A Decision Support Concept for Weather Dependent Capacity Analysis and Planning

In operational air traffic flow and capacity management (ATFCM), there are still problems with excessive traffic demand and the occurrence of restrictive weather phenomena such as thunderstorms or turbulence. The uncertainties in both the traffic forecast and the prediction of the intensity and extent of convective weather result in a significantly reduced ability to plan ATFCM measures. An overly optimistic assessment of the situation leads to high traffic complexity and thus to a high workload for air traffic controllers. Flow management is therefore required to avoid this situation at all costs for obvious safety reasons, which can ultimately lead to increased ATFCM delays. If, on the other hand, one's assessments are too pessimistic, the available capacity is not used optimally, which can also lead to delays when traffic demand is high.

The tools available on the market for capacity and complexity planning take weather into account only inadequately - if at all - and at most the airport weather is used in the estimates. Significant en-route weather, such as thunderstorms or turbulence areas, are not integrated into these applications. There are a few methods in the literature that take weather effects into account with simple factors. However, these approaches do not do justice to the complexity of traffic and weather. The previous WeCAP survey successfully investigated whether artificial intelligence (AI) or machine/deep learning algorithms and methods from weather analyses and flight plans can be used to estimate these necessary statements on traffic complexity.

The aim of the WeCAP DS project is to use flight plan and weather forecasts to create a forecast of ATFCM capacity measures and the underlying complexity factors. Initially, a concept of operation is created that describes all the necessary decisions and their effects. Based on this concept, the AI ​​methods from the survey are optimized and forecasts are made for the possible Austrian sector configurations. A generalization of these methods enables a forecast for arbitrarily defined airspaces in similarly structured areas. Algorithms for modeling the individual contributions of individual flight plans to complexity allow for the flexible development of further applications such as complexity hotspots or the creation of flight lists (of complex estimated flights), which makes tactical measures such as cherry picking possible.

These concepts, algorithms and models will then be used to investigate the integration of other weather phenomena (turbulence, icing, or mountain waves). In addition, the applicability of these models in the area of ​​airspace design in connection with dynamic sectorization will be tested. A study on the potential of this methodology in the area of ​​climate-optimized flying concludes this project. At the end of this project there will be effective, efficient and therefore applicable models that take en-route weather into account in complexity and capacity calculations, as well as a validated WeCAP-DS concept of operations including a prototypical demonstrator.

[Original text]
"A Decision Support Concept for Weather Dependent Capacity Analysis and Planning"
Im operationellen Air Traffic Flow and Capacity Management (ATFCM) gibt es nach wie vor Probleme bei zu hohem Traffic Demand und dem Auftreten von einschränkenden Wetterphänomenen wie Gewitter oder Turbulenz. Die Unsicherheiten sowohl in der Verkehrsprognose als auch in der Vorhersage von Intensität und Ausdehnung von konvektiven Wetter resultieren in einer deutlich verringerten Planbarkeit von ATFCM-Maßnahmen. Eine zu optimistische Einschätzung der Situation führt zu hoher Verkehrskomplexität und damit zu hoher Workload der Flugverkehrsleiter. Daher ist man im Flow Management gefordert, diese Situation aus naheliegenden Safety-Überlegungen unbedingt zu vermeiden, was letztendlich zu erhöhten ATFCM-Delays führen kann. Ist man in seinen Einschätzungen hingegen zu pessimistisch, wird die vorhandene Kapazität nicht optimal genutzt, was bei hohem Verkehrs-Demand ebenfalls zu Delays führen kann. 

Die am Markt erhältlichen Tools zur Kapazitäts- und Komplexitätsplanung berücksichtigen Wetter – wenn überhaupt – nur unzureichend, maximal das Flughafenwetter wird in den Abschätzungen verwendet. Signifikantes En-Route Wetter, wie Gewitter- oder Turbulenzgebiete, sind in diesen Anwendungen nicht integriert. In der Literatur gibt es zwar vereinzelt Methoden, die Auswirkungen von Wetter mit einfachen Faktoren berücksichtigen. Diese Ansätze werden aber der Komplexität von Verkehr und Wetter nicht gerecht.  In der vorangegangenen WeCAP-Sondierung wurde bereits erfolgreich untersucht, ob man mit Künstlicher Intelligenz (KI, engl. Artificial Intelligence, AI) bzw. mit Machine/Deep Learning Algorithmen und Methoden aus Wetteranalysen und Flugplänen diese notwendigen Aussagen zur Verkehrskomplexität abschätzen kann. 

Das Ziel des WeCAP DS Projekts ist aus Flugplan- und Wettervorhersagen eine Prognose von ATFCM-Kapazitätsmaßen und den zugrunde liegenden Komplexitätsfaktoren zu erstellen. Anfangs wird ein Concept-of-Operation erstellt, das alle notwendigen Entscheidungen und ihre Auswirkungen beschreibt. Anhand dieses Konzepts werden die KI-Methoden aus der Sondierung optimiert und Vorhersagen für die möglichen österreichischen Sektor-Konfigurationen erstellt. Eine Generalisierung dieser Methoden ermöglicht eine Vorhersage für beliebig definierte Lufträume in ähnlich strukturierten Gebieten. Algorithmen zur Modellierung der individuellen Beiträge einzelner Flugpläne zur Komplexität ermöglichen recht flexibel die Entwicklung von weiteren Anwendungen wie Complexity-Hotspots oder die Erstellung von Flight Lists (von komplex engeschätzten Flügen), womit taktische Maßnahmen wie Cherry Picking erst möglich werden. 

Mit diesen Konzepten, Algorithmen und Modellen wird in Folge auch die Integration von weiteren Wetterphänomenen (Turbulenz, Vereisung, oder Gebirgswellen) untersucht. Zudem wird die Anwendbarkeit dieser Modelle im Bereich Airspace-Design im Zusammenhang mit dynamischer Sektorisierung erprobt. Eine Studie zum Potential dieser Methodik im Bereich Klima-optimiertes Fliegen beschließt dieses Projekt. Am Ende dieses Projekts stehen effektive, effiziente und damit anwendbare Modelle, die En-Route Wetter in Komplexitäts- und Kapazitätsberechnungen berücksichtigen, sowie ein validiertes WeCAP-DS Concept-of-Operations inkl. eines prototypischen Demonstrators.