Forecasts of future scenarios for airport noise based on collection and processing of web data

Tässä artikkelissa kuvattu lähestymistapa perustuu Pretton ym. esittelemään lentotapahtumien rekonstruointi- ja melulaskentamenettelyyn. Menettelyä on tässä laajennettu siten, että siinä i) otetaan huomioon lentoaseman alueen topografia ja ii) mahdollistetaan lentokonekannan koostumuksen ja lentoliikenteen määrän vaihteluista johtuvien tulevien melutasojen tehokas ennustaminen. Tämän laajennetun lähestymistavan keskeiset vaiheet on tiivistetty kuvan 1 vuokaavioon, jonka tarkoituksena on tukea lukijaa jäljempänä kuvattujen menetelmävaiheiden ymmärtämisessä.

Kuva 1
kuvio1

Vuokaavio, jossa kuvataan tämän lähestymistavan keskeiset vaiheet. Syöttötiedot on lueteltu vasemmalla puolella

Yhteenveto melun laskentamenetelmästä

Tässä alaluvussa kuvataan lyhyesti tärkeimmät vaiheet, jotka mahdollistavat lentoaseman melukontuurien laskennan ECAC-melumallin ja verkkopohjaisten lentoliikennetietojen avulla, ja keskitytään erityisesti näkökohtiin, joilla on vaikutusta 2.2. kohdasta eteenpäin kuvattuihin toimintoihin. Koko menettely on esitetty yksityiskohtaisesti Pretto et al. .

ECAC Doc.29 -malli ja ANP-tietokanta

Ecac Doc.29 -malli on parhaiden käytäntöjen mukainen segmentoitava lentokonemelun ennustemalli, jonka avulla voidaan laskea lentokoneiden liikkeistä johtuvat melutasot ja melukontuurit lentoasemien ympärillä tietyllä ajanjaksolla. Malli laskee millä tahansa valitulla lentoasemalla halutut kumulatiiviset melumittarit, kuten LAeq,day, LAeq,night, LDEN ja Lmax,avg, asettamalla päällekkäin yksittäisten lentotapahtumien eli lähtevien ja saapuvien lentojen vaikutukset. Kullekin niistä lasketaan yksittäisen tapahtuman äänitasot SEL ja LAmax käyttäen lentoasemaa ympäröivällä kiinnostavalla alueella sijaitsevien äänivastaanottimien ruudukkoa. Kukin näistä kahdesta äänitasosta lasketaan laskemalla päällekkäin sellaisten lentoreittisegmenttien vaikutukset, jotka edustavat ilma-aluksen 3D-liikettä tapahtuman aikana. Nämä segmentit saadaan yhdistämällä maarata, joka edustaa ilma-aluksen liikkeen projisointia maahan, ja lentoprofiili, joka sisältää tietoa maaradan yläpuolella tapahtuvasta pystysuuntaisesta liikkeestä ja siihen liittyvistä lentoparametreista (esim. kalibroitu lentonopeus ja moottorin työntövoima).

Yksittäisen tapahtuman osalta maarata ja lentoprofiili voidaan luoda joko analysoimalla lentoliikennetietoja tai syntetisoimalla ne asianmukaisista menettelytiedoista. Lentoprofiilien tapauksessa nämä tiedot koostuvat sarjasta menettelyvaiheita, joissa määrätään, miten ilma-alusta on lennettävä yksittäisen operaation aikana (lähtö tai saapuminen) nopeuden, korkeuden ja laskusiivekkeiden asetusten osalta. Nämä menettelyvaiheet on lueteltu ANP-tietokannassa , joka sisältää asianmukaiset lentoprofiilit noin 140:lle vertailukelpoiselle ilma-alusmallille, jotka tunnetaan nimellä proxies. Lentoprofiili lasketaan käyttämällä mekaanisia ja kinemaattisia yhtälöitä, jotka edellyttävät tietoa tällaisista profiilisarjoista, ilma-aluksen mallin perusominaisuuksista (esim. ilma-aluksen painosta), jotka myös ovat ANP:n antamia, ja ilmakehäolosuhteista, mikä mahdollistaa moottorin työntövoiman, korkeuden sekä todellisen ja kalibroidun ilmanopeuden laskennan maanpinnan yläpuolella.

