Metodi di apprendimento automatico per modellizzare i cieli affollati d’Europa
Con un numero di aerei in costante aumento nei cieli europei, la gestione del traffico aereo (ATM) sta diventando sempre più complessa. Tecnologie e concezioni nuove promettono di rendere il settore del trasporto aereo europeo più efficiente, sicuro e sostenibile. Il progetto SIMBAD (Combining Simulation Models and Big Data Analytics for ATM Performance Analysis) ha sviluppato tecniche di modellizzazione all’avanguardia basate sull’intelligenza artificiale, adottando nuovi approcci di apprendimento automatico per migliorare le attuali microsimulazioni del traffico aereo, ovvero i modelli estremamente dettagliati necessari per integrare le nuove tecnologie nei sistemi ATM. «Considerati i costi di calcolo e la complessità dei microscopici strumenti di simulazione del traffico aereo su larga scala, tali simulazioni sono necessariamente limitate a un numero esiguo di scenari, che spesso non è sufficiente per ottenere risultati definitivi», spiega David Mocholí, direttore del settore aviazione presso Nommon Solutions and Technologies. «Le tecniche di apprendimento automatico esaminate da SIMBAD ci aiutano a superare queste lacune», afferma Mocholí, coordinatore del progetto.
Creare scenari di traffico aereo iperrealistici
Finanziato nell’ambito dell’impresa comune SESAR, un partenariato pubblico-privato istituito per modernizzare il sistema europeo di gestione del traffico aereo, SIMBAD concentra la sua attenzione su tre problemi fondamentali presenti negli attuali modelli di valutazione delle prestazioni. Il primo consiste nel modo di stimare le variabili in volo nascoste, quali il peso dell’aereo al decollo. Pur non essendo direttamente osservabili, tali variabili hanno un effetto tangibile sulle traiettorie di volo nelle simulazioni. In secondo luogo, il progetto cerca di rendere più efficaci ed efficienti le simulazioni attraverso una varietà di tecniche di aggregazione di apprendimento automatico, in grado di costituire un insieme rappresentativo di scenari di traffico aereo. Infine, SIMBAD sta applicando tecniche di apprendimento attivo per realizzare i metamodelli. Tali metamodelli sono approssimazioni delle microsimulazioni più semplici e meno costose in termini di calcolo, il che rende più efficiente ed intelligente la valutazione di nuove tecnologie ATM. I metamodelli di SIMBAD sono sviluppati in collaborazione con il progetto NOSTROMO, che ha sviluppato un’interfaccia di programmazione delle applicazioni API che agevola il processo di realizzazione di questi metamodelli.
Modellizzare il traffico aereo su scale spaziali e temporali differenti
Nonostante al momento della stesura di questo articolo il progetto SIMBAD sia ancora in corso, sono già emersi numerosi sviluppi importanti. I nuovi algoritmi per la caratterizzazione degli schemi di traffico hanno mostrato la propria capacità di individuare scenari di traffico rappresentativi su scale spaziali e temporali differenti, il che produrrà esperimenti di simulazione più completi. Inoltre, rispetto alle simulazioni esistenti, i metamodelli di SIMBAD si sono rivelati più efficienti e rapidi nella modellizzazione di nuove tecnologie ATM. Il team del progetto è anche riuscito a rilevare variabili nascoste tramite l’analisi dei dati storici del traffico aereo. «Abbiamo stimato accuratamente due variabili nascoste relative agli utenti dello spazio aereo, ovvero l’indice dei costi e il peso al decollo, per una serie di traiettorie e in varie condizioni meteorologiche», osserva Mocholí. Il progetto si sta ora addentrando nella fase di valutazione, dopodiché sono previsti risultati più definitivi. «I test e le convalide iniziali condotti finora sono estremamente promettenti e confidiamo nel fatto che SIMBAD apporterà contributi preziosi all’analisi delle prestazioni ATM», conclude. Il team del progetto si augura di sviluppare ulteriormente il lavoro iniziato con SIMBAD nell’ambito dell’impresa comune SESAR 3. «Ciò rappresenterebbe una grande opportunità verso l’obiettivo finale di integrare questa soluzione nel sistema di gestione del trasporto aereo europeo», conclude Mocholí.
Parole chiave
SIMBAD, microsimulazioni, ATM, apprendimento automatico, intelligenza artificiale, aereo, traffico, dati, gestione, nascosto, variabili
