HAIKU Projesi Çerçevesinde ATM'nin Geleceği: ATM 2050

HAIKU Projesi Çerçevesinde ATM'nin Geleceği: ATM 2050

HAIKU (Human-AI teaming Knowledge and Understanding for aviation safety), Horizon Europe programı kapsamında Eylül 2022'de başlayan ve Ağustos 2025'te tamamlanan 36 aylık bir projedir. HAIKU projesinde ele alınan dört majör alandan biri de ATM’dir ve iki senaryo üzerinden ATM özelinde 2030 ve 2050 yıllarında yaşanabilecek öngörülere odaklanır. Yapay zekâ (YZ) gibi inovasyonların sektörel kabulü ve efektif uygulamalarının zaman alması nedeniyle, 2030 öngörülerinde dijitalizasyona dikkat çekilir ancak günümüzün çok ötesinde değişiklikler beklenmediği vurgulanır. 2050 ATM öngörülerine gelindiğinde ise ATM'in yapısından kontrolörlerin çalışma rollerindeki değişimlere kadar radikal önermeler ön plana çıkar.

HAIKU projesinde ATM alanında yaşanabilecek değişimler ve öngörüler.

ATM 2050 Landscape Başlığı Altındaki Ana Bulgular

2050 yılına gelindiğinde havacılık sektöründe ve hava trafik yönetiminde (SESAR Avrupa ATM Master Planı vizyonuna paralel olarak) şu temel değişimler öngörülmektedir:

• Değişen Yaşam Tarzı ve Ulaşım Alışkanlıkları: Uzaktan çalışmanın yaygınlaşmasıyla iş seyahatlerinde belirgin bir düşüş beklenmektedir. Bu durum iş (business) amaçlı seyahatleri azaltabilir. Ancak bunun yerini talebe bağlı (on-demand) kişisel hava araçları ve yoğun charter/kargo operasyonlarının alacağı tahmin edilmektedir.
• Artan Hava Sahası Yoğunluğu ve Karmaşıklığı: İş seyahatleri azalsa da tatil ve dinlenme amaçlı (leisure) seyahatlerinin artması ve özellikle kentsel hava hareketliliği (UAM) teslimat hizmetlerinin yaygınlaşması nedeniyle hava sahası 2030'a kıyasla çok daha yoğunlaşabilir. Hava sahası kullanıcılarının artması bir yandan operasyonel kompleksiteyi de yükseltirken bir yandan da küresel iklim değişikliğinin etkileriyle beraber meteorolojik aktiviteler hava taşımacılığını hiç olmadığı kadar güçleştirebilir. Uçuş rotalarının anlık hava olaylarına göre YZ tarafından sürekli rota güncellenmesi TBO (Trajectory-Based Operations) kullanımında standart prosedür haline gelebilir.
• Küresel Trafik Entegrasyonu: ATM alanında, UTM (İnsansız Hava Aracı Trafik Yönetimi) ve UAM sistemlerinin küresel entegrasyonuyla ciddi bir paradigma değişimi ortaya çıkabilir. Esnek, merkeziyetsiz ve SWIM (System Wide Information Management) tabanlı bir trafik yönetimi yapısı benimsenebilir. Farklı kullanıcılar için ayrı hava sahası katmanları oluşturulabilir, ancak hepsi tek bir entegre sistemle yönetilebilir.
• Otonom Ayırmalar ve YZ: Hava araçları otonom ayırma (self-separation) sağlayan ve ASAS (Airborne Separation Assurance System) uyumlu gelişmiş sensörlerle donatılabilir. Hava sahası yoğunluğunu önceden tahmin eden ve çatışma çözümlemelerini (conflict resolution) asenkron hesaplayan YZ asistanları devreye girip, etkin çözümlemeler yapabilir.
• Çoklu Uzaktan Kuleler (Multiple Remote Towers): 2050 yılına kadar çoklu uzaktan kule faaliyetlerinin daha da artması beklenmektedir.

Hava sahasının kullanım senaryolarındaki değişim ve ATCO'nun rollerindeki farklılaşmalar.

