PREVISÃO DE CENÁRIO PARA O CONTROLE DE FLUXO DE TRÁFEGO AÉREO DO CINDACTA I

Transcrição

1 PREVISÃO DE CENÁRIO PARA O CONTROLE DE FLUXO DE TRÁFEGO AÉREO DO CINDACTA I Vitor Fillincowsky Ribeiro William Rafael de J. Ribeiro Antonio Carlos de Arruda Junior Li Weigang Grupo de Pesquisa em Transporte Aéreo - TransLab, Universidade de Brasília UnB Antonio Marcio Ferreira Crespo Primeiro Centro Integrado de Defesa Aérea e Controle do Espaço Aéreo - CINDACTA I Antonio Pedro Timoszczuk ATECH - Tecnologias Criticas, Brasil RESUMO Este trabalho apresenta um protótipo do Módulo de Acompanhamento e Previsão de Cenário (MAPC), que é parte integrante do Sistema de Aplicação e Gerenciamento das Medidas de Controle de Fluxo de Tráfego Aéreo (SISCONFLUX), proposto ao Primeiro Centro Integrado de Defesa Aérea e Controle de Tráfego Aéreo (CINDACTA I) em Brasília. Estimar a configuração futura da ocupação do espaço aéreo é uma tarefa conhecida como previsão de cenário e tal prática é utilizada pelos controladores de tráfego aéreo e seus supervisores durante o gerenciamento do fluxo de tráfego aéreo. Neste trabalho propomos uma ferramenta computacional que realiza a previsão de cenário a partir das informações dos movimentos aéreos em evolução na Região de Informação de Vôo de Brasília (FIR-BS), assim como as informações dos planos de vôo (RPL). Esta ferramenta também analisará as conseqüências das decisões tomadas, armazenado-as para apoio a decisões futuras. Tais informações poderão ser extraídas do Sistema de Tratamento e Visualização de Dados (STVD), em operação no CINDACTA I. ABSTRACT This work presents the prototype of the Scenario Monitoring and Forecast Module (MAPC), which is a constituent part of the Air Traffic Flux Control Measures Application and Management System (SISCONFLUX), proposed to the First Integrated Center of Air Defense and Air Traffic Control (CINDACTA I) in Brasília. The scenario forecast is defined as the estimation of future configuration of the air space occupancy, and such procedure is used by the air traffic controllers during the air traffic flux management. In this work, a computing tool that performs the scenario forecast based on radar and repetitive flight plans (RPL) information about the flights in evolution within FIR-BS is proposed. Such information can be extracted from the Data Viewing and Treatment System (STVD) in operation at CINDACTA I. This tool will also analyze the consequences of the decisions taken and stored them for supporting the future decisions. 1. INTRODUÇÃO Este trabalho tem como cerne o problema do congestionamento do tráfego aéreo no espaço controlado pelo CINDACTA I. Através deste trabalho, espera-se a viabilização de um modelo computacional para o Módulo de Acompanhamento e Previsão de Cenário (doravante denominado MAPC). O referido módulo tem como finalidade principal realizar a estimação do cenário de tráfego aéreo, mediante a projeção temporal da ocupação (número de aeronaves) em cada setor de controle [9]. A partir das informações dos movimentos aéreos em evolução na FIR-BS (Região de Informação de Vôo Brasília), disponibilizadas pelo Sistema de Tratamento e Visualização de Dados (STVD), já em operação no CINDACTA I, será possível fornecer as informações necessárias para o balanceamento de fluxo de tráfego aéreo a ser realizado pelo sistema denominado SISCONFLUX, do qual o módulo aqui proposto faz parte [3]. 268

