Skip to content
SBTA Brazilian Air Transportation
Research Society ENPT

SITRAER Proceedings · XX SITRAER 2023

SITRAER Proceedings – XX SITRAER (2023)

Aprendizado de máquina não supervisionado aplicado à identificação de setores de entrada em área terminal

  • Jean P. O. Lima
  • Pollyanne E. Silva
  • Alef G. Quintanilha
  • Andre L. E. Melo

Airspace Control Institute - ICEA, Research Division

Download PDF
Event
XX SITRAER – Joinville, SC, Brasil, October 18–20, 2023
Volume
Proceedings of XX SITRAER – Air Transportation Symposium · ISSN 2448-1912
Pages
71–78
Publisher
Universidade Federal de Santa Catarina (UFSC)
Editors
Renata Cavion, Rafael Gigena Cuenca

Resumo

Aprimorar a eficiência do espaço aéreo é uma prioridade contínua na gestão do tráfego aéreo. Um indicador fundamental de desempenho nesse contexto é o tempo adicional gasto nas áreas terminais. Ao monitorarmos esse indicador de forma adequada, podemos tomar decisões que trarão benefícios tanto econômicos quanto ambientais. Um requisito para calcular esse indicador é identificar os setores de entrada na área terminal. Com base no cenário apresentado, o objetivo do estudo foi implementar um modelo para identificação automática de setores de entrada nas regiões a 40 NM (Milhas Náuticas) e 100 NM de distância de cada um dos quatro aeroporto mais movimentados do Brasil. Para isso, foram testados os métodos de aprendizado não supervisionado K-Means e DBSCAN, para a tarefa de clusterizar movimentos e, portanto, identificar regiões com maior densidade de entrada de voos em área terminal. A avaliação foi conduzida de forma qualitativa, levando em consideração a densidade de voos nas áreas terminais em comparação com os procedimentos de aproximação disponíveis nas cartas aeronáuticas dos aeroportos. Além disso, uma análise de ruído foi realizada, indicando a presença de ruídos entre 0,06% e 6,59% em cada setor, considerados como outliers ou movimentos atípicos. Esses resultados apontaram que os clusters foram bem identificados, mantendo um conjunto significativo de dados. As principais vantagens apresentadas neste artigo foram: a utilização de um modelo para identificação automática dos setores de entrada em área terminal, que, com um único conjunto de parâmetros, demonstrou robustez nos experimentos para os diferentes aeroportos, indicando a escalabilidade computacional da solução proposta; e a possibilidade de calcular o indicador de tempo adicional em área terminal de forma mais assertiva.

Palavras-chave: Tráfego Aéreo; Setores Entrada; Área Terminal; DBSCAN; K-Means

How to cite

ABNT

LIMA, Jean P. O.; SILVA, Pollyanne E.; QUINTANILHA, Alef G.; MELO, Andre L. E. Aprendizado de máquina não supervisionado aplicado à identificação de setores de entrada em área terminal. In: SIMPÓSIO DE TRANSPORTE AÉREO, 20., 2023, Joinville. Anais [...]. Joinville: UFSC, 2023. p. 71-78. ISSN 2448-1912. Disponível em: https://sitraer-sbta.org/anais-2023-sit2258.html.

APA

Lima, J. P. O., Silva, P. E., Quintanilha, A. G., & Melo, A. L. E. (2023). Aprendizado de máquina não supervisionado aplicado à identificação de setores de entrada em área terminal. In R. Cavion, & R. G. Cuenca (Eds.), Proceedings of XX SITRAER – Air Transportation Symposium (pp. 71–78). UFSC. https://sitraer-sbta.org/anais-2023-sit2258.html

BibTeX
@inproceedings{lima2023aprendizado,
  author = {Lima, Jean P. O. and Silva, Pollyanne E. and Quintanilha, Alef G. and Melo, Andre L. E.},
  title = {{Aprendizado de máquina não supervisionado aplicado à identificação de setores de entrada em área terminal}},
  booktitle = {Proceedings of XX SITRAER – Air Transportation Symposium},
  editor = {Cavion, Renata and Cuenca, Rafael Gigena},
  pages = {71--78},
  year = {2023},
  address = {Joinville, SC, Brasil},
  publisher = {Universidade Federal de Santa Catarina (UFSC)},
  issn = {2448-1912},
  url = {https://sitraer-sbta.org/anais-2023-sit2258.html}
}