Predicción del impacto de regulaciones aéreas sobre los flujos de aeronaves utilizando técnicas de aprendizaje automático: un modelo a nivel de flujos

El objetivo de este proyecto es, partiendo de un conjunto datos en bruto sobre vuelos y agrupaciones en flujos aéreos, automatizar la predicción del comportamiento de los flujos bajo diferentes regulaciones, con el fin de anticipar la complejidad del espacio aéreo en distintos puntos facilitando el trabajo del personal relacionado con este campo. En este proyecto participan tres partes: CRIDA, ENAIRE y la Universidad Politécnica de Madrid, esta última desde donde se escribe esta Tesis Fin de Máster. CRIDA y Enaire proporcionan los datos de los vuelos, flujos y regulaciones para este proyecto. Se dispone de los planes pretáctico y táctico de los vuelos en el Centro de Control (ACC) Madrid Ruta1 norte durante el año 2018. Estos datos incluyen también información sobre las regulaciones que estuvieron activas durante ese tiempo y a qué vuelos afectaron. En este proyecto se persiguen dos sub-objetivos diferenciados y que se desarrollan de forma secuencial. El primero se trata de la caracterización y clasificación de los flujos aéreos en base a su complejidad para la gestión del tráfico aéreo. El segundo se trata de construir un modelo con el fin de predecir el retraso que sufrirán los flujos aéreos el día de operación teniendo en cuenta las regulaciones que les afectan. En cuanto al primer sub-objetivo, en primer lugar se realiza un trabajo de identificación de los criterios bajo los que se pueden caracterizar los flujos en cuanto a su impacto y su estabilidad, para calcular a partir de esto un valor cuantitativo de su complejidad. Se desarrolla una metodología de clasificación de los flujos que los divide en tres posibles valores de complejidad: baja, media o alta. En cuanto al segundo sub-objetivo, se aplican técnicas de Aprendizaje Automático para obtener un modelo con el fin de predecir el retraso de los flujos frente a las regulaciones establecidas en dicho ACC o ACCs del entorno. Las regulaciones pueden ser provocadas por fenómenos meteorológicos, huelgas y otros motivos. Se trabaja con los planes pretácticos de los flujos para un día tratando de predecir el retraso medio que sufrirán al día siguiente y a cuántos de sus vuelos afectará. El resultado del proyecto es un prototipo de modelo de clasificación y predicción del comportamiento de los flujos de cara a la gestión del tráfico aéreo que busca formar parte de la automatización de los sistemas actuales. También abre futuras líneas de investigación y es aplicable a otras áreas de estudio o ámbitos.---ABSTRACT---The aim of this project is, based on a set of raw data on flights and groupings in air flows, to automate the prediction of the behavior of flows under different regulations, in order to anticipate the complexity of air space at different points, facilitating work of personnel related to this field. Three parts participate in this project: CRIDA, ENAIRE and the Universidad Politécnica de Madrid university, from where this Master’s Thesis is written. CRIDA and Enaire provide the flight, flow and regulations data for this project. The pre-tactical and tactical flight plans are available in the Control Center (ACC) Madrid Ruta1 north during the year of 2018. These data also include information about the regulations that were active during that time and which flights were affected. Two different sub-objectives are achieved in this project and they are developed sequentially. The first is about the characterization and classification of air flows based on their complexity for air traffic management. The second is to build a model in order to predict the delay that air flows will suffer on the day of operation taking into account the regulations that affect them. Regarding the first sub-objective, firstly, it is carried out an identification of the criteria under which flows can be characterized in terms of their impact and stability, to calculate from this a quantitative value of their complexity. A flow classification methodology is developed and divides them into three possible complexity values: low, medium or high. Regarding the second sub-objective, Machine Learning techniques are applied to obtain a model in order to predict the delay of the flows under the regulations established in the ACC or ACCs of the environment. Regulations can be caused by weather events, strikes, and other reasons. The pre-tactical plans of the flows for one day are used in trying to predict the average delay that they will suffer the next day and how many of its flights will it affect. The result of the project is a prototype of the classification and prediction model of the behavior of flows for air traffic management that seeks to be part of the automation of current systems. It also opens future lines of research and is applicable to other areas of study or fields