Qualitätssteigerung multivariater Optimierungsverfahren für 4D Flugtrajektorien mittels Einsatz von ADS-B Massendaten

• Antragsteller: Professor Dr.-Ing. Hartmut Fricke
• Fachliche Zuordnung: Verkehrs- und Transportsysteme, Intelligenter und automatisierter Verkehr
• Förderung: Förderung von 2019 bis 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 410540389

Ein hocheffizientes und sicheres Lufttransportsystem beruht auf individuell und systemweit optimierten Flugzeugtrajektorien, wobei sich die Optimierungsfunktionen typischerweise auf Kraftstoff-, Flugzeitminimierung, Transportqualität und Umweltauswirkungen konzentrieren. Angesichts dieser vielfachen Kriterien und der Auswirkungen eines global genutzten Lufttransportsystems ist die Bestimmung einer optimalen Flugbahn für moderne, effiziente Luftfahrzeuge sehr rechenintensiv, da die Optimierung auf genauen aerodynamischen und triebwerksspezifischen Eigenschaften beruht, die sich in Flugzeugleistungsmodellen widerspiegeln. Darüber hinaus müssen unvermeidbare Unsicherheiten in der Bestimmung der Randbedingungen statistisch berücksichtigt werden, um individuell optimierte Höhen-, Pfad- und Zeitbedingungen finden zu. Können.Das Projekt UBIQUITOUS zielt darauf ab, die Vorteile der Verwendung von großen Datenmengen in Big-Data-Analysen für ein effizientes Trajektorien- und Netzwerkdesign zu identifizieren und zu quantifizieren. Die derzeit präzisesten Trajektorienoptimierungsmodelle sind üblicherweise analytisch aufgebaut, suchbasiert und vernachlässigen historische Trajektorien als Background weitgehend. Das Aufkommen leistungsfähiger Datenerfassungs- und speicherfähigkeiten, im Besonderen das Data-Mining über historische Flugdaten ist ein neuer Kandidat für eine robuste und schnelle Optimierung. Angesichts des ICAO-Mandats für die ADS-B-Ausrüstung (Automatic Dependent Surveillance - Broadcast) von Flugzeugen bis 2020, einer Technologie zur Übermittlung von Flugverlaufsdaten, tragen nun immer mehr Verkehrsflugzeuge zu einer Ansammlung von historischen Flugtrajektoriendaten bei. Die Eignung von diesen Big-Data-getriebenen Techniken zur Vorhersage einzelner (lokal optimaler), aber auch mehrerer (global optimaler) Flugbahnen soll analysiert werden. Die größte Herausforderung hierbei ist die Verarbeitung sehr großer Datenmengen mit mehr als 200.000 Nachrichten pro Sekunde über einen Zeitraum von mehr als einem Jahr. Auf der Grundlage unserer ersten gemeinsamen Forschung zu komprimierten Speicher- und Indexierungsverfahren beabsichtigen wir, durch eine effiziente Kopplung der Stärken beider Partner in großen Einheiten (global) und mit Hilfe von Flugzeugleistungsmodellen (lokal) das Optimierungsziel auf flussorientierte Zielfunktionen auszuweiten und damit sowohl kleine, als auch große Netzwerke optimieren zu können. Die Validierung des beabsichtigten Modells wird für unterschiedliche Luftfahrzeugmuster, Verhaltensweisen und Marktstrategien der chinesischen und europäischen Luftraumstruktur durchgeführt. Es soll so ermöglicht werden, historisches Wissen in szenario-basierte Empfehlungen umzuwandeln und damit eine deutlich gesteigerte Genauigkeit und zugleich Robustheit bei der Gestaltung und Optimierung von Flugzeugtrajektorien liefern zu können.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: China
• Partnerorganisation: National Natural Science Foundation of China
• Kooperationspartnerin: Professorin Xiaoqian Sun, Ph.D.