⚡ electrical engineering

Vertiport Terminal Scheduling and Throughput Analysis for Multiple Surface Directions

Este artigo propõe um Programa Linear Inteiro Misto (MILP) para otimizar o escalonamento de vertiportos através de múltiplas direções de superfície e deriva equações teóricas de vazão, demonstrando que a abordagem reduz os atrasos em até 50%, ao mesmo tempo em que alcança níveis de capacidade consistentes com os máximos teóricos.

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

Publicado 2026-06-05

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

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

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine uma cidade movimentada onde as estradas estão congestionadas, e a solução é construir uma nova rede de rodovias no céu. Esta é a promessa da Mobilidade Aérea Urbana (UAM): usar "táxis voadores" elétricos (veículos VTOL) para transportar pessoas e encomendas rapidamente. Mas, assim como os carros precisam de postos de gasolina e estacionamentos, esses carros voadores precisam de lugares especiais para pousar, embarcar passageiros, carregar e decolar novamente. Esses lugares são chamados de Terminais de Vertiporto (ou "vertiminais").

Este artigo aborda um grande problema: Como escalonar esses táxis voadores para que eles não colidam, não esperem demais e mantenham o céu movendo-se com eficiência?

Aqui está uma divisão simples do que os autores fizeram, usando analogias do cotidiano.

1. A Grande Diferença: Helicópteros vs. Táxis Aéreos

Pense em um avião tradicional como um carro de corrida. Ele precisa de uma pista longa e reta. Ele só pode decolar em uma direção específica (ao longo da pista) e deve pousar vindo daquela mesma direção. Se dois carros quiserem usar a pista, eles têm que esperar que o primeiro libere toda a extensão.

Agora, pense nestes novos táxis aéreos VTOL como drones ou helicópteros. Eles podem decolar verticalmente e pousar verticalmente.

O Superpoder: Uma vez que deixam o solo, eles podem voar em qualquer direção imediatamente.
A Oportunidade: Se você tem um heliponto, não precisa de apenas uma "rampa de saída". Você pode ter múltiplas "rampas de saída" (chamadas de direções de superfície) espalhando-se em diferentes direções. Se um carro sai indo para o Norte, outro pode sair indo para o Leste imediatamente depois, sem esperar que o primeiro libere todo o céu.

2. O Problema: O "Engarrafamento" no Céu

Os autores perceberam que, embora saibamos como projetar esses terminais, não tínhamos uma boa maneira de escalonar o tráfego.

A Forma Antiga (FCFS): Imagine uma fila em uma cafeteria onde todos são atendidos estritamente na ordem em que chegaram ("Primeiro a Chegar, Primeiro a Ser Servido"). Isso é simples, mas é ineficiente. Se a pessoa na frente for lenta, todos atrás dela esperam, mesmo que a pessoa logo atrás pudesse ter sido atendida mais rápido se a ordem fosse trocada.
A Nova Forma (MILP): Os autores criaram um cérebro de computador inteligente (um Programa Linear Inteiro Misto, ou MILP). Em vez de apenas olhar para quem chegou primeiro, ele olha para o cenário completo. Ele pergunta: "Se eu deixar este carro ir para o Leste e aquele para o Norte, podemos fazer ambos passarem mais rápido do que se ambos tentassem ir para o Norte?"

3. A Solução: O Escalonador Inteligente

Os autores construíram um modelo matemático que atua como um supercontrolador de tráfego.

O que ele faz: Ele escala quando um avião deixa o portão, quando ele dirige pela via de táxi (o caminho no solo), quando pousa na plataforma e qual "rampa de saída" (direção de superfície) ele utiliza para sair.
O Resultado: Ao usar este escalonador inteligente e permitir que os aviões saiam em diferentes direções, eles descobriram que podiam reduzir os atrasos em até 50%. É como encontrar um atalho em um labirinto que todos os outros estavam ocupados demais para notar.

4. A Verificação de "Gargalo" (Análise de Capacidade)

Os autores não apenas construíram o escalonador; eles também queriam saber: "Qual é o número máximo absoluto de aviões que este terminal pode suportar?"

Eles dividiram o terminal em três partes, como se estivessem verificando a capacidade de um sistema de tubulações de água:

As Plataformas de Pouso (TLOF): Os locais reais onde os aviões tocam o solo.
As Vias de Táxi: As estradas no solo que conectam as plataformas aos portões.
Os Portões: Os locais de estacionamento onde os passageiros embarcam.

Eles escreveram equações matemáticas simples para calcular a "velocidade máxima" de cada parte.

A Descoberta: Eles descobriram que as Plataformas de Pouso e os Portões são geralmente os gargalos (as partes mais estreitas do tubo). As vias de táxi (estradas no solo) são geralmente largas o suficiente para que não causem engarrafamentos.
A Prova: Quando rodaram seu escalonador inteligente, o número de aviões que ele gerenciava coincidia perfeitamente com suas equações matemáticas teóricas. Isso provou que seu escalonador estava funcionando com a máxima eficiência física possível.

