Reducir costes (y retrasos) en los aeropuertos por medio de inteligencia artificial predictiva
La inteligencia artificial que parte del aprendizaje automático basado en datos colaborativo podría transformar la gestión del tráfico aéreo (GTA). Fomentar la participación de todas las partes interesadas, compañías aéreas incluidas, será fundamental para lograr resultados satisfactorios en el futuro. «Hoy en día, las compañías aéreas se muestran reticentes a compartir sus datos privados para contribuir a una toma de decisiones colaborativa», explica el coordinador del proyecto AICHAIN (A platform for privacy-preserving Federated Machine Learning using Blockchain to enable Operational Improvements in ATM) Javier Busto, de SITA eWAS Application Services, en España. «Una vez han cumplimentado sus planes de vuelo, la planificación y gestión de los recursos de la red y de las capacidades del espacio aéreo tienden a llevarse a cabo más o menos sin coordinarse totalmente con las compañías aéreas». Incorporar datos de compañías aéreas sobre cuestiones delicadas, como los costes, las prioridades de vuelo y las conexiones con pasajeros y tripulación, en el proceso de toma de decisiones podría contribuir a lograr modelos predictivos más eficaces y llevar a una gestión de la capacidad y asignaciones de vuelos más ágiles en el futuro. «Estamos frente a un reto no solo tecnológico; también se trata de fomentar la participación de las partes interesadas para crear modelos globales comunes en beneficio de la GTA en su totalidad», prosigue Busto. «Estos datos tienden a ser muy delicados desde el punto de vista comercial, al abarcar cuestiones relacionadas con los gatos de combustible y la selección de personal».
Asignación de vuelos predictiva
AICHAIN se financió en el marco de la Empresa Común SESAR, una asociación público-privada creada para modernizar el sistema de GTA europeo. El proyecto pretendía mejorar las asignaciones de vuelos aplicando el aprendizaje automático a datos delicados (y no delicados) de una forma protegida y descentralizada. La idea es que así se proporcionaría a las compañías aéreas la seguridad y confianza necesarias para que compartan sus datos. «Creamos un sistema de aprendizaje automático federado que podía entrenarse con estos datos delicados de las compañías aéreas», añade el coordinador científico de AICHAIN Sergio Ruiz, del centro de innovación EUROCONTROL, situado en Francia. «Entonces el Administrador de la Red, en este caso EUROCONTROL, podía utilizar esta información segura para mejorar la predicción de las rutas de vuelo elegidas por las compañías aéreas, así como las horas de despegue esperadas, para garantizar unas operaciones más ágiles». El aprendizaje automático federado se ha utilizado en sectores como el farmacéutico y el sanitario, y AICHAIN quería demostrar que el concepto era viable para la GTA. El equipo se centró en dos casos de uso final específicos: la predicción de la hora de despegue y la predicción de la ruta de vuelo. Una mayor previsibilidad para dichos aspectos es importante para lograr una mejor gestión del tráfico y reducir capacidades latentes, lo que a su vez reduciría los costes de la GTA para las compañías aéreas y los pasajeros. «Los datos se pueden procesar en los nodos (como los sistemas de las compañías aéreas), donde se encuentran los datos», explica Ruiz. «Utilizamos la cadena de bloques e identificamos otras tecnologías facilitadoras de privacidad para complementar el aprendizaje automático federado».
Acoger a las compañías aéreas a bordo
A continuación, el equipo del proyecto evaluó la eficacia del sistema en cuanto a viabilidad tecnológica, valor operativo y aceptación por parte de las partes interesadas. «El aprendizaje automático federado es una tecnología bastante madura, aunque no demasiado conocida en este sector», observa Busto. «Nosotros demostramos que podíamos crear un sistema a medida que protege por completo la privacidad y genera la confianza e incentivos debidos para que las compañías aéreas participen». AICHAIN también colaboró estrechamente con las autoridades pertinentes para garantizar que pudiese certificarse el uso de las herramientas de aprendizaje automático en la GTA. Se trata de un paso fundamental para introducir nuevas tecnologías en un ámbito tan crítico en lo relativo a la seguridad. «Es un campo muy complejo que sigue evolucionando», añade Ruiz. «De esta forma, el proyecto ha podido ejercer una influencia positiva en el proceso de certificación, en particular cuando son necesarias tanto la privacidad de los datos como la transparencia del proceso». El proyecto también demostró la capacidad de la tecnología de la cadena de bloques en lo relativo a rastreabilidad y a la generación de confianza. «Para nosotros, es una tecnología de datos descentralizada», señala Ruiz. «Los datos no están en una plataforma como tal, sino que se quedan con sus dueños, que siguen siendo quienes los controlan por completo. A partir de ahí los puede aprovechar el administrador de la red a través de la plataforma de aprendizaje federada, a la vez que se protege la privacidad». Tanto Busto como Ruiz consideran que AICHAIN ha realizado una valiosa contribución no solo para ayudar a mejorar la automatización en la GTA, sino también para el campo del aprendizaje automático federado en su totalidad. «Nos gustaría examinar nuevos casos de uso», afirma Ruiz. «Parte de esta tecnología podría desarrollarse con bastante rapidez. Lo que de verdad nos gustaría ver es a más compañías aéreas proporcionando datos de una forma federada y con garantías de privacidad. La buena noticia es que más compañías aéreas han manifestado su interés en este proyecto».
Palabras clave
AICHAIN, vuelo, ciberseguridad, automatización, compañías aéreas, datos, privacidad, SESAR
