One goal of Flight Data Monitoring is to detect potential accident risks when analyzing Quick Access Recorder (QAR) data recorded on-board an aircraft. However, QAR data does not contain information about surrounding aircraft, which makes it difficult to analyze the accident type Mid-Air Collision. This thesis is concerned with finding means to merge QAR and Automatic Dependent Surveillance Broadcast (ADS-B) data to add risk indicators for a Mid-Air Collision to the QAR datasets. An algorithm is developed in MATLAB that uses ADS-B data from the website adsbexchange.com and a data management system is implemented. During merging, the QAR position recordings get new timestamps based on a reference time that make them comparable to the ADS-B position recordings of other aircraft. Using the new timestamps, risk indicators along a flight can be calculated, including the distance to the closest aircraft, the airspace density, a check for potential TCAS alerts and the distance to other aircraft during final approach. Furthermore, the evaluation of ADS-B data of aircraft from different airlines shows possible applications of analyzing the risk indicators for comparing risks between airlines and airports.     «

One goal of Flight Data Monitoring is to detect potential accident risks when analyzing Quick Access Recorder (QAR) data recorded on-board an aircraft. However, QAR data does not contain information about surrounding aircraft, which makes it difficult to analyze the accident type Mid-Air Collision. This thesis is concerned with finding means to merge QAR and Automatic Dependent Surveillance Broadcast (ADS-B) data to add risk indicators for a Mid-Air Collision to the QAR datasets. An algorit...     »

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...     »