（中国民航大学空中交通管理学院 天津 300300）

1 引言

管制员和飞行员之间利用陆空通话标准用语来进行沟通，而通话用语错误造成飞行事故和不正常情况占总事故65%，因此规范陆空通话用语标准势在必行。通话标准用语的培训通常借助空管模拟机，模拟机设有管制员席位和飞行员席位，飞行员席位通常由教员或学员自行承担，由于培训人员的数量限制，难以有效保证管制学员训练时间和训练效果［1］。因此，利用自然语言理解相关技术，由计算机理解和回答管制员指令，从而替代飞行员席位，可有效提升管制员培训效率和效果，节约人力物力资源。

模拟管制训练流程，计算机先通过语音识别模块将管制员指令转化为文本指令，再利用自然语言理解模块理解文本指令并给出文本回答，最后通过语音合成技术，播报语音回答，处理流程如图1所示。语音识别与合成技术已趋于成熟，要实现管制模拟机飞行员席位的自动化，必须克服自然语言理解关键技术问题。陆空通话语法简单，句式简洁，变化单一，基本无歧义，其语言特征大致符合计算语言学等相应要求［2］。机器只需认知理解陆空通话语言，不需对其进行高层的推理，因此相较于常规自然语言的多性、复杂性、歧义性，自然语言理解相关技术在陆空通话这一特殊领域或能取得优异的成绩。

本文从深度学习出发，旨在解决人机对话系统中自然语言理解关键问题，协助语音识别模块实现飞行员席位的自动化，提升管制员培训效果和效率。……