2 O cenário será definido mediante o processamento das informações referentes às intenções de vôo, disponibilizadas pelo Centro de Gerenciamento da Navegação Aérea (CGNA) através dos planos de vôo repetitivos (RPL), juntamente com as informações referentes às aeronaves em evolução nos diversos setores (informação radar). A base de dados para o MAPC é, portanto, composta pelas informações estáticas obtidas através dos RPL e pelas informações radar obtidas dinamicamente a partir do STVD. A concepção do SISCONFLUX prevê que os diversos cenários gerados, em conjunto com as decisões tomadas pelos controladores de tráfego a partir de um rol de possibilidades sugeridas pelo referido sistema, sejam armazenados em uma base de dados interna, onde um submódulo fará análise posterior quanto à efetividade das decisões tomadas e seu impacto, auxiliando nas decisões futuras. 2. DIAGNÓSTICO E ESPECIFICAÇÃO NO CINDACTA I 2.1 Cenário geral Atualmente, o Sistema de Tratamento e Visualização de Dados do Centro de Gerenciamento da Navegação Aérea Brasileira - SYNCROMAX realiza projeções de ocupação nos diversos setores de controle de tráfego baseando-se nas informações dos planos de vôo repetitivos referentes aos vôos comerciais regulares. No entanto, esta previsão não considera a evolução dos vôos que já estão impactando o cenário do tráfego, ou seja, os controladores de vôo têm a inteira responsabilidade de estimar a ocupação dos setores e, a partir daí, tomar decisões para balancear o fluxo [5]. Tal balanceamento deve ser feito de maneira que os setores do espaço aéreo, sempre monitorados por pelo menos um controlador, nunca acomodem mais de quatorze aeronaves, conforme regulamentação do Departamento de Controle do Espaço Aéreo (DECEA) [6]. Estes procedimentos, empiricamente aplicados, geralmente levam a previsões incorretas e à inadequada tomada de decisão. Esta é uma das causas dos atrasos observados na operação dos vôos comerciais, posto que não há heurísticas bem definidas a respeito de quanto tempo uma determinada aeronave deve esperar para decolar (problema conhecido como Ground Holding Problem), ou quanto deve diminuir ou aumentar sua velocidade de cruzeiro, de forma que os setores de controle não entrem em condição de congestionamento ou saturação. 2.2 O SISCONFLUX O Sistema de Aplicação e Gerenciamento das Medidas de Controle de Fluxo de Tráfego Aéreo - SISCONFLUX [3] tem como objetivo ser um sistema distribuído de apoio à decisão (Distributed Decision Support System - DDSS) que auxilie os controladores no gerenciamento das medidas de controle de fluxo de tráfego aéreo. Seu escopo inicial abrange o cenário aéreo da FIR-BS (Região de Informação de Vôo de Brasília). Posteriormente, ele deve ser expandido para os demais setores do espaço aéreo brasileiro. O SISCONFLUX é composto de três módulos e de uma interface com o STVD, de onde serão obtidas as informações necessárias para o processamento. Cada módulo possui uma função bem definida: Interface com o STVD, Módulo de Acompanhamento e Previsão de Cenário (MAPC), Módulo de Balanceamento de Fluxo (MBF) [7], Módulo de Avaliação e Apoio à Decisão (MAAD) [1]. Como o escopo deste trabalho é a modelagem, evolução e impactos 269

3 referentes ao cenário aéreo, nos aprofundaremos nas particularidades metodológicas do MAPC. Maiores detalhes sobre os demais módulos podem ser vistos em [3]. 2.3 Objetivos para desenvolvimento do MAPC A proposta do MAPC é, portanto, prover um modelo computacional, baseado em metodologias de previsão de posicionamento, que seja capaz de construir um cenário futuro, partindo das informações obtidas nos planos de vôo previamente apresentados e da configuração instantânea do cenário provida pelo STVD. 2.4 Abordagens relevantes para os problemas de ATFM Diversas propostas para a otimização da malha aérea e do tráfego aéreo já foram apresentadas à comunidade científica. Naturalmente, cada estratégia tem fundamentação teórica suficiente para a crença em sua viabilidade. Contudo, na medida em que novas técnicas e/ou recursos computacionais são descobertos, surge a necessidade da adequação destas abordagens. No contexto do desenvolvimento deste trabalho, portanto, destacam-se duas referências principais, quais sejam: Trajectory Synthesis [9] e Sistema de Simulação Acelerado [11]. E segundo tais abordagens, os dados necessários para a projeção de cenário são buscados nos planos de vôo das aeronaves e no Sistema de Tratamento Radar. Nosso trabalho evolui no sentido de conectar os pontos fortes de tais abordagens, possibilitando a sua aplicação efetiva no SISCONFLUX. 3. MODELAGEM DO MAPC O MAPC é o módulo do SISCONFLUX responsável por efetuar a modelagem do cenário atual da FIR-BS, a previsão do cenário futuro a partir desta modelagem inicial, e a avaliação do impacto gerado pelas decisões tomadas em cima deste cenário. Para atingir estes objetivos, o MAPC deve contemplar, no estado atual do cenário, fatores como a localização, velocidade e aerovia da aeronave, para, em seguida, poder evoluir dentro de uma linha temporal o cenário corrente. 3.1 Cinemática aplicada ao MAPC Ao tratar o movimento da aeronave, deve-se saber que esta se desloca de um ponto a outro no espaço [8]. A Equação 1 fornece o deslocamento efetuado pela aeronave. (1) A velocidade média de percorrimento é dada pela razão entre o deslocamento e o tempo necessário para efetuá-lo. A Equação 2 apresenta este valor. (2) Quando o tempo tende a zero, é imediato presumir que a aeronave não se deslocou. No entanto, esta pode estar em movimento e, assim, a aeronave tem uma velocidade, chamada de velocidade instantânea, descrita pela Equação 3. (3) A Equação 4 apresenta a aceleração instantânea, que é a razão entre a velocidade instantânea e a variação do tempo tendendo ao instante. 270

