Affrontare le sfide del vento nelle operazioni di mobilità aerea avanzata

La Mobilità Aerea Avanzata (AAM) è un nuovo modo di affrontare i trasporti urbani, che include aerei elettrici che possono decollare e atterrare in verticale. Anche se questi aerei promettono viaggi più efficienti e sostenibili, le loro prestazioni sono influenzate da fattori ambientali, soprattutto il vento. Venti forti possono disturbare gli orari dei voli e influenzare la sicurezza e l'efficienza complessiva di queste reti.

Questa ricerca introduce un framework che aiuta a gestire questi problemi integrando la natura imprevedibile del vento nelle operazioni AAM. Il framework ottimizza il numero di aerei necessari e come vengono programmati, tenendo conto dell'impatto del vento sui tempi di viaggio e sul consumo energetico.

#Le Sfide del Vento nelle Operazioni AAM

Il vento può influenzare significativamente il funzionamento delle reti AAM. Anche voli brevi possono essere impattati dal vento, richiedendo aggiustamenti nella programmazione e nella dimensione della flotta. Quando l'aereo viaggia su lunghe distanze, gli effetti del vento diventano ancora più evidenti, aumentando le necessità energetiche e la complessità nella gestione della ricarica tra i voli.

I modelli attuali spesso non considerano la variabilità delle condizioni del vento, il che rende difficile stimare quanti aerei sono necessari o come mantenere le operazioni fluide. Questo evidenzia la necessità di un nuovo sistema che possa adattarsi alle condizioni meteorologiche in cambiamento, in particolare il vento.

#Introduzione del Framework

Il framework che abbiamo sviluppato tiene conto della natura imprevedibile del vento. Combina due componenti principali: uno strumento di Simulazione che modella la rete AAM e uno strumento di Ottimizzazione che aiuta nella programmazione dei voli e nella ricarica. Questo approccio assicura che sia la domanda di aerei che quella dei passeggeri siano soddisfatte mantenendo alta l'efficienza.

L'ambiente di simulazione ci permette di analizzare come fattori come la velocità e la direzione del vento influenzano le operazioni degli aerei, il consumo di energia e l'efficienza generale. Integrando i programmi di ricarica nel sistema, il framework offre una visione olistica della gestione della flotta e della programmazione.

#Lavori Correlati

Studi precedenti hanno mostrato vari metodi per analizzare le reti AAM, concentrandosi sulle necessità energetiche, confrontando l'AAM con i taxi tradizionali, e valutando gli impatti urbani. I ricercatori hanno esaminato la domanda di pendolari per l'AAM, la modellazione del traffico e le strategie di programmazione. Tuttavia, c'è una lacuna nell'affrontare come la variabilità del vento influenzi la dimensione della flotta e la programmazione in situazioni multi-vertiport.

Ottimizzare le operazioni AAM richiede una logica di invio solida e strategie di programmazione. Alcuni studi si sono occupati di queste sfide, ma la questione degli effetti del vento sulla gestione della flotta rimane poco studiata.

#Contributi Chiave

Questo documento presenta tre principali contributi:

1. Ambiente di Simulazione: Abbiamo creato un simulatore dettagliato che modella le operazioni degli aerei e l'influenza di fattori ambientali come il vento.
2. Modello di Ottimizzazione: Abbiamo ampliato un framework di ottimizzazione esistente per tener conto delle variazioni nella durata dei voli e delle esigenze energetiche causate dal vento.
3. Metodologia di Integrazione: Proponiamo un metodo per collegare gli strumenti di ottimizzazione con gli ambienti di simulazione, migliorando l'applicazione pratica dei nostri risultati.

#Framework di Simulazione-Ottimizzazione della Rete

Il framework combina uno strumento di simulazione dettagliato chiamato VertiSim con uno strumento di ottimizzazione offline. VertiSim simula efficacemente le operazioni degli aerei e dei vertiport, mentre lo strumento di ottimizzazione calcola parametri essenziali come la dimensione della flotta e le strategie di ricarica.

#Input per l'Ottimizzazione

Il processo di ottimizzazione si basa su vari input:

• Domanda di Volo: Il numero di voli richiesti in diversi momenti.
• Tempi di Volo: Durate pre-calcolate per ogni percorso basate su dati di simulazione.
• Programma di Ricarica: Un programma dettagliato che indica quanto dura ogni sessione di ricarica in base allo stato di carica dell'aereo (SoC).

#Panoramica di VertiSim

VertiSim crea un modello dettagliato di come gli aerei si muovono in una rete AAM, considerando fattori come gli arrivi dei passeggeri, le durate di ricarica e l'occupazione degli aerei. Le metriche di prestazione generate da questa simulazione includono:

• Il numero di voli e i loro tassi di occupazione.
• Il consumo energetico durante le diverse fasi di volo.
• I tempi di attesa dei passeggeri.

#Modello di Vento

Il vento svolge un ruolo cruciale nel funzionamento delle operazioni AAM. VertiSim tiene traccia di diverse fasi di volo, comprese partenze, salite, crociera e discese. Gli aerei devono regolare la loro velocità e potenza per contrastare gli effetti del vento.

#Impatto del Vento sul Volo

Durante la fase di crociera, gli aerei possono mantenere la massima efficienza volando a velocità ottimali anche in condizioni ventose. Il framework aiuta a calcolare gli aggiustamenti necessari per mantenere il corso e bilanciare le necessità energetiche in base ai modelli di vento.

