INTUIT
15052
Van 2016 tot 2018
TML onderzocht het potentieel van visuele analysetechnieken en systeemmodellingsmethoden om de afwegingen tussen key performance areas (KPA's) in luchtverkeersmanagement beter te begrijpen. TML ondersteunde kwalitatieve analyses, beoordeelde data science-technieken en ontwikkelde een systeem-dynamisch simulatiemodel voor het structureren van prestatieanalyses.
Prestaties van dienstverleners op vlak van luchtverkeersmanagement (air traffic management, ATM) worden meestal beoordeeld op een aantal key performance areas (KPA's): veiligheid, capaciteit, kostenefficiëntie en milieu. Deze prestaties zijn echter het resultaat van complexe interacties tussen beleid en regelgeving, stakeholders, technologieën en de marktomstandigheden. Daarom ontstaan er afwegingen tussen verschillende KPA’s, maar ook tussen stakeholders, evenals tussen korte- en langetermijnsdoelstellingen. Terwijl er veel aandacht besteed wordt aan de ontwikkeling van microscopische prestatiemodellen, is er een gebrek aan bruikbare macro-benaderingen die lokale verbeteringen of specifieke wetgevingen kunnen vertalen in hun effect op een hoger, systemisch niveau.
Het doel van INTUIT was om te onderzoeken wat het potentieel is van visuele analysetechnieken, machinaal leren en systeemmodelleringstechnieken om afwegingen tussen ATM KPA's beter te begrijpen. We identificeerden de oorzaak-gevolgrelaties tussen performantie op verschillende niveaus en ontwikkelden nieuwe beslissingsinstrumenten ter ondersteuning van de opvolging en het beheer van ATM-prestaties. Deze tools zullen ingezet worden om het werk van de performance review unit (PRU) van Eurocontrol te ondersteunen.
De rol van TML in het INTUIT-project bestond uit volgende taken:
Prestaties van dienstverleners op vlak van luchtverkeersmanagement (air traffic management, ATM) worden meestal beoordeeld op een aantal key performance areas (KPA's): veiligheid, capaciteit, kostenefficiëntie en milieu. Deze prestaties zijn echter het resultaat van complexe interacties tussen beleid en regelgeving, stakeholders, technologieën en de marktomstandigheden. Daarom ontstaan er afwegingen tussen verschillende KPA’s, maar ook tussen stakeholders, evenals tussen korte- en langetermijnsdoelstellingen. Terwijl er veel aandacht besteed wordt aan de ontwikkeling van microscopische prestatiemodellen, is er een gebrek aan bruikbare macro-benaderingen die lokale verbeteringen of specifieke wetgevingen kunnen vertalen in hun effect op een hoger, systemisch niveau.
Het doel van INTUIT was om te onderzoeken wat het potentieel is van visuele analysetechnieken, machinaal leren en systeemmodelleringstechnieken om afwegingen tussen ATM KPA's beter te begrijpen. We identificeerden de oorzaak-gevolgrelaties tussen performantie op verschillende niveaus en ontwikkelden nieuwe beslissingsinstrumenten ter ondersteuning van de opvolging en het beheer van ATM-prestaties. Deze tools zullen ingezet worden om het werk van de performance review unit (PRU) van Eurocontrol te ondersteunen.
De rol van TML in het INTUIT-project bestond uit volgende taken:
- Ondersteuning leveren bij de kwalitatieve analyse van de prestatiedrivers.
- Ondersteuning leveren bij de beoordeling van de geschiktheid van data science- technieken.
- Ontwikkeling van een systeem-dynamisch simulatiemodel om afwegingen tussen prestatiegebieden op een structurele manier te analyseren.
