İstanbul Havalimanı'nda rüzgara bağlı pist konfigürasyonu: çapraz rüzgar ve kuyruk rüzgarı dinamiklerinin hesaplamalı modellemesi

Öz

Arka Plan—Büyük aktarma (hub) havalimanlarında pist kullanım kararı; emniyet, ilan edilen kapasite ve hava trafik kontrolörlerinin günlük iş yükü üzerinde doğrudan etkilidir. Pist yönü seçimi çoğunlukla rüzgâra, özellikle de yan rüzgâr (crosswind) ve arka rüzgâr (tailwind) bileşenlerine bağlıdır. ICAO, pistlerin en az %95 rüzgâr kullanılabilirliği sağlayacak şekilde yönlendirilmesini önermesine rağmen, büyük hub’larda yan rüzgâr, arka rüzgâr ve operasyonel faktörlerin (ör. stabil pist konfigürasyonu ihtiyacı) etkileşimi hâlen yeterince belgelenmemiştir. Amaç—Bu çalışmanın amacı, İstanbul Havalimanı’ndaki (LTFM) yerel rüzgâr ikliminin pist konfigürasyonu seçimlerini nasıl etkilediğini anlamaktır. Bu kapsamda her pist yönü için yan/arka rüzgâr bileşenleri hesaplanmış, farklı seçim kuralları karşılaştırılmış, ICAO-tipi ve trafik-ağırlıklı rüzgâr kullanılabilirliği eğrileri türetilmiş ve konfigürasyon sürekliliği ile bunun ATC iş yüküne etkisi incelenmiştir. Yöntem—Analizde Aralık 2020–Aralık 2025 dönemine ait METAR verileri kullanılmıştır. Rüzgâr bileşenleri, manyetik deklinasyon dikkate alınarak rüzgârın pist doğrultusuna paralel ve dik bileşenlere ayrıştırılmasıyla elde edilmiştir. Üç karar kuralı test edilmiştir: yalnızca yan rüzgâra dayalı kural ve ayrıca arka rüzgâr limitlerini uygulayan iki kural (kuru pist için 10 kt, ıslak pist için 5 kt). Bu verilerden ICAO-tipi rüzgâr kullanılabilirliği eğrileri, trafik-ağırlıklı kullanılabilirlik ölçüleri ve her pist konfigürasyonunun kullanımda kalma süresine ilişkin istatistikler üretilmiştir. Bulgular—Mevcut pist yerleşimi 15 kt eşiğinde %96.6 ve 20 kt eşiğinde %99.7 rüzgâr kullanılabilirliği sağlamaktadır; daha katı 10.5 kt ve 13 kt eşiklerinde ise bu oranlar sırasıyla %83.4 ve %92.3’e düşmektedir. 10.5 kt için trafik-ağırlıklı kullanılabilirlik %82.1’e inerken, gündüz kullanılabilirliği geceye göre 7.8 yüzde puan daha düşüktür. Kuru-pist arka rüzgâr kuralı altında, yan rüzgâr-optimal pistte saatlerin %26.7’sinde arka rüzgâr 10 kt’ı ve %52.6’sında 5 kt’ı aşmaktadır. Konfigürasyonun medyan kullanım süresi yalnızca 1 saattir ve koşuların (runs) %59.2’si 2 saat veya daha kısa sürmektedir. Sonuç—Bulgular, rüzgâr kullanılabilirliği, arka rüzgâr maruziyeti ve pist konfigürasyonu değişim sıklığı arasında bir ödünleşim olduğunu göstermektedir. Mevcut yerleşim tasarım filosu için yeterli rüzgâr kullanılabilirliği sağlıyor görünse de, arka rüzgâr seviyesi ve konfigürasyon değişim sıklığı; rüzgârı yakından takip etmek ile kontrolör iş yükü ve hub kapasitesini makul sınırlar içinde tutmak arasında dengeli bir işletme politikası gerektirmektedir. Sonuçlar, rutin gözlemler ve bazı basitleştirici varsayımlara dayandığından, gösterge niteliğinde değerlendirilmelidir.

Anahtar Kelimeler

• Havacılık Güvenliği
• Karar Destek Sistemleri
• Örüntü Tanıma
• İstanbul Havalimanı
• Zaman Serisi Analizi

Wind-based runway configuration at Istanbul Airport: computational modeling of crosswind and tailwind dynamics

Öz

Context—At large hub airports, runway use has a direct impact on safety, declared capacity, and the day-to-day workload of air traffic controllers. The choice of runway direction is driven mainly by the wind, particularly its crosswind and tailwind components. Although ICAO recommends orienting runways to provide at least 95% wind coverage, the way crosswind, tailwind, and operational factors (such as the desire to keep a stable runway configuration) interact at major hubs is still not well documented. Objective—The aim of this study is to understand how the local wind climate at Istanbul Airport (LTFM) influences runway configuration choices. To this end, we compute crosswind and tailwind components for each runway direction, compare different selection rules, derive ICAO-style and traffic-weighted wind coverage curves, and examine configuration persistence and its impact on ATC workload. Method—METAR data from December 2020 to December 2025 were used in the analysis. Wind components for each available runway heading were obtained by resolving the wind along and across the runway, accounting for magnetic declination. Three decision rules were tested: one based only on crosswind and two that also apply tailwind limits of 10 kt (dry) and 5 kt (wet). From these data, we produced ICAO-style wind coverage curves, traffic-weighted coverage measures, and statistics on how long each runway configuration remained in use. Results—The current layout achieves 96.6% coverage at 15 kt and 99.7% at 20 kt, while coverage falls to 83.4% and 92.3% at the stricter 10.5 kt and 13 kt thresholds. Traffic-weighted coverage at 10.5 kt drops to 82.1%, with daytime coverage 7.8 percentage points lower than at night. Under the dry-tailwind rule, 26.7% of hours exceed 10 kt tailwind and 52.6% exceed 5 kt at the crosswind-optimal runway. The median configuration run length is only 2 hours, and 59.2% of runs last 2 hours or less. Conclusion—The findings show a trade-off between wind coverage, tailwind exposure, and how often runway configurations change. The current layout seems to provide enough wind usability for the design fleet, but the level of tailwind and the frequency of configuration changes mean that operating policies have to balance closely following the wind against keeping controller workload and hub capacity within reasonable limits. The results should be taken as indicative only, as they are based on routine observations and a set of simplifying assumptions.

