Skip to content
SBTA Brazilian Air Transportation
Research Society ENPT

SITRAER Proceedings · XVIII SITRAER 2019

SITRAER Proceedings – XVIII SITRAER (2019)

Solução computacional para prevenir acidentes aeronáuticos causados por esteiras de turbulência usando Machine Learning

  • Daniel Valério Leite
  • Geraldo P. Rocha Filho
  • Li Weigang

Departamento de Ciências da Computação (CIC)

Download PDF
Event
XVIII SITRAER – Brasília, DF, Brasil, October 22–24, 2019
Volume
Tecnologia Avançada de Transporte Aéreo no Brasil: trabalhos apresentados ao XVIII SITRAER · ISBN 978-65-00-03772-2
Pages
103–113
Publisher
Universidade de Brasília (UnB)
Editors
Li Weigang, Victor Rafael Rezende Celestino, Leonardo L. B. V. Cruciol

Resumo

Um problema fatal para muitas aeronaves é a esteira de turbulência reconhecida pela primeira vez como de extremo perigo em 1960. Diversos acidentes e incidentes ocorreram no mundo devido a aeronaves adentrarem a esteira de turbulência de uma aeronave maior. As aeronaves tem a capacidade de enxergar as outras ao seu redor graças a um equipamento chamado ADS-B que se comunica com o ADS-B de outras aeronaves e tanto recebe quanto transmite sua a posição, velocidade, altitude, identificação etc. Com o uso de critérios de separação segura para esteira de turbulência (fluxos de ar gerados e que giram a partir das pontas das asas de um avião e que permanece por minutos no ar) de aeronaves e utilizando técnicas de Machine Learning será possível agregar ao sistema ADS-B alertas precisos ao piloto. Tais alertas informaram o perigo de se aproximar de um vórtice gerado por uma aeronave categoria super, por exemplo, Airbus A380. A metodologia por meio de Machine Learning será classificar qual aeronave está voando ao seu redor e a partir dessa informação de imediato saber qual a sua respectiva esteira de turbulência. A solução para o problema é justamente usar o ADS-B para detectar uma aeronave a quilômetros de distância em sua trajetória e alertar o piloto por meio sonoro e visual, pois o ADS-B atualmente não realiza tal solução proposta. Tais informações são suficientes para o piloto manter as devidas separações para com a outra aeronave e assim evitar um acidente aeronáutico, pois é sabido que esteiras de turbulência de aviões categoria pesada e super são de extremo perigo. Sendo assim, o piloto em caso de não ser avisado do perigo pelo Controlador de Tráfego Aéreo por qualquer motivo que seja, poderá ter sua própria tomada de decisão dentro da sua cabine para evitar um vórtice de uma aeronave maior.

Palavras-chave: Esteira de Turbulência; Aeronave; Avião; ADS-B; Machine Learning

How to cite

ABNT

LEITE, Daniel Valério; ROCHA FILHO, Geraldo P.; WEIGANG, Li. Solução computacional para prevenir acidentes aeronáuticos causados por esteiras de turbulência usando Machine Learning. In: SIMPÓSIO DE TRANSPORTE AÉREO, 18., 2019, Brasília. Anais [...]. Brasília: UnB, 2019. p. 103-113. ISBN 978-65-00-03772-2. Disponível em: https://sitraer-sbta.org/anais-2019-p103.html.

APA

Leite, D. V., Rocha Filho, G. P., & Weigang, L. (2019). Solução computacional para prevenir acidentes aeronáuticos causados por esteiras de turbulência usando Machine Learning. In L. Weigang, V. R. R. Celestino, & L. L. B. V. Cruciol (Eds.), Tecnologia Avançada de Transporte Aéreo no Brasil: trabalhos apresentados ao XVIII SITRAER (pp. 103–113). UnB. https://sitraer-sbta.org/anais-2019-p103.html

BibTeX
@inproceedings{leite2019solucao,
  author = {Leite, Daniel Valério and Rocha Filho, Geraldo P. and Weigang, Li},
  title = {{Solução computacional para prevenir acidentes aeronáuticos causados por esteiras de turbulência usando Machine Learning}},
  booktitle = {Tecnologia Avançada de Transporte Aéreo no Brasil: trabalhos apresentados ao XVIII SITRAER},
  editor = {Weigang, Li and Celestino, Victor Rafael Rezende and Cruciol, Leonardo L. B. V.},
  pages = {103--113},
  year = {2019},
  address = {Brasília, DF, Brasil},
  publisher = {Universidade de Brasília (UnB)},
  isbn = {978-65-00-03772-2},
  url = {https://sitraer-sbta.org/anais-2019-p103.html}
}