης | 2017 | - |
| Θεματική Κατηγορία | Air traffic management | en |
| Βιβλιογραφική Αναφορά | T. Kravaris, G. A. Vouros, C. Spatharis, K. Blekas, G. Chalkiadakis and J. M. C. Garcia, "Learning policies for resolving demand-capacity imbalances during pre-tactical air traffic management, " in 15th German Conference on Multiagent System Technologies, 2017, pp. 238-255. doi: 10.1007/978-3-319-64798-2_15 | en |
Copyright © DIAS 2013
