Meteorological Data-driven Trajectory Uncertainty Quantification for Air Traffic Management

Abstract

Antecedentes La aviación comercial desempeña hoy en día un papel crucial como conectora entre millones de personas y contribuye al crecimiento económico mundial de manera significativa. Esto conlleva un incremento constante del tráfico aéreo que, de forma inevitable, comportará una reducción en la eficiencia de su gestión. Debido a esto, entidades públicas y privadas de ámbito nacional e internacional trabajan en proyectos tales como el Single European Sky ATM Research (SESAR), el Next Generation Air Transportation System (NextGen) o el Collaborative Actions for Renovation of Air Traffic Systems (CARATS) para mejorar la situación actual aumentando la capacidad y eficiencia de los sistemas de gestión del tráfico aéreo sin reducir su seguridad. En definitiva, se pretende mejorar la gestión del tráfico aéreo, limitada en la actualidad por la inexistencia de herramientas automatizadas para la toma de decisiones, lo que fuerza a que los controladores aéreos realicen de forma recurrente tareas manuales repetitivas, lo que aumenta su carga de trabajo de manera considerable. Según el proyecto SESAR, una de las tareas cuya automatización sería más fructífera es la detección y resolución de conflictos. En el sistema actual de gestión del tráfico aéreo, existen herramientas para detectar futuras perdidas de separación como la Short-Term Conflict Alert o la Medium-Term Conflict Detection. La existencia de estas herramientas automáticas aumentaría la productividad y la efectividad de los controladores del tráfico aéreo. Para que se cumpliera este objetivo, la automatización, sería necesario desarrollar predictores de trayectorias capaces de incorporar la incertidumbre en la gestión del tráfico aéreo, especialmente la incertidumbre de origen meteorológico. En esta tesis se aborda el problema de la detección de conflictos bajo la influencia de incertidumbre de origen meteorológico, específicamente incertidumbre en la velocidad del viento. La metodología propuesta está basada en datos, lo que significa que la forma de la función de densidad de probabilidad usada para modelar la distribución de la velocidad del viento y por lo tanto, la función de densidad de probabilidad que modeliza la distancia entre aviones son funciones arbitrarias determinadas a partir de los datos, es decir, no son funciones de densidad de probabilidad canónicas ajustadas a los datos...