Mapping AIXM Schema and Instance Data To RDF(S)

Air traffic in Europe is currently increasing and with it the workload of the air traffic control operators. Furthermore, the number of aircraft and flights in air traffic for a given sector is constrained by the available resources of the air traffic control operators, which means that the workload of the air traffic control operators grows when air traffic is increasing. Air traffic control operators can lose situational awareness if a certain level of air traffic is exceeded. This, in turn, leads to unsafe decisions. In order to prevent the aforementioned risks, a situationally aware system is needed. Therefore, the collaborative research project AISA investigates the use of artificial intelligence in air traffic management; this master’s thesis started as a preliminary study for the AISA project. The AISA project aims to build a situationally aware system to support air traffic control operators in their work. The input that is needed for this situationally aware system are the messages that are exchanged within air traffic management using the Aeronautical Information Exchange Model (AIXM), among other exchange models. In order to enable logical reasoning within a situationally aware system, it is beneficial to map AIXM input to RDF(S), which is a foundational technology for the Semantic Web and symbolic artificial intelligence.

The goal of this thesis is the development of a transformation procedure for the mapping of the AIXM schema to RDFS as well as the development of mapping rules to transform AIXM instance data into RDF statements. These procedures serve as a guideline for performing the mapping from AIXM to RDF(S). Additionally, the thesis also explains the automation process of these procedures that are introduced within this thesis. Therefore, the contribution of this thesis is not only the mapping procedures but also tools that automate those procedures and a description of the adaptions that are necessary to these tools to transform other exchange models in air traffic management in the future.

Der Luftverkehr in Europa nimmt derzeit zu und somit auch die Arbeitsbelastung der Luftverkehrskontrolle. Darüber hinaus wird die Anzahl der Flugzeuge und Flüge im Luftverkehr für einen bestimmten Sektor durch die verfügbaren Ressourcen der Luftverkehrskontrolle begrenzt, was bedeutet, dass die Arbeitsbelastung der Luftverkehrskontrolle mit dem steigenden Flugverkehr zunimmt. Bei Überschreitung eines bestimmten Verkehrsaufkommens kann die Luftverkehrskontrolle das Situationsbewusstsein verlieren. Dies wiederrum führt zu unsicheren Entscheidungen. Um die genannten Risiken zu vermeiden, wird ein situationsbewusstes System benötigt. Das Verbundforschungsprojekt AISA untersucht daher den Einsatz von künstlicher Intelligenz im Luftverkehrsmanagement; diese Masterarbeit ist als Vorstudie für das AISA-Projekt entstanden. Ziel des AISA-Projekts ist es, ein situationsbewusstes System zu entwickeln, dass die Luftverkehrskontrolle bei ihrer Arbeit unterstütz. Der Input, welcher für dieses situationsbewusste System benötigt wird, sind die Nachrichten, die innerhalb des Flugverkehrsmanagements unter Verwendung des Aeronautical Information Exchange Model (AIXM) und anderer Austauschmodelle ausgetauscht werden. Um logische Schlussfolgerungen innerhalb eines situationsbewussten Systems zu ermöglichen, ist es von Vorteil, den AIXM-Input auf RDF(S) abzubilden, einer grundlegenden Technologie für das Semantic Web und symbolische künstliche Intelligenz.

Ziel dieser Arbeit ist die Entwicklung eines Transformationsverfahrens für die Abbildung des AIXM-Schemas auf RDFS sowie die Entwicklung von Mapping-Regeln zur Transformation von AIXM-Instanzdaten in RDF-Anweisungen. Diese Verfahren dienen als Leitfaden für die Durchführung des Mappings von AIXM auf RDF(S). Darüber hinaus wird in dieser Arbeit auch der Automatisierungsprozess dieser Verfahren, die in dieser Arbeit vorgestellt werden, erläutert. Daher besteht der Beitrag dieser Masterarbeit nicht nur in den Transformationsverfahren, sondern auch in den Werkzeugen, welche diese Prozeduren automatisieren, sowie in der Beschreibung der Anpassungen, welche an diesen Werkzeugen notwendig sind, um andere Austauschmodelle im Luftverkehrsmanagement in Zukunft zu transformieren.