Intelligenza Artificiale e gestione del traffico aereo

Intelligenza Artificiale e gestione del traffico aereo

Anticipare una riattaccata

In gergo si chiama “riattaccata” (go-around) e rimanda alle situazioni in cui un aereo riprende quota poco prima di atterrare. Questo fenomeno si verifica per vari motivi: dalla torre di controllo viene segnalato che la pista è già occupata oppure il pilota sceglie di rimandare per  condizioni meteorologiche sfavorevoli. Se quest’ultimo non comunica però la sua manovra tempestivamente al controllore del traffico aereo, questi può dare informazioni sbagliate ai piloti di altri aeromobili in arrivo o partenza. Per ridurre al minimo il rischio incidenti, il fornitore dei servizi di navigazione aerea olandese Luchtverkeersleiding Nederland ha adottato il Go-Around Detection System: algoritmi intelligenti analizzano dati di varia natura (non solo quelli di volo, ma anche condizioni meteo, giorno, ora e modello dell’aeromobile) per anticipare le mosse del pilota e prevedere se eseguirà un go-around. In caso positivo, un allarme richiama l’attenzione del controllore. Dal 2015, anno in cui è entrato in funzione all’aeroporto di Schiphol, il sistema è riuscito a prevedere tutte le riattaccate, generando appena dieci falsi allarmi su oltre 200 000 arrivi.

L’Intelligenza Artificiale nell’aviazione: lavori in corso

Il Go-Around System è un esempio di applicazione dell’Intelligenza Artificiale (AI) al controllo del traffico aereo (ATM). Tutto  il settore aeronautico, in verità, ben si presta all’impiego di questa tecnologia digitale. Gli algoritmi intelligenti, soprattutto quelli di machine learning che prendono decisioni sulla base dell’esperienza, hanno bisogno dei big-data per essere addestrati e imparare.  Nell’aviazione, dalle operazioni in cabina di pilotaggio alla scelta delle traiettorie di volo e alla gestione del traffico degli aerei, ormai tutto si basa sul flusso di enormi quantità di dati tra cielo e terra. Le potenzialità dell’uso dell’AI nel settore sono enormi e diversificate:

  • potrà ridurre il carico di lavoro umano e supportare le attività di controllori, piloti e altri operatori aeroportuali
  • aumenterà la sicurezza anticipando conflitti e suggerendo modalità operative ottimali
  • sarà uno strumento di cyber-resilienza
  • aiuterà a riorganizzare uno spazio aereo destinato a essere sempre più affollato con l’ingresso dei velivoli senza equipaggio

Matteo Cocchioni, consulente di Human Factors per Deep Blue con un master in Intelligenza Artificiale presso l’Istituto di Scienze e Tecnologie della Cognizione del CNR, spiega che:

«l‘AI corre veloce in molti settori e quello aeronautico non fa eccezione. Rispetto a quanto succede in altri ambiti, l’aviazione ha un approccio più “cauto” nell’utilizzo dell’AI perché è un settore safety-critical e ogni nuova tecnologia o nuovo processo deve seguire rigide procedure di validazione e certificazione. Ma già esistono numerose applicazioni in grado di supportare gli operatori umani nel lavoro, soprattutto quando si tratta di prevedere possibili situazioni di rischio. Siamo però ancora nel campo della cosiddetta Narrow Artificial Intelligence, un’AI non ancora sufficientemente matura per generalizzare le sue conoscenze. Nel caso del Go-Around System, per esempio, gli algoritmi alla base dell’applicazione non possono risolvere un compito di controllo del traffico aereo diverso dalla previsione di una riattaccata. Per farlo, dovrebbero essere riaddestrati con nuovi dati. Siamo quindi ancora lontani da una General Artificial Intelligence che sappia trascendere dal tipo di task e  “pensi” come una mente, ma ci stiamo lavorando. Per ora, anche in ambito aeronautico, ogni processo ha la sua applicazione AI».

Analizzando lo stato dell’arte, vediamone qualcuna:

MUAC: algoritmo di machine learning per predire con più accuratezza le rotte di volo

Tre anni fa, nell’ambito del progetto Traffic predictions improvements (TPI) su AI e ATM, il fornitore di servizi di navigazione aerea MUAC (gestito da EUROCONTROL per conto di Belgio, Germania, Lussemburgo e Olanda) ha sviluppato un algoritmo innovativo di machine learning per predire con più accuratezza le rotte di volo. Queste ultime, infatti, possono deviare da quelle stabilite nei piani a causa di decisioni improvvise da parte dei controllori del traffico aereo. Ogni deviazione può essere problematica perché l’aeromobile “sconfina” in settori dello spazio aereo in cui da piano originario non avrebbe dovuto volare: occorre a questo punto valutare e gestire le possibili interazioni con gli altri velivoli. L’algoritmo del MUAC è stato addestrato a riconoscere le condizioni (non solo di volo, ma anche l’ora del giorno o il modello dell’aeromobile per esempio) che rendono più probabile la decisione di un cambio di rotta, aiutando i controllori dei settori aerei interessati a gestire al meglio il traffico.

