⚡ electrical engineering

Vertiport Terminal Scheduling and Throughput Analysis for Multiple Surface Directions

Questo articolo propone un Programma Lineare Intero Misto (MILP) per ottimizzare la pianificazione dei vertoport attraverso molteplici direzioni di superficie e deriva equazioni teoriche del throughput, dimostrando che l'approccio riduce i ritardi fino al 50% pur raggiungendo livelli di capacità coerenti con i massimi teorici.

Autori originali: Ravi Raj Saxena, T. V. Prabhakar, Joy Kuri, Manogna Yadav

Pubblicato 2026-06-05

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Ravi Raj Saxena, T. V. Prabhakar, Joy Kuri, Manogna Yadav

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate una città frenetica dove le strade sono bloccate dal traffico e la soluzione è costruire una nuova rete di autostrade nel cielo. Questa è la promessa della Mobilità Urbana Aerea (UAM): usare veicoli elettrici "taxi aerei" (veicoli VTOL) per far sfrecciare persone e pacchi. Ma proprio come le auto hanno bisogno di stazioni di servizio e parcheggi, queste auto volanti hanno bisogno di posti speciali per atterrare, far salire i passeggeri, ricaricarsi e decollare di nuovo. Questi luoghi si chiamano Terminal Vertiport (o "vertiminal").

Questo articolo affronta un grande problema: Come possiamo programmare questi taxi aerei in modo che non si scontrino, non aspettino troppo a lungo e mantengano il cielo in movimento in modo efficiente?

Ecco una semplice suddivisione di ciò che gli autori hanno fatto, utilizzando analogie quotidiane.

1. La Grande Differenza: Elicotteri vs. Taxi Aerei

Pensate a un aeroplano tradizionale come a un'auto da corsa. Ha bisogno di una pista lunga e dritta. Può decollare solo in una direzione specifica (giù lungo la pista) e deve atterrare venendo dalla stessa direzione. Se due auto vogliono usare la pista, devono aspettare che la prima abbia liberato l'intera lunghezza.

Ora, pensate a questi nuovi taxi aerei VTOL come a droni o elicotteri. Possono decollare verticalmente e atterrare verticalmente.

Il Superpotere: Una volta lasciata la terra, possono volare in qualsiasi direzione immediatamente.
L'Opportunità: Se avete una piazzola di atterraggio, non vi serve solo una "rampa di uscita". Potete avere molteplici "rampe di uscita" (chiamate direzioni di superficie) che si diramano in diverse direzioni. Se un'auto parte verso Nord, un'altra può partire verso Est immediatamente dopo, senza aspettare che la prima liberi tutto il cielo.

2. Il Problema: Il "Ingorgo" nel Cielo

Gli autori si sono resi conto che, sebbene sappiamo come progettare questi terminal, non avevamo un buon modo per programmare il traffico.

Il Vecchio Modo (FCFS): Immaginate una fila in un bar dove tutti vengono serviti rigorosamente nell'ordine in cui sono arrivati ("Primo arrivato, primo servito"). È semplice, ma inefficiente. Se la persona in testa è lenta, tutti quelli dietro aspettano, anche se la persona dietro potrebbe essere stata servita più velocmente se l'ordine fosse stato invertito.
Il Nuovo Modo (MILP): Gli autori hanno creato un cervello informatico intelligente (un Programma Lineare Intero Misto, o MILP). Inveve di guardare solo chi è arrivato per primo, guarda l'intero quadro. Chiede: "Se lascio che quest'auto vada a Est e quell'altra vada a Nord, possiamo far passare entrambe più velocemente rispetto a se provassero entrambe ad andare a Nord?"

3. La Soluzione: Lo Scheduler Intelligente

Gli autori hanno costruito un modello matematico che agisce come un super-controllore del traffico.

Cosa fa: Programma quando un aereo lascia il gate, quando percorre la via di rullaggio (il percorso a terra), quando atterra sulla piazzola e quale "rampa di uscita" (direzione di superficie) deve prendere per partire.
Il Risultato: Usando questo smart scheduler e permettendo agli aerei di partire in direzioni diverse, hanno scoperto di poter ridurre i ritardi fino al 50%. È come trovare una scorciatoia attraverso un labirinto che tutti gli altri erano troppo impegnati per notare.

