{"id":10730,"date":"2023-03-16T18:09:23","date_gmt":"2023-03-16T17:09:23","guid":{"rendered":"https:\/\/www.nommon.es\/proyectos-de-investigacion\/simbad\/"},"modified":"2026-07-13T10:13:58","modified_gmt":"2026-07-13T08:13:58","slug":"simbad","status":"publish","type":"pr_investigacion","link":"https:\/\/www.nommon.es\/es\/proyectos-de-investigacion\/simbad\/","title":{"rendered":"SIMBAD"},"content":{"rendered":"\n

El proyecto SIMBAD<\/h2>\n\n\n\n

El desarrollo de metodolog\u00edas para modelar la evaluaci\u00f3n del impacto de nuevos nuevos conceptos y tecnolog\u00edas de gesti\u00f3n del tr\u00e1fico a\u00e9reo (ATM, por las siglas en ingl\u00e9s de Air Traffic Management) en relaci\u00f3n a diferentes indicadores de rendimiento (KPI) a nivel global ha sido un objetivo desde hace tiempo en la investigaci\u00f3n en ATM. Los modelos de microsimulaci\u00f3n suelen ser la \u00fanica aproximaci\u00f3n factible para abordar este desaf\u00edo de manera fiable, sin embargo, la aplicaci\u00f3n pr\u00e1ctica de modelos de simulaci\u00f3n a gran escala para la evaluaci\u00f3n estrat\u00e9gica del rendimiento ATM a menudo se ve obstaculizada por su complejidad computacional. El proyecto SIMBAD<\/a> ha creado un nuevo marco de modelado del rendimiento ATM con el objetivo de mejorar las capacidades de los modelos de microsimulaci\u00f3n de ATM a gran escala para apoyar eficazmente la evaluaci\u00f3n del rendimiento a nivel de red.<\/strong> Esta metodolog\u00eda permite una exploraci\u00f3n exhaustiva y comprensi\u00f3n del impacto que tienen los conceptos y soluciones de ATM en el rendimiento del tr\u00e1fico a\u00e9reo bajo diferentes condiciones de tr\u00e1fico.<\/p>\n\n\n\n

Objetivos<\/h2>\n\n\n\n

El objetivo principal de SIMBAD fue desarrollar y evaluar una serie de metodolog\u00edas basadas en aprendizaje autom\u00e1tico dise\u00f1ados para dotar a los modelos de microsimulaci\u00f3n de ATM de vanguardia con la confiabilidad, facilidad de manejo e interpretabilidad necesarias para apoyar eficazmente la evaluaci\u00f3n del rendimiento de soluciones encaminadas a mejorar el sistema de gesti\u00f3n de tr\u00e1fico a\u00e9reo europeo. Los objetivos espec\u00edficos del proyecto fueron los siguientes:<\/p>\n\n\n\n

    \n
  1. Explorar el uso de t\u00e9cnicas de aprendizaje autom\u00e1tico para estimar variables ocultas a partir de datos hist\u00f3ricos de tr\u00e1fico a\u00e9reo<\/strong>, prestando especial inter\u00e9s en las preferencias y el comportamiento de los usuarios del espacio a\u00e9reo. Esto tiene como objetivo permitir una calibraci\u00f3n m\u00e1s robusta de los modelos de microsimulaci\u00f3n de tr\u00e1fico a\u00e9reo.<\/li>\n\n\n\n
  2. Desarrollar nuevos algoritmos de aprendizaje autom\u00e1tico para clasificar patrones de tr\u00e1fico<\/strong>, lo que permite la selecci\u00f3n de un conjunto representativo de escenarios de simulaci\u00f3n. Esta selecci\u00f3n permite una evaluaci\u00f3n m\u00e1s exhaustiva de los nuevos conceptos y soluciones de ATM.<\/li>\n\n\n\n
  3. Investigar el uso de metamodelado y aprendizaje activo para facilitar una exploraci\u00f3n m\u00e1s eficiente del espacio de entrada-salida de modelos de simulaci\u00f3n complejos<\/strong> mediante el desarrollo de metamodelos, que son funciones anal\u00edticas de entrada\/salida que aproximan los resultados de funciones m\u00e1s complejas definidas por los modelos de microsimulaci\u00f3n.<\/li>\n\n\n\n
  4. Demostrar y evaluar los m\u00e9todos y herramientas desarrollados a trav\u00e9s de una serie de casos de estudio<\/strong>, integrando las t\u00e9cnicas propuestas con herramientas de simulaci\u00f3n de ATM de vanguardia para analizar el rendimiento de diferentes escenarios de ATM.<\/strong><\/li>\n<\/ol>\n\n\n\n