4 (4) A velocidade instantânea pode ser obtida a partir da aceleração corrente da aeronave por meio da Equação 5. (5) Com a manipulação adequada desta equação, pode-se obter o deslocamento em função do tempo, dado pela Equação 6. (6) Isto é suficiente para a obtenção do cenário atual, uma vez que, conhecidos o tempo t e a velocidade v(t), é possível saber que distância já foi percorrida no setor. 3.2 Previsão de cenário A rota de vôo de uma aeronave é especificada em seu plano de vôo. Ela consiste de um aeródromo de partida, aerovias, pontos de notificação ou fixos, um aeródromo de destino e informações de alteração de nível de vôo e velocidade média de cruzeiro. Com auxílio das cartas de rota, que são mapas aeroviários onde constam todas as Áreas Terminais de Controle - TMA, aerovias, limites de setores, FIR, fixos e as distâncias existentes entre dois fixos adjacentes, é construída uma base de dados eletrônica que contém as informações disponibilizadas nas cartas aeronáuticas. Estas informações foram reorganizadas e correlacionadas em trechos de aerovias para melhor se adequar ao funcionamento do MAPC. Cada trecho de aerovia possui um ponto inicial, um ponto final (no caso de aerovias de duplo sentido, os pontos são intercambiáveis), comprimento em milhas náuticas e o nome do setor no qual está localizado. O ponto inicial de um trecho é o ponto, por vezes um fixo, por onde uma aeronave entra em um setor e o seu ponto final, analogamente, é o ponto de saída do setor. Por um setor passam diversas aerovias, e como os setores não têm tamanho nem formato uniforme, os trechos de aerovia possuem comprimentos variados em cada setor. A posição da aeronave é então dada por dois parâmetros: trecho de aerovia atual e distância percorrida dentro do trecho. Em muitos pontos deste documento, a distância percorrida no setor refere-se, sem perda de generalidade, à distância percorrida no trecho presente em um setor. Quando um plano de vôo é carregado pelo MAPC, automaticamente é feito um processamento do campo "rota" que gera uma rota de trechos de aerovias e, conseqüentemente, uma de setores. A localização da aeronave pode ser então estimada baseada na sua velocidade instantânea, no seu tempo total de vôo e qual aerovia está percorrendo. Devido às simplificações do nosso modelo, o MAPC só é capaz de calcular a posição prevista de uma aeronave se, e somente se, esta contiver as três informações citadas. Com a distância percorrida no trecho num determinado tempo, obtida com a Equação 6 e a partir da velocidade instantânea, finalmente é possível estimar qual será a posição futura da aeronave num tempo futuro utilizando a Equação 7. (7) 271

