Regio Zuid-Holland | Ontwikkeling van een Generieke Obstacle Limitation Evaluation Tool met real-life CNS data op basis van UAVs flight inspections (GOLET)
To70 heeft een softwaretool ontwikkeld, de Obstacle Limitation Evaluation Tool (OLET), waarmee planvorming en afhandeling van vergunningen verregaand vereenvoudigd kan worden. De tool kan randvoorwaarden zoals vliegprocedures en hoogtebeperkingen voor obstakels op en rondom een luchthaven in kaart brengen, alsmede nieuw te bouwen obstakels toetsen aan de driedimensionale vlakken rondom luchthavens om de luchtverkeersveiligheid te borgen. Deze vlakken zijn samengesteld op basis van theoretische kennis en in overleg met operationele experts van de Luchtverkeersleiding Nederland (LVNL). Deze vlakken bestaan uit vlakken gebaseerd op ICAO Annex 14, PANSOPS, CNS-vlakken en andere lokale vlakken zoals Luchthavenindelingbesluit (LIB) gronden. De OLET is momenteel operationeel voor een groep publieke stakeholders rond Schiphol. Momenteel bevat de OLET alleen theoretische data over CNS-signalen, gebaseerd op de ICAO-richtlijnen. Dergelijke data is vrij beperkend sinds het is gebaseerd op bepaalde aannames, bijv. ten aanzien van de hoeveelheid afscherming een gebouw kan hebben met betrekking tot het verstoren van communicatie- navigatie- en bewakings- (CNS) systemen. Het beoogde doel van dit R&D project is de ontwikkeling van een Generieke Obstacle Limitation Evaluation Tool waarin middel real-life CNS data op basis van UAVs flight inspections (GOLET) CNS-signalen in kaart kunnen gebracht. Naast theoretische hoogtebeperkingsvlakken op basis van desk research, kan men hiermee een module/model implementeren in de GOLET, die toetst of een gebouw de CNS-signalen dempt. Deze module is gebaseerd op praktijkgegevens gemeten door uitgevoerde vlieginspecties door Canard Drones. In eerste instantie zal To70 samen met Canard de demping van de ILS-signaal door constructies meten. Bij een proof-of-concept zal er voldoende perspectief zijn om ook andere CNS-signalen te gaan meten met Canard drones.