    El papel de Nommon<\/h2>\n\n\n\n

    Nommon coordin\u00f3 el proyecto SIMBAD y lider\u00f3 el trabajo relacionado con el desarrollo de t\u00e9cnicas de metamodelado y aprendizaje activo para herramientas de microsimulaci\u00f3n ATM. Nommon desarroll\u00f3 metamodelos para dos microsimuladores de ATM de vanguardia (DYNAMO y RNEST). Estos metamodelos son capaces de aproximar el impacto en el rendimiento de diferentes soluciones y conceptos ATM, e identificar aquellas regiones o escenarios en los que se requiere un an\u00e1lisis m\u00e1s exhaustivo con el microsimulador, apoyando y complementando el uso de estos modelos de microsimulaci\u00f3n.<\/p>\n\n\n\n

    Nommon tambi\u00e9n particip\u00f3 en el dise\u00f1o de una metodolog\u00eda basada en clusters para la identificaci\u00f3n de patrones de tr\u00e1fico y la selecci\u00f3n de muestras de tr\u00e1fico representativas para diferentes escalas geogr\u00e1ficas y temporales, colaborando al mismo tiempo en la validaci\u00f3n de la metodolog\u00eda.<\/p>\n\n\n\n

    Resultados<\/h2>\n\n\n\n

    SIMBAD desarroll\u00f3 un Marco de Modelizaci\u00f3n de Rendimiento de ATM con el objetivo de mejorar las capacidades de los modelos de microsimulaci\u00f3n de ATM a gran escala, para respaldar eficazmente la evaluaci\u00f3n del rendimiento a nivel de red. La metodolog\u00eda permite la exploraci\u00f3n y comprensi\u00f3n exhaustiva del impacto en el rendimiento de los conceptos y soluciones de ATM en diferentes condiciones de tr\u00e1fico. El marco consta de tres elementos principales:<\/p>\n\n\n\n

      \n
    1. Un modelo para la estimaci\u00f3n de variables ocultas relacionadas con el comportamiento de los usuarios del espacio a\u00e9reo que son entradas necesarias para los modelos de microsimulaci\u00f3n de ATM, como el \u201ccost index<\/em>\u201d y el peso de aterrizaje. Los ejercicios de validaci\u00f3n realizados por SIMBAD demostraron c\u00f3mo una estimaci\u00f3n m\u00e1s precisa de estas variables ocultas mejora la simulaci\u00f3n de trayectorias al proporcionar una representaci\u00f3n m\u00e1s realista del comportamiento y las preferencias de los usuarios del espacio a\u00e9reo.<\/li>\n\n\n\n
    2. Una metodolog\u00eda para identificar patrones de tr\u00e1fico representativos en diferentes escalas para cada problema particular bajo estudio. Esta metodolog\u00eda se demostr\u00f3 y valid\u00f3 aplic\u00e1ndola a dos soluciones SESAR: Free-Routing<\/em> y Demand and Capacity Balancing<\/em>. Los ejercicios de validaci\u00f3n demostraron que el enfoque SIMBAD conduce a una estimaci\u00f3n mucho m\u00e1s precisa de ciertos KPIs (por ejemplo, consumo anual de combustible en el \u00e1rea ECAC) que la habilitada por una selecci\u00f3n de d\u00edas de tr\u00e1fico representativos basados en el juicio de expertos, al tiempo que reduce el n\u00famero de escenarios de simulaci\u00f3n necesarios.<\/li>\n\n\n\n
    3. Un marco de metamodelado que permite la aproximaci\u00f3n de los resultados de un modelo de microsimulaci\u00f3n para facilitar una exploraci\u00f3n m\u00e1s eficiente de su espacio de entrada-salida. Se definieron e implementaron metamodelos de simulaci\u00f3n de la herramienta de simulaci\u00f3n de trayectoria DYNAMO de UPC y la herramienta de simulaci\u00f3n R-NEST de EUROCONTROL. Se evalu\u00f3 y analiz\u00f3 el rendimiento predictivo de los metamodelos entrenados, mostrando su capacidad para reproducir con precisi\u00f3n el comportamiento de los modelos de microsimulaci\u00f3n y reducir dr\u00e1sticamente los recursos computacionales requeridos.<\/li>\n<\/ol>\n\n\n\n

      El Marco de Modelizaci\u00f3n de Rendimiento SIMBAD se demostr\u00f3 a trav\u00e9s de una serie de casos de uso en los que los diferentes componentes del marco (ya sea por separado o combinados) se pusieron en pr\u00e1ctica. Estos ejercicios mostraron c\u00f3mo los resultados del proyecto pueden ayudar a superar algunas de las principales limitaciones de los modelos tradicionales de microsimulaci\u00f3n de ATM, facilitando una evaluaci\u00f3n m\u00e1s completa, precisa y eficiente del impacto en el rendimiento de las nuevas soluciones\/conceptos de ATM.<\/p>\n\n\n\n

      <\/div>\n\n\n\n
      \n

      Lee el white paper <\/em>de SIMBAD<\/strong>: Lessons learnt from the SIMBAD project and way forward<\/a><\/em><\/p>\n<\/blockquote>\n\n\n\n

      <\/div>\n\n\n\n

      Entregables<\/h2>\n\n\n\n