Förutsättningar av framtida scenarier för flygplatsbuller baserat på insamling och bearbetning av webbdata

Det tillvägagångssätt som beskrivs i det här dokumentet bygger på det förfarande för rekonstruktion av flyghändelser och beräkning av buller som infördes av Pretto m.fl. Detta förfarande utvidgas här för att i) ta hänsyn till flygplatsområdets topografi och ii) möjliggöra en effektiv förutsägelse av framtida bullernivåer till följd av variationer i flygplansflottans sammansättning och flygtrafikvolym. De viktigaste stegen i detta utvidgade tillvägagångssätt sammanfattas i flödesschemat i figur 1, som syftar till att hjälpa läsaren att förstå de metodologiska steg som beskrivs nedan.

Fig. 1
figure1

Flödesschema som beskriver de viktigaste stegen i det nuvarande tillvägagångssättet. Indata anges på vänster sida

Sammanfattning av förfarandet för beräkning av buller

Detta underavsnitt beskriver kortfattat de viktigaste stegen som gör det möjligt att beräkna flygplatsens bullerkonturer med hjälp av ECAC:s bullermodell och webbaserade flygtrafikdata, med särskild inriktning på de aspekter som påverkar den verksamhet som beskrivs från och med avsnitt 2.2 och framåt. Hela förfarandet beskrivs i detalj av Pretto et al. .

ECAC Doc.29-modellen och ANP-databasen

ECAC Doc.29-modellen är en modell för prognostisering av flygplansbuller med bästa praxis för segmentering som gör det möjligt att beräkna bullernivåer och bullerkonturer runt flygplatser på grund av flygplansrörelser under en viss tidsperiod. Vid varje vald flygplats beräknar modellen de önskade kumulativa bullermåtten, t.ex. LAeq,dag, LAeq,natt, LDEN och Lmax,avg, genom att överlagra effekterna av enskilda flyghändelser, dvs. avgångar och ankomster. För var och en av dem beräknas ljudnivåerna SEL och LAmax för enskilda händelser med hjälp av ett rutnät av ljudmottagare i den intressanta regionen runt flygplatsen. Var och en av dessa två ljudnivåer beräknas genom att effekterna av en uppsättning flygbanesegment, som representerar flygplansrörelsen i 3D över tiden under händelsen, läggs över varandra. Dessa segment erhålls genom att sammanfoga markspåret, som representerar markprojektionen av flygplansrörelsen, med flygprofilen, som innehåller information om den vertikala rörelsen ovanför markspåret och tillhörande flygparametrar (t.ex. kalibrerad lufthastighet och motorstyrka).

För en enskild händelse kan markspåret och flygprofilen genereras antingen genom analys av flygrörelsedata eller genom syntes från lämplig procedurinformation. När det gäller flygprofiler består denna information av en serie procedursteg som föreskriver hur luftfartyget måste flygas under en enskild operation (avgång eller ankomst) med avseende på hastighet, höjd och klaffinställningar. Dessa procedursteg förtecknas i ANP-databasen , som innehåller lämpliga flygprofiler för cirka 140 referensflygplansmodeller, så kallade proxies. En flygprofil beräknas med hjälp av mekaniska och kinematiska ekvationer som kräver kunskap om sådana profiluppsättningar, grundläggande flygplansmodellegenskaper (t.ex. flygplansvikt) som också tillhandahålls av ANP, och atmosfäriska förhållanden, vilket gör det möjligt att beräkna motorns dragkraft, höjd och verkliga och kalibrerade lufthastigheter ovanför markbanan.

När den segmenterade flygbanan för en enskild flygning har erhållits, utförs beräkningen av segmentens bullernivåer i ECAC:s bullermotor genom att hänsyn tas till flygplansprestanda inom det givna segmentet och mottagarens placering. Först interpoleras de grundläggande bullernivåerna från referensnivåer, kända som ”Noise-Power-Distance”-data (NPD) och giltiga för en rak, oändligt lång flygbana som flygs med fast hastighet, med hjälp av de aktuella värdena för motorns dragkraft (effekt) och avståndet mellan segmentet och mottagaren. Därefter görs justeringar för att ta hänsyn till atmosfäriska förhållanden, icke-referenshastighet, flygplansmotorernas position, lutningsvinkel, ändlig segmentlängd, ljudriktning under landningsbanans rörelser och omvänd dragkraft. Alla segmentens bullernivåer läggs sedan över varandra och SEL och LAmax hittas vid en enda mottagarpunkt. Processen upprepas för alla mottagare, vilket innebär att beräkningen av buller vid enstaka händelser avslutas.

