Divisão de Engenharia Civil Ano: 2023
(Turma 2023, TGs 2023)
Aprimorando a avaliação do indicador ATM - extensão real em rota com técnicas de machine learning (pdf 5,2 MB)
Autor: Davi de Paiva Penha
Orientador(es): Marcelo Xavier Guterres e Wallace Silva Sant'Anna Souza
Relator(es): João Vitor Turchetti Ribeiro
Ano: 2023
Resumo:
Os indicadores ATM são ferramentas do gerenciamento do tráfego aéreo de grande importância para o controle da eficácia e eficiência do espaço aéreo brasileiro. Este estudo concentrou-se na análise das movimentações de espera em trajetórias de voos, com o objetivo de investigar seu impacto no indicador de tráfego aéreo KPI 05, para isso foram selecionados os aeroportos de Guarulhos, Brasília e Curitiba por possuírem operações em magnitudes distintas. Foram coletadas e analisadas as trajetórias de voo dos referenciados aeroportos, identificando esperas e quantificando suas distâncias em relação ao destino. Tendo em mãos os dados de distâncias para as esperas, foram desenvolvidos modelos de mistura Gaussiana para cada aeroporto, para avaliar a porcentagem de esperas dentro de cada zona de exclusão definida pela norma. Os resultados do modelo probabilístico determinaram que para os aeroportos de Guarulhos e Brasília era necessário um raio maior para que as zonas de exclusão eliminassem pelo menos 90% das esperas. Por fim, foi analisado o impacto de cada nova zona de exclusão no cálculo do KPI 05 para as rotas de maior número de esperas de cada aeroporto. Abstract:
ATM indicators are very important air traffic management tools for controlling the effectiveness and efficiency of Brazilian airspace. This study focused on the analysis of waiting
movements in flight paths, with the aim of investigating their impact on the air traffic
indicator KPI 05. To this end, the airports of Guarulhos, Bras´ılia and Curitiba were
selected because they have different operations and sizes. Flight paths from different airports were collected and analyzed, identifying waits and quantifying their distances from
the destination. With the distance data for waits in hand, a Gaussian mixture model
was developed for each airport to assess the percentage of waits within each exclusion
zone defined by the standard. The results of the probabilistic model determined that
for Guarulhos and Brasilia airports a larger radius was needed for the exclusion zones to
eliminate at least 90% of waits. Finally, the impact of each new exclusion zone on the
calculation of KPI 05 for the routes with the highest number of waits at each airport was
analyzed.
