II - L’intelligenza artificiale per migliorare la gestione dell’avvicinamento finale
Questa ricerca non sarebbe stata fattibile nemmeno cinque anni fa; ora, invece, abbiamo a disposizione i dati e gli strumenti necessari.
Jose-Manuel Risquez, coordinatore del progetto ORCI
I gestori del traffico aereo operano in alcuni degli ambienti sottoposti a maggior pressione nel settore dell’aviazione e gli approcci all’atterraggio sono quelli in cui il carico di lavoro e la complessità raggiungono il livello massimo. Il progetto ORCI(si apre in una nuova finestra), sostenuto dall’impresa comune SESAR(si apre in una nuova finestra), si propone di sviluppare strumenti avanzati di supporto all’automazione nel campo dell’area di gestione del terminal (TMA, Terminal Management Area) con l’obiettivo finale di fornire ai controllori attivi nell’ambito dell’avvicinamento finale informazioni su quando emettere istruzioni di vettoramento in modo da garantire uno spazio ottimale tra arrivi consecutivi in operazioni di TMA complesse e ad alta densità. «Ci eravamo prefissi di aiutare i controllori del traffico aereo a gestire lo spazio tra gli atterraggi degli aeromobili, un’attività impegnativa a livello cognitivo e altamente dinamica, utilizzando capacità avanzate che portassero a un’efficienza operativa, capacità e prestazioni ambientali migliorate», afferma Jose-Manuel Risquez, esperto senior di gestione del traffico aereo basata sull’intelligenza artificiale (IA) presso INECO(si apre in una nuova finestra). Il progetto riunisce partner francesi (ISA Software)(si apre in una nuova finestra), spagnoli (INECO, ENAIRE)(si apre in una nuova finestra) e portoghesi (NAV-PT)(si apre in una nuova finestra) dotati di competenze nella gestione del traffico aereo, nell’IA e nella tecnologia aeronautica e si basa sui recenti progressi compiuti nel campo dell’apprendimento automatico, sfruttando i dati del traffico aereo su larga scala per sviluppare soluzioni pratiche. «Questo tipo di ricerca non sarebbe stato fattibile nemmeno cinque anni fa», spiega Risquez. «Ora, invece, abbiamo a disposizione i dati e gli strumenti necessari per addestrare modelli che possano effettivamente assistere gli operatori umani in modo significativo.»
Dal prototipo al potenziale nel mondo reale
Sino ad ora, il team ha sviluppato e addestrato modelli prototipo per due aeroporti, ovvero Lisbona e Barcellona, che sono stati scelti per i loro contrastanti approcci a livello di avvicinamento: il sistema basato sui punti di confluenza nel primo caso e l’assetto a «trombone» nel secondo. Testando due configurazioni molto diverse, ORCI intende confermare che la sua soluzione può essere adattata a una serie di ambienti e assetti operativi. I primi risultati sono stati promettenti: il margine di errore medio del modello nel prevedere le distanze di separazione si è aggirato intorno alle 0,4 miglia nautiche (ossia 0,741 km), una cifra considerata utile dal punto di vista operativo. «I controllori ci hanno detto che è stato un buon punto di partenza», osserva Risquez. Il lavoro si sta ora spostando sulla simulazione e sulla convalida. Il team del progetto sta integrando il modello di IA in una piattaforma di simulazione in vista di ulteriori prove con i controllori del traffico aereo più avanti nel corso dell’anno; l’importanza del loro feedback sarà fondamentale. «In definitiva, vogliamo sapere se questo strumento permette di ridurre il carico di lavoro cognitivo e di aiutare i controllori a prendere decisioni più rapide e sicure sotto pressione», aggiunge. Il successo significherà molto di più di un algoritmo funzionante, secondo Risquez: deve essere uno strumento pratico di cui i controllori si fidino, che migliori l’accuratezza nella previsione della distanza, riduca la necessità di comunicazioni radio e aumenti la sicurezza. «Se ci dicono che è utile e la simulazione lo conferma con dati concreti, sapremo di aver costruito qualcosa di importante», conclude Risquez.