Anahtar Kelimeler

• Aviation Safety
• Decision Support Systems
• Pattern Recognition
• Istanbul Airport
• Time Series Analysis

Kaynakça

1. [1] Aerodrome Design Manual – Runways (Doc 9157 – Part 1), 4th ed., International Civil Aviation Organization, Montreal, Canada, 2020. https://store.icao.int/en/aerodrome-design-manual-runways-doc-9157-part-1 (10.11.2025).
2. [2] Adoption of Amendment 18 to Annex 14, Volume I, International Civil Aviation Organization, Montreal, Canada, 2025. https://www.icao.int/sites/default/files/APAC/Meetings/2025/2025%20Workshop%20on%20Implementation%20of%20New%20ICAO%20Annex/Training%20Materials/SL-2025-23_amendment-18-to-Annex-14-Vol-I.pdf (10.11.2025).
3. [3] S. -W. Chang, "Crosswind-based optimization of multiple runway orientations", Journal of Advanced Transportation, 49(1), 1–9, 2015. https://doi.org/10.1002/atr.1247.
4. [4] H. Oktal, N. Yıldırım, "Optimisation of runway orientations for three-runway configurations", The Aeronautical Journal, 120(1233), 1693–1709, 2016. https://doi.org/10.1017/aer.2016.90.
5. [5] A. Maslovara, B. Mirković, "Impact of tailwind on airport capacity and delay at Zurich Airport", Transportation Research Procedia, 59, 117–126, 2021. https://doi.org/10.1016/j.trpro.2021.11.103.
6. [6] W. Sardjono, Zulkarnain, H. Kusnoputranto, T. E. B. Soesilo, D. N. Utama, J. Sudirwan, "Study of runway crosswind and tailwind potential for airport sustainability: A study of Soekarno Hatta Airport, Cengkareng, Indonesia", IOP Conference Series: Earth and Environmental Science, 729, 012012, 2021. https://doi.org/10.1088/1755-1315/729/1/012012.
7. [7] Ö. Şahin, A. Tatlı, "Runway configuration analysis based on wind data: A case study of Warsaw Chopin Airport", Eskişehir Technical University Journal of Science and Technology A – Applied Sciences and Engineering, 26(3), 305–316, 2025. https://doi.org/10.18038/estubtda.1713749.
8. [8] Turkish Airlines, "Investor presentation Q4 2024", İstanbul, Türkiye: Turkish Airlines Investor Relations, 2024. https://investor.turkishairlines.com/en/financial-and-operational (10.11.2025).

9. [9] H. W. Krüs, "Criteria for crosswind variations during approach and touchdown at airports", Advances in simulation of wing and nacelle stall (Notes on Numerical Fluid Mechanics and Multidisciplinary Design, Vol. 131), E. Krämer, R. Radespiel, H. J. Heinemann, Cham, Eds., Switzerland, Springer, 2016, 167–187.
10. [10] E. T. Özdemir, A. Deniz, I. Sezen, S. S. Mentes, V. Yavuz, "Fog analysis at Istanbul Atatürk International Airport", Weather, 71(11), 279–284, 2016. https://doi.org/10.1002/wea.2747.
11. [11] Iowa State University, "ASOS–AWOS–METAR data archive and documentation", Iowa Environmental Mesonet, Ames, IA, USA, 2025. https://mesonet.agron.iastate.edu/ASOS/ (10.11.2025).
12. [12] 737 Flight Crew Operations Manual: Limitations Section, The Boeing Company, Seattle, WA, USA, 2024. https://www.boeing.com/commercial/737max (12.06.2026).
13. [13] A320 Flight Crew Operating Manual: Limitations Section, Airbus S.A.S., Toulouse, France, 2024. https://www.airbus.com/en/products-services/commercial-aircraft/passenger-aircraft/a320-family (10.11.2025).
14. [14] G. W. H. van Es, A. K. Karwal, "Safety aspects of tailwind operations", NLR-TP-2001-003, National Aerospace Laboratory NLR, Amsterdam, The Netherlands, 2001. https://skybrary.aero/bookshelf/nlr-safety-aspects-tailwind-operations (10.11.2025).
15. [15] A. Majumdar, W. Y. Ochieng, "Factors affecting air traffic controller workload: Multivariate analysis based on simulation modeling of controller workload", Transportation Research Record: Journal of the Transportation Research Board, 1788(1), 58–69, 2002. https://doi.org/10.3141/1788-08.
16. [16] B. Hilburn, "Cognitive complexity in air traffic control: A literature review", EUROCONTROL Experimental Centre, Brétigny-sur-Orge, France, EEC Note No. 04/04, 2004. https://www.eurocontrol.int/sites/default/files/library/007_Cognitive_Complexity_in_ATC.pdf (10.11.2025).
17. [17] S. Loft, P. Sanderson, A. Neal, M. Mooij, "Modeling and predicting mental workload in en route air traffic control: Critical review and broader implications", Human Factors, 49(3), 376–399, 2007. https://doi.org/10.1518/001872007X197017.