5 O tempo previsto de saída do trecho é trivialmente obtido com a Equação 8, que utiliza o comprimento do trecho atual, denotado por, em que a aeronave se encontra. 3.3 Arquitetura do MAPC Nesta etapa inicial do projeto SISCONFLUX, o MAPC consiste em três sub-módulos, conforme especificado na Figura 1. O sub-módulo de Previsão de Impacto será implementado em uma etapa posterior. Segue uma breve descrição de cada componente do MAPC: (8) Figura 1 Arquitetura do MAPC 1) Controle de Tabelas Gerais O sub-módulo Controle de Tabelas Gerais (CTG) tem por função gerenciar todas as tabelas utilizadas pelo MAPC para a construção dos cenários. Para tal, o CTG deve: Receber da Interface os dados necessários para a criação do cenário atual, ou seja, os dados instantâneos das aeronaves; Tratar os dados de planos de vôo que são de interesse para o MAPC: identificação das aeronaves; velocidades planejadas de cruzeiro das aeronaves; horários presumidos de decolagem e de aterrissagem das aeronaves em seu destino; rota das aeronaves; horários presumidos de transferência de setor na rota; Tratar os dados instantâneos das aeronaves e dos setores da FIR-BS: informações dos pontos de notificação e dos pontos fixos; setor atual de cada aeronave; velocidade instantânea de cruzeiro de cada aeronave; Controlar as informações de rotas ativas e re-setorização; Efetuar a manutenção das tabelas produzidas pelos sub-módulos: MCA e MPC; Disponibilizar essas tabelas aos demais módulos do SISCONFLUX. 2) Modelagem do Cenário Atual O sub-módulo de Modelagem do Cenário Atual (MCA) é destinado à modelagem cinemática do cenário referente à movimentação aérea atual na FIR-BS [2]. Para tanto, a 272

6 consulta ao sub-módulo CTG é fundamental, onde a principal tarefa é solicitar ao mesmo os dados relativos às aeronaves em movimentação no espaço aéreo. Após este processamento, o MCA irá transmitir ao sub-módulo seguinte do MAPC os dados sobre o cenário corrente computado, ou seja, a configuração dos setores e os atributos das aeronaves. Assim, como resultado, o MCA fornecerá, para cada aeronave: Setor atual; Velocidade instantânea; Distância restante para: chegar a uma terminal; atravessar a divisa do setor; chegar a um ponto de intersecção entre rotas Também serão geradas duas tabelas: distribuição de aeronaves por setor e taxa de ocupação dos setores, descritas nas seções à frente. A modelagem de um cenário aéreo pode ser estritamente estática (RPL), estritamente dinâmica (dados de radar) ou simultaneamente estática e dinâmica. 3) Módulo Previsão Cenário No Módulo de Previsão de Cenário se concentra a principal funcionalidade do MAPC, que é a evolução do cenário corrente da FIR-BS, ou seja, o MPC deve efetuar a previsão para cenários futuros propriamente dita. Para fazê-lo, o MPC recebe como entrada um modelo em memória do cenário aéreo de um determinado horário. De posse desse modelo, independentemente de como este foi modelado, é então feita uma série de incrementos de tempo no horário correspondente ao modelo de cenário obtido, sendo que em cada um desses incrementos é solicitado ao MCA que remodele o cenário aéreo para o tempo futuro correspondente. A remodelagem do cenário faz a evolução do movimento das aeronaves e atualiza a ocupação dos setores. O resultado das remodelagens são armazenados em uma lista de modelos de cenários. Dessa lista são geradas as tabelas de taxa de ocupação de setor e de distribuição de aeronave por setor, que são transmitidas ao Módulo de Balanceamento de Fluxo. 4) Módulo de Previsão de Impacto O sub-módulo de Previsão de Impacto é responsável por analisar o impacto causado pelas medidas restritivas adotadas pelos controladores e seus supervisores. Esta análise baseia-se no estado atual do cenário aéreo, onde podemos chegar à escolha de um possível conjunto de ações que modificarão este cenário. Tal característica nos leva a um cenário estocástico que se enquadra nos fundamentos matemáticos do processo decisório de Markov [1]. Baseado em Alves [1], propõe-se neste módulo, a utilização da Aprendizagem por Reforço para a modelagem e solução deste problema através da utilização de técnicas de Inteligência Artificial com os algoritmos Q-Learning e SARSA. A tabela utilizada na aprendizagem deste método (Q-Table) será modelada de acordo com os dados que compõe o cenário aéreo, como quantidade de aeronaves por setor, origem, sentido e destino das aeronaves, velocidade, etc. Como a maior parte dos vôos diários são baseados em dados repetitivos (RPL), estes dados exploram a possibilidade de repetição de estados possíveis, onde um número limitado de ações podem ser tomadas. Para a recompensa dada às ações tomadas, uma ou mais funções serão responsáveis por atualizar a tabela de estados x ações, tomando-se por base os custos envolvidos nas restrições impostas. 273