4. Il Controllo del "Collo di Bottiglia" (Analisi del Throughput)

Gli autori non si sono limitati a costruire lo scheduler; volevano anche sapere: "Qual è il numero assoluto massimo di aerei che questo terminal può gestire?"

Hanno suddiviso il terminal in tre parti, come controllare la capacità di un sistema di tubature dell'acqua:

Le Piazzole di Atterraggio (TLOF): I punti effettivi dove gli aerei toccano terra.
Le Vie di Rullaggio: Le strade a terra che collegano le piazzole ai gate.
I Gate: I posti di sosta dove imbarcano i passeggeri.

Hanno scritto semplici equazioni matematiche per calcolare il "limite di velocità" di ogni parte.

La Scoperta: Hanno scoperto che le Piazzole di Atterraggio e i Gate sono solitamente i colli di bottiglia (le parti più strette del tubo). Le vie di rullaggio (le strade a terra) sono solitamente abbastanza larghe da non causare ingorghi.
La Prova: Quando hanno eseguito il loro smart scheduler, il numero di aerei gestiti corrispondeva perfettamente alle loro equazioni matematiche teoriche. Ciò ha dimostato che il loro scheduler stava funzionando con la massima efficienza fisicamente possibile.

5. Il Test sul Mondo Reale: Il Caso di Studio dell'Aeroporto di Gimpo

Per assicurarsi che non fosse solo teoria, hanno testato il modello su un design reale per un terminal all'Aeroporto di Gimpo in Corea. Hanno provato quattro modi diversi per organizzare il terminal:

Scenario A: Lasciare che tutti si mescolino liberamente (Arrivi e Partenze che condividono tutto).
Scenario B & C: Separare gli arrivi e le partenze in zone diverse.

Il Vincitore: Gli scenari che separavano arrivi e partenze (come avere una corsia dedicata per il "Drop-off" e una corsia dedicata per il "Pick-up") sono stati i migliori. Hanno ridotto la confusione e permesso a più aerei di transitare al minuto.

Riassunto

In breve, questo articolo afferma che:

I taxi aerei sono flessibili: Possono partire in qualsiasi direzione, a differenza degli aerei.
Abbiamo bisogno di un cervello intelligente: Una semplice coda "primo arrivato, primo servito" è troppo lenta. Abbiamo bisogno di un algoritmo intelligente (MILP) per gestire la programmazione.
Funziona: Questo programma intelligente taglia i tempi di attesa della metà e spinge il terminal alla sua massima capacità possibile.
La separazione è la chiave: Tenere gli aerei in arrivo e quelli in partenza in zone diverse rende l'intero sistema più fluido.

Gli autori hanno fornito un "progetto" e un "controllore del traffico" per garantire che, quando le nostre città si riempiranno di taxi aerei, il cielo non si trasformi in un parcheggio.

Riepilogo Tecnico: Pianificazione dei Terminal di Vertiporto con Molteplici Direzioni di Superficie e Analisi del Throughput

Definizione del Problema

I sistemi di Mobilità Aerea Urbana (UAM) mirano ad alleviare la congestione a terra utilizzando lo spazio aereo urbano per i veicoli a Decollo e Atterraggio Verticale (VTOL). Sebbene i terminal dei vertiporti (vertiminal) siano hub critici per queste operazioni, rischiano di diventare colli di bottiglia simili ai tradizionali aeroporti sotto carichi di traffico elevati. A differenza degli aeromobili ad ala fissa che si affidano a piste con direzioni di avvicinamento e salita fisse, i veicoli VTOL possiedono la flessibilità di utilizzare molteplici direzioni di superficie per il decollo e l'atterraggio.

