T: 19°C H:
61%Cías. Aéreas | NASA’s Digital Information Platform (DIP)
El software de tráfico aéreo de aprendizaje automático de la NASA ahorra combustible
Una herramienta de planificación de gestión del tráfico aéreo de la NASA ha ahorrado más de 24 000 libras de combustible para aviones y ha evitado la liberación de más de 77 000 libras de emisiones de dióxido de carbono a la atmósfera desde que se implementó en el Aeropuerto Internacional de Dallas-Fort Worth en enero de 2022.
25.01.2023 17:50 | NASA |
Mediante el uso del aprendizaje automático para predecir las condiciones del tráfico en función de los datos en tiempo real, la herramienta podría mejorar las operaciones de tráfico aéreo en los principales aeropuertos de todo el país en el futuro.
El proyecto Plataforma de Información Digital (DIP) de la NASA se asoció con Southwest Airlines, American Airlines y la Administración Federal de Aviación (FAA) para comenzar a probar la herramienta Collaborative Digital Departure Reroute (CDDR) a principios de este año.
CDDR mejora las operaciones de tráfico aéreo actuales en los aeropuertos comerciales mediante la integración de datos de tráfico aéreo de la FAA y los datos de tráfico de superficie de las aerolíneas y la aplicación de aprendizaje automático para proporcionar predicciones de tráfico sobre la disponibilidad futura de la pista y los tiempos estimados de salida y llegada. Los operadores de líneas aéreas utilizan estas predicciones para programar el momento óptimo en que un avión debe despegar para hacer una entrada sin problemas en la corriente de tráfico superior. Esto reduce el tiempo que los aviones pasan inactivos en la pista, así como el uso de combustible y las emisiones.
Desde entonces, los coordinadores de vuelo de American y Southwest han utilizado las predicciones de tráfico de CDDR para identificar rutas alternativas de despegue para evitar demoras durante los períodos de mucho tráfico cuando las restricciones del espacio aéreo limitan la capacidad y necesitan equilibrar el exceso de demanda. Esto ha mejorado las operaciones de gestión del tráfico aéreo, ha reducido los retrasos y ha ahorrado combustible.
El liderazgo de la NASA visitó recientemente los centros de operaciones de las aerolíneas cerca de DFW para ver las herramientas de planificación de la gestión del tráfico aéreo en acción.
“Esta herramienta de planificación utiliza la capacidad de vanguardia del aprendizaje automático para transformar la gestión del tráfico aéreo y reducir significativamente las emisiones de carbono en los principales aeropuertos y otros lugares del país”, dijo Bob Pearce, administrador asociado de la Dirección de Misiones de Investigación Aeronáutica de la NASA. “Demostrar CDDR en operaciones reales de tráfico aeroportuario es un paso importante para hacer que los viajes aéreos sean más eficientes y ambientalmente sostenibles para el espacio aéreo centrado en la información del futuro”.
Durante el año pasado, los ingenieros de la NASA analizaron la capacidad de la herramienta CDDR para utilizar el aprendizaje automático para predecir con precisión las condiciones del tráfico en función de los datos de tráfico históricos y en tiempo real en DFW. En particular, los ingenieros estaban interesados en la capacidad de la herramienta para predecir con precisión las condiciones del tráfico durante los meses con fuertes lluvias, que a menudo van acompañadas de un aumento en los atascos de tráfico. El equipo evaluó el desempeño de CDDR analizando y comparando la cantidad de desvíos identificados por la herramienta, la cantidad de desvíos solicitados por los operadores, cuántas solicitudes se aprobaron finalmente y cuánto combustible de avión se ahorró como resultado. Las predicciones basadas en el aprendizaje automático de la herramienta fueron ligeramente mejores que las predicciones anteriores, según los ingenieros del proyecto.
Mejorar y expandir el uso de esta capacidad de aprendizaje automático es un hito importante para el proyecto. Significa que la herramienta podría adoptarse más fácilmente en otros aeropuertos de todo el país.
“La reutilización de un servicio es un gran problema”, dijo Mirna Johnson, gerente de proyectos de DIP. “Debido a que la superficie de cada aeropuerto es única, es muy difícil crear una solución para un aeropuerto que funcione para otro. El aprendizaje automático nos permite usar los mismos modelos de aprendizaje automático para múltiples aeropuertos”.
Este año, los ingenieros de la NASA probarán una versión del sistema basada en computación en la nube en DFW. Luego, el equipo del proyecto DIP probará la adaptabilidad del sistema al implementarlo en diferentes lugares del país. El objetivo es validar la herramienta para que pueda ser implementada y brindar beneficios en los principales aeropuertos del país. Este esfuerzo apoya directamente las contribuciones de la NASA al objetivo de aviación de los Estados Unidos de alcanzar cero emisiones netas de carbono para 2050.
CDDR se basa en las capacidades y los beneficios de una herramienta similar implementada bajo el proyecto Air Traffic Demonstration 2 (ATD-2) de la NASA en el Aeropuerto Internacional Charlotte Douglas (CLT). La demostración de la herramienta en CLT ahorró más de un millón de galones de combustible para aviones, 23,2 millones de libras de emisiones y más de 6000 horas de funcionamiento del motor entre septiembre de 2017 y septiembre de 2021. La herramienta CDDR de DIP va un paso más allá del espacio aéreo único ATD-2 porque está diseñada para ser adaptable y escalable para su uso en muchos espacios aéreos por muchos usuarios diferentes, incluidos los operadores de vuelos de pasajeros y de carga y los transportistas de carga.
