Aircraft trajectory prediction using deep learning
Derın öğrenme yöntemı ıle uçak yörüngesı tahmını
- Tez No: 972882
- Danışmanlar: DOÇ. DR. EMİN GERMEN, DR. ÖĞR. ÜYESİ FULYA AYBEK ÇETEK
- Tez Türü: Yüksek Lisans
- Konular: Havacılık ve Uzay Mühendisliği, Sivil Havacılık, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Aeronautical Engineering, Civil Aviation, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Hava trafik yönetimi, Karar destek sistemleri, Yapay sinir ağları, Çok katmanlı perseptronlar, Deep learning, Air traffic management, Decision support systems, Artificial neural networks, Multilayer perceptrons
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Devreler ve Sistemler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Küresel hava trafiğinin artmasıyla birlikte, uçuş yörüngelerinin doğru şekilde tahmin edilmesi, özellikle yoğun terminal hava sahalarında emniyetin sağlanması ve operasyonel verimliliğin artırılması açısından giderek daha önemli hâle gelmiştir. Bu tez çalışması, İstanbul Terminal Kontrol Sahası içerisinde varış yapan uçakların yörüngelerini tahmin etmek amacıyla, veri odaklı ve sinir ağı tabanlı bir modelleme yaklaşımı sunmaktadır. Model, bu karmaşık hava sahasının zamansal ve mekânsal dinamiklerine odaklanmaktadır. Modelin eğitimi için, 2023 yılına ait Automatic Dependent Surveillance–Broadcast verileri kullanılmıştır. Bu veri seti; konum, irtifa ve hız gibi uçuş parametrelerini içermektedir. Veriler gürültü giderme, eksik değerlerin enterpolasyonu, zaman dilimlerine ayrılması ve çağrı işaretine göre gruplanması gibi adımları içeren kapsamlı bir ön işleme sürecinden geçirilmiştir. Her örnek JSONL formatında yapılandırılmış; giriş vektörleri, hem uçağa özgü öznitelikleri hem de çevredeki diğer uçaklara ait slot tabanlı bilgileri içermektedir. Bu yapı, modelin yerel trafik yoğunluğunu ve yakın hava araçlarıyla etkileşimleri dikkate almasını sağlamaktadır. Modelleme için Çok Katmanlı Algılayıcı mimarisi tercih edilmiştir. Model, eğitim verilerinden tamamen bağımsız bir senaryo olan 23 Haziran 2024 tarihinde, İstanbul Havalimanı'nda yılın en yoğun gününde (1612 uçuş) test edilmiştir. Bu senaryoda Terminal Kontrol Sahası içinde bulunan altı uçağın yörüngeleri tahmin edilmiştir. Modelin performansı, Dynamic Time Warping ve Ortalama Mutlak Yüzde Hata metrikleriyle değerlendirilmiştir. Ortalama adım başına yatay sapma 2.34 deniz mili, dikey sapma ise 369 feet olarak bulunmuştur. Bu sonuçlar, modelin yüksek yoğunluk koşullarında, çevredeki hava araçlarını da göz önünde bulundurarak, makul doğrulukta tahminler üretebildiğini göstermektedir.
Özet (Çeviri)
With the continued growth of global air traffic, accurate trajectory prediction has become increasingly important for ensuring safety and improving efficiency, particularly within congested terminal airspaces. This thesis presents a data-driven, neural network-based approach for predicting the trajectories of arrival aircraft in the Istanbul Terminal Maneuvering Area, focusing on the spatiotemporal dynamics of this complex environment. The model is trained using 2023 Automatic Dependent Surveillance–Broadcast data, which includes flight parameters such as position, altitude, and speed. A comprehensive preprocessing pipeline is applied, including noise filtering, interpolation of missing values, temporal segmentation, and grouping by callsign to generate time-series samples. Each sample is formatted in JSONL, with input vectors containing both aircraft-specific features and slot-based attributes of surrounding aircraft. This structure allows the model to incorporate local traffic complexity and proximity interactions. A Multilayer Perceptron architecture is adopted to process the structured inputs. The model is tested on a scenario entirely excluded from training: 23 June 2024, the busiest traffic day of the year at Istanbul Airport, with 1,612 recorded flights. In this scenario, trajectories of six aircraft present in the TMA are predicted. Performance is assessed using Dynamic Time Warping and Mean Absolute Percentage Error. The model yields an average horizontal deviation of 2.34 NM and a vertical error of 369 feet per step. These results suggest that the model is capable of generating reasonably accurate trajectory predictions under high-density traffic conditions, while considering the presence and dynamics of nearby aircraft.
Benzer Tezler
- Hava trafik akışının iyileştirilmesi için rassal orman ve derin sinir ağları tabanlı varış zamanı ve yörünge tahmini
Prediction of aircraft estimated time of arrival and trajectory using random forests and deep neural networks for improvement of air traffic flow
ONUR BAŞTÜRK
Doktora
Türkçe
2021
Sivil HavacılıkEskişehir Teknik ÜniversitesiHava Trafik Kontrol Ana Bilim Dalı
DOÇ. DR. CEM ÇETEK
- Data-driven delay estimation and anomaly detection: A study on European and Turkish air traffic
Veri güdümlü gecikme tahmini ve anomali tespiti: Avrupa ve Türkiye hava trafiği üzerine bir çalışma
MUHAMMET AKSOY
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. EMRE KOYUNCU
- Digital-twin flight modelling through machine learning for trajectory error estimation and recovery
Rota hesaplamalarında makine öğrenmesi tabanlı dijital ikiz uçuş modeli
MEVLÜT UZUN
Doktora
İngilizce
2021
Sivil Havacılıkİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. GÖKHAN İNALHAN
DR. MUSTAFA UMUT DEMİREZEN
- Aircraft trajectory optimization under wind effect by using optimal control: Environmental impact assessment
Optimal kontrol ile rüzgar etkisi altında uçak rota optimizasyonu: Havacılığın çevresel etkisinin değerlendirilmesi
FULİN SEZENOĞLU
Yüksek Lisans
İngilizce
2022
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. İBRAHİM OZKOL
- Optimal aircraft trajectory planning based on high-resolution actual weather data
Yüksek çözünürlüklü gerçek hava durumu verileri ile optimum uçak rota planlaması
ALI ALIZADEH
Yüksek Lisans
İngilizce
2018
Sivil Havacılıkİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE KOYUNCU