Kun yksittäisen lentotapahtuman segmentoitu lentoreitti on saatu selville, segmenttimelutasojen laskenta suoritetaan ECAC:n melusuorittimessa ottamalla huomioon ilma-aluksen suorituskyky kyseisessä segmentissä ja vastaanottimen sijainti. Ensin perusmelutasot interpoloidaan vertailutasoista, jotka tunnetaan nimellä NPD (Noise-Power-Distance) ja jotka pätevät suoralle, äärettömän pitkälle lentoreitille, joka lennetään kiinteällä nopeudella, käyttäen moottorin työntövoiman (tehon) ja segmentin ja vastaanottimen välisen etäisyyden nykyisiä arvoja. Tämän jälkeen tehdään säätöjä, jotta voidaan ottaa huomioon ilmakehäolosuhteet, muu kuin vertailunopeus, lentokoneen moottoreiden sijainti, kallistuskulma, äärellinen segmentin pituus, äänen suuntautuvuus kiitotien liikkeiden aikana ja käänteinen työntövoima. Tämän jälkeen kaikki segmenttien melutasot asetetaan päällekkäin ja SEL ja LAmax määritetään yhdessä vastaanottopisteessä. Prosessi toistetaan kaikille vastaanottimille, jolloin yksittäisen tapahtuman melutason laskenta on valmis.

Integrointi verkkopohjaisiin lentoliikennetietoihin

Ecac-mallin soveltaminen yksittäisen tapahtuman melutasojen laskemiseen edellyttää lentotapahtuman täydellistä kuvausta. Tämä saadaan keräämällä tietoja Internetistä. Ydintiedot saadaan lentoseurantapalvelu Flightawaresta, johon kesäkuussa 2018 haettiin raakalentoliikennetietoja yhdeksältä eurooppalaiselta lentoasemalta, jolloin saatiin noin 11 000 lentohistoriaa. Kukin lentohistoria sisältää tietyn ilma-aluksen 3D-sijainnit ja -nopeudet, jotka on järjestetty ajallisesti ja 15 sekunnin välein, ja jotka tavallisesti tunnistetaan sen rekisteritunnuksen ja ICAO-tyyppitunnuksen perusteella. Kaikki lentoasemien sijainnit ja kiitotiet haettiin OurAirports -sivustolta, kun taas Airlinerlist -sivustoa käytettiin rakentamaan offline-tietokanta, joka yhdistää rekisteröinnin tiettyyn ilma-aluksen malliin.

Koska raakalentohistoriat olivat toisinaan virheellisiä, niistä puuttui usein jälki muista kuin ilmassa tapahtuneista liikkeistä ja ilma-aluksen mallia ei koskaan ilmoitettu nimenomaisesti, haetut lentotiedot esikäsiteltiin edellä mainituilla kiitotie- ja ilma-alustiedoilla lentojen liikkeiden rekonstruoimiseksi ja lähtö- ja tuloreitin sekä ilma-aluksen mallin palauttamiseksi. Jälkimmäistä käytettiin sitten ANP-korvaustaulukkoon, joka on työkalu, joka yhdistää tietyn mallin sopivaan ANP-varamerkkiin, mikä mahdollistaa melulaskennan ECAC-mallin avulla. Tietylle malli-käyttömalliparille on lueteltu useita kokoonpanoja, jotka eroavat toisistaan lähinnä moottorivaihtoehdon ja -painon ja siten myös melutuloksen osalta. Tämän vuoksi ANP-taulukoissa annetaan useita arvoja korjauskertoimelle, jota kutsutaan ”vastaavien tapahtumien lukumääräksi” (Neq), jotta voidaan muuttaa sijaismelutasoja tietyn ilma-aluskokoonpanon mukaan. Koska eri konfiguraatioita ei voitu hakea, kullekin mallille muodostettiin keskimääräinen konfiguraatio, ja valtakirjalle määritettiin kaksi keskimääräistä ekvivalenttitapahtumien lukumäärää (eri lähteville ja saapuville lentokoneille). Jos ilma-aluksen rekisteritietoja ei ollut saatavilla, voitiin käyttää toista ANP-korvaustaulukkoa suoran ICAO-tunnuksen ja sijaislentäjän välisen assosiaation saamiseksi, koska vain yksi konfiguraatio on lueteltu eikä keskiarvon laskemista tarvita.

