La gestione del traffico aereo (Air Traffic Flow Management, ATFM) chiede di essere organizzata in modo sicuro ed ottimale, affinché lo spazio aereo non venga occupato da un numero di voli superiore a quello consentito dalle autorità e, al tempo stesso, i piani di voli incontrino il più possibile la preferenza delle compagnie aeree. L’approccio al problema considerato in questa tesi trova il suo fondamento nell’utilizzo di modelli matematici basati sui dati storici dei voli, nel rispetto dei requisisti indicati. Tuttavia, l’applicazione dei modelli proposti è difficilmente realizzabile in uno scenario realistico, a causa dell’eccessivo tempo computazionale richiesto. Questa tesi, a partire da studi presentati nella letteratura per la risoluzione del problema ATFM attraverso una serie di algoritmi euristici, ha l’obiettivo di limitare il tempo di computazione, raggiungendo il compromesso di ottenere una soluzione qualitativamente buona in un tempo compatibile con le prassi operative. L’approccio vede la combinazione di tecniche di ottimizzazione combinatoria, programmazione matematica, e machine learning.
MODELLI E ALGORITIMI DI OTTIMIZZAZIONE "DATA-DRIVEN" PER LA GESTIONE DEL TRAFFICO AEREO IN EUROPA
CARLESSO, NICOLA
2020/2021
Abstract
La gestione del traffico aereo (Air Traffic Flow Management, ATFM) chiede di essere organizzata in modo sicuro ed ottimale, affinché lo spazio aereo non venga occupato da un numero di voli superiore a quello consentito dalle autorità e, al tempo stesso, i piani di voli incontrino il più possibile la preferenza delle compagnie aeree. L’approccio al problema considerato in questa tesi trova il suo fondamento nell’utilizzo di modelli matematici basati sui dati storici dei voli, nel rispetto dei requisisti indicati. Tuttavia, l’applicazione dei modelli proposti è difficilmente realizzabile in uno scenario realistico, a causa dell’eccessivo tempo computazionale richiesto. Questa tesi, a partire da studi presentati nella letteratura per la risoluzione del problema ATFM attraverso una serie di algoritmi euristici, ha l’obiettivo di limitare il tempo di computazione, raggiungendo il compromesso di ottenere una soluzione qualitativamente buona in un tempo compatibile con le prassi operative. L’approccio vede la combinazione di tecniche di ottimizzazione combinatoria, programmazione matematica, e machine learning.File | Dimensione | Formato | |
---|---|---|---|
Master_Thesis_NicolaCarlesso_1237782.pdf
accesso aperto
Dimensione
1.39 MB
Formato
Adobe PDF
|
1.39 MB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/29765