Traffic Predictions Supporting General Aviation Carlo - - PowerPoint PPT Presentation

▶
traffic predictions supporting general aviation
SMART_READER_LITE
LIVE PREVIEW

Traffic Predictions Supporting General Aviation Carlo - - PowerPoint PPT Presentation

Oct 24, 2023 160 likes •394 views

Traffic Predictions Supporting General Aviation Carlo Lancia, D. Taurino, G. Frau, J. Verstraeten, and C. Le Tallec Motivation Help GA pilots

slide-1
SLIDE 1

Traffic ¡Predictions ¡ Supporting ¡General ¡Aviation ¡

Carlo ¡Lancia, ¡D. ¡Taurino, ¡G. ¡Frau, ¡ ¡

  • J. ¡Verstraeten, ¡and ¡C. ¡Le ¡Tallec ¡
slide-2
SLIDE 2

Motivation ¡

  • Help ¡GA ¡pilots ¡staying ¡well-­‑clear ¡of ¡surrounding ¡traffic ¡
  • Display ¡current/future ¡traffic ¡data ¡on ¡moving-­‑map ¡apps ¡
  • Expected ¡favourable ¡safety ¡effects ¡
  • Mitigate ¡the ¡limitations ¡of ¡see-­‑and-­‑avoid ¡principle ¡
slide-3
SLIDE 3

Flight ¡Intent ¡

  • Sequence ¡of ¡straight ¡legs ¡that ¡

the ¡pilot ¡plans ¡to ¡fly ¡

  • Many ¡commercial ¡apps ¡can ¡

help ¡the ¡pilot ¡with ¡this ¡ planning ¡phase ¡

  • Due ¡to ¡external ¡factors, ¡the ¡

realisation ¡of ¡a ¡flight ¡may ¡ substantially ¡differ ¡from ¡the ¡ intended ¡route ¡

http://i402.photobucket.com/albums/pp109/andrewclaridge/leg7.jpg ¡

slide-4
SLIDE 4

Four ¡Kinds ¡of ¡Uncertainty ¡

meters meters 10 103 m m 10 105 m m

slide-5
SLIDE 5

Aircraft ¡Kinematic ¡State ¡

http://www.lzcheng.com/_/rsrc/1368732445469/courseworks/kalmanfilter/Picture1.jpg ¡

slide-6
SLIDE 6

State-­‑based ¡Prediction ¡

slide-7
SLIDE 7

Leg ¡Adherence ¡

Image ¡courtesy ¡of ¡Claude ¡Le ¡Tallec, ¡Onera ¡

slide-8
SLIDE 8

Flight-­‑Intent ¡Adherence ¡

slide-9
SLIDE 9

Flight-­‑Intent ¡Availability ¡

Plan ¡ Brief ¡ File ¡ Share? ¡

http://www.visualsoft.co.uk/ecommerce-­‑blog/wp-­‑content/uploads/2011/05/share-­‑button1.jpg ¡

slide-10
SLIDE 10

Prevailing ¡Uncertainties ¡

10 seconds 10 seconds 10 102 seconds seconds 10 103 seconds seconds

slide-11
SLIDE 11

Flight-­‑Intent ¡Replacement ¡

slide-12
SLIDE 12

Mining ¡GA ¡Typical ¡Paths ¡

Kernel ¡Density ¡Estimation ¡of ¡Airspace ¡Occupancy ¡ ¡ from ¡GNSS ¡traces ¡flown ¡between ¡LFPZ ¡and ¡LFPD ¡

slide-13
SLIDE 13

Mining ¡GA ¡Typical ¡Paths ¡

A ¡turning-­‑point ¡analysis ¡enables ¡paths ¡classification ¡

slide-14
SLIDE 14

System ¡Overview ¡

slide-15
SLIDE 15

Experiments ¡

Image ¡courtesy ¡of ¡Hans ¡Brandts, ¡NLR ¡

slide-16
SLIDE 16

Experiments ¡

slide-17
SLIDE 17

Experiments ¡

slide-18
SLIDE 18

Experiments ¡

slide-19
SLIDE 19

Experiments ¡

slide-20
SLIDE 20

Experiments ¡

slide-21
SLIDE 21

Conclusions ¡

  • Aircraft ¡state ¡+ ¡flight ¡intent ¡= ¡intent-­‑based ¡prediction ¡
  • Preliminary ¡testing ¡suggests ¡approach ¡is ¡valuable ¡
  • How ¡to ¡fruitfully ¡visualise ¡long-­‑term ¡predictions? ¡
  • May ¡the ¡data-­‑driven ¡approach ¡alone ¡define ¡an ¡

exhaustive ¡description ¡of ¡typical ¡GA ¡paths? ¡

slide-22
SLIDE 22

Traffic ¡Predictions ¡ Supporting ¡General ¡Aviation ¡

Carlo ¡Lancia, ¡D. ¡Taurino, ¡G. ¡Frau, ¡ ¡

  • J. ¡Verstraeten, ¡and ¡C. ¡Le ¡Tallec ¡