DIP es un subproyecto del proyecto de Gestión del Tráfico Aéreo (ATM-X) de la NASA y se lleva a cabo desde el Centro de Investigación Ames de la NASA en el Silicon Valley de California.
El proyecto Plataforma de Información Digital (DIP) de la NASA se asoció con Southwest Airlines, American Airlines y la Administración Federal de Aviación (FAA) para comenzar a probar la herramienta Collaborative Digital Departure Reroute (CDDR) a principios de este año.
CDDR mejora las operaciones de tráfico aéreo actuales en los aeropuertos comerciales mediante la integración de datos de tráfico aéreo de la FAA y los datos de tráfico de superficie de las aerolíneas y la aplicación de aprendizaje automático para proporcionar predicciones de tráfico sobre la disponibilidad futura de la pista y los tiempos estimados de salida y llegada. Los operadores de líneas aéreas utilizan estas predicciones para programar el momento óptimo en que un avión debe despegar para hacer una entrada sin problemas en la corriente de tráfico superior. Esto reduce el tiempo que los aviones pasan inactivos en la pista, así como el uso de combustible y las emisiones.
Desde entonces, los coordinadores de vuelo de American y Southwest han utilizado las predicciones de tráfico de CDDR para identificar rutas alternativas de despegue para evitar demoras durante los períodos de mucho tráfico cuando las restricciones del espacio aéreo limitan la capacidad y necesitan equilibrar el exceso de demanda. Esto ha mejorado las operaciones de gestión del tráfico aéreo, ha reducido los retrasos y ha ahorrado combustible.
El liderazgo de la NASA visitó recientemente los centros de operaciones de las aerolíneas cerca de DFW para ver las herramientas de planificación de la gestión del tráfico aéreo en acción.
“Esta herramienta de planificación utiliza la capacidad de vanguardia del aprendizaje automático para transformar la gestión del tráfico aéreo y reducir significativamente las emisiones de carbono en los principales aeropuertos y otros lugares del país”, dijo Bob Pearce, administrador asociado de la Dirección de Misiones de Investigación Aeronáutica de la NASA. “Demostrar CDDR en operaciones reales de tráfico aeroportuario es un paso importante para hacer que los viajes aéreos sean más eficientes y ambientalmente sostenibles para el espacio aéreo centrado en la información del futuro”.
Durante el año pasado, los ingenieros de la NASA analizaron la capacidad de la herramienta CDDR para utilizar el aprendizaje automático para predecir con precisión las condiciones del tráfico en función de los datos de tráfico históricos y en tiempo real en DFW. En particular, los ingenieros estaban interesados en la capacidad de la herramienta para predecir con precisión las condiciones del tráfico durante los meses con fuertes lluvias, que a menudo van acompañadas de un aumento en los atascos de tráfico. El equipo evaluó el desempeño de CDDR analizando y comparando la cantidad de desvíos identificados por la herramienta, la cantidad de desvíos solicitados por los operadores, cuántas solicitudes se aprobaron finalmente y cuánto combustible de avión se ahorró como resultado. Las predicciones basadas en el aprendizaje automático de la herramienta fueron ligeramente mejores que las predicciones anteriores, según los ingenieros del proyecto.
Mejorar y expandir el uso de esta capacidad de aprendizaje automático es un hito importante para el proyecto. Significa que la herramienta podría adoptarse más fácilmente en otros aeropuertos de todo el país.
“La reutilización de un servicio es un gran problema”, dijo Mirna Johnson, gerente de proyectos de DIP. “Debido a que la superficie de cada aeropuerto es única, es muy difícil crear una solución para un aeropuerto que funcione para otro. El aprendizaje automático nos permite usar los mismos modelos de aprendizaje automático para múltiples aeropuertos”.
Este año, los ingenieros de la NASA probarán una versión del sistema basada en computación en la nube en DFW. Luego, el equipo del proyecto DIP probará la adaptabilidad del sistema al implementarlo en diferentes lugares del país. El objetivo es validar la herramienta para que pueda ser implementada y brindar beneficios en los principales aeropuertos del país. Este esfuerzo apoya directamente las contribuciones de la NASA al objetivo de aviación de los Estados Unidos de alcanzar cero emisiones netas de carbono para 2050.
CDDR se basa en las capacidades y los beneficios de una herramienta similar implementada bajo el proyecto Air Traffic Demonstration 2 (ATD-2) de la NASA en el Aeropuerto Internacional Charlotte Douglas (CLT). La demostración de la herramienta en CLT ahorró más de un millón de galones de combustible para aviones, 23,2 millones de libras de emisiones y más de 6000 horas de funcionamiento del motor entre septiembre de 2017 y septiembre de 2021. La herramienta CDDR de DIP va un paso más allá del espacio aéreo único ATD-2 porque está diseñada para ser adaptable y escalable para su uso en muchos espacios aéreos por muchos usuarios diferentes, incluidos los operadores de vuelos de pasajeros y de carga y los transportistas de carga.
DIP es un subproyecto del proyecto de Gestión del Tráfico Aéreo (ATM-X) de la NASA y se lleva a cabo desde el Centro de Investigación Ames de la NASA en el Silicon Valley de California.