5. O Teste do Mundo Real: O Estudo de Caso do Aeroporto de Gimpo

Para garantir que isso não era apenas teoria, eles testaram em um design de terminal real para o Aeroporto de Gimpo, na Coreia. Eles testaram quatro maneiras diferentes de organizar o terminal:

Cenário A: Deixar todos se misturarem livremente (Chegadas e Partidas compartilhando tudo).
Cenários B e C: Separar as chegadas e partidas em zonas diferentes.

O Vencedor: Os cenários que separavam chegadas e partidas (como ter uma faixa dedicada de "Desembarque" e uma faixa dedicada de "Embarque") foram os que melhor funcionaram. Eles reduziram a confusão e permitiram que mais aviões passassem por minuto.

Resumo

Em suma, este artigo afirma:

Táxis aéreos são flexíveis: Eles podem partir em qualquer direção, ao contrário dos aviões.
Precisamos de um céreço inteligente: Uma linha simples de "primeiro a chegar, primeiro a ser servido" é muito lenta. Precisamos de um algoritmo inteligente (MILP) para gerenciar o cronograma.
Isso funciona: Este cronograma inteligente corta os tempos de espera pela metade e leva o terminal à sua capacidade máxima possível.
A separação é a chave: Manter os aviões que chegam e os que partem em zonas diferentes faz com que todo o sistema funcione melhor.

Os autores forneceram um "projeto" e um "controlador de tráfego" para garantir que, quando nossas cidades estiverem cheias de táxis aéreos, o céu não se transforme em um estacionamento.

Resumo Técnico: Escalonamento de Terminais de Vertiporto com Múltiplas Direções de Superfície e Análise de Vazão

Declaração do Problema

Os sistemas de Mobilidade Aérea Urbana (UAM) visam aliviar o congestionamento terrestre utilizando o espaço aéreo urbano para veículos de Decolagem e Pouso Vertical (VTOL). Embora os terminais de vertiportos (vertiminais) sejam hubs críticos para essas operações, eles correm o risco de se tornarem gargalos, de forma semelhante aos aeroportos tradicionais sob altas cargas de tráfego. Diferente das aeronaves de asa fixa que dependem de pistas com direções fixas de aproximação e subida, os veículos VTOL possuem a flexibilidade de utilizar múltiplas direções de superfície para decolagem e pouso.

A literatura atual aborda amplamente o design de vertiportos, regras de controle de tráfego aéreo ou operações terrestres isoladas. No entanto, há uma carência de frameworks de otimização holísticos que integrem:

Múltiplas Direções de Superfície: Aproveitar a capacidade dos VTOLs de subir e aproximar em várias direções para reduzir as restrições de separação.
Operações Terrestres Integradas: Escalonar simultaneamente o taxiamento, o turnaround nos portões, a ocupação do pad TLOF (Touchdown and Lift-Off) e as fases de subida/aproximação.
Análise de Vazão (Throughput): Derivar limites analíticos para a capacidade sem depender exclusivamente de simulações computacionalmente caras.

O desafio central é minimizar os atrasos (espera nos portões, taxiamento, ocupação do OFV e subida) enquanto se adere às restrições de segurança, como separação de vórtice de esteira, distâncias mínimas de separação em vias de taxiamento e regras de ocupação de volume livre de obstáculos (OFV).

Metodologia

1. Formulação de Programação Linear Inteira Mista (MILP)

Os autores propõem uma nova formulação MILP para otimizar as operações de vertiminais. O objetivo é minimizar a soma ponderada dos atrasos em todas as etapas operacionais:

Partidas: Espera no portão, taxiamento até o TLOF, subida dentro do OFV e subida até o vertiexit.
Chegadas: Subida do vertiexit para o OFV, pouso no TLOF e taxiamento até o portão.
Turnaround: Tempo gasto nos portões para embarque/desembarque.

Principais Características da Formulação:

Múltiplas Direções: O modelo permite explicitamente que os VTOLs selecionem diferentes direções de superfície para subida e aproximação. Se aeronaves consecutivas utilizarem direções diferentes, a restrição de distância de separação é relaxada (definida como zero), reduzindo os atrasos.
Melhorias de Otimização: Com base em trabalhos anteriores, os autores eliminaram a variável binária de "predecessor imediato", baseando-se apenas em uma variável de predecessor geral. Isso reduziu o número de restrições em mais de 90%, diminuindo significativamente tanto o tempo de formulação quanto o de resolução pelo solver.
Restrições: O modelo impõe restrições físicas (limites de velocidade, continuidade de trajetória), requisitos de separação (vórtice de esteira no pad TLOF, distância em vias de taxiamento/direções de superfície) e capacidades de retenção nos portões.

