Projektbeschreibung
Digitale Assistenz verbessert Luftraumleistung im Nahbereich
Lufträume im Nahbereich, die große Flughafendrehkreuze bedienen, sind stark überlastete Bereiche, die von einer stärkeren Automatisierung zur Steigerung der Kapazität und der Effizienz der Flugwege stark profitieren könnten. Gegenwärtig greift die Flugverkehrskontrolle auf verschiedene Instrumente zu, um Flüge zu identifizieren und Entscheidungen zu treffen, aber die im Rahmen dieser Interaktionen gesammelten Daten werden oft nicht ausreichend genutzt. Durch Einführung von Algorithmen des maschinellen Lernens, bei denen historische Betriebsdaten genutzt werden, kann der Flugverkehrskontrolle eine Entscheidungshilfe zur Verfügung gestellt werden, um Kapazität und Effizienz zu verbessern, ohne dass die Sicherheit beeinträchtigt wird. Das Ziel des EU-finanzierten Projekts TADA besteht darin, eine durch künstliche Intelligenz unterstützte digitale Assistenz, die in Bezug auf Leistung die derzeitigen Fähigkeiten des Arrival Managers (AMAN) übertrifft, und eine Mensch-Maschine-Schnittstelle zu entwickeln, um die Entscheidungsfindung der Flugverkehrskontrolle zu unterstützen.
Ziel
TADA is a project aimed at improving Terminal Airspace (TMA) performance through the use of ATCO generated historical data and ML to provide the ATCO with decision and action selection for future situations, presented in a human centric way.
TMAs, especially those serving major airport hubs and/or multi-airport systems, are areas of heavy congested traffic. Busy TMAs could benefit from further automation that would improve capacity, flow and trajectory efficiency and safety. The current ATC paradigm in TMAs consists of having flights and their intentions identified by the air traffic controllers (ATCOs), supported by a series of information acquisition and analysis tools, such as AMAN (providing a sequence), trajectory predictions, safety nets and instruction adherence monitoring, most of which are integrated into the ATM system in use. ATCOs assimilate the information available, incorporate other background information, make decisions and instruct the flights. They also interact with the ATM system to keep it up to date with the decisions and the feedback received from the flights.
This ATCO data gathered through this interaction is currently barely used beyond the immediate information update cycles and possibly post ops investigations. This wealth of big-data,together with the introduction of machine learning (ML) algorithms that will learn to predict patterns and ATC instructions can be taken advantage of much more to improve capacity, efficiency and safety by providing decision making support to ATCOs and delegation of certain tasks. A digital assistant and corresponding HMI will be developed through TADA and AMAN will benefit from an improvement through the use of the same data and ML.
TADA will be carried out by a consortium of 6 partners from 6 different EU countries including academia, ANSP, ATM system provider and an expert company in AI, bringing complimentary academic, technical, human factors and operational skills and expertise to the project.
Wissenschaftliches Gebiet
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
Schlüsselbegriffe
Programm/Programme
- HORIZON.2.5 - Climate, Energy and Mobility Main Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-JU-RIA - HORIZON JU Research and Innovation ActionsKoordinator
28042 Madrid
Spanien
Die Organisation definierte sich zum Zeitpunkt der Unterzeichnung der Finanzhilfevereinbarung selbst als KMU (Kleine und mittlere Unternehmen).