Ökologisches Arrival Management

29 Juni 2022

Towards a greener Extended-Arrival Manager in air traffic control: A heuristic approach for dynamic speed control using machine-learned delay prediction model
^{Lim Zhi Jun, Sameer Alam, Imen Dhief, Michael Schultz (2022). Journal of Air Transport Management 103, 102250}

Extended Arrival Manager (E-AMAN) ist ein Konzept zur Verringerung von Staus und Wartezeiten im Terminal Maneuver Airspace (TMA) durch das Management der ankommenden Flugzeuge während des Streckenflugs. Der derzeitige Einsatz von E-AMAN ist jedoch nur auf einen Horizont von 150-200 NM vom Flughafen begrenzt, was das Zeitfenster für ein frühzeitiges Eingreifen einschränkt, und die Vorhersage von Verspätungen im TMA bleibt angesichts der inhärenten Unsicherheiten im Luftverkehrsumfeld eine Herausforderung. Die Forschungsarbeit stellt einen Ansatz zur Vorhersage, Übertragung und Absorption von Flugverspätungen und Holdings aus der stark eingeschränkten TMA-Phase in die En-Route-Phase vor, wobei sowohl datengesteuerte als auch Optimierungsverfahren eingesetzt werden. Zunächst wird eine Methode zur Schätzung der Wartezeiten und der TMA-Verspätung aus historischen Daten entwickelt. Als nächstes wird ein auf maschinellem Lernen basierendes Vorhersageverfahren umgesetzt, um Wartezeiten und Verspätungen in der TMA über einen erweiterten Horizont von 300-500 NM vom Flughafen aus vorherzusagen. Schließlich wird ein auf Heuristiken basierendes Optimierungsmodell für ein dynamisches Geschwindigkeitsmanagement aufgestellt, um Verspätungen in der TMA auf die En-Route-Phase zu übertragen. Um die Wirksamkeit des Modells zu demonstrieren, wird eine Fallstudie für den Luftraum von Singapur erstellt, die sich auf eintägige Luftverkehrsdaten stützt. Es wurden vier Versuchsreihen durchgeführt, um die Leistung eines Geschwindigkeitsmanagements unter verschiedenen Flugkooperationsniveaus zu bewerten. Für das Experiment mit der höchsten Anzahl kooperativer Flüge zeigt die Implementierung eine geschätzte Treibstoffeinsparung von 1524 kg sowie eine Reduzierung der Kohlendioxidemissionen um 48000 kg.

Link zur Veröffentlichung: https://doi.org/10.1016/j.jairtraman.2022.102250.