Dynamisch optimierte An- und Abfluggebiete unter Beachtung von Fluglärmimmission und Wetter

• Antragsteller: Professor Dr.-Ing. Hartmut Fricke
• Fachliche Zuordnung: Verkehrs- und Transportsysteme, Intelligenter und automatisierter Verkehr
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 553753829

Die Luftfahrtindustrie muss aus Wettbewerbs-/Umweltaspekten die Betriebskosten stetig senken, Verspätungen und Emissionen minimieren. Der – multikriteriellen - Trajektorienoptimierung kommt daher eine Schlüsselfunktion in der ATM-Forschung zuteil. Die Optimierungsziele konkurrieren, deren Wirkungsweise muss insofern verstanden und Kosten quantifizierbar werden. Für die Reiseflugphase hat dies bereits Eingang in den täglichen Betrieb gefunden, z.B. mit der Einführung von Free Route Airspace oder wetterabhängigen, optimalen Routen im Nordatlantik. Bei An- und Abflügen auf/von großen Flughäfen zwingen jedoch das hohe Verkehrsaufkommen sowie Luftraumbeschränkungen die Luftfahrzeuge (LFZ) häufig auf ineffiziente Flughöhen und Umwege. Weiterhin ist Fluglärm in Flughöhen unter 5.000 ft ein dominierender gesellschaftlicher Akzeptanzfaktor, dessen Minimierung somit ebenfalls wesentlich ist. In diesem Antrag werden so genannte Traffic Flow Funnels entwickelt. Die Funnels sind als Verfahrensräume konzipiert, welche heutige An- und Abflugrouten um einen 3D-Raum erweitern. Innerhalb des Funnels erfliegt das LFZ sein optimales Höhenprofil und Flugweg. Dies erlaubt die Berücksichtigung des aktuellen Wetters sowie von Wünschen der Luftraumnutzer zu einem deutlich höheren Grad als bisher. Unbenommen wird die Bewegungsfreiheit durch die Funnels auch begrenzt, um die Vorhersagbarkeit für die Flugsicherung und so einen sicheren und effizienten Betrieb aufrechtzuhalten. Die Funnels werden mit dem TOolchain for Multi-criteria Aircraft Trajectory Optimization (TOMATO) generiert, eine vom Antragsteller avisierte Open Access Software, die die verschiedenen Zielfunktionen berücksichtigt, wobei der Fluglärm nun im Fokus steht. Derzeitig gesetzlich fixierte Methoden zur Lärmberechnung erlauben noch keine Integration einer Trajektorienoptimierung, vor allem weil das Wetter (Wind, Temperatur, relative Luftfeuchtigkeit) nicht berücksichtigt wird. Zur Überwindung werden verschiedene Ansätze des maschinellen Lernens auf einen großen Satz von Lärmmess- und Wetterdaten angewendet, um den Lärm unter gegebenen Bedingungen vorherzusagen. Unter Anwendung einer kostenbasierten Lärmfunktion wird sodann eine hohe Anzahl von optimierten Trajektorien unter Berücksichtigung der Unsicherheit des Wetters und betrieblicher Randbedingungen wie der LFZ-Masse mit einer Monte-Carlo-Simulation generiert. Diese Trajektorien dienen zur Erzeugung der Funnels mittels mehrstufigen Clustering-Ansatzes. Da in früheren Untersuchungen die Anzahl derart generierbarer Funnel operativ (DFS) als hoch eingestuft wurde, werden hier verschiedene Ansätze mit geringer Anzahl zur operativen Einschränkung mithilfe von Zeitfenstern oder zur Reduzierung der räumlichen Ausdehnung untersucht. Ziel ist es, ein Betriebskonzept auf Basis von Funnels zu entwickeln, das gesamtoptimal agiert und gleichzeitig eine stets regelkonforme Abwicklung seitens der Flugsicherung gewährleistet.

• DFG-Verfahren: Sachbeihilfen