Ein Ziel der Flugdatenanalyse (Flight Data Monitoring) ist es potentielle Unfallrisiken zu
erkennen. Dabei werden Quick Access Recorder (QAR) Daten analysiert, die an Bord eines
Flugzeugs aufgezeichnet wurden. Allerdings enthalten QAR Daten keine Informationen über
andere Flugzeuge in der Umgebung, was es schwierig macht, das Risiko für
Flugzeugkollisionen zu analysieren. Diese Arbeit beschreibt Methoden um QAR mit Automatic
Dependent Surveillance Broadcast (ADS-B) Daten zu kombinieren und so die QAR Daten mit
Risikoindikatoren für eine Flugzeugkollision zu erweitern. Ein MATLAB-Algorithmus wird
entwickelt, der ADS-B Daten von der Internetseite adsbexchange.com verwendet, wofür ein
Datenmanagementsystem implementiert wird. Die QAR Positionsaufzeichnungen bekommen
neue Zeitstempel basierend auf einer Referenzzeit, was es möglich macht sie mit den ADS-B
Positionsaufzeichnungen anderer Flugzeuge zu vergleichen. Mit den neuen Zeitstempeln
können Risikoindikatoren während eines Fluges berechnet werden, darunter die Distanz zum
nächsten Flugzeug, die Luftraumdichte, eine Überprüfung für mögliche TCAS Warnungen und
die Distanz zu anderen Flugzeugen im Landeanflug. Außerdem zeigt die Auswertung von
ADS-B Daten von Flugzeugen verschiedener Airlines mögliche Anwendungen der Analyse der
Risikoindikatoren um Risiken zwischen unterschiedlichen Fluggesellschaften und Flughäfen
zu vergleichen.
«
Ein Ziel der Flugdatenanalyse (Flight Data Monitoring) ist es potentielle Unfallrisiken zu
erkennen. Dabei werden Quick Access Recorder (QAR) Daten analysiert, die an Bord eines
Flugzeugs aufgezeichnet wurden. Allerdings enthalten QAR Daten keine Informationen über
andere Flugzeuge in der Umgebung, was es schwierig macht, das Risiko für
Flugzeugkollisionen zu analysieren. Diese Arbeit beschreibt Methoden um QAR mit Automatic
Dependent Surveillance Broadcast (ADS-B) Daten zu kombinieren und...
»