Integration med webbaserade flygtrafikdata

Användningen av ECAC-modellen för beräkning av bullernivåer vid enstaka händelser kräver en fullständig beskrivning av flyghändelsen. Detta erhålls genom datainsamling från Internet. Den centrala informationen kommer från flight tracker Flightaware, som genomsöktes i juni 2018 för att samla in obearbetade flygtrafikdata på nio europeiska flygplatser och hämtade cirka 11 000 flyghistorier. Varje flyghistorik innehåller 3D-positioner och hastigheter, ordnade i tid och med 15 s mellanrum, för ett visst flygplan, som normalt identifieras via dess registrering och ICAO-typbeteckning. Alla flygplatser och landningsbanor hämtades från webbplatsen OurAirports , medan webbplatsen Airlinerlist användes för att bygga upp en offline-databas som associerar registreringen med den specifika flygplansmodellen.

Eftersom de obearbetade flyghistorikerna ibland var inkorrekta, ofta saknade spår av rörelser som inte skedde i luften och flygplansmodellen aldrig rapporterades uttryckligen, förbehandlades de hämtade flygdata med hjälp av den information om landningsbanor och luftfartyg som nämndes ovan för att rekonstruera flygrörelsen och återskapa avgångs- och ankomstbanan och flygplansmodellen. Det sistnämnda användes sedan för att komma in i den huvudsakliga ANP-substitutionstabellen, som är ett verktyg som associerar en specifik modell med en lämplig ANP-proxy, vilket gör det möjligt att beräkna buller med hjälp av ECAC-modellen. Många konfigurationer förtecknas för det givna modell-proxy-paret, som främst skiljer sig åt i fråga om motorvariant och vikt, och därmed i fråga om bullerutfallet. Därför anges i ANP-tabellerna flera värden för en korrigeringsfaktor som kallas ”antal ekvivalenta händelser”, Neq, för att ändra bullernivåerna i proxynivån i enlighet med den specifika flygplanskonfigurationen. Eftersom de olika konfigurationerna inte kunde hämtas, skapades en genomsnittlig konfiguration för varje modell, och två genomsnittliga antal ekvivalenta händelser (olika för avgångar och ankomster) tilldelades proxynumret. När flygplansregistreringen inte var tillgänglig kunde en andra ANP-substitutionstabell användas för att erhålla en direkt ICAO-beteckning-proxyassociation, eftersom endast en konfiguration förtecknas och ingen medelvärdesberäkning behövs.

De rekonstruerade flygrörelserna under en enskild avgångs- eller ankomsthändelse på den utvalda flygplatsen används tillsammans med flygplansinformationen för att konstruera den segmenterade flygbanan. Vid varje flyghändelse byggs markspåret upp genom analys av 2D-positionsdata, medan flygprofilen syntetiseras från ECAC-procedurstegen, eftersom tidsavståndet mellan på varandra följande flygregistreringar (15 s) är för stort för att säkerställa en tillförlitlig rekonstruktion av motorns dragkraft enbart från hastighets- och höjdinformation.

Generering av bullerkonturkartor

I den ursprungliga tillämpningen undersöktes varje flygplats för sig och alla flyghändelser som inträffade under en viss dag identifierades. För varje händelse byggdes den segmenterade flygbanan upp och dess bidrag till flygplatsbullret beräknades i ett kvadratiskt rutnät med 11 881 mottagare som placerades var 450:e meter i både x- och y-led, på samma höjd som flygplatsens referenspunkt (ARP). Slutligen överlagrades ljudnivåerna från alla flyghändelser för att erhålla dagliga kumulativa bullermått och därmed dagliga bullerkonturer i flygplatsområdet.

Bullerberäkning som tar hänsyn till topografiska data

Lokal topografi (dvs. höjden på markytor runt flygplatsen) kan ha ett icke försumbart inflytande på bullernivåerna runt en flygplats, främst på grund av mottagarpunkternas höjd, vilket påverkar deras avstånd från flygvägssegmenten. Kunskap om lokala höjningar gör det dessutom möjligt att förbättra beskrivningen av flygplatsens start- och landningsbanor, och rekonstruktionen av flygplanens markrörelser kan också påverkas. I de följande underavsnitten förklaras hur terrängens höjd beaktas i det aktuella förfarandet för bullerberäkning.

Förvärv och genomförande av topografiska data

Källan till topografiska data för den här analysen är en serie digitala höjdmodeller (DEM) av det europeiska territoriet, som omfattar alla de studerade flygplatserna. Cirka 1 500 DEM, var och en med en bredd på 1 grad i både latitud och longitud och med en upplösning på 3 bågsekunder, hämtades från webbplatsen WebGIS och efterbehandlades på lämpligt sätt för att få fram en enda höjdkarta för hela Europa i form av ett 2D-nät. Höjderna för alla ARP och start- och landningsbanor beräknades genom bilinjär interpolation av rutnätsdata, och varje start- och landningsbana tilldelades ett enda höjdvärde (det för dess mittpunkt) och en lutning (med hjälp av höjden för dess två ändar). Detta beror på att ECAC:s mekaniska modell bygger på plana banor, men att den kan ta hänsyn till banans lutning under en start. Samma interpolering utfördes runt varje flygplats för varje mottagarpunkt som ingick i bullerberäkningen.

