Predicción Probabilística del Buffer de Separación para Compensar el Efecto de Cierre en el Aproximación Final
Autores: Förster, Stanley; Schultz, Michael; Fricke, Hartmut
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Predicción Probabilística del Buffer de Separación para Compensar el Efecto de Cierre en el Aproximación Final
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Aeroespacial
Palabras clave
Tráfico aéreo
Predicción
Procedimientos de llegada
Separación
Incertidumbre
Bosque de Regresión Cuantílica
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 16
Citaciones: Sin citaciones
El tráfico aéreo se divide principalmente en segmentos de vuelo en ruta, segmentos de llegada y salida dentro del área de maniobras del terminal, y operaciones en tierra en el aeropuerto. Para apoyar la utilización de la capacidad disponible de manera más eficiente, en nuestra contribución nos enfocamos en la predicción de los procedimientos de llegada, en particular, el tiempo de vuelo desde el giro hasta el curso de aproximación final hasta el umbral. Las predicciones se utilizan luego para determinar consejos para el controlador respecto al tiempo a perder o tiempo a ganar para optimizar la separación dentro de una secuencia de aeronaves. La mayoría de los métodos de predicción desarrollados hasta ahora proporcionan solo una estimación puntual del tiempo de vuelo. Complementariamente, vemos la necesidad de tener en cuenta la naturaleza incierta del movimiento de las aeronaves basado en un enfoque de predicción probabilística. Esto se vuelve muy importante en casos donde el sistema de tráfico aéreo opera en sus límites para prevenir incidentes críticos de seguridad, por ejemplo, infracciones de separación debido a separaciones muy ajustadas. Nuestro enfoque se basa en la técnica de Bosques de Regresión Cuantílica que puede proporcionar una medida de incertidumbre de la predicción no solo en forma de un intervalo de predicción, sino también generando una distribución de probabilidad sobre la variable dependiente. Mientras que la preparación de datos, el entrenamiento del modelo y los pasos de ajuste son idénticos a los métodos clásicos de Bosques Aleatorios, en la fase de predicción, los Bosques de Regresión Cuantílica proporcionan una función cuantílica para expresar la incertidumbre de la predicción. Después de desarrollar el modelo, investigamos más a fondo la interpretación de los resultados y proporcionamos una forma de derivar consejos para el controlador a partir de ello. Con esta contribución, ahora hay una herramienta disponible que permite una predicción más sofisticada del tiempo de vuelo, dependiendo de las necesidades específicas del caso de uso y que ayuda a separar las aeronaves en llegada de manera más eficiente.
Descripción
El tráfico aéreo se divide principalmente en segmentos de vuelo en ruta, segmentos de llegada y salida dentro del área de maniobras del terminal, y operaciones en tierra en el aeropuerto. Para apoyar la utilización de la capacidad disponible de manera más eficiente, en nuestra contribución nos enfocamos en la predicción de los procedimientos de llegada, en particular, el tiempo de vuelo desde el giro hasta el curso de aproximación final hasta el umbral. Las predicciones se utilizan luego para determinar consejos para el controlador respecto al tiempo a perder o tiempo a ganar para optimizar la separación dentro de una secuencia de aeronaves. La mayoría de los métodos de predicción desarrollados hasta ahora proporcionan solo una estimación puntual del tiempo de vuelo. Complementariamente, vemos la necesidad de tener en cuenta la naturaleza incierta del movimiento de las aeronaves basado en un enfoque de predicción probabilística. Esto se vuelve muy importante en casos donde el sistema de tráfico aéreo opera en sus límites para prevenir incidentes críticos de seguridad, por ejemplo, infracciones de separación debido a separaciones muy ajustadas. Nuestro enfoque se basa en la técnica de Bosques de Regresión Cuantílica que puede proporcionar una medida de incertidumbre de la predicción no solo en forma de un intervalo de predicción, sino también generando una distribución de probabilidad sobre la variable dependiente. Mientras que la preparación de datos, el entrenamiento del modelo y los pasos de ajuste son idénticos a los métodos clásicos de Bosques Aleatorios, en la fase de predicción, los Bosques de Regresión Cuantílica proporcionan una función cuantílica para expresar la incertidumbre de la predicción. Después de desarrollar el modelo, investigamos más a fondo la interpretación de los resultados y proporcionamos una forma de derivar consejos para el controlador a partir de ello. Con esta contribución, ahora hay una herramienta disponible que permite una predicción más sofisticada del tiempo de vuelo, dependiendo de las necesidades específicas del caso de uso y que ayuda a separar las aeronaves en llegada de manera más eficiente.