⚡ electrical engineering

Vertiport Terminal Scheduling and Throughput Analysis for Multiple Surface Directions

Este artículo propone un Programa Lineal Entero Mixto (MILP) para optimizar la programación de vertipuertos a través de múltiples direcciones de superficie y deriva ecuaciones de rendimiento teórico, demostrando que el enfoque reduce los retrasos hasta en un 50% al tiempo que logra niveles de capacidad consistentes con los máximos teóricos.

Autores originales: Ravi Raj Saxena, T. V. Prabhakar, Joy Kuri, Manogna Yadav

Publicado 2026-06-05

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Ravi Raj Saxena, T. V. Prabhakar, Joy Kuri, Manogna Yadav

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina una ciudad bulliciosa donde las carreteras están congestionadas y la solución es construir una nueva red de autopistas en el cielo. Esta es la promesa de la Movilidad Aérea Urbana (UAM): usar "taxis aéreos" eléctricos (vehículos VTOL) para transportar personas y paquetes rápidamente. Pero, al igual que los coches necesitan gasolineras y aparcamientos, estos coches voladores necesitan lugares especiales para aterrizar, recoger pasajeros, cargar y despegar de nuevo. Estos lugares se llaman Terminales de Vertipuerto (o "vertimanales").

Este artículo aborda un gran problema: ¿Cómo programamos estos taxis aéreos para que no choquen, no esperen demasiado y mantengan el cielo moviéndose de manera eficiente?

Aquí hay un desgunto sencillo de lo que hicieron los autores, utilizando analogías de la vida cotidiana.

1. La gran diferencia: Helicópteros vs. Taxis Aéreos

Piensa en un avión tradicional como un coche de carreras. Necesita una pista larga y recta. Solo puede despegar en una dirección específica (hacia abajo de la pista) y debe aterrizar viniendo desde esa misma dirección. Si dos coches quieren usar la pista, tienen que esperar a que el primero despeje toda la longitud.

Ahora, piensa en estos nuevos taxis aéreos VTOL como drones o helicópteros. Pueden despegar verticalmente y aterrizar verticalmente.

El superpoder: Una vez que dejan el suelo, pueden volar en cualquier dirección inmediatamente.
La oportunidad: Si tienes una plataforma de aterrizaje, no necesitas solo una "rampa de salida". Puedes tener múltiples "rampas de salida" (llamadas direcciones de superficie) extendiéndose en diferentes direcciones. Si un coche sale hacia el Norte, otro puede salir hacia el Este inmediatamente después, sin esperar a que el primero despeje todo el cielo.

2. El Probleza: El "atasco" en el cielo

Los autores se dieron cuenta de que, aunque sabemos cómo diseñar estos terminales, no teníamos una buena forma de programar el tráfico.

La forma antigua (FCFS): Imagina una fila en una cafetería donde todos son atendidos estrictamente en el orden en que llegaron ("Primero en llegar, primero en ser servido"). Esto es simple, pero ineficiente. Si la persona al frente es lenta, todos detrás de ella esperan, incluso si la persona de atrás podría haber sido atendida más rápido si se cambiara el orden.
La nueva forma (MILP): Los autores crearon un cerebro informático inteligente (un Programa Lineal Entero Mixto, o MILP). En lugar de mirar solo quién llegó primero, mira el panorama completo. Pregunta: "¿Si dejo que este coche vaya al Este y ese al Norte, podemos hacer que ambos pasen más rápido que si ambos intentaran ir al Norte?".

3. La Solución: El Programador Inteligente

Los autores construyeron un modelo matemático que actúa como un supercontrolador de tráfico.

Lo que hace: Programa cuándo un avión deja la puerta, cuándo circula por la calle de rodaje (la ruta terrestre), cuándo aterriza en la plataforma y qué "rampa de salida" (dirección de superficie) toma para salir.
El resultado: Al usar este programador inteligente y permitir que los aviones salgan en diferentes direcciones, descubrieron que podían reducir los retrasos hasta en un 50%. Es como encontrar un atajo a través de un laberinto que los demás no habían notado por estar demasiado ocupados.

