Descripción del proyecto
Predicción climática mediante inteligencia artificial
El proyecto ISOBAR, financiado con fondos europeos, tiene como objetivo aprovechar la inteligencia artificial y desarrollar cinco componentes fundamentales de inteligencia artificial para apoyar el equilibrio entre capacidad y demanda (DCB, por sus siglas en inglés) de la cadena de suministro en situaciones críticas y no nominales: mejora y anticipación de la predicción de convección, mejor capacidad de caracterización y demanda, identificación de desequilibrios relacionados con el clima entre la capacidad y la demanda, y selección de medidas de mitigación de la capacidad de demanda a nivel local y de red. El proyecto se construirá sobre cuatro pilares fundamentales. En primer lugar, reforzará los procesos de gestión de afluencia de tránsito aéreo (ATFM, por sus siglas en inglés) a nivel pretáctico y táctico en las funciones locales y de red que integran las células meteorológicas dinámicas. En segundo lugar, caracterizará los desequilibrios entre demanda y capacidad. En tercer lugar, establecerá un plan de mitigación impulsado por los usuarios. Finalmente, el proyecto desarrollará un plan operativo y un plan de acción técnico para la integración de servicios auxiliarles en la gestión de la información a nivel del sistema (SWIM, por sus siglas en inglés).
Objetivo
ISOBAR aims at the provision of a service- and AI-based Network Operations Plan, by integrating enhanced convective weather forecasts for predicting imbalances between capacity and demand and exploiting AI to select mitigation measures at local and network level in a collaborative ATFCM operations paradigm. To achieve this vision, four objectives are set:
a) Reinforce collaborative ATFCM processes at pre-tactical and tactical levels into the LTM (local) and Network Management (network) roles integrating dynamic weather cells.
b) Characterisation of demand and capacity imbalances at pre-tactical level [-1D, -30min] depending on the input of probabilistic weather cells by using applied AI methods and ATM and weather data integration.
c) User-driven mitigation plan considering AUs priorities (and fluctuations in demand based on weather forecasts) and predicted effectiveness of ATFCM regulations, considering flow constraints and network effects.
d) Develop an operational and technical roadmap for the integration of ancillary services (providing AI-based hotspot detection and adaptative mitigation measures) into the NM platform, by defining interfaces, functional and performance requirements.
Ámbito científico
Palabras clave
Programa(s)
Régimen de financiación
RIA - Research and Innovation actionCoordinador
28022 Madrid
España