RT info:eu-repo/semantics/masterThesis
T1 Predicción de trayectorias aéreas con técnicas de Deep Learning
A1 Mielgo Martín, Paula
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
K1 Predicción de trayectorias
K1 Gestión del tráfico aéreo
K1 Long Short-Term Memory
K1 Transformer
AB En la actualidad el avión es el medio de transporte más utilizado para realizardesplazamientos de media y larga distancia. Durante los últimos años se ha presenciadoun repunte del número de pasajeros, que había disminuido bruscamente tras lapandemia. Además, las estimaciones para periodos futuros auguran un aumento delnúmero de vuelos que serán necesarios para satisfacer las necesidades de los usuarios,lo cual aumentará aún más la concentración y complejidad en la gestión del tráficoaéreo.En este contexto se hace necesario el uso de herramientas que permitan anticiparel estado del espacio aéreo y facilitar la labor de los controladores. Debido al granvolumen de datos recogidos durante la travesía, las técnicas basadas en machinelearning se presentan como la mejor opción para realizar este tipo de estimaciones.En particular, en el presente documento se propone el uso de técnicas de deeplearning para la predicción de trayectorias aéreas. Para ello, se toman datos ADS-Bde vuelos con destino el aeropuerto Adolfo Suárez Madrid-Barajas completados entreenero y septiembre de 2022, y se construyen modelos basados en redes neuronalesrecurrentes y transformers. En concreto, se utiliza la red Long Short-Term Memoryy la arquitectura Temporal Fusion Transformer. Finalmente, se analizan y comparanlos resultados obtenidos para concluir que los transformers mejoran el desempeñode las redes recurrentes.
YR 2023
FD 2023
LK https://uvadoc.uva.es/handle/10324/63035
UL https://uvadoc.uva.es/handle/10324/63035
LA spa
NO Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos)
DS UVaDOC
RD 17-ene-2025