Valittujen lentoasemien yksittäisen lähtö- ja saapumistapahtuman aikana rekonstruoituja lentoliikkeitä käytetään yhdessä ilma-alustietojen kanssa segmentoidun lentoreitin rakentamiseen. Kussakin lentotapahtumassa maarata rakennetaan analysoimalla 2D-paikkatietoja, kun taas lentoprofiili syntetisoidaan ECAC-menettelyn vaiheista, koska peräkkäisten lentotallenteiden välinen aikaväli (15 s) on liian suuri, jotta moottorin työntövoiman luotettava rekonstruointi voitaisiin taata pelkästään nopeus- ja korkeustietojen perusteella.

Melukarttojen generointi

Alkuperäisessä sovelluksessa kutakin lentokenttää tutkittiin erikseen, ja kaikki tiettynä päivänä esiintyvät lentotapahtumat tunnistettiin. Kullekin tapahtumalle muodostettiin segmentoitu lentoreitti, ja sen osuus lentoaseman melusta laskettiin 11 881 vastaanottimen neliöruudukkoon, joka oli sijoitettu noin 450 metrin välein sekä x- että y-suunnassa samaan korkeuteen kuin lentoaseman vertailupiste (ARP). Lopuksi kaikkien lentotapahtumien aiheuttamat äänitasot asetettiin päällekkäin, jotta saatiin päivittäiset kumulatiiviset melumittarit ja siten päivittäiset melukontuurit lentoaseman alueella.

Topografiset tiedot huomioon ottava melulaskenta

Paikallisella topografialla (eli lentoasemaa ympäröivien maanpintojen korkeusasemalla) voi olla huomattava vaikutus lentoaseman ympärillä oleviin melutasoihin, mikä johtuu pääasiassa vastaanottimien kohoasennosta, joka vaikuttaa vastaanottimien etäisyyteenkin lentoreittisegmenteistä. Lisäksi paikallisten korkeuksien tunteminen mahdollistaa lentoaseman kiitoteiden paremman kuvauksen, ja myös lentokoneiden maaliikkeiden rekonstruointiin voidaan vaikuttaa. Seuraavissa alaluvuissa selitetään, miten maaston korkeusasemat otetaan huomioon tässä melulaskentamenetelmässä.

Topografisten tietojen hankinta ja toteutus

Topografisten tietojen lähteenä tässä analyysissä on sarja Euroopan alueen digitaalisia korkeusmalleja (DEM), joihin sisältyvät kaikki tutkitut lentoasemat. Noin 1500 DEM-mallia, joista kukin on yhden asteen levyinen sekä leveys- että pituusasteella ja joiden resoluutio on 3 kaarisekunnin tarkkuudella, ladattiin WebGIS-sivustolta ja jälkikäsiteltiin sopivalla tavalla, jotta saatiin yksi korkeuskartta koko Euroopasta 2D-verkon muodossa. Kaikkien ARP-alueiden ja kiitoteiden korkeudet laskettiin ruudukkotietojen bilineaarisella interpoloinnilla, ja kullekin kiitotielle määritettiin yksi korkeusarvo (sen keskipisteen korkeusarvo) ja kaltevuus (käyttämällä sen kahden pään korkeuksia). Tämä johtuu siitä, että ECAC:n mekaaninen malli perustuu tasaisiin kiitoteihin, mutta siinä voidaan ottaa huomioon kiitotien kaltevuus lentoonlähdön aikana. Sama interpolointi suoritettiin jokaisen lentoaseman ympärillä jokaiselle melulaskentaan osallistuvalle vastaanottopisteelle.