4. El control del "Cuello de Botella" (Análisis de Capacidad)

Los autores no solo construyeron el programador; también querían saber: "¿Cuál es el número máximo absoluto de aviones que este terminal puede manejar?"

Dividieron el terminal en tres partes, como quien revisa la capacidad de un sistema de tuberías de agua:

Las Plataformas de Aterrizaje (TLOF): Los puntos reales donde los aviones aterrizan.
Las Calles de Rodaje: Las carreteras en el suelo que conectan las plataformas con las puertas.
Las Puertas: Los lugares de estacionamiento donde los pasajeros embarcan.

Escribieron ecuaciones matemáticas simples para calcular la "velocía límite" de cada parte.

El hallazgo: Descubrieron que las Plataformas de Aterrizaje y las Puertas son usualmente los cuellos de botella (las partes más estrechas del tubo). Las calles de rodaje (las carreteras terrestres) suelen ser lo suficientemente anchas como para no causar atascos.
La prueba: Cuando ejecutaron su programador inteligente, el número de aviones que gestionó coincidió perfectamente con sus ecuaciones matemáticas teóricas. Esto demostró que su programador funcionaba con la máxima eficiencia física posible.

5. La Prueba del Mundo Real: El Caso de Estudio del Aeropuerto de Gimpo

Para asegurarse de que esto no era solo teoría, lo probaron con un diseño de terminal real en el Aeropuerto de Gimpo en Corea. Probaron cuatro formas diferentes de organizar el terminal:

Escenario A: Dejar que todos se mezclen libremente (Llegadas y Salidas compartiendo todo).
Escenarios B y C: Separar las llegadas y las salidas en zonas diferentes.

El Ganador: Los escenarios que separaban las llegadas de las salidas (como tener un carril dedicado de "Descarga" y un carril dedicado de "Recogida") fueron los que mejor funcionaron. Redujeron la confusión y permitieron que más aviones pasaran por minuto.

Resumen

En resumen, este artículo dice:

Los taxis aéreos son flexibles: Pueden salir en cualquier dirección, a diferencia de los aviones.
Necesitamos un cerebro inteligente: Una línea simple de "primero en llegar, primero en ser servido" es demasiado lenta. Necesitamos un algoritmo inteligente (MILP) para gestionar la programación.
Funciona: Este programa inteligente reduce los tiempos de espera a la mitad y lleva al terminal a su máxima capacidad posible.
La separación es clave: Mantener los aviones que llegan y los que salen en zonas diferentes hace que todo el sistema funcione con mayor fluidez.

Los autores han proporcionado un "plano" y un "controlador de tráfico" para asegurar que, cuando nuestras ciudades se llenen de taxis aéreos, el cielo no se convierta en un estacionamiento.

Resumen Técnico: Programación de Terminales de Vertipuertos con Múltiples Direcciones de Superficie y Análisis de Rendimiento

Planteamiento del Problema

Los sistemas de Movilidad Aérea Urbana (UAM) pretenden aliviar la congestión terrestre utilizando el espacio aéreo urbano para vehículos de Despegue y Aterrizaje Vertical (VTOL). Aunque las terminales de vertipuertos (vertiminales) son centros críticos para estas operaciones, corren el riesgo de convertirse en cuellos de botella similares a los aeropuertos tradicionales bajo altas cargas de tráfico. A diferencia de las aeronaves de ala fija que dependen de pistas con direcciones fijas de aproximación y ascenso, los vehículos VTOL poseen la flexibilidad de utilizar múltiples direcciones de superficie para el despegue y el aterrizaje.

La literatura actual aborda principalmente el diseño de vertipuertos, las reglas de control de tráfico aéreo o las operaciones terrestres aisladas. Sin embargo, existe una falta de marcos de optimización holísticos que integren:

Múltiples Direcciones de Superficie: Aprovechar la capacidad de los VTOL para ascender y aproximarse en diversas direcciones para reducir las restricciones de separación.
Operaciones Terrestres Integradas: Programar simultáneamente el rodaje, la rotación en puerta (turnaround), la ocupación de la plataforma TLOF y las fases de ascenso/aproximación.
Análisis de Rendimiento (Throughput): Derivar límites analíticos de capacidad sin depender únicamente de simulaciones computacionalmente costosas.

