De Anomaly Severity Index (ASI): Een Probabilistisch Model voor UAP-Validatie
In de hedendaagse luchtvaartveiligheidsanalyse is een binaire classificatie, waarbij incidenten simpelweg als “geïdentificeerd” of “onverklaard” worden bestempeld, ontoereikend. De complexiteit van Unidentified Anomalous Phenomena (UAP) vereist een methode die gradaties van onzekerheid kan kwantificeren. Een mogelijke oplossing is de Anomaly Severity Index (ASI). Deze methode bied dit kader: een probabilistisch model dat onzekerheid transformeert van een defect naar een meetbare variabele.
Door de ASI te implementeren, kunnen data-analisten de robuustheid van bewijslast objectief wegen, variërend van kortstondige visuele contacten tot hoogwaardige, multi-sensoriële datastromen binnen het Europese luchtruim.
De Bayesiaanse Benadering: Waarschijnlijkheid in Context
De kern van de ASI rust op Bayesiaanse inferentie. Hierbij wordt de waarschijnlijkheid van een anomale melding getoetst tegen de “achtergrondruis” van conventioneel vliegverkeer en natuurlijke fenomenen. In plaats van te zoeken naar een absolute waarheid, berekent dit model een joint Gaussian likelihood voor variabelen zoals hoogteverandering, manoeuvreerduur en snelheid.
Wanneer een piloot een object waarneemt, wordt de menselijke visuele scherpte (doorgaans 1/60 graden) gemodelleerd als een truncated Gaussian distribution. Dit stelt men in staat om de waarneming wiskundig te combineren met sensordata. Omgevingsfactoren, zoals een hoekgrootte van >0,15 graden en de lichtkwaliteit, fungeren als kritieke wegingsfactoren die de initiële betrouwbaarheidsscore bepalen voordat instrumentele data worden toegevoegd.
De Vijf Dimensies van de ASI
De ASI is opgebouwd uit vijf technische dimensies die gezamenlijk de ‘Severity’ (significantie) van een anomalie bepalen:
Sensorkwaliteit en -koppeling
De hoogste validatie vereist coïncidentie tussen ten minste twee onafhankelijke sensortypen (bijv. radar en FLIR/Infrarood). We streven naar een statistische drempelwaarde van 5-sigma ten opzichte van de nulhypothese (instrumentele ruis of kosmische straling) voordat een melding als definitief anomaal wordt aangemerkt.
Kinematische Afwijking
Dit meet de afwijking van bekende aerodynamische wetten. Hoge scores worden toegekend bij:
Versnellingen: Variërend van 75g tot >5000g (ver boven mechanische limieten).
Snelheden: Boven Mach 1 zonder de geassocieerde sonic boom of warmte-emissie.
Contextuele Uitsluiting
Een score wordt pas significant wanneer bewezen is dat conventionele objecten zijn uitgesloten via databases zoals FlightRadar24 (luchtverkeer), N2YO (satellieten), SondeHub (weerballonnen) en Stellarium (astronomische objecten).
Menselijke Observatie-Integriteit
Hoewel piloten getrainde waarnemers zijn, weegt de ASI hun expertise probabilistisch. Factoren zoals vlieguren en het vermogen om prozaïsche verklaringen a priori te elimineren versterken de score, mits consistent met de instrumentele limieten van het menselijk oog.
Duur en Consistentie
De tijdsduur is cruciaal voor fouteliminatie. Meldingen korter dan 10 seconden krijgen de laagste score; waarnemingen langer dan 10 seconden verhogen de ASI-score aanzienlijk.
Classificatie in Tiers: Van Data naar Beleid
De ASI vertaalt complexe data naar een vijftal Tiers:
Tier 0: Gebeurtenis volledig verklaard.
Tier 1-2: Meldingen met beperkte data of korte duur; grote onzekerheidsmarge.
Tier 3: Significante anomalieën met betrouwbare sensordata die conventionele verklaringen uitdagen.
Tier 4 (The Gold Standard): Langdurige waarnemingen door meerdere onafhankelijke sensoren, ondersteund door fysiek bewijs en peer-review. Deze vormen de basis voor internationale datadeling binnen de EU.
Conclusie: Een Model voor de Europese Onderzoeksruimte
De implementatie van de ASI binnen het Europese luchtruimbeheer biedt mogelijk een methodologisch kader dat de vliegveiligheid versterkt zonder de reputatie van professionals te schaden. Door meldingen te behandelen als kwantificeerbare veiligheidsinzichten binnen een Just Culture, kan de Europese Onderzoeksruimte (ERA) stigma vervangen door strikte wetenschappelijke protocollen. Dit is belangrijk voor zowel de nationale veiligheid als de integriteit van de academische wetenschap.
Verdieping: Lees meer over onze standaarden en wetenschappelijke uitgangspunten in het dossier Wetenschappelijk Onderzoek UAP.
Lees verder
Systematische UAP-validatie
De vijf fasen waarin een melding wordt gefilterd, van sensordata tot het uitsluiten van satellieten zoals Starlink.
Anomale kinematica
Extreme versnellingen, het ontbreken van een hypersonische signatuur en verplaatsing tussen lucht, ruimte en water.
Sensordata: radar, ADS-B en FLIR
Hoe radar, transpondergegevens en infrarood samen een waarneming onderbouwen of verklaren.