2. Derivação Analítica da Capacidade de Vazão

Para avaliar a eficiência do escalonamento MILP, os autores derivaram equações analíticas para calcular os limites teóricos superiores da vazão do vertiminal. O sistema é decomposto em três subsistemas independentes:

Sistema de Pad TLOF: Calcula a capacidade com base no tempo de ocupação do pad TLOF, tempo de viagem no OFV e requisitos de separação (vórtice de esteira e separação de direção de superfície). Considera quatro sequências de movimento: Chegada-Chegada (AA), Partida-Partida (DD), Chegada-Partida (AD) e Partida-Chegada (DA).
Sistema de Taxiway: Modelado como uma rede de fluxo. A capacidade dinâmica é calculada com base no comprimento do veículo, distância de separação e velocidade de taxiamento usando o teorema de fluxo máximo/corte mínimo.
Sistema de Portões (Gates): A capacidade é determinada pelo número estático de slots de estacionamento e pelo tempo de turnaround (TAT) da classe de veículo mais rápida.

A vazão total do vertiminal é definida como o mínimo das vazões desses três subsistemas ( $\mu_{vertiminal} = \min(\mu_{TLOF}, \mu_{taxi}, \mu_{G})$ ).

Principais Contribuições

Novo Procedimento Operacional: O artigo introduz um framework de escalonamento que explora múltiplas direções de subida e aproximação. Essa flexibilidade permite um sequenciamento mais apertado de aeronaves, reduzindo os atrasos em até 50% em comparação com abordagens de direção única ou de Primeiro a Chegar, Primeiro a Ser Atendido (FCFS).
Eficiência do MILP Aprimorada: A formulação revisada reduz a complexidade computacional em mais de 90% em comparação com modelos anteriores, tornando-a viável para resolver instâncias maiores envolvendo voos de chegada e turnarounds de portão.
Limites Analíticos de Vazão: Os autores fornecem equações para calcular os limites de vazão teóricos baseados em parâmetros operacionais específicos (tempos de separação, TAT, ocupação de OFV). Essas equações permitem a análise de capacidade sem a necessidade de executar simulações extensas.
Validação via Estudo de Caso: O framework é validado usando a topologia do Vertiminal Gimpo (um design do tipo píer com 4 pads TLOF e 20 portões). O estudo compara diferentes configurações operacionais (ex: pads segregados para chegadas e partidas) para identificar setups ideais.

Resultados

Redução de Atraso e Escalonamento

Impacto da Direção de Superfície: Aumentar o número de direções de superfície disponíveis de 1 para 2 resultou em uma redução de aproximadamente 50% no atraso excessivo para voos de partida.
MILP vs. FCFS: A abordagem MILP superou consistentemente o escalonamento FCFS. A média e a mediana dos atrasos para o MILP foram significativamente menores. No FCFS, os atrasos eram uniformemente distribuídos, enquanto o MILP desviou os atrasos do valor máximo, priorizando a eficiência global do sistema.
Otimização Ponderada: Ao atribuir pesos maiores a recursos restritos (pads TLOF, OFV) e pesos menores a recursos menos restritos (portões), o MILP conseguiu minimizar com sucesso o congestionamento em gargalos críticos, evitando atrasos desnecessários nas vias de taxiamento.

Análise de Vazão

Identificação de Gargalos: A análise confirmou que o sistema de pad TLOF e o sistema de Portões são os principais gargalos, enquanto o sistema de taxiway geralmente possui capacidade suficiente.
Efeito das Múltiplas Direções:
- Em cenários onde o tempo de ocupação do OFV excedia o tempo de separação, múltiplas direções de superfície não ofereceram vantagem de vazão.
- Por outro lado, quando o tempo de separação excedia o tempo de ocupação do OFV (Set 2 do estudo), o uso de múltiplas direções de superfície aumentou a vazão significativamente (ex: de ~5,14 para ~9,41 VTOLs/min para configurações específicas).
Otimização de Configuração: No estudo de caso de Gimpo, configurações que segregam chegadas e partidas para pads TLOF específicos (Configurações 3 e 4) alcançaram maior vazão (9,25 e 9,54 VTOLs/min no Set 1) em comparação com configurações totalmente mistas ou parcialmente segmentadas. Isso destaca que a redução de conflitos de trajetória é crucial para maximizar a capacidade.

Significância e Alegações

O artigo alega que sua abordagem dual — combinando um escalonador MILP otimizado com equações analíticas de vazão — fornece uma ferramenta abrangente para o planejamento de vertiminais.

Utilidade Prática: As equações derivadas permitem que planejadores estimem limites de capacidade e entendam o impacto de parâmetros de design (como a razão TLOF-para-portão) sem depender de simulações demoradas.
Eficiência Operacional: O estudo demonstra que a alocação estratégica de pads TLOF (segregando chegadas e partidas) e a utilização de múltiplas direções de superfície podem aumentar significativamente a capacidade do vertiminal e reduzir os atrasos.
Escalabilidade: A redução na complexidade computacional torna a formulação MILP adequada para o escalonamento em tempo real ou quase real em futuras redes de UAM.

Os autores concluem que, embora a formulação MILP identifique efetivamente as configurações e o escalonamento ideais, trabalhos futuros focarão em reduzir ainda mais o tempo de computação via métodos de horizonte de rolagem (rolling horizon) e na incorporação de elementos estocásticos para lidar com incertezas operacionais.