7 Tais históricos servirão como base para subsidiar apoio a decisões futuras, onde serão priorizadas as decisões que contribuíram positivamente para a modelagem do próximo cenário no sistema. 4. EXPERIMENTOS E RESULTADOS Os experimentos são efetuados em três modalidades distintas. A primeira delas se baseia apenas nos planos de vôo das aeronaves para que o cenário futuro seja obtido [4]. A segunda modalidade, por sua vez, considera apenas as entradas de radar. Por fim, a terceira modalidade associa as duas anteriores no que diz respeito à estimativa de ocupação de setores. Os dados utilizados nos testes realizados neste trabalho foram obtidos diretamente do CINDACTA I, e são dados de radar do impacto causado por quatorze vôos reais, com decolagem prevista entre às 15:00 e às 17:00 do dia 01/05/2008 e seus respectivos planos de vôo. A base de dados local é alimentada com estes dados, para simular o comportamento real dos sistemas STVD e SYNCROMAX. Tal medida foi necessária pois não houve acesso direto aos sistemas, somente aos seus dados gerados. A interface de alto nível implementada pelo MAPC foi projetada para prever tais situações e, com isso, foi criada uma interface de baixo nível, que é uma especialização da interface de alto nível, para acessar a base de dados local em MySQL. A escolha dos vôos foi feita no sentido de contemplar quatro situações a se testar no modelo: 1. Vôos com início e término em TMA da FIR-BS; 2. Vôos com início em TMA da FIR-BS, mas com término em outra FIR; 3. Vôos com início em outra FIR, mas com término em TMA da FIR-BS; 4. Vôos com início e término em outra FIR, mas que sobrevoam a FIR-BS. 4.1 Estudos de caso Tabela 16: RPL selecionados para a simulação do MAPC Dada uma base de planos de vôo pré-cadastrados, o CINDACTA I elabora uma estimativa prévia de utilização do espaço aéreo, com antecedência de até seis horas, apenas considerando estes planos de vôo. 274

8 A dificuldade em fazer previsões baseadas apenas nos planos de vôo das aeronaves está na não conformidade entre o horário previsto e o horário efetivo de decolagem e chegada ao destino. No entanto, enquanto uma aeronave ainda não está no ar, as estimativas de sua movimentação somente podem ser obtidas a partir de seu plano de vôo, ou seja, segundo uma previsão estática, sem qualquer informação em tempo real. Assim, o impacto da aeronave no cenário é simplesmente resultado de sua intenção de vôo. A partir do momento em que a aeronave inicia o vôo, ela gera dados dinâmicos de radar. Os dados disponíveis para efetuar a simulação são os horários em que as aeronaves entraram em um setor ou deixaram um setor da FIR-BS. Estes horários de entrada e saída das aeronaves, bem como a ocupação de cada setor nestes horários, são exatamente os dados desejados como entrada pelo módulo MBF, sendo que os mesmos foram previamente calculados. Tendo como assertiva o fato de que o radar envia periodicamente os dados coletados, é possível tomar a velocidade instantânea da aeronave e sua posição atual, para então extrapolar este estado cinemático para um estado futuro, em um tempo futuro. Isto garante que as aeronaves em rota sejam tratadas pelo MAPC, uma vez que estes dados foram colocados em um banco de dados MySQL, que são consultados periodicamente para obter o cenário atual. Enquanto a aeronave ainda não está em um dos doze setores da FIR-BS, ela ainda não causa impacto ao cenário, mas este impacto deve ser previsto e agregado ao impacto causado pelas aeronaves em rota no horário ao qual se destina a previsão. Tendo esta situação, foram adotadas três categorias de previsão para a definição de estudos de caso na simulação: previsão estática, previsão dinâmica e previsão estática agregada à dinâmica. 4.2 Resultados Os resultados da simulação realizada foram confrontados com os dados de radar previamente concebidos. Naturalmente, o objetivo na simulação era a exata correspondência com o que ocorre nos cenários reportados pelo radar. A diferença entre o horário previsto e o horário real de transferência de setor pela aeronave é mapeada em um valor chamado neste trabalho de Figura de Mérito (FOM), que avalia a acurácia da previsão, compreendida entre os valores 0 e 7, conforme a Tabela 2. O valor considerado satisfatório para a acurácia da previsão é o FOM 5, ou seja, até cinco minutos de diferença. Os vôos selecionados para a simulação iniciaram seu impacto na FIR-BS às 16:21 horas do dia primeiro de maio de 2008, sendo que o último vôo deixou a FIR-BS às 19:55 horas. Neste espaço aéreo, os vôos selecionados percorrem trajetos apenas entre as terminais de Brasília, 275

