Skip to main content

From Prediction to Decision Support - Strengthening Safe and Scalable ATM Services through Automated Risk Analytics based on Operational Data from Aviation Stakeholders

Article Category

Article available in the folowing languages:

Integrar la inteligencia artificial predictiva en los flujos de trabajo de la gestión del tráfico aéreo

El aprendizaje automático predictivo podría hacer que los sistemas de gestión del tráfico sean más seguros y eficientes. El equipo del proyecto SafeOps, financiado con fondos europeos y del sector, buscó la mejor manera de integrar esta información en el flujo de trabajo del operador humano.

Transporte y movilidad

Organizar los cielos sobre Europa es una operación delicada que depende de los esfuerzos de colaboración de las compañías aéreas y las autoridades terrestres. Los sistemas de próxima generación de gestión del tráfico aéreo (GTA) están impulsados por dos objetivos a veces contradictorios: hacer que los procesos de GTA sean más eficientes y, al mismo tiempo, aumentar la seguridad. La inteligencia artificial (IA) podría desempeñar un papel importante en esta evolución. Los sistemas de IA pueden analizar grandes volúmenes de datos, lo que permite una automatización mejorada y disponer de nuevas herramientas de apoyo a la toma de decisiones basadas en información predictiva. Por ejemplo, se podría informar a los controladores de tráfico aéreo sobre posibles aproximaciones frustradas de las aeronaves con mucha antelación, lo que les permitiría organizar mejor el tráfico de aterrizaje, el tráfico de salida y la capacidad de la pista. Esto mitigaría los efectos de arrastre que se producen cuando una aeronave se ve obligada a dar la vuelta al aeródromo en lugar de aterrizar, lo que se conoce como aterrizaje abortado. Sin embargo, mientras que los sistemas de control de tráfico aéreo de última generación actuales se basan en información que se sabe que es cierta, las predicciones de IA se basan en probabilidades, lo que introduce un elemento de incertidumbre. La seguridad es primordial en la aviación, por lo que los controladores deberán confiar en la información que reciben. El equipo del proyecto SafeOPS, financiado en el marco de la Empresa Común SESAR, se propuso descubrir la mejor forma de integrar estas tecnologías predictivas en los sistemas de GTA existentes controlados por humanos, para generar confianza en las predicciones de la IA entre los controladores. «Los sistemas predictivos deben demostrar que pueden aumentar la capacidad y ser rentables, o mejorar la seguridad y la resiliencia de la GTA», expresa el coordinador del proyecto Lukas Beller, de la Universidad Técnica de Múnich (Alemania). «Lo ideal sería ambas cosas», añade.

Predecir los aterrizajes abortados con antelación

Para investigar los efectos de la integración de IA en la GTA, el equipo de SafeOPS realizó primero una serie de talleres con expertos, controladores de torre y otros especialistas en aviación. «En estos talleres, definimos modelos de referencia —en los que los aterrizajes abortados son difíciles de manejar— con métodos y herramientas de última generación», explica Beller. Una vez que se definieron estas situaciones, el equipo se dispuso a diseñar un sistema prototipo que simuló estos modelos de referencia con la información creada a través del aprendizaje automático predictivo, un subconjunto de la IA. Con este prototipo, el equipo pudo recopilar estimaciones cuantificables iniciales de cuán buenas podrían ser las predicciones de los aterrizajes abortados. «Los aterrizajes abortados son procedimientos muy poco frecuentes, por lo que cuantificarlos no es algo trivial», comenta Beller. Luego, el equipo debatió los resultados de los experimentos con el prototipo en talleres adicionales con controladores de tráfico aéreo, para evaluar si los modelos de referencia seguían siendo un reflejo razonable de la realidad, y adaptó los resultados en consecuencia. Se espera que esta puesta a punto que tiene en cuenta a humanos y máquinas conduzca a una mejor integración en el volumen de trabajo existente. Al mismo tiempo, el equipo de SafeOPS trabajó para adaptar los marcos de riesgo existentes dentro de la industria de la GTA, teniendo en cuenta los riesgos estimados que implicaría la introducción de las predicciones de IA.

Predicciones de alta confianza para el control del tráfico aéreo

«Ya ha habido resultados iniciales sorprendentes», dice Beller. La investigación inicial muestra que los controladores de tráfico aéreo consideran aceptable que la IA no prediga todos los aterrizajes abortados, siempre que los eventos pronosticados tengan un 90 % de confianza. «Es algo que tiene sentido desde una perspectiva operativa», continúa Beller. Está previsto que el proyecto SafeOPS termine a fines de 2022. «Espero que podamos mostrar y medir un efecto positivo de la herramienta de IA en la seguridad y resiliencia de la GTA», concluye Beller.

Palabras clave

SafeOPS, gestión, tráfico, aéreo, IA, seguridad, resiliencia, capacidad, controlador

Descubra otros artículos del mismo campo de aplicación