Justering av synlighetsblockering

Synlighetsblockering är den ljuddämpning som beror på förekomsten av ett hinder längs den direkta spridningsvägen mellan källan och mottagaren. Naturliga strukturer som berg och kullar kan fungera som ”ljudsköldar” och diffraktera ljudvågor och därmed sänka ljudnivåerna bakom dem avsevärt. ECAC-modellen tar inte hänsyn till denna effekt, men FAA:s AEDT-modell gör det genom en särskild LOS-justering. Eftersom AEDT:s bullerberäkning bygger på ECAC-modellen kan denna justering enkelt genomföras i den nuvarande metoden.

Enligt AEDT beräknas LOS-justeringen, LOSadj, tillsammans med motorinstallationen, ΔI(φ), och den laterala dämpningen, Λ(β,l), för varje par av flygvägssegment och mottagare (för definitionerna av ΔI, Λ, nedtryckningsvinkel φ, upphöjningsvinkel β och lateral förskjutning l se ). Därefter jämförs dessa värden för att uppskatta deras totala effekt genom en ”lateral korrigering”, LAcorr, som skall användas i ECAC:s bullermotor:

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

Beräkningen av LOSadj kräver att man för varje segment-mottagarpar bestämmer om den direkta ljudutbredningsvägen hindras, och i så fall hur mycket. Detta görs i denna tillämpning genom att jämföra den lokala höjden för den direkta spridningsvägen (ett enkelt rakt segment som förbinder flygbana och mottagare) med terrängens höjd. För att ta hänsyn till terrängen tas en provpunkt var 300:e meter och dess höjd beräknas genom en bilinjär interpolation med hjälp av de fyra omgivande mottagarpunkterna. Slutligen beräknas skillnaderna mellan den lokala terränghöjden och spridningsvägens höjd, och det högsta värdet används för att beräkna LOSadj enligt AEDT-förfarandet.

Algoritm för ersättning av flygplansflottor

För alla bedömningar av den framtida bullerpåverkan från luftfarten är en viktig aspekt som måste beaktas förändringen av flygplansflottans sammansättning. När ett gammalt flygplan inte längre kan användas, tas det ur bruk och ersätts med en nyare, i allmänhet tystare, modell. En algoritm för ersättning av flygplansflottan har utvecklats i denna ansökan för att uppdatera flygplansflottan från 2018 till 2025, med ANP-databasen som källa för buller- och prestandadata för de nyare flygplansmodellerna. Substitutionsalgoritmen är uppdelad i tre steg:

  1. 1)

    identifiering av de luftfartyg som ska ersättas;

  2. 2)

    identifiering av de ersättande luftfartygsmodellerna;

  3. 3)

    tilldelning av den nya modellen till gamla flyghändelser.

I det första steget återfinns åldern på varje luftfartyg vid tidpunkten för flyghändelsen med hjälp av den offline-databas för luftfartygsmodeller som nämns i avsnitt 2.1.2, och en ny databas för 2025 byggs upp genom att åldern på varje luftfartyg ökas med 7 år. Därefter anses alla luftfartyg vars ålder överstiger 22 år vara lämpliga att ersätta. Gränsåldern härrör från en liten förenkling av den modell för sammansättning av flygplansflottan som används för prognoserna för den brittiska luftfarten.

Det andra steget består i att bestämma vilka luftfartyg som är bäst lämpade att representera den framtida flygplansflottan. I detta avseende måste man ta hänsyn till två aspekter: i) medan nya flygplansgenerationer förväntas dominera marknaden under de närmaste åren (t.ex. A320neo), säljs fortfarande en del modeller av den nuvarande generationen; ii) eftersom ANP-databasen senast uppdaterades i februari 2018 finns en del av de nya flygplansgenerationer som väntas till 2025 ännu inte med i förteckningen, främst på grund av att de då inte hade någon officiell bullercertifiering.

I ljuset av ovanstående överväganden byggs utbudspoolen som innehåller ersättningsflygplansmodellerna upp på följande sätt. För det första delas poolen in i 10 kategorier enligt flygplanets storlek, representerad av maximal vikt och ungefärligt antal säten. För det andra identifieras för varje kategori de flygplansmodeller som är bäst i klassen när det gäller ljudnivå och hämtas från den första ANP-substitutionstabellen, och en genomsnittlig konfiguration för varje modell byggs upp i enlighet med vad som förklaras i avsnitt 2.1.2. Resultaten anges i tabell 1, som också visar att flera modeller väljs för en enskild kategori. Detta görs antingen för att sådana modeller har ett liknande bullerutbyte, eller för att bättre representera viktvariationen inom en viss kategori.

