(English) The Air Traffic Flow and Capacity Management (ATFCM) aims at maintaining the forecast traffic demand below the estimated capacity in airports and airspace sectors. The purpose is to maintain the workload of the air traffic controllers under safe limits and avoid overloaded situations. At present, the demand and the capacity management initiatives are deployed separately. Given a forecast traffic demand, the different air navigation service providers allocate their air traffic control resources providing the airspace sectorisations. Then, the network manager addresses the remaining overloads by allocating delay using the CASA algorithm based on a ration-by-schedule principle. It should be noted that some ad-hoc flights might be re-rerouted or limited in cruise altitude in order to avoid congested airspace by submitting a new flight plan. Hence, the previously chosen sectorisations may be not optimum once the demand management initiatives are deployed. Moreover, the flexibility of the airspace users is limited since they cannot express their preferences. Furthermore, the demand and the capacity are currently measured using entry counts as proxy of the air traffic control workload, which is rather easy to measure or estimate. Yet, this metric cannot evaluate the difficulty to handle different traffic patterns inside the sectors leading to the use of capacity buffers.
This PhD focuses on overcoming the limitations of the current ATFCM system outlined before by the introduction of complexity metrics (instead of entry counts) in order to measure the traffic load, the better consideration of the airspace users preferences allowing the possibility of submitting alternative trajectories to avoid congested airspace, and the holistic integration of the demand and capacity management into the same optimisation problem.
First, the integration of two capacity management initiatives, i.e. Dynamic Airspace Configuration (DAC) and Flight Centric ATC (FCA), is studied proving some benefits when such integration is dynamic. Next, a new concept of operation is proposed where the airspace users have the option of submitting alternative trajectories and the network manager is the responsible for the demand management (delay allocation and choice of the used trajectory) and the capacity management (selection of the airspace sectorisation), considering a network-wide optimisation. This concept of operations is mathematically modelled with two Demand and Capacity Balancing (DCB) models addressing only demand management and three holistic DCB models where the demand and the capacity management measures are considered together in the same optimisation problem.
A first model aims at choosing the best trajectory and delay allocation per flight while analysing the traffic load with entry counts at traffic volume level. It is solved in a realistic case study using the historical regulations providing a 76.84% of reduction in the arrival delay if compared to the current system.
(Català) La gestió dels fluxos de trànsit i de la capacitat (ATFCM) té com a objectiu mantenir la demanda de trànsit prevista per sota de la capacitat estimada dels aeroports i els sectors de l’espai aeri. Actualment, les iniciatives de gestió de la demanda i de gestió de la capacitat es duen a terme separadament. Donada una previsió de trànsit, els diferents proveïdors de serveis de navegació aèria assignen els seus recursos proporcionant les sectoritzacions de l’espai aeri. Després l’administrador de la xarxa tracta les sobrecàrregues restants mitjançant l’assignació de retards utilitzant l'algoritme CASA, basat en l'ordenació per ordre d’arribada. A alguns vols també se’ls pot canviar la ruta o se’ls pot restringit l’altitud del creuer per tal d’evitar zones congestionades requerint la presentació d’un nou pla de vol. Així doncs, les sectoritzacions prèviament escollides poden ser no òptimes una vegada s’implementin les iniciatives de gestió de la demanda. A més, la flexibilitat dels usuaris de l’espai aeri és limitada ja que no poden expressar les seves preferències. Altrament, la demanda i la capacitat es mesuren actualment comptant el nombre d’arribades com a proxy de la càrrega de treball del control del trànsit aeri. No obstant això, aquesta mètrica no pot evaluar la dificultat de gestionar diferents patrons de trànsit dins els sectors, la qual cosa condueix a la utilització de marges de capacitat.
Aquest PhD es centra en superar les limitacions de l’actual sistema d’ATFCM indicades anteriorment mitjançant la introducció de mètrics de complexitat (en lloc del número d’arribades) per a mesurar el trànsit, la millor consideració de les preferències dels usuaris de l’espai aeri permetent la possibilitat d’utilitzar trajectories alternatives per a evitar la congestió de l’espai aeri, i la integració holística de la gestió de la demanda i de la capacitat en el mateix problema d’optimització.
Primer, s’estudia la integració de dues iniciatives de gestió de la capacitat: DAC i FCA. S’obtenen beneficis quan la integració és dinàmica. Després, es proposa un nou concepte operacional on els usuaris de l’espai aeri tenen l'opció de proposar trajectories alternatives i l’administrador de la xarxa és el responsable de la gestió de la demanda (assignació de retards i elecció de la trajectòria utilitzada) i de la capacitat (selecció de la sectorització de l’espai aeri) considerant l’optimització de tota la xarxa. Aquest concepte operacional es formula amb dos models de DCB que aborden només la gestió de la demanda i tres models holístics on la gestió de la demanda i de la capacitat es consideren conjuntament en el mateix problema d’optimització.
