INTUIT

Contexto

La orientación al rendimiento en la Gestión del Tráfico Aéreo (ATM, por las siglas en inglés de Air Traffic Management) es uno de los pilares fundamentales del Cielo Único Europeo (SES, por Single European Sky) y de su pilar tecnológico, SESAR. El enfoque en el rendimiento está definido por la Organización de Aviación Civil Internacional (OACI) como aquel que se basa en definir políticas en términos objetivos de rendimiento cualitativos, medibles mediante la definición de indicadores apropiados, desarrollando los datos y metodologías necesarias para calcular los indicadores, y contando con la experiencia para mantener la calidad de los datos y evaluar la relación entre las tendencias que marcan los indicadores y las acciones de gestión. Sin embargo, lograr estos elementos no es una tarea sencilla: el rendimiento del sistema de ATM resulta de la compleja interacción de políticas y regulaciones interdependientes, actores, tecnologías y condiciones del mercado y es necesaria buscar un equilibrio no sólo entre distintas KPAs (Key Performance Areas), sino también entre los intereses de distintos actores, así como entre objetivos a corto y largo plazo. La necesidad de disponer de mejores metodologías de modelización del rendimiento del sistema de ATM, capaces de capturar las interdependencias entre diferentes KPIs (Key Performance Indicators) y permitir la evaluación de los posibles impactos futuros de nuevas políticas y tecnologías, ha sido reconocida por los distintos actores del sector del ATM y por la comunidad investigadora.

El proyecto INTUIT

INTUIT es un proyecto de investigación de SESAR que exploró el potencial de la analítica visual y el aprendizaje automático para mejorar la comprensión de las relaciones entre las KPAs del sistema de ATM y desarrollar nuevas herramientas de apoyo a la decisión para la monitorización y gestión del tráfico aéreo. El proyecto fue llevado a cabo por un consorcio compuesto por Nommon (coordinador del proyecto), ALG, Fraunhofer-IAIS, la Universidad Politécnica de Madrid y Transport & Mobility Leuven.

El proyecto comenzó identificando las fuentes de datos disponibles sobre el rendimiento del sistema de ATM en Europa y evaluando la validez, calidad y resolución geográfica y temporal de cada conjunto de datos. Este trabajo condujo a la producción de distintas fichas informativas caracterizando cada fuente de datos y una guía que vincula las diferentes KPAs y KPIs del sistema de ATM con las fuentes donde se pueden encontrar dichos datos. Tomando este trabajo como punto de partida, una combinación de revisión bibliográfica y consulta a las partes interesadas permitió la definición de una “Agenda de investigación sobre ciencia de datos y rendimiento del sistema de ATM”.

Para más información sobre el proyecto, lee ​​​INTUIT Position Paper​.

Objetivos

Los objetivos específicos del proyecto fueron:

• Caracterizar de forma sistemática las fuentes de datos sobre el sistema de ATM disponibles a diferentes escalas espaciales y temporales y evaluar su potencial para informar el desarrollo de nuevos indicadores y enfoques de modelización.
• Proponer nuevas métricas e indicadores que proporcionen nuevas perspectivas para el análisis del rendimiento del sistema de ATM.
• Desarrollar un conjunto de algoritmos de analítica visual y aprendizaje automático para la extracción de patrones relevantes a partir de los datos de rendimiento del  sistema de ATM.
• Investigar nuevas técnicas de modelización basadas en datos y evaluar su potencial para entender las relaciones causa-efecto entre las diferentes variables del sistema de ATM  y los indicadores de rendimiento.
• Integrar las nuevas funcionalidades analíticas y de visualización desarrolladas en un panel interactivo que respalde la evaluación del rendimiento y la toma de decisiones.

Lee INTUIT Project Summary para obtener más información sobre los casos de estudio y las principales conclusiones del proyecto INTUIT.

Entregables

• D1.3 Final Project Results Report
• D2.1 Performance Data Inventory and Quality Assessment
• D2.2 Qualitative Analysis of ATM Performance Drivers and Tradeoffs
• D3.1 Visual Analytics Exploration of Performance Data
• D4.1 Performance Metrics and Predictive Models
• D5.1 Performance Monitoring and Management Toolset
• ​D5.2 Performance Monitoring and Management Toolset Evaluation Report

Publicaciones científicas

• Marcos, R., Cantú Ros, O.G., and Herranz, R., (2017) “Combining Visual Analytics and Machine Learning for Route Choice Prediction: Application to Pre-Tactical Traffic Forecast“, in D. Schaefer (Ed.) Proceedings of the SESAR Innovation Days 2017, EUROCONTROL.
• Andrienko, G., Andrienko, N., Chen, W., Maciejewski, R., and Zhao Y., (2017) “Visual Analytics of Mobility and Transportation: State of the Art and Further Research Directions”, IEEE Transactions on Intelligent Transportation Systems, vol. 18(8), pp.2232-2249.
• ​Andrienko, G., Andrienko, N., Fuchs, G., and Cordero J.M., (2017) “Clustering Trajectories by Relevant Parts for Air Traffic Analysis”, IEEE Transactions on Visualization and Computer Graphics, vol. PP, no. 99, pp. 1–1.
• Marcos, R., Toribio, D., Alsina, N., Garrigó, L., Andrienko, N., Andrienko, G., Piovano, L., Blondiau, T., and Herranz, R., (2016) “Visual Analytics and Machine Learning for ATM Performance Modelling: Preliminary Findings of the INTUIT Project and Prospects for Future Research“, in D. Schaefer (Ed.) Proceedings of the SESAR Innovation Days 2016, EUROCONTROL.

Presentaciones

• Marcos, R., (2017) “Combining Visual Analytics and Machine Learning for Route Choice Prediction: Application to Pre-Tactical Traffic Forecast“, presentation at the SESAR Innovation Days 2017, Belgrade, Serbia, November, 2017.
• Marcos, R., (2016) “The INTUIT Project“, poster presented at the SESAR Innovation Days 2016, Delft, The Netherlands, November, 2016.
• Marcos, R., (2016) “Visual Analytics and Machine Learning for ATM Performance Modelling: Preliminary Findings of the INTUIT Project and Prospects for Future Research“, presentation at the SESAR Innovation Days 2016, Delft, The Netherlands, November, 2016.