Näkyvyyslinjan eston oikaisu

Näkyvyyslinjan (LOS) esto on äänenvaimennus, joka johtuu siitä, että äänilähteen ja vastaanottimen välisellä suoralla etenemisreitillä on jokin este. Luonnon rakenteet, kuten vuoret ja kukkulat, voivat toimia ”äänisuojina”, jotka taittavat ääniaaltoja ja siten alentavat huomattavasti melutasoa niiden takana. ECAC-malli ei ota huomioon tätä vaikutusta, mutta FAA:n AEDT-malli ottaa sen huomioon erityisen LOS-korjauksen avulla. Koska AEDT-melulaskenta perustuu ECAC-malliin, tämä oikaisu voidaan helposti toteuttaa tässä menetelmässä.

AEDT:n mukaan LOS-korjaus, LOSadj, lasketaan yhdessä moottorin asennuksen, ΔI(φ), ja sivuttaisvaimennuksen, Λ(β,l), kanssa kullekin lentoreittisegmentti- ja vastaanotinparille (ΔI:n, Λ:n, depressiokulman φ, korkeuskulman β ja sivusiirtymän l määritelmistä katso ). Sitten näitä arvoja verrataan, jotta voidaan arvioida niiden kokonaisvaikutus ECAC:n melumoottorissa käytettävän ”sivuttaiskorjauksen” LAcorr avulla:

$$ L{A}_{corr}=\max\;\left $$
(1)

LOSadj:n laskeminen edellyttää, että kullekin segmentti-vastaanotin-parille määritetään, onko äänen suora etenemisreitti estynyt ja jos on, kuinka paljon. Tämä tehdään tässä sovelluksessa vertaamalla suoran etenemisreitin (yksinkertainen suora segmentti, joka yhdistää lentoreitin ja vastaanottimen) paikallista korkeutta maaston korkeuteen. Maaston huomioon ottamiseksi otetaan näytepiste noin 300 metrin välein, ja sen korkeus lasketaan bilineaarisen interpoloinnin avulla käyttäen neljää ympäröivää vastaanottimen pistettä. Lopuksi lasketaan paikallisen maaston korkeuden ja etenemisreitin korkeuden erot, ja suurinta arvoa käytetään LOSadj:n laskemiseen AEDT-menettelyn mukaisesti.

Lentokaluston korvausalgoritmi

Lentoliikenteen tulevien meluvaikutusten arvioinnissa on otettava huomioon lentokaluston koostumuksen muutos. Kun vanhaa lentokonetta ei voida enää käyttää, se poistetaan käytöstä ja korvataan uudemmalla, yleensä hiljaisemmalla mallilla. Tässä sovelluksessa on kehitetty laivaston korvaava algoritmi, jonka avulla voidaan päivittää lentokonekanta vuodesta 2018 vuoteen 2025 käyttäen ANP-tietokantaa uudempien lentokonemallien melu- ja suorituskykytietojen lähteenä. Korvausalgoritmi on jaettu kolmeen vaiheeseen:

  1. 1)

    korvattavien ilma-alusten tunnistaminen;

  2. 2)

    korvaavien ilma-alusmallien tunnistaminen;

  3. 3)

    uuden mallin osoittaminen vanhoihin lentotapahtumiin.

Ensimmäisessä vaiheessa jokaisen lentokoneen ikä lentotapahtuman ajankohtana otetaan talteen käyttämällä kohdassa 2.1.2 mainittua offline-tietokantaa lentokonemalleista ja rakennetaan uusi tietokanta vuodelle 2025 kasvattamalla jokaisen lentokoneen ikää 7 vuodella. Tämän jälkeen kaikki ilma-alukset, joiden ikä ylittää 22 vuotta, katsotaan sopiviksi korvattaviksi. Ikäraja perustuu Yhdistyneen kuningaskunnan ilmailuennusteissa käytetyn laivastomallin lievään yksinkertaistamiseen.