Navigazione satellitare

Un altro ambito in cui l’AI sta già dando una mano è quello della navigazione satellitare. I segnali che arrivano dai satelliti possono essere disturbati da particolari condizioni della ionosfera rendendo meno efficienti le manovre degli aeromobili. Gli algoritmi imparano a riconoscere e isolare gli errori così da minimizzare l’impatto di queste particolari variabili atmosferiche su decollo, atterraggio e movimenti in pista degli aerei.

NATS: sfruttare AI per ridurre l’intervallo di tempo tra un atterraggio e l’altro

Il provider di servizi di navigazione aerea inglese NATS (National Air Traffic Services) vuole sfruttare l’Intelligenza Artificiale per ridurre l’intervallo di tempo tra un atterraggio e l’altro. Il progetto si sta svolgendo all’aeroporto di Heathrow, che ha una torre di controllo alta ben 87 metri, la quale almeno una ventina di giorni all’anno finisce letteralmente tra le nuvole, costringendo i controllori ad affidarsi esclusivamente alle informazioni radar per capire se un aereo è atterrato o ha lasciato la pista. In questi casi, per garantire la massima sicurezza, i controllori si “tengono larghi”: fanno passare più tempo tra un atterraggio e l’altro (si rallenta del 20%), riducendo la capacità di arrivi all’aeroporto. In collaborazione con la canadese Searidge Technologies, NATS sta testando un algoritmo di AI (AIMEE) che riceve e interpreta le immagini fornite da telecamere ultra HD 4k posizionate a terra per capire se una pista è sgombra, aiutando i controllori a gestire, velocizzandoli, gli arrivi.

AIMEE e Natural language processing: algoritmi per ridurre bias linguistici

AIMEE è pronta per essere utilizzata, e a breve si attende la validazione di un altro algoritmo sviluppato dal progetto TPI del MUAC. Si tratta di un’applicazione che individuerà, con un anticipo di 5-30 minuti e sulla base di dati radar, piani di volo e condizioni ambientali (per esempio lo svolgimento di operazioni militari) e hotspot traffico aerei più probabili. L’obiettivo è aiutare i controllori ad adottare rapidamente eventuali azioni “anti-ingorgo”. Negli sforzi condotti sul fronte automazione intelligente delle attività dei controllori di volo e delle torri di controllo rientrano anche quelli in ambito Natural language processing, un campo dell’AI che si occupa di interfaccia linguaggio umano/computer. In aviazione l’interesse è per algoritmi intelligenti che traducano gli ordini dati dai controllori o le voci dei piloti in testi scritti o comandi (di questo si è occupato il progetto europeo MALORCA). L’obiettivo è eliminare quei bias, dagli accenti delle lingue ai disturbi nei segnali audio, che compromettono l’efficacia delle comunicazioni e quindi delle operazioni.

Aeromobili a pilotaggio remoto o UAVs

Chiudiamo questa panoramica sulle applicazioni dell’AI in ATM con un cenno agli aeromobili a pilotaggio remoto o UAVs. Oltre a far “da pilota” ai velivoli automatizzati, l’AI li supporterà nelle operazioni di volo all’interno di uno spazio aereo condiviso (U-Space) e nell’integrazione con il traffico aereo ordinario, quindi con l’attività dei controllori. Anche in questo campo ci sono progetti in corso. In Israele, per esempio, si sta svolgendo un test per provare l’efficacia di un sistema di gestione del traffico unmanned (velivoli senza equipaggio), che per la prima volta sfrutta l’AI per coordinare i voli di droni all’interno di uno stesso “corridoio”. Per saperne di più sull’AI in ATM sono disponibili il FLY AI Report di EUROCONTROL e il libro bianco sull’Intelligenza Artificiale dell’organizzazione dei servizi di navigazione aerea civile CANSO, in cui si parla delle iniziative riguardanti piloti e aeroporti per arrivare a una gestione intelligente del flusso passeggeri.

Il futuro

«Scommettendo sul binomio AI e aviazione, EUROCONTROL e altre agenzie sovranazionali hanno realizzato delle roadmaps che indicano le criticità da affrontare per favorire l’impiego della tecnologia e il possibile percorso di implementazione di questi strumenti da qui al 2030» (Cocchioni)

Il tema della Explainable AI sarà prioritario: le decisioni prese dagli algoritmi devono essere comprese dagli operatori umani, altrimenti sarà impossibile arrivare ad avere fiducia totale nell’AI, requisito indispensabile per una proficua collaborazione tra uomo e macchina. Occorrerà poi una regolamentazione, con ruoli e responsabilità definiti (in primis, serve comprendere a chi spetti l’ultima parola nelle decisioni). Sarà fondamentale anche verificare la disponibilità e l’interoperabilità dei dati. A riguardo, per ottimizzare la previsione delle traiettorie degli aerei, EUROCONTROL già scambia dati di volo con la US Federal Aviation Administration e providers del Medio Oriente e sta trattando con Brasile, Giappone, Cina, India. Vi sono poi molte altre iniziative in corso, per esempio il progetto GAIA-X promosso dall’Europa per l’Europa (attualmente partecipano sette paesi) per la creazione di un’infrastruttura condivisa, aperta, trasparente e affidabile che raccolga dati e servizi.

Isabella Garanzini
isabella.garanzini@dblue.it