The responsible entities for Air Traffic Management (ATM) around the world are integrating innovative procedures to cope with the constant rise in air traffic. New technologies such as System Wide Information Management (SWIM) aim at improving the efficiency and safety levels of operations while reducing costs and emissions. The SWIM program releases an overwhelming amount of aviation information in a machine-readable format, which is not fully exploitable by humans. To leverage aviation data such as flight, weather, airspace, aerodrome and maintenance data, a Smarter Auto-Flight Control System (SAFCS) is being developed, which continuously monitors, analyzes, plans and executes airborne missions. It supports pilot decision making by suggesting routes computed by path planning algorithms.

Probabilistic Roadmap (PRM) is a path planning algorithm particularly efficient at dealing with highdimensional problems and multiple queries. First, it creates a graph by sampling the planning environment and then resorts to a search algorithm for computing a path. Over the last two decades, PRM has been subject to several research papers, some of which extend it to include anytime, dynamic and online capabilities.

In this thesis, the SAFCS framework and the integration of the PRM planning family are meticulously discussed. Solid reasoning is provided for the changes introduced in comparison to the original algorithms. Lastly, the planners’ performance is subject to evaluation and the conclusions drawn from the results are stated.

As entidades responsáveis pela Gestão de Tráfego Aéreo (ATM) em todo o mundo estão integrando pro- cedimentos inovadores para lidar com o constante aumento de tráfego aéreo. Novas tecnologias como "System Wide Information Management” (SWIM) visam melhorar os níveis de eficiência e segurança das operações e, simultaneamente, reduzir custos e emissões. O programa SWIM disponibiliza, num formato compreensível por máquinas, uma enorme quantidade de informação sobre aviação, que não é totalmente explorável por seres humanos. Para aproveitar ao máximo a informação de aviação como dados de voo, de espaços aéreos, de aeródromos e de manutenção, está a ser desenvolvido um sis- tema de piloto automático inteligente (SAFCS) que controla, analisa, planeia e executa, continuamente, missões aéreas. O SAFCS apoia a tomada de decisão pelo piloto sugerindo rotas calculadas por algoritmos de planeamento de caminho.

O Mapa Probabilístico (PRM) é um algoritmo de planeamento de caminho particularmente eficiente para problemas de alta dimensão e várias consultas. Primeiro, cria um gráfico por amostragem do ambiente de planeamento e depois recorre a um algoritmo de busca para encontrar um caminho. Nas últimas duas décadas, o PRM tem sido alvo de vários documentos de pesquisa, alguns dos quais o expandem para incluir características qualquer-momento, dinâmicas e tempo-real.

Nesta tese, a estrutura do SAFCS e a integração da família de planeamento PRM são meticulosamente discutidas. Razões sólidas são fornecidas para as mudanças introduzidas relativamente aos algoritmos originais. Por fim, o desempenho dos planeadores é avaliado e as conclusões retiradas a partir dos resultados são apresentadas.