¿Hasta qué punto resulta útil la inteligencia artificial (AI según la sigla en inglés) en la gestión del tránsito aéreo? Esta fue la pregunta que se trató de responder en los debates del segundo día de los SESAR Innovation Days (SID) celebrados en Sevilla, en noviembre del año pasado.
Algunos de los expertos disertantes del encuentro, destacaron que en algunos casos en que se aplica AI muestran un potencial prometedor más allá de que los desafíos que enfrenta su implementación y aceptación en los actores del sistema.
La sesión plenaria del encuentro celebrado en la Universidad de Sevilla, fue moderado por Rubén Flohr, un experto en ATM (Air Traffic Management, por su sigla en inglés). Esa reunión reunió expertos en el campo de la inteligencia artificial y la automatización en la gestión del tránsito aéreo, como Giuseppe Contissa, profesor del Instituto Universitario Europeo; José Manuel Cordero, CRIDA/ENAIRE; Luis Barbero, director de GATCO y controlador de Tránsito Aéreo de aproximación de Heathrow; Paula López-Catalá, directora de programas del Innaxis Research Institute y Ramon Dalmau-Codina, científico de datos de EUROCONTROL, quienes mantuvieron un debate en que se llegó a la conclusión de que la gestión del tránsito aéreo es un área ideal para una mayor automatización y uso de la tecnología AI.
Los expositores estuvieron de acuerdo en que, dado los procedimientos repetitivos que generan enormes cantidades de datos, la aviación y la gestión del tránsito aéreo podrían tomar la AI e implementar mayores niveles de automatización para mejorar la eficiencia de sus operaciones y permitir que los operadores humanos se concentren en tareas críticas de seguridad.
En la actualidad los casos que se está investigando la inteligencia artificial en tránsito aéreo son:
- Vigilancia de aeropuertos y torres
Inspección de calles de rodaje (es decir, peligro de aves, presencia de drones, drones y la necesidad de protección de drones, monitoreo de vehículos autónomos, intrusión humana, etc.), además del monitoreo de pistas (aproximación y aterrizaje) y advertencia de desalineación.
- Puntos críticos de Tránsito
Función de gestión de flujo basada en AI (FMP) para predecir y resolver puntos críticos de Tránsito. Compatibilidad automática con análisis y resolución de puntos críticos, integración de restricciones y configuración dinámica del espacio aéreo (DAC). Predicción de trayectoria basada en datos. Ejemplos de proyectos que abordan este caso de uso: ASTRA, HARMONIC, ARTIMATION, DART.
- Monitoreo del estado de la red
Predicción y gestión de estados críticos de la red y rendimiento degradado.
- Sectorización inteligente (SMARTS)
Configuración dinámica del espacio aéreo y diseño de “sectores inteligentes”, lo que incluye el diseño de volúmenes básicos de espacio aéreo con una distribución óptima de la carga de trabajo, adaptados a requisitos específicos operativos de seguridad.
- Entrega optimizada de pistas
La entrega optimizada de separación mejorada con aprendizaje automático utiliza predicciones más precisas de los perfiles de velocidad final derivados de técnicas avanzadas de big data/aprendizaje automático.
- Apoyo a la toma de decisiones de controladores y pilotos
Varias soluciones de AI (por ejemplo asistentes digitales) serían útiles para apoyar a los pilotos, operadores de ATC y operadores de aeropuertos en operaciones críticas no relacionadas con la seguridad (fast-track – funcionalidad exacta aún no definida).
- Reconfiguración dinámica de los recursos aeroportuarios
Coordinación aeropuerto-aeropuerto en fases estratégicas y pretácticas basadas en las partes interesadas del aeropuerto y los requisitos de la red, incluyendo tanto información como predicciones.
- Mejora de la previsión meteorológica adversa sumados al impacto en la gestión de la red
Integración de modelos de predicción de convección basados en AI en las herramientas operativas de gestión del flujo de tránsito aéreo (ATFM). Mejora de la predicción de fenómenos meteorológicos adicionales que afectan a la aviación (turbulencia, baja visibilidad, cristales de hielo a gran altitud, SO2 y polvo). Caracterización más precisa de los desequilibrios de demanda y capacidad debido al clima convectivo.
- Reconocimiento de voz
Reconocimiento automático de voz (ASR) para reducir la cantidad de entradas de datos manuales por parte de los controladores de tránsito aéreo (utilizando también la estructura del espacio aéreo y los datos de radar)
Ejemplos de proyectos y soluciones que abordan este caso de uso de aplicaciones de realidad virtual/aumentada para torres y reconocimiento automático de voz (MALLORCA, HAAWAII).
- U-space
Servicio de gestión de separación avanzado de U-Space (ecosistema que está desplegando la Unión Europea en su conjunto para posibilitar el tránsito seguro y eficiente de drones, así como su convivencia con aeronaves tripuladas). Ejemplos de proyectos que abordan este caso de uso: BUBBLES, USEPE.
Comprensión de las preferencias y el comportamiento de los usuarios del espacio aéreo.
Modelado de trayectorias y estimación de variables no observables a partir de datos históricos de Tránsito aéreo. Se prestará especial atención a la estimación de variables relacionadas con las preferencias y el comportamiento de los usuarios del espacio aéreo (por ejemplo, funciones de costes de las aerolíneas).
- Comportamiento de los pasajeros
Caracterización de los pasajeros y los atributos de los viajes, con el objetivo de capturar las relaciones entre las variables objetivo que faltan en los datos de la red móvil (es decir, número de personas que viajan juntas y número de maletas) y las variables explicativas que están presentes tanto en las encuestas como en los datos de la red móvil (por ejemplo, lugar de residencia, propósito del viaje, último modo de transporte utilizado para acceder al aeropuerto).
- Seguridad de las ITC
Vigilancia basada en AI de la distribución de la carga de la red para detectar anomalías. Uso de AI para pruebas PEN, y para el fortalecimiento de sistemas. Redes definidas por software.
Conclusión
El potencial de la IA para ATM no ha pasado desapercibido para SESAR. La automatización ya es un foco central de la investigación y el desarrollo de SESAR, en particular con respecto a la automatización de tareas repetitivas por parte de los controladores. Proporcionar más apoyo a estas tareas permitirá a los pilotos y controladores de tránsito aéreo centrarse en tareas críticas de seguridad. La automatización también está demostrando ser de gran valor para garantizar un intercambio fluido de información y una mejor colaboración entre todos los actores, incluso con el sector aéreo.
Europa avanzó con la creación de una cartera de proyectos con componentes de IA específicos que a menudo utilizan el aprendizaje automático para procesar grandes cantidades de datos. Estas aplicaciones se han puesto a prueba para comprender mejor y abordar los patrones subyacentes del tránsito, pero se expandirá cada vez más a todas las áreas del control del espacio aéreo.
Fuente: SESAR (El programa SESAR es una ambiciosa iniciativa lanzada en 2004, que aspira a que se concrete un Cielo Único Europeo (SES), a los efectos de modernizar la gestión del tránsito aéreo para hacerlo más seguro, rentable y respetuoso del medio ambiente. Como pilar tecnológico, SESAR está aprovechando las nuevas tecnologías y la digitalización acelerada para contribuir a hacer realidad el proyecto).
Más información: https://www.sesarju.eu/news/how-useful-artificial-intelligence-air-traffic-management
