Descrizione del progetto
Prevedere il tempo atmosferico con l’intelligenza artificiale
Il progetto ISOBAR, finanziato dall’UE, si propone di sfruttare l’intelligenza artificiale e sviluppare cinque principali componenti di intelligenza artificiale per supportare la catena di distribuzione del bilanciamento fra domanda e capacità (DCB, Demand Capacity Balancing) in situazioni non nominali e critiche: miglioramento e anticipazione della previsione di convezione, migliore caratterizzazione di capacità e domanda, identificazione degli squilibri meteorologici tra capacità e domanda e selezione di misure di mitigazione capacità-domanda a livello locale e di rete. Il progetto sarà basato su quattro pilastri principali. In primo luogo, rafforzerà i processi collaborativi di gestione del flusso di traffico aereo e della capacità (ATFM) a livello pre-tattico e tattico nei ruoli locali e di rete integrando celle meteorologiche dinamiche. In secondo luogo, caratterizzerà gli squilibri di domanda e capacità. In terzo luogo, istituirà un piano di mitigazione guidato dall’utente. Infine, il progetto svilupperà una tabella di marcia operativa e tecnica per l’integrazione dei servizi ausiliari in SWIM.
Obiettivo
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.
Campo scientifico
Parole chiave
Programma(i)
Argomento(i)
Meccanismo di finanziamento
RIA - Research and Innovation actionCoordinatore
28022 Madrid
Spagna