Données du projet ATCO2

Le projet ATCO2 a pour but de développer une plateforme unique permettant de collecter, organiser, et pré-traiter des données de contrôle du trafic (communication vocales) de l’espace aérien. Le projet a reçu un financement de l’entreprise commune Clean Sky 2 sous la convention de subvention No. 864… Read More702. L’entreprise commune a reçu le soutien du programme d’innovation et de recherche de l’Union Européenne Horizon 2020 et des membres de Clean Sky 2 autres que ceux de l’Union Européenne.

Le projet a collecté les communications vocales en temps réel entre les contrôleurs aériens et les pilotes disponibles soit directement via les fréquences radios publiquement accessibles soit indirectement par l’intermédiaire des prestataires de service de la navigation aérienne (PSNA). En complément des communications vocales, des informations contextuelles sont disponibles sous la forme de métadonnées (ex. données de surveillance radar). L’ensemble de données est composé de deux sous-ensemble distincts :

- Un corpus d’environ 4000 heures (non transcrites) de conversations du trafic aérien collectées entre différents aéroports (Sion, Berne, Zurich, etc.) au format .wav pour la reconnaissance de la parole. La distribution des locuteurs est de 90% d’hommes et 10% de femmes. Le groupe est constitué de locuteurs natifs et non-natifs de l’anglais.
Les données brutes, également fournies, comprennent:
Taille totale des données (mesurées après une détection d’activité vocale)
- 5281 heures (anglais + non anglais)
- 4465 heures (anglais seulement)
Taille totale des fichiers audio brut (somme des longueurs de fichiers wav):
- 6225 heurs (anglaise + non anglais)

- Un corpus d’environ 4 heures (transcrites) de conversations du trafic aérien collectées entre différents aéroports (Sion, Berne, Zurich, etc.) au format .wav pour la reconnaissance de la parole. La répartition des locuteurs est de 90% d’hommes et 10% de femmes. Le groupe est constitué de locuteurs natifs et non-natifs de l’anglais. Le corpus a été transcrit et annoté automatiquement avec des informations orthographiques au format XML, incluant les annotations sur le bruit, les valeurs de ratio signal bruit et d’autres informations. Environ 1 heure d’annotation a également été soumise à une revérification humaine. Read Less