El desafío central es minimizar los retrasos (espera en puertas, rodaje, ocupación de la OFV y ascenso) mientras se cumplen las restricciones de seguridad, tales como la separación por vórtices de estela, las distancias mínimas de separación en calles de rodaje y las reglas de ocupación del volumen libre de obstáculos (OFV).

Metodología

1. Formulación de Programación Lineal Entera Mixta (MILP)

Los autores proponen una novedosa formulación MILP para optimizar las operaciones de la vertiminal. El objetivo es minimizar la suma ponderada de los retrasos en todas las etapas operativas:

Salidas: Espera en puerta, rodaje hacia el TLOF, ascenso dentro de la OFV y ascenso hacia el vertiexit.
Llegadas: Ascenso desde el vertiexit hacia la OFV, aterrizaje en el TLOF y rodaje hacia la puerta.
Rotación (Turnaround): Tiempo pasado en las puertas para embarque/desembarque.

Características Clave de la Formulación:

Múltiples Direcciones: El modelo permite explícitamente que los VTOL seleccionen diferentes direcciones de superficie para el ascenso y la aproximación. Si aeronaves consecutivas utilizan direcciones diferentes, la restricción de distancia de separación se relaja (se establece en cero), reduciendo los retrasos.
Mejoras de Optimización: Basándose en trabajos previos, los autores eliminaron la variable binaria de "predecesor inmediato", dependiendo únicamente de una variable de predecesor general. Esto redujo el número de restricciones en más de un 90%, disminuyendo significativamente tanto los tiempos de formulación como los del solver.
Restricciones: El modelo impone restricciones físicas (límites de velocidad, continuidad de trayectoria), requisitos de separación (vórtice de estela en plataformas TLOF, distancia en calles de rodaje/direcciones de superficie) y capacidades de retención en puerta.

2. Derivación Analítica de la Capacidad de Rendimiento

Para evaluar la eficiencia de la programación MILP, los autores derivaron ecuaciones analíticas para calcular los límites teóricos superiores del rendimiento de la vertiminal. El sistema se descompone en tres subsistemas independientes:

Sistema de Plataforma TLOF: Calcula la capacidad basada en el tiempo de ocupación de la plataforma TLOF, el tiempo de viaje en la OFV y los requisitos de separación (vórtice de estela y separación de dirección de superficie). Considera cuatro secuencias de movimiento: Llegada-Llegada (AA), Salida-Salida (DD), Llegada-Salida (AD) y Salida-Llegada (DA).
Sistema de Calles de Rodaje: Modelado como una red de flujo. La capacidad dinámica se calcula basándose en la longitud del vehículo, la distancia de separación y la velocidad de rodaje utilizando el teorema de flujo máximo-corte mínimo.
Sistema de Puertas: La capacidad se determina por el número estático de puestos de estacionamiento y el tiempo de rotación dinámico (TAT) de la clase de vehículo más rápida.

El rendimiento total de la vertiminal se define como el mínimo de los rendimientos de estos tres subsistemas ( $\mu_{vertiminal} = \min(\mu_{TLOF}, \mu_{taxi}, \mu_{G})$ ).