La letteratura attuale affronta ampiamente la progettazione dei vertiporti, le regole di controllo del traffico aereo o le operazioni a terra isolate. Tuttavia, vi è una mancanza di framework di ottimizzazione olistici che integrino:

Molteplici Direzioni di Superficie: Sfruttare la capacità dei VTOL di salire e avvicinarsi in varie direzioni per ridurre i vincoli di separazione.
Operazioni a Terra Integrate: Pianificare simultaneamente il rullaggio, il turnaround ai gate, l'occupazione dei pad TLOF (Touchdown and Lift-Off) e le fasi di salita/avvicinamento.
Analisi del Throughput: Derivare limiti analitici per la capacità senza fare affidamento esclusivamente su simulazioni computazionalmente onerose.

La sfida centrale è minimizzare i ritardi (attesa ai gate, rullaggio, occupazione dell'OFV e salita) pur rispettando i vincoli di sicurezza come la separazione per i vortici di scia, le distanze minime di separazione sulle taxiway e le regole di occupazione del volume libero da ostacoli (OFV).

Metodologia

1. Formulazione di Programmazione Lineare Intera Mista (MILP)

Gli autori propongono una nuova formulazione MILP per ottimizzare le operazioni dei vertiminal. L'obiettivo è minimizzare la somma pesata dei ritardi in tutte le fasi operative:

Partenze: Attesa al gate, rullaggio verso il TLOF, salita all'interno dell'OFV e salita verso il vertiexit.
Arrivi: Salita dal vertiexit all'OFV, atterraggio sul TLOF e rullaggio verso il gate.
Turnaround: Tempo trascorso ai gate per l'imbarco/sbarco.

Caratteristiche Chiave della Formulazione:

Molteplici Direzioni: Il modello consente esplicitamente ai VTOL di selezionare diverse direzioni di superficie per la salita e l'avvicinamento. Se aeromobili consecutivi utilizzano direzioni diverse, il vincolo di distanza di separazione viene allentato (impostato a zero), riducendo i ritardi.
Miglioramenti dell'Ottimizzazione: Basandosi su lavori precedenti, gli autori hanno eliminato la variabile binaria del "predecessore immediato", affidandosi esclusivamente a una variabile di predecessore generale. Ciò ha ridotto il numero di vincoli di oltre il 90%, diminuendo significativamente i tempi di formulazione e di risoluzione (solver).
Vincoli: Il modello impone vincoli fisici (limiti di velocità, continuità del percorso), requisiti di separazione (vortice di scia sui pad TLOF, distanza sulle direzioni di superficie/taxiway) e capacità di sosta ai gate.

2. Derivazione Analitica della Capacità di Throughput

Per valutare l'efficienza della pianificazione MILP, gli autori hanno derivato equazioni analitiche per calcolare i limiti teorici superiori del throughput del vertiminal. Il sistema è scomposto in tre sottosistemi indipendenti:

Sistema del Pad TLOF: Calcola la capacità basata sul tempo di occupazione del pad TLOF, sul tempo di percorrenza dell'OFV e sui requisiti di separazione. Considera quattro sequenze di movimento: Arrivo-Arrivo (AA), Partenza-Partenza (DD), Arrivo-Partenza (AD) e Partenza-Arrivo (DA).
Sistema delle Taxiway: Modellato come una rete di flusso. La capacità dinamica è calcolata in base alla lunghezza del veicolo, alla distanza di separazione e alla velocità di rullaggio utilizzando il teorema del max-flow min-cut.
Sistema dei Gate: La capacità è determinata dal numero statico di slot di parcheggio e dal tempo di turnaround (TAT) dinamico della classe di veicoli più veloce.

Il throughput complessivo del vertiminal è definito come il minimo dei throughput di questi tre sottosistemi ( $\mu_{vertiminal} = \min(\mu_{TLOF}, \mu_{taxi}, \mu_{G})$ ).