Un primer model es centra en escollir la millor trajectòria i assignació de retard per vol, mentre que el trànsit s'avalua mitjançant el número d’arribades als volums de trànsit. Es resol un cas d’estudi realista on s’utilitzen les regulacions històriques aconseguint un 76.84% menys de retard a l'arribada si es compara amb els sistema actual.
Un dels tres models holístics de s’estudia en detall, en concret el que utilitza mètriques de complexitat i optimitza les sectoritzacions de l’espai aeri escollint entre un seguit de configuracions disponibles. Aquest model es tracta amb un nou mètode híbrid presentat en aquest PhD i que combina la simulació del recuit i la programació dinàmica. En un primer cas d'estudi, aquest nou mètode es compara amb el mètode exacte resolt amb Gurobi proporcionant un millor rendiment principalment quan la dificultat del problema augmenta. En un segon cas d’estudi es realitza un estudi de sensibilitat del paràmetre que modela una penalització per a diferents configuracions consecutives. Finalment, es resol un escenari a gran escala amb el mètode híbrid proporcionant un 74.01% menys de retard a l'arribada i un 28.47% menys en el cost de la sectorització resultant en comparació amb un escenari de referència que representa les millors condicions del sistema actual.
(Español) La gestión de los flujos de tráfico y de la capacidad (ATFCM) pretende mantener la demanda de tráfico prevista por debajo de la capacidad estimada de los aeropuertos y los sectores del espacio aéreo. Actualmente, las iniciativas de gestión de la demanda y de la capacidad se implementan por separado. Ante una previsión de tráfico, los diferentes proveedores de servicios de navegación aérea asignan sus recursos proporcionando las sectorizaciones del espacio aéreo. Después, el administrador de la red trata las sobrecargas restantes mediante la asignación de retrasos utilizando el algoritmo CASA basado en un principio de ordenación por orden de llegada. A algunos vuelos también se les puede cambiar de ruta o limitar la altitud de crucero para evitar la congestión del espacio aéreo requiriendo de un nuevo plan de vuelo. Así pues, las sectorizaciones elegidas anteriormente pueden no ser óptimas una vez que se implementen las iniciativas de gestión de la demanda. Adicionalmente, la flexibilidad de los usuarios del espacio aéreo es limitada ya que no pueden expresar sus preferencias. Además, la demanda y la capacidad se miden actualmente contando el número de llegadas como proxy de la carga de trabajo del control del tráfico aéreo. Sin embargo, esta métrica no puede evaluar la dificultad de controlar diferentes patrones de tráfico dentro de los sectores lo que conduce al uso de márgenes de capacidad.
Este PhD se centra en superar las limitaciones del sistema de ATFCM actual descritas anteriormente mediante la introducción de métricas de complejidad (en lugar del número de llegadas) para medir la carga de tráfico, la mejor consideración de las preferencias de los usuarios del espacio aéreo permitiendo la posibilidad de la presentación de trayectorias alternativas para evitar la congestión, y la integración holística de la gestión de la demanda y de la capacidad en un mismo problema de optimización.
Primero, se estudia la integración de dos iniciativas de gestión de la capacidad, DAC y FCA, demostrando beneficios cuando dicha integración es dinámica. A continuación, se propone un nuevo concepto operacional donde los usuarios del espacio aéreo tienen la opción de presentar trayectorias alternativas y el administrador de la red es el responsable de la gestión de la demanda (asignación de retrasos y elección de la trayectoria utilizada) y la gestión de la capacidad (selección de la sectorización), considerando una optimización de toda la red. Este concepto operacional se modela con dos modelos de DCB que abordan sólo la gestión de la demanda y tres modelos holísticos donde las medidas de gestión de la demanda y de la capacidad se consideran conjuntamente en el mismo problema de optimización.
Un primer modelo pretende elegir la mejor asignación de trayectoria y retraso por vuelo mientras se analiza la carga de tráfico con el número de llegadas a nivel de volumen de tráfico. Se resuelve un caso de estudio utilizando las regulaciones históricas proporcionando un 76.84% de reducción en el retraso en la llegada si se compara con el sistema actual.
El model holístico que utiliza métricas de complejidad y optimiza las sectorizaciones del espacio aéreo escogiendo entre un conjunto de configuraciones disponibles se estudia en detalle. Este modelo se trata con un nuevo método híbrido basado en el recocido simulado y la programación dinámica. En un primer caso de estudio, se compara este nuevo método con el método exacto resuelto con Gurobi proporcionando un mejor rendimiento cuando aumenta la dificultad del problema. En un segundo caso de estudio se realiza un estudio de sensibilidad del parámetro que modela una penalización para diferentes configuraciones consecutivas. Finalmente, se resuelve un escenario a gran escala con el método Híbrido proporcionando menores valores de retraso en llegada y menores costes en la sectorización resultante en comparación con un escenario de referencia que representa las mejores condiciones del sistema actual.
