| Títol variant: |
Implementació d'un sistema de gestió de tràfic millorat per IA emprant el simulador BlueSky per a la movilitat aèria urbana |
| Títol variant: |
Implementación de un sistema de gestión de tráfico mejorado por IA utilizando el simulador BlueSky para la mobilidad aérea urbana |
| Data: |
2025 |
| Descripció: |
62 p. |
| Resum: |
This project explores the use of Artificial Intelligence in Air Traffic Management for decision-making and conflict-prediction tasks. Urban Air Mobility is a reality that requires cities to adapt and create new systems to control the dense urban airspace. The study includes a wide review of all Urban Air Mobility and Air Traffic Management concepts and limitations to give a based perspective of the topic. In addition, Machine Learning and Reinforcement Learning concepts will also be included to clearly understand how they work and how the experimentations will be conducted. The simulations will be conducted in the BlueSky Simulator environment through Python scripts. The investigation will focus on developing the proper environment for a drone agent which. |
| Resum: |
Aquest projecte explora l'ús d'Intel. ligència Artificial per a la gestió del trànsit aeri en tasques de presa de decisions i detecció de conflictes. El concepte de "Urban Air Mobility" (UAM) és una realitat que requereix que les ciutats s'adaptin de manera ràpidai creïn nous sistemes per tal de controlar el dens espai aeri urbà. L'estudi inclou una ampli repàs de tots els conceptes de UAM i gestió de trànsit aeri, així com les seves limitacions, per oferir una perspectiva més sòlida de l'àmbit. A més, per tal d'entendre amb més claredat com funcionaran i com es duran a terme les experimentacions, s'inclourà tambè una bona introducció dels conceptes de "Machine Learning" i de "Reinforcement Learning". Aquestes experimentacions seran realitzades a l'entorn de BlueSky Simulator mitjançant Python, i es centrarà en desenvolupar l'entorn idoni per un agent dron que serà entrenat a través de la interacció amb altres drons mentre avança cap a un determinat objectiu en un escenario de dues dimensions. Per últim, es revisaran els impactes derivats de la implementació del projecte i les futures línies d'investigació i millora d'aquest per concloure la tesi. |
| Resum: |
Este proyecto explora el uso de Inteligencia Artificial para la gestión del tránsito aéreo en tareas de toma de decisiones y detección de conflictos. El concepto de "Urban Air Mobility" (UAM) es una realidad que requiere que las ciudades se adapten de manera rápida y creen nuevos sistemas para controlar el denso espacio aéreo urbano. El estudio incluye un amplio repaso de todos los conceptos de UAM y gestión de tránsito aéreo, así como sus limitaciones, para ofrecer una perspectiva más sólida del ámbito. Además, para entender con más claridad como funcionarán y como se realizarán las experimentaciones, se incluirá también una buena introducción de los conceptos de "Machine Learning" y de "Reinforcement Learning". Estas experimentaciones serán realizadas en el entorno de BlueSky Simulator mediante Python, i se centrará en desarrollarl el entorno idóneo para un agente dron que será entrenado a través de la interacción con otros drons mientras avanza hacia un determinado objetivo en un escenario de dos dimensiones. Por último, se revisarán los impactos derivados de la implementación del proyecto y las futuras línias de investigación y mejora de este para concluir la tesis. |
| Drets: |
Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.  |
| Llengua: |
Anglès |
| Titulació: |
Gestió aeronàutica [2501233] |
| Pla d'estudis: |
Grau en Gestió Aeronàutica [829] |
| Document: |
Treball final de grau ; Text |
| Matèria: |
Gestió del tràfic aeri ;
Mobilitat aèria urbana ;
Gestió de tràfic no tripulat ;
Vehicles d'enlairament i aterratge elèctric ;
Aprenentatge per reforç. optimització propera de polítiques ;
Simulador bluesky ;
Sistemes multi-agent ;
Aprenentatge de màquines ;
Gestión del tráfico aéreo ;
Mobilidad aérea urbana ;
Gestión de tráfico no tripulado ;
Vehículos de despegue y aterrizaje eléctricos ;
Aprendizaje por refuerzo ;
Optimización próxima de política ;
Sistemas multi-agente ;
Aprendizaje de máquina ;
Air Traffic Management ;
Urban Air Mobility ;
Unmanned Traffic Management ;
Evtols ;
Reinforcement Learning ;
Proximal Policy Optimization ;
BlueSky Simulator ;
Multi-Agent Systems ;
Machine Learning |
visitant ::
identificació
