Estimation of Potential Aircraft Fuel Burn Reduction in Cruise Via Speed and Altitude Optimization Strategies
Notice bibliographique
Résumé
Environmental performance has become a dominant theme in all transportation sectors. As scientific evidence for global climate change mounts, social and political pressure to reduce fuel burn and CO2 emissions has increased accordingly, especially in the rapidly growing aviation industry. Operational improvements offer the ability to increase the performance of any aircraft immediately, by simply changing how the aircraft is flown. Cruise phase represents the largest portion of flight, and correspondingly the largest opportunity for fuel burn reduction. This research focuses on the potential efficiency benefits that can be achieved by improving the cruise speed and altitude profiles operated by flights today. Speed and altitude are closely linked with aircraft performance, so optimizing these profiles offers significant fuel burn savings. Unlike lateral route optimization, which simply attempts to minimize the distance flown, speed and altitude changes promise to increase the efficiency of aircraft throughout the entire flight. Flight data was collected for 257 flights during one day of domestic US operations. A process was developed to calculate the cruise fuel burn of each selected flight, based on aircraft performance data obtained from Piano-X and atmospheric data from NOAA. Improved speed and altitude profiles were then generated for each flight, representing various levels of optimization. Optimal cruise climbs and step climbs of 1,000 and 2,000 ft were analyzed, along with optimal and LRC speed profiles. Results showed that a maximum fuel burn reduction of 3.5% is possible in cruise given complete altitude and speed optimization; this represents 2.6% fuel reduction system-wide, corresponding to 300 billion gallons of jet fuel and 3.2 million tons of CO2 saved annually. Flights showed a larger potential to improve speed performance, with nearly 2.4% savings possible from speed optimization compared to 1.5% for altitude optimization. Few barriers exist to some of the strategies such as step climbs and lower speeds, making them attractive in the near term. As barriers are minimized, speed and altitude trajectory enhancements promise to improve the environmental performance of the aviation industry with relative ease.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».