Toisessa vaiheessa päätetään, mitkä ilma-alukset soveltuvat parhaiten edustamaan tulevaa laivastoa. Tässä yhteydessä on otettava huomioon kaksi näkökohtaa: i) vaikka lähivuosina uuden sukupolven lentokoneiden odotetaan hallitsevan markkinoita (esim. A320neo), joitakin nykyisen sukupolven malleja myydään edelleen ; ii) koska ANP-tietokanta päivitettiin viimeksi helmikuussa 2018, osa uuden sukupolven malleista, joiden odotetaan olevan käytössä vuoteen 2025 mennessä, ei ole vielä luettelossa, koska ne ovat pääosin sellaisia, joilla ei ole tuolloin vielä virallista meluhyväksyntää.

Edellä esitettyjen näkökohtien perusteella korvaavia lentokonetyyppejä sisältävä tarjontapooli muodostetaan seuraavasti. Ensiksi pooli jaetaan 10 luokkaan lentokoneen koon mukaan, jota edustavat enimmäispaino ja likimääräinen paikkamäärä. Toiseksi kunkin luokan osalta tunnistetaan ja haetaan ensimmäisestä ANP-korvaustaulukosta ne lentokonemallit, jotka ovat luokkansa parhaita meluteholtaan, ja kullekin mallille muodostetaan keskimääräinen kokoonpano 2.1.2 kohdassa esitetyllä tavalla. Tulokset on lueteltu taulukossa 1, josta käy myös ilmi, että yhteen luokkaan valitaan useita malleja. Tämä tehdään joko siksi, että tällaisilla malleilla on samankaltainen melutulos, tai siksi, että ne edustavat paremmin painon vaihtelua tietyn luokan sisällä.

Taulukko 1 Tarjouspooli parhaista ANP:n käytettävissä olevista ANP:n mukaisista lentokonemalleista uutta lentokonekalustoa varten vuonna 2025

Kolmas ja viimeinen vaihe on varsinainen lentokaluston muuttaminen. Kullekin korvattavaksi soveltuvalle ilma-alukselle määritetään sen alkuperäisen ANP-välittäjän MTOW, ja tätä parametria käytetään tarjontapooli-luokan määrittämiseen. Uusi malli valitaan satunnaisesti lukuun ottamatta luokkaa < 190 000, jossa päätettiin säilyttää vuoden 2018 markkinaosuus johtavien valmistajien Airbusin ja Boeingin välillä korvaamalla vanhat lentokoneet saman yhtiön malleilla. Huomattakoon, että valinnalla saman luokan sisällä varmistetaan, että vanha maastorata on aina yhteensopiva uuden ilma-aluksen kanssa erityisesti maaliikkeiden ja kääntösäteiden osalta.

Lisälentotapahtumien generointi

Konekannan kehittymisen huomioon ottamisen lisäksi tulevien lentoliikenneskenaarioiden ennusteissa olisi otettava huomioon myös lentojen määrän mahdollinen lisääntyminen. Vaikka ilma-alukset poistuvat käytöstä yksilöllisesti, uusien lentotapahtumien määrä ja ominaisuudet riippuvat kuitenkin monista tekijöistä maailmanlaajuisella, kansallisella ja paikallisella tasolla. Tässä sovelluksessa maailmanlaajuiset ja kansalliset tekijät otetaan huomioon käyttämällä EUROCONTROLin virallisia 7-vuotisia liikenne-ennusteita, joita sovelletaan paikallisesti kiinnostavaan lentoasemaan ja tarkistetaan, onko ennustettu lisäys yhteensopiva lentoaseman ominaisuuksien ja rajoitusten (esim. kiitotiejärjestelmän enimmäiskapasiteetti) kanssa.

