Description du projet
La planification écologique au service de l’aviation
Les émissions de l’aviation contribuent au changement climatique. La grande question concerne l’ampleur de son empreinte carbone. Le projet REFMAP, financé par l’UE, trouvera la réponse en quantifiant les empreintes environnementales de la mobilité aérienne pour les avions de ligne et les systèmes d’aéronefs sans pilote à un niveau multi-échelle, où les trajectoires individuelles et le trafic de flux de plusieurs véhicules sont optimisés pour minimiser leur impact sur l’environnement dans un large éventail de communautés. REFMAP étudiera comment les modèles économiques de l’aviation seront affectés par la disponibilité de données environnementales pour chaque type de véhicule aérien et chaque itinéraire. Pour prédire les résultats, il développera une plateforme analytique capable de traiter les données environnementales et météorologiques telles que le vent, le bruit et les émissions (CO2 et autres).
Objectif
"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."
Champ scientifique
- 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
Mots‑clés
Programme(s)
Régime de financement
HORIZON-RIA - HORIZON Research and Innovation ActionsCoordinateur
100 44 Stockholm
Suède