Divisão de Engenharia Civil Ano: 2023
(Turma 2023, TGs 2023)
Towards objective airport site selection with automated geometric analysis (pdf 2,2 MB)
Autor: Vitor Silva Carvalho de Lyra
Orientador(es): Evandro José da Silva
Relator(es): Eduardo Moraes Arraut
Ano:
Resumo:
A localização ideal dos aeroportos desempenha um papel crucial na garantia de sistemas de
transporte aéreo eficientes e seguros. Este trabalho tem como objetivo abordar o problema da
locação de sítios aeroportuários incorporando considerações geométricas e uma metodologia
chamada MESA (Metodologia de Escolha de Sítios Aeroportuários),[1] desenvolvida por
pesquisadores do Instituto Tecnológico de Aeronáutica (ITA). O presente estudo traz uma
abordagem inovadora para essa questão, concentrando-se na automação do processo de seleção
de locais para alocação de aeroportos por meio da implementação de rotinas em Python
combinadas com um Sistema de Informação Geográfica, em inglês, Geographic Information
System (GIS). Essas rotinas são projetadas para avaliar a presença de obstáculos, variações
altimétricas e conflitos de uso do solo. Ao considerar esses fatores, a abordagem proposta visa
identificar locais adequados para aeroportos que atendam aos requisitos regulatórios e otimizem
a eficiência operacional. Este trabalho se concentra nos aspectos computacionais dos métodos,
visando melhorar o tempo de processamento das verificações de vários critérios por meio de
modificações nas rotinas do código, no tratamento de dados e nos tipos de arquivos utilizados
como inputs do programa. Além disso, realizou-se a aplicação do modelo por meio de uma
análise comparativa com os locais identificados pelo projeto MESA em um estudo conduzido
na região metropolitana de Belém. O objetivo foi verificar não apenas a capacidade do modelo
em encontrar soluções superiores às obtidas manualmente, mas também confirmar se as rotinas
do código estavam sendo executadas de maneira correta. Este estudo permitiu-nos concluir que
a variabilidade dos dados de entrada (e.g., percentual de área inviável) exerce pouco impacto
sobre o desempenho do código. As melhorias implementadas no modelo evidenciaram que a
escolha entre rotinas baseadas em dados rasterizados ao invés de dados vetoriais melhora em
grande medida o tempo de processamento, assim como o uso de Numpy Arrays. Ficou manifesta
a capacidade potencial do modelo para auxiliar o processo de busca de novos sítios e a versão
corrente cumpre o objetivo de oferecer opções de localização que podem ser manualmente
refinadas. Os próximos passos da pesquisa envolvem a inclusão de novos critérios, como a
distância a rodovias e Centros Geradores de Demanda (CGD), e a validação do método por
meio de análises comparativas com resultados manuais. Outro desafio é o refinamento dos
dados de entrada, em seus aspectos de aquisição e adequação aos formatos apropriados.
Abstract:
The optimal siting of airports plays a crucial role in ensuring efficient and safe air transportation
systems. This paper aims to address the problem of airport site selection by incorporating
geometric considerations and a methodology called MESA - Metodologia de Escolha de Sítios
Aeroportuários (in Portuguese, Airport Site Selection Methodology)[1], developed by professors
from the Instituto Tecnológico de Aeronáutica (ITA). Specifically, the study brings a novel
approach to this matter, focusing on the automation of the airport site selection process through
the implementation of Python routines coupled with a Geographic Information System (GIS).
These routines are designed to assess the presence of obstacles, altimetric variations, and land
use conflicts. By considering these factors, the proposed approach aims to identify suitable
airport locations that meet regulatory requirements and optimize operational efficiency. This
paper focuses on the computational aspects of the methods, by improving computational time
of the several criteria checks through code routine modifications, data handling, and file types
used as program inputs. Furthermore, the model was applied through a comparative analysis
with sites identified by the MESA project in a study conducted in the metropolitan region of
Belém. The objective was to assess not only the model's ability to find solutions superior to
those obtained manually but also to confirm the correct execution of code routines. This study
led us to conclude that the variability of input data (e.g., the percentage of unviable area) has
little impact on the code's performance. The improvements implemented in the model
highlighted that opting for routines based on rasterized data instead of vector data significantly
enhances processing time, as does the use of Numpy Arrays. The potential capacity of the model
to assist in the search process for new sites was clearly demonstrated, and the current version
successfully achieves the goal of providing location options that can be manually refined. The
next steps of the research include validating the method through comparative analyses with
manual methods and incorporating new criteria such as proximity to highways and Traffic
Generator Centroids.