9 Belo Horizonte e São Paulo. Vôos com início ou fim nas demais FIRs sobrevoam o espaço da FIR-BS. A ocupação efetiva dos setores obtida neste período está descrita na Figura Previsão estática A previsão estática elabora os cenários com uma freqüência de dez minutos, tendo início às 14:55, ou seja, antes que qualquer aeronave com intenção de vôo decole. O primeiro vôo está previsto para às 15:10h, a ser realizado pela aeronave TAM3338. A aeronave TAM3203 seria a última a decolar, às 16:53. Na situação ideal, as aeronaves decolam dentro do horário previsto e sua velocidade média de cruzeiro é aquela projetada em seu plano de vôo. Considerando a velocidade como constante durante o traslado, a Figura 3 elenca os setores e suas respectivas utilizações previstas, dada a execução destes quatorze planos de vôo. Figura 2: Utilização do espaço aéreo da FIR-BS, com pico atingido às 16:49 276

10 4.2.2 Previsão dinâmica A previsão dinâmica se baseia nos dados de radar para a modelagem de um cenário atual. A partir dos dados de radar recuperados do banco de dados, os cenários foram gerados com um intervalo de cinco minutos, com início às 16:20h e término cinco horas depois. Este intervalo de tempo é ajustável. As previsões foram efetuadas de modo a reportarem novas configurações de cenário sempre que alguma aeronave atravesse uma divisa de setor. A Tabela 3 apresenta os horários reais nos quais alguma aeronave saiu de um setor e entrou em outro, ou simplesmente deixou a FIR-BS Previsão Estática e Dinâmica Figura 3: Previsão estática A previsão estática e dinâmica é bastante semelhante à previsão dinâmica, mas é feita com vistas a suprir as deficiências quanto à ocupação prevista de setores. O cenário atual é modelado e, então, evoluído para um momento futuro. No entanto, é feito o tratamento de todos os planos de vôo a serem realizados no futuro. Estes planos de vôo são comparados às aeronaves no cenário. Caso o RPL pertença a uma aeronave já inserida no cenário, ele simplesmente é descartado. Do contrário, uma nova aeronave é criada e então inserida no cenário. Este procedimento garante que as aeronaves que ainda não decolaram evoluam em conjunto com as aeronaves em cruzeiro. Os tempos de saída de setor são idênticos aos das simulações em modo estático e em modo dinâmico, estando a aeronave em solo ou em rota, respectivamente. A única alteração no cenário é referente à ocupação dos setores. A conseqüência disto é a obtenção de um cenário ideal mesclado ao real, ou seja, um cenário com aeronaves reais impactantes, sendo a ele agregado ainda o impacto que seria causado pelas demais aeronaves caso elas decolem no horário pretendido. 277

11 Tabela 17: Horário real nos quais ocorreram transferências entre setores O cenário de tráfego intenso ocorrido às 16:39 foi simulado no modo estático e dinâmico, e a ocupação prevista dos setores pode ser vista na Figura 4. Repare que, para o mesmo período de pico no caso real, o caso estático e dinâmico também apresenta pico. No entanto, o cenário tende a se balancear novamente, devido às aeronaves que começam a impactar o cenário deslocando-se conforme o pretendido em seus planos de vôo. Vale ressaltar que uma aeronave é simplesmente desconsiderada caso tenha o horário previsto de chegada para um momento anterior ao atual. Figura 4: Ocupação prevista da FIR-BS no modo estático e dinâmico 5. CONSIDERAÇÕES FINAIS Consideram-se atingidos os objetivos deste trabalho, mediante a proposição de um modelo de solução viável para problemas de previsão de cenário para FIR-BS. Foi desenvolvido com sucesso o protótipo do módulo do SISCONFLUX responsável por modelar, sob demanda, cenários aéreos geridos pelo CINDACTA I, computar e disponibilizar os dados de uma previsão futura de um cenário aéreo baseado nas informações de um cenário presente e planos de vôos repetitivos, e prover uma interface para comunicação com o STVD. 278

