Descripción del proyecto
Planificación ecológica por el bien de la aviación
Las emisiones de la aviación contribuyen al cambio climático, pero la gran pregunta es cuán grande es su huella de carbono. En el proyecto REFMAP, financiado con fondos europeos, se responderá a esta pregunta mediante la cuantificación de las huellas ambientales de la movilidad aérea de aviones comerciales y sistemas de aeronaves no tripuladas a múltiples escalas, donde las trayectorias individuales y el flujo de tráfico de múltiples vehículos se optimizan para minimizar su impacto ambiental en una amplia variedad de comunidades. El equipo de REFMAP investigará cómo afectará la disponibilidad de datos ambientales para cada tipo y ruta de vehículo aéreo a los modelos de negocio de la aviación. Para predecir los resultados, desarrollará una plataforma de análisis que permita procesar datos ambientales y meteorológicos como el viento, el ruido y las emisiones (de CO2 y distintas del CO2).
Objetivo
"The mission of RefMap is to develop a digital service aimed at quantifying the environmental footprints of air mobility for airliners and unmanned aircraft systems (UAS) at a ""multi-scale"" level, where single-trajectories (micro) and the flow traffic of multiple vehicles (macro) are optimised to minimise their environmental impact in a wide range of communities. RefMap investigates how the aviation business models will be affected by the availability of environmental data for each type and route of air vehicle, as this will enable stricter evidence-based Green policy making in the sector. This will be achieved via the development of the RefMap analytics platform processing environmental and weather data such as wind, noise, CO2 and non-CO2 emissions for both U-space and ATM. This platform will rely on a number of technical solutions, including numerical simulation, predictive models, and deep-learning methods. The latter will be used to construct accurate non-intrusive prediction frameworks and to optimize the trajectories of the various vehicles given the predicted flow conditions via deep reinforcement learning (DRL). These will enable the development of a new aviation business models aligned with EU’s Green Agenda."
Ámbito científico
- engineering and technologymechanical engineeringvehicle engineeringaerospace engineeringaircraft
- natural sciencescomputer and information sciencesartificial intelligencemachine learningreinforcement learning
- social scienceseconomics and businessbusiness and managementbusiness models
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
Palabras clave
Programa(s)
Régimen de financiación
HORIZON-RIA - HORIZON Research and Innovation ActionsCoordinador
100 44 Stockholm
Suecia