RT info:eu-repo/semantics/bachelorThesis
T1 Análisis de diferentes modelos de aprendizaje automático para estimar los tiempos de llegada de las aeronaves
A1 Santiago Gilsanz, Miguel de
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Segovia
K1 Aprendizaje automático
K1 Redes neuronales LSTM
K1 Redes convolucionales
K1 3301.04 Aeronaves
K1 1203.18 Sistemas de Información, Diseño Componentes
AB El sistema ADS-B (Automatic Dependent Surveillance-Broadcast) es una tecnología de vigilancia que las aeronaves llevan incorporada, permitiendo su seguimiento en tiempo real gracias al envío periódico de información. Una de las aplicaciones de esta información es la reconstrucción de las trayectorias 4D (latitud, longitud, altitud y tiempo) seguidas por las aeronaves en vuelo. Aplicado a un vuelo en curso, este completo perfil de vuelo nos permite evaluar la marcha de este con respecto a la información histórica disponible sobre el mismo trayecto, o sobre vuelos realizados en rutas similares. De esta manera, es posible detectar retrasos con respecto a la planificación inicial del vuelo, o estimar el tiempo de llegada de acuerdo con las condiciones actuales del vuelo en tiempo real. En este Trabajo Fin de Grado se abordará el estudio de las redes neuronales y su funcionamiento con el fin de poder entender qué son las redes neuronales LSTM (Long Short-Term Memory); y se implementarán en el lenguaje de programación Python varios modelos basados en redes LSTM que permitirán estimar los tiempos de llegada para vuelos con el aeropuerto Adolfo Suárez Madrid-Barajas como destino. Además, se evaluarán diferentes representaciones de la información de vigilancia recibida de las aeronaves para optimizar el desempe~no de los modelos desarrollados. Tras los ensayos realizados, queda patente que la incorporación de información adicional a las trayectorias 4D, tales como la distancia de las aeronaves al aeropuerto y su velocidad, resultan claves para obtener mejores predicciones, ya que las estimaciones de los tiempos de llegada se han mejorado hasta en 20 segundos utilizando esta información. Este proyecto se organizará y desarrollará utilizando la metodología de enseñanza ágil UVagile, que está basada en el marco de trabajo ágil Scrum. Esta metodología plantea una organización iterativa e incremental del proyecto en la que el trabajo se divide en espacios temporales denominados `sprints'. En concreto, para este proyecto se realizarán 5 sprints, cada uno de tres semanas, donde al final de cada sprint se entregará un incremento del producto en desarrollo, es decir, un prototipo que incluirá un subconjunto completo de requisitos y la memoria técnica correspondiente. Esta forma de trabajo permitirá que la carga de trabajo de cada sprint se adecúe al ritmo real del proyecto, y derivará en un resultado final que se ajustará más y mejor a los objetivos propuestos al inicio del proyecto.
YR 2021
FD 2021
LK https://uvadoc.uva.es/handle/10324/48916
UL https://uvadoc.uva.es/handle/10324/48916
LA spa
DS UVaDOC
RD 21-nov-2024