Predicción de trayectorias de aeronaves empleando algoritmos de Deep Learning

Abstract

A día de hoy, el avión es el medio de transporte más utilizado del mundo. Miles de aviones sobrevuelan cada día los cielos de todo el mundo. Es por esto, que pueden surgir conflictos entre las diferentes aeronaves, cuando están en sus respectivas rutas hacia sus aeropuertos de destino. Sin embargo, es posible predecir y anticipar estos posibles problemas, gracias a la aplicación de algoritmos de Aprendizaje Profundo. Los datos que se han tomado para realizar el estudio pertenecen a un cuadrante hecho alrededor del Aeropuerto Adolfo Suárez Madrid-Barajas. El conjunto de datos pertenece a un total de 100 vuelos, en un periodo de tiempo de 10 días, del 1 de enero de 2020 al 10 de enero de 2020. Mediante dicha serie de datos de posición (latitud, longitud, y tiempo), que son recogidos mediante el sistema ADS-B (Automatic Dependent Surveillance- Broadcast), es posible crear unas matrices en las cuales se representa la trayectoria de la aeronave. Después, se puede entrenar un modelo, que estará formado por Redes Neuronales Convolucionales y LSTM (Long Short-Term Memory), el cual será capaz de predecir la próxima posición de la aeronave. En consecuencia, se podrán evitar posibles conflictos entre aeronaves, mejorando la seguridad de los aviones, además de mejorar los tiempos de llegada, ya que los aviones no tendrían cambios significativos en sus respectivos rumbos. Por otro lado se ahorraría combustible, y a su vez, sería mejor para el medio ambiente. Después de haber entrenado el modelo, se comprueba que éste predice satisfactoriamente las trayectorias de las aeronaves. Por otro lado, la metodología que se ha utilizado para llevar a cabo el proyecto ha sido UVagile, una metodología ágil, desarrollada para el ámbito académico. El proyecto se ha dividido en 5 sprints de aproximadamente la misma duración cada uno. Al final de cada sprint se ha entregado un incremento. Al final del último sprint, se ha entregado el incremento final.