Sergi Mas-Pujol defensa la seva tesi sobre la gestió de desequilibris entre la demanda i la capacita aèria utilitzant tècniques d'aprenentatge profund

Actualment, els proveïdors de serveis de navegació aèria han de gestionar i acomodar una demanda de tràfic aeri en constant creixement en un escenari que s'espera que sigui més eficient en temps i costos. Ajustar la demanda a la capacitat de l'espai aeri disponible és un dels problemes més complexos als quals s'enfronta la gestió del trànsit aeri. Aquest procés col·laboratiu de gestió de la capacitat sovint acaba imposant regulacions quan la capacitat no es pot ajustar. Assignant retards a l'aeroport de sortida, el trànsit es distribueix i les arribades es regulen a la infraestructura congestionada. Tot i això, decidir on i quan es necessita una regulació requereix temps i es basa en gran manera en el coneixement i l'experiència. Això porta a regulacions subòptimes i innecessàriament llargues, cosa que es tradueix en retards innecessaris i una no òptima utilització de la capacitat.

Al llarg dels anys, molts investigadors han estudiat noves tècniques per estimar millor la  complexitat d'un sector aeri – volum aeri – o com quantificar la càrrega de treball dels controladors aeris amb l'objectiu d'identificar les regulacions necessàries per a una correcta gestió del trànsit aeri. A causa del gran impacte que provoquen els retards a la xarxa, es poden trobar una gran varietat de treballs tractant d'optimitzar, millorar, minimitzar o predir l'evolució dels retards. La literatura mostra tres tendències principals: propostes sense intel·ligència artificial, enfocaments utilitzant aprenentatge automàtic supervisat o treballs explorant tècniques d'aprenentatge per reforç. Tot i això, hi ha una mancança de treballs que se centrin concretament en la identificació de les regulacions necessàries, i els mètodes proposats per suavitzar la demanda pateixen problemes d'escalabilitat.

La finalitat principal d'aquesta tesi és investigar l'ús de tècniques d'intel·ligència artificial per identificar i resoldre desequilibri entre la demanda i la capacitat que requereixen la implementació de regulacions durant la fase pretàctica. És a dir, quan no hi ha informació disponible de l'administrador de la xarxa sobre regulacions requerides i quan els nivells d'incertesa són molt més alts.

Primer, s'ha estudiat la identificació de regulacions a escala de sector aeri, fent servir tècniques supervisades i prototipant eines per l'entitat que gestiona l'espai aeri. S'estudien els dos tipus de regulacions més freqüents per a les regions més congestionades a Europa. Els resultats revelen que l'arquitectura proposada és capaç d'identificar gairebé totes les regulacions durant l'estiu, probablement la temporada més congestionada. Segon, s'investiguen tècniques d'aprenentatge per reforç en la resolució de les regulacions prèviament identificades, centrant-se en l'escalabilitat del sistema gràcies a l'ús d'imatges. Finalment, s'investiguen els potencials beneficis d'identificar les regulacions a escala de vol. En aquest últim cas, els resultats també mostren que és possible predir les característiques de les regulacions fent servir tècniques supervisades. A més, la integració dels models permet avaluar l'impacte i la gravetat de les regulacions emeses, anticipant possibles retards reaccionaris. En general, els resultats mostren que és possible predir amb precisió regulacions, les seves característiques i automatitzar el procés per suavitzar el tràfic quan es vol resoldre desequilibri entre la demanda i la capacitat. Hi ha alguns factors a tenir en compte que poden limitar els beneficis de les solucions proposades, començant pels problemes de disponibilitat de dades i el nombre d'estudis realitzats. No obstant això, les eines desenvolupades han estat provades en les regions europees més complexes. Finalment, desplegar les diferents eines desenvolupades seria clau per estudiar els beneficis i l'impacte de les solucions proposades. Per tant, s'han creat diferents eines per a la visualització dels resultats tenint en compte la incertesa de les solucions proporcionades.