Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/36983
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2019_IuriSouzaRamosBarbosa.pdf3,82 MBAdobe PDFVisualizar/Abrir
Título: Abordagem de agrupamento no planejamento de voo sob tempo severo convectivo
Autor(es): Barbosa, Iuri Souza Ramos
Orientador(es): Weigang, Li
Assunto: Planejamento de voo
Meteorologia
Metodologia computacional
Aprendizagem - computadores
Data de publicação: 21-Fev-2020
Referência: BARBOSA, Iuri Souza Ramos. Abordagem de agrupamento no planejamento de voo sob tempo severo convectivo. 2019. xx, 104 f., il. Dissertação (Mestrado em Informática)—Universidade de Brasília, Brasília, 2019.
Resumo: 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.
Abstract: Aircraft detect the existence of adverse weather conditions on their way with the help of their onboard weather radar. Knowing the location of the weather obstacle, the pilot then decides whether or not to change the course of the aircraft. However, the onboard weather radar has some limitations related to the detection range of convection cells (cumulonimbus clouds) in the airspace. Therefore, the course of actions that the pilot can perform is limited to the accuracy of this device. The proposed work builds an intelligent system for flight planning under adverse weather conditions. The proposed methodology mainly uses two data sources. On the one hand, it consumes flight tracking information to delimit the boundaries of airways while, on the other hand, consumes weather information on convection cells obtained from ground-based weather radars in the Brazilian airspace. Therefore, knowing the locations of convection cells and the boundaries of the airways in the airspace, it is possible to identify in two steps whether an aircraft is heading towards the tracked convection cells. Firstly, tracked flight positions are used to identify the boundaries that delimit the airways in the airspace. Secondly, the locations obtained for the airways in the previous step are then compared with the locations of the convection cells in order to identify possible intersections between them. To delimit the boundaries of airways connecting departure and destination airports, a linear interpolation algorithm is used to transform the tracked flight positions into normalized flight positions. Next, a clustering algorithm is used to group these new flight positions into clusters, which in turn define the boundaries of the airways. An intersection between the newly defined airways and the tracked convection cells is found if the measured distance is less than or equal to the radius of the convection cell. The identified intersections are then used for flight planning by stakeholders. Regarding the delimitation of airways, after running simulations using different algorithms and parameters in several test scenarios, the best results are obtained using the Density-Based Spatial Clustering of Applications with Noise algorithm along with the Haversine formula as its distance measure parameter. Both the usage of Hierarchical Density-Based Spatial Clustering of Applications with Noise algorithm, and the usage of Euclidean distance provide poor results. Finally, the proposed solution contributes to the optimization of air traffic flow, reduction of aircraft delay, reduction of fuel consumption, etc., in other words, has a positive impact factor in Air Traffic Management.
Unidade Acadêmica: Instituto de Ciências Exatas (IE)
Departamento de Ciência da Computação (IE CIC)
Informações adicionais: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2019.
Programa de pós-graduação: Programa de Pós-Graduação em Informática
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.