El proyecto de investigación europeo START, coordinado por la Universidad Carlos III de Madrid (UC3M) y en el que participan actores importantes del panorama aeronáutico, combina Big Data e Inteligencia Artificial para desarrollar algoritmos que permitan optimizar la red del tráfico aéreo cuando existen fenómenos tormentosos. Gracias a ello, se mejoraría la seguridad y puntualidad de los vuelos y se reducirían las pérdidas económicas asociadas a retrasos y cancelaciones.
Los aviones durante el vuelo a veces tienen que cambiar su recorrido (su plan de vuelo) ante eventos imprevistos, como sucede cuando se genera una tormenta. Estos fenómenos meteorológicos, que pueden venir acompañados de granizo y aparato eléctrico, son difíciles de pronosticar: se sabe que pueden aparecer en una zona amplia, pero es difícil saber cuándo ni dónde se producirá el foco tormentoso con exactitud.
Inteligencia artificial
El objetivo de START es el desarrollo de algoritmos de investigación para la optimización de la red de transporte aéreo en términos de resiliencia (la capacidad de recuperación del sistema) cuando nos enfrentamos a este tipo de fenómenos disruptivos.
“Las tormentas que analizamos en este proyecto son de tipo convectivo, típicamente cumulonimbus (un tipo de nubes), que son muy energéticas y peligrosas para un avión en vuelo, de manera que los pilotos tienden a evitarlas sistemáticamente”, explica el coordinador del proyecto, Manuel Soler, del Dpto. de Bioingeniería e Ingeniería Aeroespacial de la UC3M.
Además de lluvia intensa, estas tormentas a menudo presentan granizo, fenómenos turbulentos y aparato eléctrico, y pueden llegar a bloquear un aeropuerto o grandes corredores del espacio aéreo.
“A la hora de desarrollar estos algoritmos es importante que sean resilientes, es decir, que permitan reaccionar de forma automática a las tormentas y recuperar el sistema. De esta forma, se podrían planificar los vuelos sabiendo que en una zona determinada existe cierta probabilidad de ocurrencia de tormentas, aunque no se sepa el lugar ni la hora concreta”, explica el investigador.
Además, el sistema también tendrá en cuenta otros factores que pueden provocar cierta incertidumbre a la hora de planificar vuelos, como los diferentes modelos de aeronaves en funcionamiento, el peso y la carga de las mismas, las rachas de viento o los intentos de despegue y aterrizaje.
El resultado final del proyecto —adelantan los científicos— será un software de planificación de vuelo que permitirá mejorar los indicadores del sistema del transporte aéreo, reduciendo los retrasos, aumentando su capacidad y mejorando la seguridad. Además, también mejorará los indicadores económicos de las aerolíneas, al reducir sus costes y aumentar sus ingresos con la mejora en la puntualidad de los vuelos.
Enfoque multidisciplinar
A nivel metodológico, este proyecto requiere un enfoque multidisciplinar. Por un lado, para caracterizar la incertidumbre de todos los elementos que componen el tráfico aéreo los científicos utilizan Inteligencia Artificial, empleando un modelo epidemiológico para simular cómo se propagan los retrasos en el sistema a nivel de red.
Por otro lado, utilizan Big Data (ciencia de datos) para analizar cómo se pueden procesar grandes volúmenes de información de manera continua, además del desarrollo de los citados algoritmos de optimización de vuelos.
START (A Stable and resilienT ATM by inTegrating Robust airline operations into the neTwork) es un proyecto científico europeo financiado por la Comisión Europea (GA 893204) que ha arrancado este año y durará hasta el 2022.
Está coordinado por la UC3M y cuenta con la participación de socios de cinco países europeos: Boeing Deutschland (Alemania), el Centro Aeroespacial Alemán (DLR), la Escuela Nacional de Aviación Civil (Francia), la compañía de planificación de vuelos Flightkeys (Austria), la Universidad Politécnica de Cataluña (España) y la Universidad Técnica de Estambul (Turquía).
Artículo de referencia: https://www.dicyt.com/noticias/inteligencia-artificial-para-aumentar-la-seguridad-aerea-ante-tormentas,
