Exploring AI solutions in Air Traffic Management

Abstract

This thesis explores the possibility of using artificial intelligence tools in air traffic management. It includes a literature review and a case study analysis of five artificial intelligence-based systems, including tools for conflict resolution, weather prediction, reduced separation minima, stream-based management, and automatic speech recognition.

The incentive for the research comes from necessity. The amount of air traffic has grown significantly during the recent history, with the covid pandemic only halting the growth for a short while. At many instances, airspace and airport capacity are already utilized to the maximum. New methods to improve both the efficiency and the safety involved are thus required to make way for further growth in the industry.

The thesis argues that the growing air traffic demands innovative solutions to improve the operational efficiency and safety in air traffic management, while also considering the environmental impact of aviation. Artificial intelligence’s capacity for data processing and decision-making sup-port is highlighted as a promising means to address these challenges.

The key findings from the research suggest that artificial intelligence tools can optimize airspace usage and resource allocation, potentially improving operational safety and efficiency through warning systems, reduced controller workload and enhanced situational awareness. However, the feasibility of immediate implementation is inadequate due to potential cyber threats, legal issues, and user acceptance challenges. Future implementation appears promising but requires further research and development.

The thesis is structured into chapters that define the key concepts, present the methodology, conduct a literature review, analyse the cases, and conclude with recommendations for artificial intelligence implementation in air traffic management. It emphasizes the importance of maintaining operational safety as a priority over efficiency gains and suggests that while artificial intelligence systems are not yet ready for direct implementation, they hold significant potential for future use in air traffic management.

The thesis concludes with recommendations for careful implementation, considering safety and user acceptance. It also suggests areas for future research, including artificial intelligence’s possible role in dynamic airspace management and real-world pilot projects to gather empirical data on artificial intelligence systems in air traffic management.

Tämä opinnäytetyö tutkii tekoälyyn perustuvien työkalujen käyttöä lennonvarmistuksessa. Se sisältää kirjallisuuskatsauksen ja tapaustutkimusanalyysin, joka sisältää 5 tekoälyyn pohjautuvaa sovellusta, sisältäen työkalut konfliktin ratkaisuun, sään ennustamiseen, porrastusminimin pienentämiseen, virtapohjaiseen johtamiseen ja automaattiseen puheen tunnistukseen.

Kannustin tutkimukseen tulee välttämättömyydestä. Ilmaliikenteen määrä on kasvanut merkittävästi lähihistoriassa, pandemiankin vain hidastaessa kasvua hetkellisesti. Monessa paikassa ilmatilan ja lentokenttien kapasiteetti on jo täysin käytetty. Uusia keinoja, joilla pystytään kehittämään sekä tehokkuutta, että turvallisuutta tarvitaan mahdollistamaan ilmaliikenteen kehitys.

Opinnäytetyö argumentoi, että kasvava ilmaliikenne vaatii innovatiivisia ratkaisuita parantamaan operatiivista tehokkuutta ja turvallisuutta lennonvarmistuksessa, unohtamatta sen vaikutuksia ympäristöön. Tutkimus korostaa tekoälyn kykyä datan prosessoinnissa ja päätöksenteon tukemisessa keinona vastata ilmaliikenteen kasvun tuomiin haasteisiin.

Tutkimuksen keskeiset löydökset viittaavat siihen, että tekoälyyn pohjautuvat sovellukset voivat optimoida ilmatilan käyttöä ja resurssien hallintaa. Ne voisivat kehittää operatiivista turvallisuutta ja tehokkuutta hälytysjärjestelmien, pienemmän työkuorman ja tilannetietoisuuden paranemisen myötä. Välitön toteuttamiskelpoisuus vaikuttaa kuitenkin olevan riittämätön mahdollisten kyberuhkien, oikeudellisten kysymysten ja käyttäjien hyväksyntään liittyvien ongelmien takia. Tuleva toteutus vaikuttaa lupaavalta, mutta vaatii lisää tutkimusta ja kehitystyötä.

Opinnäytetyö on jaettu kappaleisiin, jotka määrittelevät keskeiset käsitteet, esittelevät tutkimusmenetelmän ja kirjallisuuskatsauksen, analysoivat tapaukset ja tarjoavat suosituksia tekoälyn käyttöön lennonvarmistuksessa. Tutkimus korostaa operatiivisen turvallisuuden merkitystä ja sen pitämistä tärkeimpänä prioriteettina tehokkuuden sijaan. Opinnäytetyössä todetaan, että vaikka tekoälytyökalut eivät ole vielä valmiita käyttöönottoon, niillä on merkittävä käyttöpotentiaali tulevaisuuden lennonvarmistuksessa.

Opinnäytetyö päättyy suosituksiin maltin ja järjellisyyden pitämisestä mukana järjestelmien käyttöönotossa, unohtamatta turvallisuutta ja loppukäyttäjien tarpeita. Opinnäytetyössä ehdotetaan myös tulevaisuuden tutkimuskohteita, mukaan lukien tekoälyn mahdollinen rooli dynaamisessa ilmatilanhallinnassa ja kehotetaan käytännön pilottihankkeisiin, jossa voitaisi kerätä empiiristä dataa tekoälyyn pohjautuvien sovelluksien käytöstä lennonvarmistuspalveluita tarjoavissa yksiköissä.