Kun lentoasema on valittu ja sen odotettavissa oleva liikennemäärän lisäys on saatu selville, lentotapahtumien luomisessa käytetään lentotapahtumien luomisalgoritmia tarvittavan ylimääräisten lentokoneiden liikkumismäärän luomista varten. Tätä algoritmia sovelletaan yhden päivän tapahtumiin laivaston vaihdon jälkeen, ja siinä hyödynnetään olemassa olevia tietovarantoja liikenteen lisäyksen simuloimiseksi. Se koostuu kolmesta vaiheesta:

  1. 1)

    olemassa olevien lentotapahtumien jakaminen 60 alaluokkaan kolmen parametrin mukaan;

  2. 2)

    uusien lentotapahtumien määrän hakeminen kuhunkin alaluokkaan;

  3. 3)

    lentotapahtumien luominen kuhunkin alaluokkaan.

Ensimmäisessä vaiheessa lentotapahtumat luokitellaan taulukossa 2 ilmoitettujen kolmen parametrin mukaan. 60 (2 × 10 × 3) alaluokkaa ilmaisevat liikenteen jakautumisen tietyllä lentoasemalla, mikä osoittaa, mitkä toiminnot ovat yleisimpiä tietyn kokoisille ilma-aluksille tiettynä 24 tunnin vuorokauden aikana. Tämä jaottelu osoittaa, miten valittu lentoasema toimii, ja siinä korostuvat luontaiset rajoitukset (esim. suurten lentokoneiden yölentojen välttäminen), joiden vuoksi joihinkin alaluokkiin ei ole rekisteröity lainkaan tapahtumia. Näin ollen taulukossa 2 esitetyn luokittelun käyttöönotto mahdollistaa strategian, jolla lentoaseman lentoliikennettä voidaan lisätä johdonmukaisesti.

Taulukko 2 Olemassa olevien lentotapahtumien luokittelussa käytetyt parametrit

Toisessa vaiheessa kaikkiin 60 alaluokkaan sovelletaan tiedossa olevaa prosentuaalista liikennemäärän lisäystä, ja kullekin alaluokalle etsitään lisättävien lentotapahtumien määrä. Koska nämä luvut eivät ole kokonaislukuja, kaikki 60 arvoa lasketaan lattialle, ja jäljelle jäävät murto-osat jaetaan uudelleen niiden alaluokkien kesken, joiden tapahtumien lukumäärä on lähimpänä kokonaislukua. Tässä vaiheessa oletetaan, että lentoliikenne vuonna 2025 säilyttää valitulla lentoasemalla vuonna 2018 havaitun lentotapahtumien jakauman.

Kolmannessa vaiheessa uudet lentotapahtumat luodaan erikseen kullekin alaluokalle. Jos m on lisätapahtumien määrä tietylle alaluokalle, tunnistetaan kyseisen alaluokan vuonna 2018 havaitut n tapahtumaa, ja niistä valitaan satunnaisesti m ja monistetaan ne. Tämä operaatio, joka suoritetaan kaikissa alaluokissa, tuottaa kaikki tapahtumat, joita tarvitaan lisääntyneen lentoaseman liikenteen simuloimiseksi.

Loppuhuomautuksena todettakoon, että tämä algoritmi kehitettiin yksinomaan kumulatiivisten melumittareiden laskemiseksi ennustetuissa liikenneskenaarioissa, eikä siinä näin ollen oteta huomioon lennonjohtoon liittyviä käytäntöjä, kuten liikenteen erottelua tai tapahtumien ajallista uudelleenjärjestelyä, jotta ne voidaan sovittaa uusiin lentoliikkeisiin. Mahdolliset lentoaseman rajoitukset, kuten kiitotiejärjestelmän kapasiteetti, otetaan asianmukaisesti huomioon algoritmia sovellettaessa.

Leave a Reply

Vastaa

Sähköpostiosoitettasi ei julkaista.