Opis projektu
Cyfrowa transformacja zarządzania transportem lotniczym
Płynne zarządzanie transportem lotniczym wymaga współpracy władz, linii lotniczych i instytucji zapewniających służby żeglugi powietrznej. Postęp technologiczny i cyfryzacja usług przekładają się na możliwość przeprowadzania analiz dużych zbiorów danych i wykorzystania nowych metodologii oceny ryzyka. Zespół finansowanego ze środków UE projektu SafeOPS przeanalizuje, w jaki sposób takie przyszłe usługi mogą poprawić bezpieczeństwo i rentowność transportu lotniczego. Prace skupią się na procesie podejmowania decyzji o przejściu na drugie okrążenie – manewru, który linii lotnicze i instytucje zapewniające służby żeglugi powietrznej uważają za niezwykle istotny z punktu widzenia bezpieczeństwa zarządzania transportem lotniczym. Projekt będzie propagował ideę modernizacji zarządzania transportem lotniczym z wykorzystaniem narzędzi opartych na sztucznej inteligencji, ze szczególnym uwzględnieniem interakcji między ludźmi (kontrolerami).
Cel
Maintaining safety and cost-efficiency of air transport operations while increasing the capacity will push the next generation of ATM systems towards digitalization. In the mid-term, a digitalized system in the human operated ATM environment will be capable of delivering reliable predictive analytics based on automated information processing, providing decision support for human operators. SafeOPS supports these future services by investigating the use of big data analytics together with new risk assessment methodologies.
ANSP and airlines are the relevant stakeholders of the aviation business, forming the SafeOPS consortium. Several research institutes complement the consortium. To ensure the high confidentiality levels of the associated datasets, SafeOPS utilizes DataBeacon, a platform that allows fusing and analyzing confidential aviation data. As an exemplary safety-critical scenario, SafeOPS considers go-arounds that are of high safety relevance for both, airlines and ANSPs. Based on successful unstable approach predictions, developed in the Horizon2020 project SafeClouds.eu SafeOPS will carry out go-around predictions and analyze their impact onto the safety and resilience of ATM in detail.
As recognized by the SESAR Single Programming Document, data-driven and machine learning technologies are a cost-efficient asset to reduce current fragmentation and upgrade inefficient old technologies. In turn, they introduce new challenges for ATM stakeholders, from controllers and their training to regulators and certification agencies. SafeOPS addresses some of these challenges by fostering the ATM modernization based on AI tools with an application on safety and resilience through an exemplary case study. It puts a special focus on the interaction among humans (controllers) and within the socio-technical system under the influence of this breakthrough technology. Therefore, it addresses both key performance areas from the Safety and Resilience ATM Master Plan.
Dziedzina nauki
Słowa kluczowe
Program(-y)
System finansowania
RIA - Research and Innovation actionKoordynator
80333 Muenchen
Niemcy