MAIA
22065
Van 2023 tot 2025
TML werkt mee aan een toolbox voor data-analyse en modellen ontwikkeld ter ondersteuning van een goed onderbouwd ontwerp en implementatie van multimodale oplossingen voor de toegang tot de luchthaven. Deze toolbox baseert zich op twee innovatieve mobiliteitsoplossingen: autonome voertuigvloten en onbemande luchtvaartuigvloten.
Luchtvervoer is van nature multimodaal, omdat elke passagier die gebruikmaakt van luchtvervoersdiensten verschillende vervoerswijzen moet combineren om een naadloze deur-tot-deur reis te hebben. De opkomst van nieuwe technologieën zoals coöperatieve, verbonden en geautomatiseerde mobiliteit (CCAM) en stedelijke luchtmobiliteit (UAM) heeft echter een groot potentieel om de toegankelijkheid van luchthavens te verbeteren, de betrouwbaarheid van de reis te vergroten en de milieueffecten te verminderen. Daarom wordt in het MAIA-project een toolbox voor data-analyse en modellen ontwikkeld ter ondersteuning van een goed onderbouwd ontwerp en implementatie van multimodale oplossingen voor de toegang tot de luchthaven. Deze toolbox baseert zich op twee innovatieve mobiliteitsoplossingen: autonome voertuigvloten en onbemande luchtvaartuigvloten. De doeltreffendheid van deze oplossingen zal worden aangetoond aan de hand van twee uitgebreide casestudies: de luchthaven van Madrid Barajas en de luchthaven van Brussel.
MAIA zal drie tools op basis van CCAM- en UAM-technologieën leveren om de implementatie en de werking van innovatieve multimodale toegangsdiensten tot de luchthaven te optimaliseren:
TML zal de MAIA-Engine ontwikkelen en valideren door gegevensverzameling en het ontwikkelen van algoritmen voor het profileren van passagiers, het monitoren van de toegang tot de luchthaven en het modelleren van de vraag.
Luchtvervoer is van nature multimodaal, omdat elke passagier die gebruikmaakt van luchtvervoersdiensten verschillende vervoerswijzen moet combineren om een naadloze deur-tot-deur reis te hebben. De opkomst van nieuwe technologieën zoals coöperatieve, verbonden en geautomatiseerde mobiliteit (CCAM) en stedelijke luchtmobiliteit (UAM) heeft echter een groot potentieel om de toegankelijkheid van luchthavens te verbeteren, de betrouwbaarheid van de reis te vergroten en de milieueffecten te verminderen. Daarom wordt in het MAIA-project een toolbox voor data-analyse en modellen ontwikkeld ter ondersteuning van een goed onderbouwd ontwerp en implementatie van multimodale oplossingen voor de toegang tot de luchthaven. Deze toolbox baseert zich op twee innovatieve mobiliteitsoplossingen: autonome voertuigvloten en onbemande luchtvaartuigvloten. De doeltreffendheid van deze oplossingen zal worden aangetoond aan de hand van twee uitgebreide casestudies: de luchthaven van Madrid Barajas en de luchthaven van Brussel.
MAIA zal drie tools op basis van CCAM- en UAM-technologieën leveren om de implementatie en de werking van innovatieve multimodale toegangsdiensten tot de luchthaven te optimaliseren:
- MAIA-Engine: een reeks tools voor de passagiersgerichte implementatie.
- MAIA-CCAM: een voertuigtoewijzingsinstrument ter ondersteuning van de werking van gedeelde autonome voertuigvloten.
- MAIA-UAM: een kader voor het selecteren van geschikte vertiportlocaties voor diensten met onbemande luchtvaartuigen.
- As 1: Probleemdefinitie: het project begint met het karakteriseren van de basisomstandigheden op basis van ruimtelijke analysetechnieken.
- As 2: Ontwikkeling en validatie van de MAIA Engine, waaronder het maken van een data-inventarisatie, het gebruik van machinelearning-classificatiemodellen, synthetische algoritmen voor het genereren van populatie, datagedreven modellen voor het voorspellen van de vraag naar gedeelde mobiliteit en discrete keuzemodellen voor toegangsdiensten tot luchthavens.
- As 3 en as 4: Ontwikkeling en validatie van respectievelijk MAIA-CCAM en MAIA-UAM, beide geleid door een Design Thinking aanpak.
- As 5: Transversale demonstratie in casestudies waarbij MAIA het gedrag van passagiers in twee specifieke gevallen zal modelleren met behulp van de MAIA Engine, met de bedoeling input te leveren voor MAIA-CCAM en MAIA-UAM. Er zullen simulaties worden uitgevoerd om multimodale prestatie-indicatoren te vergelijken voor en na de implementatie van nieuwe innovatieve mobiliteitsdiensten.
TML zal de MAIA-Engine ontwikkelen en valideren door gegevensverzameling en het ontwikkelen van algoritmen voor het profileren van passagiers, het monitoren van de toegang tot de luchthaven en het modelleren van de vraag.