12 Através da análise dos dados coletados nos testes realizados, ficou claro que a metodologia aqui proposta para a solução do problema de previsão de cenário se mostrou eficaz, uma vez que ela gerou previsões suficientemente precisas, em comparação com os acontecimentos nas situações reais. O tempo de resposta foi aceitável para o volume reduzido de dados processados, os projetos de arquitetura interna do módulo, os algoritmos implementados e as configurações das máquinas de testes. Outros objetivos secundários foram atingidos, como apresentar o projeto do sistema SISCONFLUX, bem como a sua importância para a melhoria da qualidade do gerenciamento do tráfego aéreo, visto a crescente demanda dos serviços de transporte aéreo no Brasil. Foi mostrada a importância que o MAPC tem neste sistema e a grande responsabilidade que lhe é conferida. Foi possível também compreender a dimensão das dificuldades enfrentadas pelos controladores de tráfego aéreo em sua tarefa de gerir o espaço aéreo do Brasil. Todas as funcionalidades aqui desenvolvidas para o MAPC serão efetivamente aplicadas no desenvolvimento do SISCONFLUX, que constituirá uma importante ferramenta de auxílio aos controladores, possibilitando o aumento da segurança, a qualidade e a eficácia dos serviços de transporte aéreo, e reduzindo os custos de sua utilização tanto para os seus clientes quanto para as companhias aéreas. Como trabalhos futuros, há a previsão de finalização do sub-módulo de Projeção de Impacto, onde técnicas de aprendizagem por reforço vão ser utilizadas, assim como a realização de estudos estatísticos acerca da realização de vôos não regulares que ocorrem mediante a apresentação de planos de vôo eventuais (FPL). Partindo-se destes estudos, será possível incluir, na projeção efetuada pelo MAPC, um fator de correção (incremento) na ocupação dos setores de controle em função das características do fluxo de tráfego aéreo inerente aos vôos não regulares. AGRADECIMENTO Este trabalho foi realizado com o apoio parcial do CNPq, através dos processos / e / e também com apoio parcial da Fundação Aplicaçoes de Tecnologias Críticas Atech. REFERÊNCIAS [1] D. P. Alves, L. Weigang, and B. B. Souza. Reinforcement Learning to Support Meta-Level Control in Air Traffic Management, volume 1, chapter Reinforcement Learning Theory and Applications, pages Vienna: ARS publishing, [2] L. Bianco, P. Dell Olmo, and A. R. Odoni. New Concepts and Methods in Air Traffic Management. Springer, [3] A. M. F. Crespo, C. V. de Aquino, B. B. de Souza, L. Weigang, A. C.M. A. de Melo, and D. P. Alves. Sistema distribuído de apoio à decisão aplicado ao gerenciamento tático do fluxo de tráfego: Caso CINDACTA I. VI Simpósio de Transporte Aéreo, 1:5 8, [4] Comando da Aeronáutica. Plano de Vôo, volume ICA Diretoria de Eletrônica e Proteção ao Vôo, [5] Comando da Aeronáutica. Diretrizes para Implementação de Programas de Garantia de Qualidade nos Serviços de Tráfego Aéreo, volume MCA DECEA,

13 [6] Comando da Aeronáutica. Serviços de Gerenciamento de Fluxo de Tráfego Aéreo, volume ICA DECEA, [7] B. B. de Souza, Li Weigang, Antonio M. F. Crespo, Victor Rafael R. Celestino Flow Balancing Model for Air Traffic Flow Management, in the proceedings of 20th International Conference on Software Engineering and Knowledge Engineering (SEKE'08), California, USA, [8] D. Halliday, R. Resnick, and J. Walker. Fundamentos de Física, volume 1. LTC, [9] M. C. Navarrete. Modelo de previsão de posição de aeronaves uso em sistemas de vigilância do espaço aéreo. Master s thesis, Universidade de São Paulo - USP, [10] International Civil Aviation Organization. International Standards and Recommended Practices - Air Traffic Services, volume 11. International Civil Aviation Organization, [11] A. M. G. Silva. Sistema de simulação acelerado para análise de fluxo de tráfego aéreo. Master s thesis, Instituto Nacional de Pesquisas Espaciais - INPE,