Principales Contribuciones

Nuevo Procedimiento Operativo: El artículo introduce un marco de programación que explota múltiples direcciones de superficie de ascenso y aproximación. Esta flexibilidad permite una secuenciación más ajustada de las aeronaves, reduciendo los retrasos hasta en un 50% en comparación con enfoques de dirección única o de Primero en Llegar, Primero en Ser Atendido (FCFS).
Eficiencia Mejorada de la MILP: La formulación revisada reduce la complejidad computacional en más de un 90% en comparación con modelos anteriores, lo que la hace viable para resolver instancias más grandes que involucren vuelos de llegada y rotaciones en puerta.
Límites Analíticos de Rendimiento: Los autores proporcionan ecuaciones para calcular los límites de rendimiento teórico basados en parámetros operativos específicos (tiempos de separación, TAT, ocupación de la OFV). Estas ecuaciones permiten el análisis de capacidad sin necesidad de ejecutar simulaciones extensas.
Validación mediante Caso de Estudio: El marco se valida utilizando la topología de la Vertiminal Gimpo (un diseño tipo muelle con 4 plataformas TLOF y 20 puertas). El estudio compara diferentes configuraciones operativas (por ejemplo, plataformas segregadas vs. mixtas de llegada/salida) para identificar configuraciones óptimas.

Resultados

Reducción de Retrasos y Programación

Impacto de la Dirección de Superficie: Aumentar el número de direcciones de superficie disponibles de 1 a 2 resultó en una reducción de aproximadamente el 50% en el exceso de retraso para los vuelos de salida.
MILP vs. FCFS: El enfoque MILP superó consistentemente al FCFS. Los retrasos medios y medianos para MILP fueron significativamente menores. En FCFS, los retrasos se distribuyeron uniformemente, mientras que el MILP sesgó los retrasos lejos del máximo, priorizando la eficiencia general del sistema.
Optimización Ponderada: Al asignar pesos más altos a los recursos restringidos (plataformas TLOF, OFV) y pesos más bajos a los recursos menos restringidos (puertas), el MILP logró minimizar la congestión en los cuellos de botella críticos, evitando retrasos innecesarios en las calles de rodaje.

Análisis de Rendimiento

Identificación de Cuellos de Botella: El análisis confirmó que el sistema de plataforma TLOF y el sistema de Puertas son los principales cuellos de botella, mientras que el sistema de calles de rodaje generalmente tiene capacidad suficiente.
Efecto de las Múltiples Direcciones:
- En escenarios donde el tiempo de ocupación de la OFV excedía el tiempo de separación, las múltiples direcciones de superficie no ofrecieron ventaja de rendimiento.
- Por el contrario, cuando el tiempo de separación excedía el tiempo de ocupación de la OFV (Set 2 del estudio), el uso de múltiples direcciones de superficie aumentó significamente el rendimiento (por ejemplo, de ~5.14 a ~9.41 VTOLs/min para configuraciones específicas).
Optimización de la Configuración: En el caso de estudio de Gimpo, las configuraciones que segregaban las llegadas y salidas a plataformas TLOF específicas (Configuraciones 3 y 4) lograron un mayor rendimiento (9.25 y 9.54 VTOLs/min en el Set 1) en comparación con las configuraciones totalmente mixtas o parcialmente segmentadas. Esto resalta que reducir los conflictos de trayectoria es crucial para maximizar la capacidad.

Significación y Reivindicaciones

El artículo afirma que su enfoque dual —combinando un programador MILP optimizado con ecuaciones analíticas de rendimiento— proporciona una herramienta integral para la planificación de vertipuertos.

Utilidad Práctica: Las ecuaciones derivadas permiten a los planificadores estimar los límites de capacidad y comprender el impacto de los parámetros de diseño (como las relaciones TLOF-puerta) sin depender de simulaciones laboriosas.
Eficiencia Operativa: El estudio demuestra que la asignación estratégica de plataformas TLOF (segregando llegadas y salidas) y la utilización de múltiples direcciones de superficie pueden mejorar significativamente la capacidad de la vertiminal y reducir los retrasos.
Escalabilidad: La reducción de la complejidad computacional hace que la formulación MILP sea adecuada para la programación en tiempo real o casi real en futuras redes de UAM.

Los autores concluyen que, si bien la formulación MILP identifica eficazmente las configuraciones y programaciones óptimas, el trabajo futuro se centrará en reducir aún más el tiempo de computación mediante métodos de horizonte rodante e incorporando elementos estocásticos para manejar las incertidumbres operativas.