Opis projektu
Cyfrowy asystent zwiększa przepustowość przestrzeni powietrznej lotnisk
Przestrzenie powietrzne nad głównymi węzłami lotniczymi są bardzo zatłoczonymi obszarami, a zwiększona automatyzacja może walnie przyczynić się do zwiększenia ich przepustowości i usprawnienia trajektorii lotów. Obecnie kontrolerzy ruchu lotniczego używają zróżnicowanych narzędzi w celu identyfikacji lotów i podejmowania decyzji, ale dane zebrane za ich pomocą są często niedostatecznie wykorzystywane. Dzięki wykorzystaniu algorytmów uczenia maszynowego opartych na historycznych danych operacyjnych, kontrolerzy ruchu lotniczego mogą skorzystać z narzędzi wspierających decyzje w celu zwiększenia przepustowości przestrzeni powietrznej i usprawnienia działań bez negatywnego wpływu na bezpieczeństwo. Zespół finansowanego ze środków Unii Europejskiej projektu TADA ma na celu opracowanie cyfrowego asystenta opartego na sztucznej inteligencji, którego możliwości przewyższą istniejące rozwiązania w zakresie zarządzania przylotami, a także interfejsu człowiek-maszyna wspierającego procesy decyzyjne kontrolerów lotów.
Cel
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.
Dziedzina nauki
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Słowa kluczowe
Program(-y)
- HORIZON.2.5 - Climate, Energy and Mobility Main Programme
Temat(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-JU-RIA - HORIZON JU Research and Innovation ActionsKoordynator
28042 Madrid
Hiszpania
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.