Opis projektu
Przewidywanie pogody z wykorzystaniem sztucznej inteligencji
Finansowany ze środków UE projekt ISOBAR ma za zadanie wykorzystać sztuczną inteligencję (SI) w celu opracowania pięciu głównych składników SI, których zadaniem byłoby wspieranie łańcucha dostaw w systemie równoważenia popytu w sytuacjach niewynikowych i krytycznych – zwiększania i przewidywania konwekcji, lepszego charakteryzowania pojemności przestrzeni i popytu, wskazywania wynikających z pogody rozbieżności między pojemnością przestrzeni a popytem oraz wybierania środków zmniejszających czynniki pojemności i popytu na poziomach lokalnym i sieciowym. Projekt będzie bazować na czterech podstawowych filarach. Po pierwsze umocni procesy współpracy dotyczące zarządzania przepływem ruchu lotniczego i pojemnością przestrzeni (ang. Air Traffic Flow and Capacity Management, ATFCM) na poziomie przedtaktycznym i taktycznym w lokalnych i sieciowych rolach odpowiedzialnych za integrację dynamicznych komórek pogodowych. Po drugie pozwoli opisać rozbieżności między pojemnością przestrzeni a popytem. Po trzecie nakreśli plan ich zmniejszania uwzględniający potrzeby użytkownika. I wreszcie projekt pozwoli opracować plan działań operacyjnych i technicznych, prowadzący do wdrożenia usług pomocniczych do systemu SWIM.
Cel
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.
Dziedzina nauki
Słowa kluczowe
Program(-y)
System finansowania
RIA - Research and Innovation actionKoordynator
28022 Madrid
Hiszpania