Contributi Principali

Nuova Procedura Operativa: Il documento introduce un framework di pianificazione che sfrutta molteplici direzioni di superficie per la salita e l'avvicinamento. Questa flessibilità consente una sequenza più serrata degli aeromarchi, riducendo i ritardi fino al 50% rispetto agli approcci a direzione singola o First-Come-First-Served (FCFS).
Efficienza Migliorata della MILP: La formulazione rivista riduce la complessità computazionale di oltre il 90% rispetto ai modelli precedenti, rendendo fattibile la risoluzione di istanze più ampie che coinvolgono voli in arrivo e turnaround dei gate.
Limiti Analitici del Throughput: Gli autori forniscono equazioni per calcolare i limiti teorici del throughput basati su specifici parametri operativi (tempi di separazione, TAT, occupazione OFV). Queste equazioni consentono l'analisi della capacità senza eseguire estese simulazioni.
Validazione tramite Case Study: Il framework è validato utilizzando la topologia del Gimpo Vertiminal (un design di tipo pier con 4 pad TLOF e 20 gate). Lo studio confronta diverse configurazioni operative (ad esempio, pad segregati vs misti) per identificare i setup ottimali.

Risultati

Riduzione dei Ritardi e Pianificazione

Impatto della Direzione di Superficie: Aumentare il numero di direzioni di superficie disponibili da 1 a 2 ha comportato una riduzione di circa il 50% del ritardo eccessivo per i voli in partenza.
MILP vs FCFS: L'approccio MILP ha superato costantemente la pianificazione FCFS. I ritardi medi e mediani per MILP erano significativamente inferiori. In FCFS, i ritardi erano distribuiti uniformemente, mentre MILP ha spostato i ritardi lontano dal valore massimo, dando priorità all'efficienza complessiva del sistema.
Ottimizzazione Pesata: Assegnando pesi maggiori alle risorse vincolate (pad TLOF, OFV) e pesi minori alle risorse meno vincolate (gate), la MILP ha gestito con successo la congestione sui colli di bottiglia critici, prevenendo ritardi non necessari sulle taxiway.

Analisi del Throughput

Identificazione dei Colli di Bottiglia: L'analisi ha confermato che il sistema del pad TLOF e il sistema dei Gate sono i principali colli di bottiglia, mentre il sistema delle taxiway ha generalmente una capacità sufficiente.
Effetto delle Molteplici Direzioni:
- In scenari in cui il tempo di occupazione dell'OFV superava il tempo di separazione, le molteplici direzioni di superficie non offrivano alcun vantaggio di throughput.
- Al contrario, quando il tempo di separazione superava il tempo di occupazione dell'OFV (Set 2 dello studio), l'utilizzo di molteplici direzioni di superficie aumentava significativamente il throughput (ad esempio, da ~5.14 a ~9.41 VTOL/min per specifiche configurazioni).
Ottimizzazione della Configurazione: Nel caso studio di Gimpo, le configurazioni che segregavano arrivi e partenze a specifici pad TLOF (Configurazioni 3 e 4) hanno ottenuto un throughput più elevato (9.25 e 9.54 VTOL/min nel Set 1) rispetto alle configurazioni completamente miste o parzialmente segmentate. Ciò evidenzia che la riduzione dei conflitti di percorso è fondamentale per massimizzare la capacità.

Significato e Rivendicazioni

Il documento sostiene che il suo approccio duale — combinando un pianificatore MILP ottimizzato con equazioni analitiche di throughput — fornisce uno strumento completo per la pianificazione dei vertiminal.

Utilità Pratica: Le equazioni derivate consentono ai pianificatori di stimare i limiti di capacità e comprendere l'impatto dei parametri di progettazione (come i rapporti TLOF-gate) senza dipendere da simulazioni lunghe e complesse.
Efficienza Operativa: Lo studio dimostra che l'allocazione strategica dei pad TLOF (segregando arrivi e partenze) e l'utilizzo di molteplici direzioni di superficie possono aumentare significativamente la capacità del vertiminal e ridurre i ritardi.
Scalabilità: La riduzione della complessità computazionale rende la formulazione MILP adatta alla pianificazione in tempo reale o quasi in tempo reale nelle future reti UAM.

Gli autori concludono che, sebbene la formulazione MILP identifichi efficacementamente le configurazioni e le pianificazioni ottimali, il lavoro futuro si concentrerà sull'ulteriore riduzione dei tempi di calcolo tramite metodi a orizzonte mobile (rolling horizon) e sull'integrazione di elementi stocastici per gestire le incertezze operative.