Tabell 1 Leveranspool av de bästa ANP-tillgängliga flygplansmodellerna för den nya flygplansflottan år 2025

Det tredje och sista steget är den egentliga flottmodifieringen. Varje flygplan som lämpar sig för substitution tilldelas MTOW för sin ursprungliga ANP-proxy, och denna parameter används för att identifiera kategorin i utbudspoolen. Den nya modellen väljs slumpmässigt utom för kategori < 190 000, där man beslutade att bevara 2018 års marknadsfördelning mellan de ledande tillverkarna Airbus och Boeing genom att ersätta de äldre flygplanen med modeller från samma företag. Observera att valet inom samma kategori säkerställer att den gamla markbanan alltid är kompatibel med det nya flygplanet, särskilt när det gäller markrörelser och svängradier.

Generering av ytterligare flyghändelser

Förutom att ta hänsyn till utvecklingen av flygplansflottan bör prognoser av framtida scenarier för flygtrafiken också ta hänsyn till en eventuell ökning av antalet flygrörelser. Medan flygplan pensioneras på individuell basis beror emellertid antalet och egenskaperna hos nya flyghändelser på flera faktorer på global, nationell och lokal nivå. I denna tillämpning beaktas globala och nationella faktorer med hjälp av officiella sjuåriga trafikprognoser från Eurocontrol, som tillämpas lokalt på den aktuella flygplatsen för att kontrollera om den förväntade ökningen är förenlig med dess egenskaper och begränsningar (t.ex. maximal kapacitet för start- och landningsbanor).

När en flygplats har valts ut och den förväntade trafikökningen har tagits fram används en algoritm för generering av flyghändelser för att skapa det antal ytterligare flygplansrörelser som krävs. Denna algoritm tillämpas på händelserna för en enda dag efter flottavbytet och utnyttjar de befintliga datatillgångarna för att simulera trafikökningen. Den består av tre steg:

  1. 1)

    uppdelning av befintliga flyghändelser i 60 underklasser enligt tre parametrar;

  2. 2)

    hämtning av antalet nya flyghändelser i varje underklass;

  3. 3)

    generering av flyghändelserna för varje underklass.

I det första steget klassificeras flyghändelserna enligt de tre parametrar som redovisas i tabell 2. De 60 (2 × 10 × 3) underklasserna uttrycker trafikfördelningen på en viss flygplats och visar vilka operationer som är vanligast för flygplan av en viss storlek under en viss del av dygnet. Denna uppdelning visar hur den valda flygplatsen fungerar och betonar inneboende begränsningar (t.ex. att undvika avgångar med stora flygplan på natten) som resulterar i att inga händelser registreras i vissa underklasser. Införandet av klassificeringen i tabell 2 möjliggör därför en strategi för att på ett sammanhängande sätt öka flygtrafiken på flygplatsen.

Tabell 2 Parametrar som används för att klassificera befintliga flyghändelser

I det andra steget tillämpas en känd procentsats för trafikökning på alla 60 underklasser, och för var och en av dessa hittas det antal flyghändelser som ska läggas till. Eftersom dessa tal inte är heltal golvas alla 60 värden, och de återstående bråkdelarna omfördelas mellan de underklasser som har ett antal händelser som ligger närmast ett heltal. Detta steg innebär antagandet att flygtrafiken år 2025 kommer att bevara den uppdelning av flyghändelser som observerades på den valda flygplatsen 2018.

I det tredje steget genereras de nya flyghändelserna separat för varje underklass. Om m är antalet ytterligare händelser för en viss underklass identifieras de n händelser som registrerades 2018 för den underklassen, och m av dem väljs slumpmässigt ut och dupliceras. Denna operation, som utförs i alla underklasser, ger alla händelser som behövs för att simulera den ökade trafiken på flygplatsen.

Som en sista anmärkning kan nämnas att denna algoritm utformades med det enda syftet att beräkna kumulativa bullermått i samband med prognostiserade trafikscenarier och att den därför inte tar hänsyn till ATC-relaterade metoder, t.ex. trafikseparering eller tidsmässig omorganisering av händelser för att ta hänsyn till nya flygrörelser. Eventuella begränsningar för flygplatser, t.ex. kapacitet för start- och landningsbanor, tas vederbörligen med i beräkningen vid tillämpningen av algoritmen.

Lämna ett svar

Lämna ett svar

Din e-postadress kommer inte publiceras.