Descrizione del progetto
Pianificazione ecologica per il gusto di volare
Le emissioni del trasporto aereo contribuiscono ai cambiamenti climatici. Quello che ci si chiede è quale sia l’entità della sua impronta di carbonio. Il progetto REFMAP, finanziato dall’UE, troverà la risposta quantificando le impronte ambientali della mobilità aerea per gli aeromobili di linea e i sistemi di velivoli senza pilota a livello multi-scala, dove le singole traiettorie e il flusso di traffico di più veicoli sono ottimizzati per ridurre al minimo il loro impatto ambientale in una vasta gamma di comunità. REFMAP studierà in che modo i modelli di business dell’aviazione saranno impattati dalla disponibilità di dati ambientali per ogni tipo e rotta di veicolo aereo. Per prevedere i risultati, svilupperà una piattaforma analitica in grado di elaborare dati ambientali e meteorologici come il vento, il rumore e le emissioni (sia di CO2 che di altro tipo).
Obiettivo
"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."
Campo scientifico
- 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
Parole chiave
Programma(i)
Meccanismo di finanziamento
HORIZON-RIA - HORIZON Research and Innovation ActionsCoordinatore
100 44 Stockholm
Svezia