Hava Trafik Kontrolörlerinin (ATCO) Rollerindeki Değişimler

YZ ve otomasyonun devreye girmesiyle kontrolörlerin rollerinde köklü dönüşümler beklenmektedir:

• Taktiksel Hava Trafik Kontrolünden Akış Yönetimine (Flow Management) Geçiş: Kontrolörlerin rolü, tekil uçakları anlık yönlendirmekten genel trafik akışını denetlemeye ve yönetmeye doğru kayabilir. Özetle taktiksel hava trafik kontrolünün yerini stratejik planlamalar ya da denetleyici roller alabilir.
• Rutin Görevlerin Otomasyonu ve Gözetim Rolü: YZ, standart ve tekrarlayan görevlerin büyük kısmını otonom yürütebilecek kapasiteye erişebilir. Kontrolörler ilk aşamalarda yapay zekânın önerilerini onaylayan/değiştiren "human-on-the-loop" rolünde kalırken, ilerleyen süreçte ise rolleri ağırlıklı olarak gözetim (supervision) ve acil durum yönetimi olabilir. Bu ayrım önemlidir: öneriyi onaylayan kontrolör karar döngüsünün içindedir; gözetim rolündeki kontrolör ise yalnızca sapmalarda müdahale eder ve bu durum “döngü dışında kalma” (out-of-the-loop) performans sorununu gündeme getirebilir.
• İstisna ve Acil Durum Yönetimi: Normal şartlarda trafik YZ asistanları tarafından yönetilirken, kontrolörler yapay zekânın eğitilmediği beklenmedik/istisnai durumlara ve krizlere odaklanmak zorunda kalabilir. Rutin ve tekrarlayan görevlerin yapay zekâya devredilmesiyle, kontrolörün zihinsel yükü hafifletilerek yorgunluğun önlenmesi ve acil/beklenmeyen durumlara daha rahat odaklanabilmesi amaçlanır. Ancak YZ asistanları sayesinde kontrolörlerin karar yorgunluğunun önüne geçileceği düşünülse de anlık gelişen belirsizlik durumları ve acil durumların yönetiminde kontrolörlerin manuel kontrolü alması startle etkisiyle birleşince çeşitli bilişsel problemlere de yol açabilir. (Taktiksel rolün dışına itilmek, kritik anlarda durumsal farkındalığı korumak için daha fazla zihinsel çaba sarf edilmesini gerektirebilir.) Bu durum daha önce ele aldığımız Bainbridge paradoksunda detaylı bir şekilde irdelenmektedir.
• Çoklu Uzaktan Kule Yönetimi: Kontrolörlerin birden fazla havalimanını uzaktan tek bir merkezden yönetmesi gerekebilir, bu durum da yeni bilişsel zorluklar doğurabilir. Zira kontrolörler, fiziki olarak farklı lokasyonlarda bulunan havalimanlarının pist konfigürasyonlarını, hava koşullarını, lokal coğrafi maniaları ve rüzgâr durumlarını tek bir arayüzden takip etmek zorunda kalabilir. Bu durum bölünmüş bir durumsal farkındalık seviyesinin beraberinde sürekli artan bir bağlam geçişi (context switching) bilişsel maliyetine de sebep olabilir.
• Drone / UAM Trafik Denetimi: İnsansız araçların artmasıyla kontrolörler yüzlerce aracı tek tek izlemek yerine yalnızca rotasından sapan veya emniyet riski oluşturan araçları tespit etmeye delege edilebilir. Bu bağlamda drone trafiğinin takibi, uçuş izinleri, rota planlaması ve hava durumu takibi gibi rutin görevlerin büyük kısmı YZ tabanlı akıllı asistanlar ve U-space Hizmet Sağlayıcıları (USSP) tarafından otomatik yürütülebilir.
• Yeni Eğitim ve Beceri İhtiyacı: Yapay zekâya aşırı güvenme (over-reliance) sonucu oluşabilecek beceri kaybı (deskilling) riskini önlemek amacıyla kontrolör eğitimleri ve lisanslama süreçleri yeni otomasyon seviyelerine göre yapılandırılmalıdır.

Kaynaklar:
- HAIKU Project. Human AI teaming Knowledge and Understanding for aviation safety. https://haikuproject.eu/
- CORDIS. Human AI teaming Knowledge and Understanding for aviation safety https://cordis.europa.eu/project/id/101075332/results (alert-passed)