La gestión eficiente del tráfico aéreo en tierra se ha convertido en un factor crítico para los grandes aeropuertos internacionales. El movimiento de aeronaves tras el aterrizaje, conocido como rodaje de llegada, implica decisiones complejas: elegir la salida de pista adecuada y determinar si cruzar una pista activa o utilizar una vía de rodaje perimetral. Un reciente estudio sobre el aeropuerto Hartsfield-Jackson de Atlanta (KATL) demuestra cómo la inteligencia artificial puede predecir estas decisiones con notable precisión, ofreciendo una herramienta de apoyo a los controladores aéreos sin reemplazar su juicio final.

El enfoque propuesto se estructura en dos etapas: primero, se predice la salida de pista que tomará una aeronave basándose en su velocidad de aproximación, características del modelo, destino en plataforma y condiciones meteorológicas; segundo, se anticipa si, una vez en esa salida, la aeronave cruzará la pista activa de despegue o tomará la ruta perimetral. Para ello se entrenaron modelos como XGBoost, LightGBM, Random Forest y CatBoost con datos de trayectorias ASDE-X, tasas de tráfico y configuraciones de viento. Los resultados muestran que la velocidad de aproximación es el factor principal en la elección de salida, mientras que la tasa de despegues, los cruces y el destino en rampa determinan el comportamiento posterior.

Este tipo de análisis no solo mejora la seguridad y la fluidez del tránsito aeroportuario, sino que abre la puerta a aplicaciones a medida que integren modelos predictivos en los sistemas de gestión de torre. En Q2BSTUDIO desarrollamos software a medida que combina inteligencia artificial, análisis de datos y automatización para resolver problemas operativos reales. Nuestros equipos implementan desde agentes IA que asisten en tiempo real a los controladores hasta soluciones de servicios cloud aws y azure que procesan grandes volúmenes de datos de radar y meteorología. Además, ofrecemos servicios inteligencia de negocio con Power BI para visualizar patrones de rodaje y simular escenarios. Todo ello bajo estrictos estándares de ciberseguridad, garantizando la protección de la información crítica.

La capacidad predictiva mostrada en el caso de Atlanta (accuracy del 86-89% en la primera etapa y 70-74% en la segunda) demuestra que la ia para empresas puede transformar sectores altamente regulados como la aviación. Sin embargo, los autores señalan que las clases minoritarias siguen siendo difíciles de predecir debido al solapamiento en el espacio de características, lo que refuerza la necesidad de modelos explicables y calibrados. Desde Q2BSTUDIO entendemos esta complejidad y diseñamos soluciones que mantienen la transparencia y la responsabilidad humana en cada decisión. Si su organización busca optimizar procesos similares, le invitamos a conocer cómo nuestras plataformas de agentes IA y aplicaciones a medida pueden adaptarse a su contexto operativo.