PIU4TP - Probabilistic information Integration in Uncertain data processing for Trajectory Prediction
Obiettivo
La previsione della traiettoria è una capacità di base diretta a supportare le operazioni di pianificazione da parte delle diverse funzioni di gestione del traffico aereo (ATM) delle varie fasi del processo di pianificazione (strategiche, pre-tattiche). Strumenti diversi sono spesso utilizzati da diversi stakeholders, quali Airspace Users or ATFM (Air Traffic Flow Management) ma quasi tutti sono caratterizzati da risultati "deterministici", facendo affidamento sulla competenza di operatori e funzionari per la valutazione della soluzione "migliore".
In realtà, la previsione della traiettoria è per sua natura incerta, a causa di un ampio numero di fattori, quali le condizioni meteorologiche, pratiche ATC, attitudine e obiettivi degli stakeholders, disponibilità di dati effettivi.
Nonostante queste incertezze, le evoluzioni del paradigma ATM verso le Trajectory Based Operations richiedono fortemente una capacità più precisa di prevedere le traiettorie e di supportare meglio una clearance collaborativa di traiettoria 4D tra gli stakeholders interessati.
Numerosi progetti e attività sono in corso sul tema della previsione della traiettoria (TP), sia nell'ambito dell'attività di SESAR Engage che in altri progetti di explorative research; alcuni propongono di utilizzare tecniche di Machine Learning per TP, altri di includere informazioni meteorologiche in TP. Sono inoltre in corso studi su come integrare le incertezze nella stima dell'evoluzione di una traiettoria.
In questo progetto, viene sviluppata e testata una metodologia per la previsione delle traiettorie in grado di supportare le fasi strategiche e pre-tattiche finali del processo di gestione del flusso del traffico aereo. La metodologia proposta fornisce risultati di previsione della traiettoria arricchiti con le relative informazioni probabilistiche e si baserà su algoritmi e metodi di Machine Learning.
L'applicazione delle tecniche di Machine Learning richiede spesso una grande mole di dati al fine di addestrare modelli analitici predittivi o descrittivi. Saranno identificati possibili cambiamenti nelle attuali strutture di dati storici che potrebbero supportare l'applicazione efficiente delle tecniche di apprendimento automatico e verranno proposti suggerimenti per la futura registrazione dei dati.
Il progetto è strutturato in tre fasi principali. La prima fase riguarderà la definizione dello scenario di riferimento, compresa l'analisi della struttura dei dati disponibili, l'identificazione e l'ottimizzazione dei modelli per generare dati e la realizzazione dei database necessari. La seconda fase del progetto si occuperà dello sviluppo della metodologia. Sarà analizzato lo stato dell'arte delle tecniche applicate e applicabili, la metodologia implementata e la possibile mancanza di dati rilevanti negli attuali database storici. Nella terza fase, la metodologia proposta sarà valutata e validata.
Lo spazio aereo italiano è lo scenario di riferimento per la convalida della metodologia.
Verrà inoltre presa in considerazione l'applicabilità della metodologia alla fase tattica ATFM, identificando le modifiche necessarie per una pratica applicazione tattica o barriere per utilizzarla.
Attività nel progetto CIRA
Tutte le attività del progetto sono svolte dal Cira
Programma
SESAR Engage KTN – second Call for catalyst
funding. Thematic challenge 2 - Data-driven trajectory prediction
-
data inizio:
giovedì 2 luglio 2020
-
durata:
12.0000000000000
martedì 12 maggio 2020
214
venerdì 15 maggio 2020
PIU4TP
Scopo del progetto è sviluppare e testare una metodologia per la previsione delle traiettorie in grado di supportare le fasi strategiche e pre-tattiche finali del processo di gestione del flusso del traffico aereo.