#Altre Fasi di Volo

In fasi diverse dalla crociera, l'aereo regola la sua potenza per mantenere una velocità di terra costante contro il vento. Questo assicura durate di volo realistiche, anche quando si affrontano condizioni meteorologiche difficili.

#Modello di Ottimizzazione

Il modello di ottimizzazione mira a creare un programma di volo e un piano di ricarica che utilizzi il minor numero possibile di aerei per soddisfare efficacemente la domanda.

#Funzione Obiettivo

Il modello cerca di minimizzare il totale di aerei necessari mantenendo anche il numero di voli il più basso possibile. I vincoli all'interno del modello garantiscono che gli aerei possano operare solo quando c'è abbastanza carica della batteria.

#Panoramica dei Vincoli

I vincoli chiave del modello includono:

• Un'equazione dinamica per tenere traccia di come cambia lo stato dell'aereo nel tempo.
• Garantire che la domanda sia soddisfatta in tutti i vertiport in ogni intervallo di tempo.
• Mantenere livelli appropriati di carica della batteria per operazioni sicure.

#Integrazione Simulazione-Ottimizzazione

L'ottimizzatore genera programmi di volo e piani di ricarica, mentre l'ambiente di simulazione esegue questi piani in tempo reale.

#Affrontare le Discrepanze Temporali

Poiché l'ottimizzatore lavora in intervalli di tempo preimpostati (come ogni 5 minuti), e il simulatore opera continuamente, possono verificarsi alcune discrepanze. Per affrontare questi problemi, VertiSim utilizza una strategia di attesa, consentendo agli aerei di fermarsi fino a quando non sono programmati per decollare.

#Area di Studio e Progettazione della Rete

Il nostro studio si concentra su una semplice rete a due vertiport, che ci consente di isolare l'impatto del vento sulle operazioni senza fattori complicanti provenienti da reti più grandi. Questa rete copre distanze da 20 a 150 miglia e include un vertiport designato a Monterey e vari vertiport corrispondenti.

#Modellizzazione della Domanda dei Passeggeri

Per simulare la domanda, assumiamo che i voli vengano avviati in base a soglie di passeggeri-sia quando un numero specifico di passeggeri aspetta o quando un singolo passeggero ha atteso oltre un tempo stabilito. Questo modello aiuta a prevedere con precisione le domande di volo.

#Modello di Ricarica e Aerei

Il modello di ricarica utilizzato si allinea con i dati esistenti sui processi di ricarica dei veicoli elettrici. Tiene conto di una diminuzione graduale della potenza di ricarica man mano che la batteria si avvicina alla capacità massima, riflettendo le condizioni reali della gestione delle batterie.

#Parametri di Consumo Energetico

Il modello degli aerei considera vari fattori che influiscono sul consumo energetico, come i cambiamenti di peso in base all'occupazione dei passeggeri e diversi coefficienti per sollevamento e resistenza durante le varie fasi di volo.

#Analisi dei Dati sul Vento

Per l'analisi del vento, abbiamo utilizzato dati storici sulle previsioni meteorologiche, concentrandoci in particolare su velocità e direzioni del vento rilevanti per la nostra area di studio. Questo dataset include cinque anni di dati, mostrando una notevole variabilità nelle condizioni del vento.

#Elaborazione dei Dati sul Vento per Input dell'Ottimizzatore

Invece di utilizzare valori specifici del vento, cataloghiamo le condizioni del vento in cluster che rappresentano diversi scenari nel corso di una giornata. Questo aiuta a comprendere il consumo energetico e la durata del volo in base alle varie influenze del vento.

#Impatto del Vento sul Consumo Energetico e Politica di Ricarica

Il nostro studio mostra che il vento influisce notevolmente sulle necessità energetiche per i voli, soprattutto con venti contrari, che possono aumentare significativamente il consumo energetico. Comprendere queste dinamiche è cruciale per pianificare le sessioni di ricarica e la disponibilità degli aerei.

#Strategie di Ricarica

Per voli più brevi, gli aerei possono spesso completare viaggi di andata e ritorno con una sola carica se partono con una batteria completamente carica. Ma per distanze maggiori, la ricarica diventa più necessaria, influenzando come gestiamo gli aerei e le stazioni di ricarica.

#Impatto del Vento sulla Dimensione della Flotta

I nostri risultati rivelano variazioni significative nella dimensione della flotta necessaria per le operazioni eVTOL a causa delle condizioni del vento. Per distanze più brevi, il vento impatta la dimensione della flotta dal 12% al 33%. Questo va dal bisogno di qualche aereo extra fino a 6 aerei aggiuntivi per viaggi più lunghi.

L'analisi sottolinea l'importanza di progettare flotte che possano adattarsi alle condizioni di vento in cambiamento per mantenere efficienza e affidabilità del servizio.

#Conclusione e Direzioni Future

Questo documento enfatizza l'importanza di comprendere l'impatto del vento sulle operazioni AAM. I nostri risultati rivelano che integrare la variabilità del vento nella pianificazione operativa può migliorare notevolmente la gestione della flotta e l'efficienza della programmazione.

Guardando al futuro, puntiamo a espandere questo lavoro a reti più complesse con più vertiport e considerare nuovi algoritmi per supportare decisioni in tempo reale. In definitiva, il nostro obiettivo è rendere l'AAM un'opzione di trasporto affidabile ed efficiente adatta agli ambienti urbani.