Ottimizzazione robusta per la configurazione dinamica dello spazio aereo in condizioni di incertezza meteorologica

Air Traffic Management constitutes one of the most complex challenges in the transportation sector, as it requires the continuous balancing of safety, operational efficiency, and system capacity. A critical component of this process is Dynamic Airspace Configuration (DAC), which involves the reorganization of air traffic control sectors into a sequence of configurations in response to traffic demand and its temporal variations over a given planning horizon. This thesis addresses the problem of robust airspace configuration under meteorological uncertainty. Adverse weather conditions represent one of the primary sources of inefficiency in air traffic management systems, leading to significant reductions in sector capacity and, consequently, to delays and operational congestion. The central challenge lies in identifying a sequence of configurations that is not only optimal under nominal conditions but also resilient to the range of possible weather realizations. The study is structured into several stages. First, an introductory framework on air traffic control is provided, with particular emphasis on sectorization mechanisms and operational issues related to capacity management. Subsequently, the impact of adverse weather on sector capacity is examined, based on available data on meteorological forecasts. The core contribution of this thesis is the development of a robust optimization model for the DAC problem. Starting from the nominal problem formulation, an uncertainty set is introduced to capture the stochastic nature of meteorological conditions, modeling sector capacity reductions as a function of weather-affected airblocks and their associated criticality levels, as derived from available information on the severity and probability of adverse weather. The resulting robust optimization problem is formulated as a mathematical pro- gramming model and solved using a constraint generation–based decomposition approach. Finally, a computational simulation is presented to validate the effectiveness of the proposed methodology and to analyze its performance. This work contributes to the literature on robust air traffic management by proposing a novel approach to addressing meteorological uncertainty in dynamic airspace configuration.

La gestione del traffico aereo rappresenta una delle sfide più complesse nel settore dei trasporti, dove la sicurezza, l’efficienza operativa e la capacità del sistema devono essere costantemente bilanciate. Uno degli aspetti critici di questa gestione `e la configurazione dinamica dello spazio aereo (Dynamic Airspace Configuration, DAC), che consiste nella riorganizzazione dei settori di controllo in risposta alle variazioni del traffico. Questa tesi affronta il problema della configurazione robusta dello spazio aereo in presenza di incertezza meteorologica. Le condizioni meteo avverse sono una delle principali fonti di inefficienza nel sistema di gestione del traffico aereo, causando riduzioni significative della capacit`a dei settori e conseguenti ritardi e sovraccarichi operativi. La sfida principale consiste nel determinare configurazioni dello spazio aereo che siano non solo ottimali in condizioni nominali, ma anche resilienti rispetto alle diverse realizzazioni possibili del maltempo. Il lavoro si articola in diverse fasi. Inizialmente viene presentato un quadro introduttivo sul controllo del traffico aereo, con particolare attenzione ai meccanismi di settorizzazione e alle problematiche operative legate alla gestione della capacità. Successivamente, viene analizzato l’impatto del meteo avverso sulla capacitàd ei settori, sulla base dei dati disponibili sulle previsioni meteorologiche. Il nucleo della tesi consiste nello sviluppo di un modello di ottimizzazione robusta per il problema DAC. Partendo dalla formulazione nominale del problema, viene introdotto un insieme di incertezza che cattura la natura stocastica delle condizioni meteorologiche, modellando la riduzione di capacità dei settori in funzione degli airblock colpiti da maltempo e dal livello di criticità associato, in base alle informazioni disponibili sul livello di severità e probabilità di meteo avverso. Il problema robusto risultante viene risolto mediante un approccio di decomposizione master-slave basato sulla generazione di vincoli. Infine, viene presentata una simulazione computazionale che dimostra l’efficacia dell’approccio proposto e ne analizza le prestazioni. Questo lavoro contribuisce alla letteratura sulla gestione robusta del traffico aereo, fornendo un metodo innovativo per affrontare l’incertezza meteorologica nella configurazione dinamica dello spazio aereo.