Gestión del Tráfico Aéreo con IA ante Meteorología Adversa

El Premio de Innovación 2025 reconoce un asistente táctico que integra predicción, optimización y simulación para mitigar impactos en la capacidad aérea, alineado con normativas europeas como SESAR y objetivos de sostenibilidad en la aviación.

Imagina un escenario donde una tormenta convectiva inesperada colapsa el espacio aéreo europeo, generando demoras en cadena que cuestan millones en combustible y afectan la puntualidad de miles de vuelos. Este es un desafío recurrente en la aviación, donde la meteorología adversa reduce la capacidad operativa hasta en un 50% en sectores clave.

El reciente Premio de Innovación de ENAIRE, en su VII edición, aborda precisamente esta problemática con un enfoque disruptivo: un modelo basado en inteligencia artificial (IA) que no solo predice, sino que optimiza decisiones en tiempo real.

El Proyecto Ganador: Un Asistente Táctico Basado en IA

El proyecto vencedor, titulado «Modelo de predicción de degradación operacional ante meteorología adversa», fue presentado por Adrián Utande Piorno y Francisco Manuel Tortosa López, de la Dirección de Operaciones, junto a Karina Martínez Pérez, de la Dirección de Sistemas. Su núcleo es un asistente táctico que emplea técnicas de IA clásica para estimar impactos en sectores específicos del espacio aéreo. ¿Por qué es relevante? Porque va más allá de la predicción estática: evalúa interconexiones entre sectores mediante redes de grafos (1), aplicando algoritmos multiobjetivo para recomendar medidas como regulaciones de afluencia o ajustes de capacidad.

Enrique Maurer, Director General de Enaire hace entrega del premio a Adrián Utande Piorno, Francisco Manuel Tortosa López y Karina Martínez Pérez

Este enfoque permite simular escenarios «what-if» (que pasa si…), considerando variables como restricciones meteorológicas y configuraciones de rutas. En un sector con meteorología convectiva, por ejemplo, el sistema anticipa reducciones de capacidad y propone redistribuciones de tráfico para evitar efectos cascada en aeropuertos adyacentes. Esta integración de IA clásica con optimización multiobjetivo refleja avances en modelado de grafos aéreos, como los descritos en estudios de clustering espectral (transforma la estructura de la red en un espacio matemático donde los algoritmos de clustering (como k-means) pueden separar mejor los grupos) para balanceo de carga aeroportuaria. Su relevancia radica en la capacidad para procesar volúmenes masivos de datos en tiempo real, superando limitaciones humanas en entornos dinámicos.

Análisis de Impacto Técnico: Mejoras en Seguridad, Eficiencia y Sostenibilidad

Los beneficios del proyecto son multifacéticos y cuantificables. En primer lugar, optimiza la gestión de capacidad en condiciones adversas, mitigando propagaciones de incidencias que podrían aumentar demoras en un 20-30%, según modelos predictivos similares. Al evaluar influencias intersectoriales, el asistente reduce el consumo de combustible mediante rutas más eficientes, contribuyendo a la sostenibilidad al minimizar emisiones de CO2 –un imperativo bajo el marco del Green Deal Europeo.

Desde una perspectiva técnica, la predicción de efectos convectivos emplea IA para analizar patrones meteorológicos, mejorando la precisión en un 35% respecto a radares tradicionales. Esto facilita decisiones proactivas, como desvíos anticipados, que no solo elevan la seguridad al reducir exposiciones a turbulencias, sino que optimizan recursos operativos. Reflexionando sobre su impacto, este modelo alinea con aplicaciones de IA en ATM que han demostrado reducir densidad de tráfico local y bunching de aeronaves, incrementando la capacidad global. En contextos de alta complejidad, como el espacio aéreo español gestionado por ENAIRE, esto podría traducirse en una mayor resiliencia ante eventos extremos, cada vez más frecuentes por el cambio climático

(1) Una “red de grafos” es una representación matemática de un sistema complejo formada por nodos (puntos) y aristas (conexiones) que muestran cómo se relacionan entre sí diferentes elementos. En gestión de tráfico aéreo, esos nodos pueden ser sectores de espacio aéreo, aeropuertos o puntos de ruta, y las aristas representan flujos de tráfico o relaciones operativas entre ellos. Este enfoque permite modelar el sistema como un grafo y aplicar algoritmos de optimización o análisis (por ejemplo, para ver dónde se concentra la carga o cómo se propagan las demoras).

Compartir Noticia