Abordagem de agrupamento no planejamento de voo sob tempo severo convectivo

Abstract

Uma aeronave em voo detecta a presença de condições climáticas adversas em sua rota através de seu radar meteorológico de bordo, e de posse dessa informação, o piloto toma a decisão de realizar ou não um desvio do obstáculo meteorológico a sua frente. No entanto, o radar meteorológico da aeronave possui uma limitação quanto ao alcance da detecção de células convectivas (nuvens cumulonimbus) no espaço aéreo. Dessa forma, os procedimentos que o piloto pode realizar ficam limitados à precisão deste dispositivo. Este trabalho tem por objetivo desenvolver um sistema inteligente voltado ao planejamento de voo num espaço aéreo sob condições meteorológicas adversas. É proposta uma metodologia computacional utilizando duas fontes de dados: uma de rastreamento de aeronaves em voo para delimitar as aerovias do espaço aéreo e uma outra fonte para o rastreamento de ocorrências de células convectivas via radares meteorológicos terrestres para acompanhar as condições meteorológicas adversas no espaço aéreo brasileiro. Dessa forma, sabendo das localizações das células convectivas e das posições das aerovias no espaço aéreo, é possível identificar em duas etapas se ocorrerá uma interseção entre uma aeronave utilizando aerovias do espaço aéreo e as células convectivas rastreadas. Numa primeira etapa, posições de aeronaves em voo são utilizadas na identificação das fronteiras que delimitam as aerovias no espaço aéreo, e numa segunda etapa, as localizações das aerovias obtidas na etapa anterior são comparadas com as localizações das células convectivas em busca de possíveis interseções entre as mesmas. Para delimitar as fronteiras das aerovias conectando dois aeroportos, um algoritmo de interpolação linear é utilizado para fazer a transformação de posições de voo rastreadas em posições de voo normalizadas, enquanto que um algoritmo de clustering é utilizado para agrupar estas posições em clusters, que por sua vez definem as fronteiras das aerovias do espaço aéreo. Para identificar interseções entre as aerovias identificadas e as células convectivas rastreadas, as posições das células convectivas são comparadas com as posições pertencentes aos clusters identificados, e uma interseção é identificada caso a distância calculada seja menor ou igual ao raio de ação da célula convectiva. As interseções identificadas são, então, utilizadas na fase de planejamento de voo pelas partes interessadas. Simulações com diferentes algoritmos e parâmetros em diversos cenários de teste mostram que os melhores resultados quanto à delimitação de aerovias são obtidos com a utilização do algoritmo de clustering Density- Based Spatial Clustering of Applications with Noise (DBSCAN) fazendo uso da fórmula Haversine como medida de distância. Tanto a utilização do algoritmo de clustering Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN), de uso mais conveniente que o algoritmo DBSCAN, quanto a utilização da distância euclideana, utilizada como medida de distância padrão nos algoritmos de DBSCAN e HDBSCAN, mostraram resultados aquém do esperado. Por fim, a solução proposta contribui para a otimização do fluxo de tráfego aéreo, redução do atraso de aeronaves, redução do consumo de combustível, etc., ou seja, representa um fator de impacto positivo no Gerenciamento de Tráfego Aéreo.