II - Mejora de la gestión de la aproximación final con inteligencia artificial
Esta investigación no habría sido posible ni siquiera hace cinco años, ahora tenemos los datos y las herramientas.
Jose-Manuel Risquez, coordinador del proyecto ORCI
Los controladores del tráfico aéreo trabajan en uno de los entornos más exigentes de la aviación, y las aproximaciones para aterrizar son los momentos en que tanto la carga de trabajo como la complejidad alcanzan su máximo nivel. El proyecto ORCI(se abrirá en una nueva ventana), que cuenta con el apoyo de la Empresa Común SESAR(se abrirá en una nueva ventana), busca desarrollar herramientas avanzadas de automatización para respaldar la gestión de las áreas de control terminal (TMA, por sus siglas en inglés). El objetivo es proporcionar a los controladores en los sectores de aproximación final información sobre el momento óptimo para emitir instrucciones de guiado (vectorización), con el fin de garantizar una separación adecuada entre llegadas consecutivas en operaciones complejas y de alta densidad dentro del TMA. «Queríamos ayudar a los controladores aéreos a gestionar la separación entre aterrizajes de aeronaves, una tarea cognitivamente exigente y muy dinámica, mediante capacidades mejoradas que contribuyan a optimizar la eficiencia operativa, la capacidad del sistema y el rendimiento medioambiental», comenta Jose-Manuel Risquez, especialista senior en Gestión del Tráfico Aéreo-Inteligencia Artificial en INECO(se abrirá en una nueva ventana). El proyecto reúne a socios de Francia (ISA Software)(se abrirá en una nueva ventana), España (INECO, ENAIRE)(se abrirá en una nueva ventana) y Portugal (NAV-PT)(se abrirá en una nueva ventana), expertos en gestión del tráfico aéreo, inteligencia artificial (IA) y tecnología aeronáutica. También se apoya en los avances recientes en IA y aprendizaje automático, y se emplean datos de tráfico aéreo a gran escala para desarrollar soluciones prácticas. «Esta investigación no habría sido posible ni siquiera hace cinco años», explica Risquez. «Ahora tenemos los datos y las herramientas para entrenar modelos que puedan ayudar de verdad a los controladores de forma significativa».
Del prototipo a la aplicación en el mundo real
Hasta ahora, el equipo ha desarrollado y entrenado modelos prototipo para dos aeropuertos —Lisboa y Barcelona—, seleccionados por la diferencia en la configuración de sus procedimientos de aproximación: el sistema de fusión en punto («point merge») en Lisboa y el diseño en trombón («trombone layout») en Barcelona. Con las pruebas realizadas en dos configuraciones muy distintas, ORCI pretende confirmar que su solución puede adaptarse a una variedad de entornos y esquemas operativos. Los resultados preliminares son prometedores. El modelo presenta un margen de error medio en la predicción de las distancias de separación de aproximadamente 0,4 millas náuticas (0,741 km), una cifra considerada útil desde el punto de vista operativo. «Los controladores nos dijeron que era un buen punto de partida», señala Risquez. Los trabajos se centran ahora en la simulación y la validación. El equipo del proyecto está integrando el modelo de IA en una plataforma de simulación, de cara a efectuar nuevas pruebas con controladores aéreos más adelante este año. La opinión de los controladores aéreos será fundamental. «En último término, queremos saber si esta herramienta reduce la carga de trabajo cognitivo y ayuda a los controladores a tomar decisiones más rápidas y seguras bajo presión», agrega Risquez. El éxito significará algo más que un algoritmo que funcione, agrega Risquez. Debe ser una herramienta práctica en la que los controladores confíen, que mejore la precisión en la separación entre aeronaves, reduzca la necesidad de comunicaciones por radio y mejore la seguridad. «Si dicen que ayuda, y la simulación lo respalda con datos concretos, entonces sabremos que hemos desarrollado algo valioso», concluye Risquez.
