Réseaux de neurones appliqués aux indicateurs de complexité et aux regroupements de secteurs aériens

David Gianazza (1)

1 ENAC - Ecole Nationale de l'Aviation Civile

La présente note est un nouveau point d'avancement du projet S2D2 (Sector Status and Dynamic Density), mené en collaboration entre le LEEA et le LOG. Le projet S2D2 cherche à dégager d'éventuelles corrélations entre l'état de regroupement des secteurs aériens sur les positions de contrôle et un certain nombre d'indicateurs, basiques (nombre d'avions, flux entrants), ou plus évolués, qui se veulent représentatifs de la complexité du trafic dans un secteur choisi. Le terme de complexité du trafic aérien, de plus en plus utilisé ces dernières années, recouvre des conceptions et des réalités très diverses. Pour la Performance Review Unit (PRU) d'Eurocontrol (cf note [1], du projet COCA), la complexité est abordée au moyen d'indicateurs agrégés sur une journée complète. L'étude citée se place à l'échelle géographique du centre de contrôle, en comparant différents centres d'Amérique du Nord et d'Europe, puis à l'échelle du secteur, en établissant une typologie des secteurs selon quelques indicateurs agrégés. Les secteurs utilisés correspondent à une ouverture maximum des positions de contrôle dans chaque centre (soit 82 secteurs en Europe, et 124 secteurs aux U.S.). Les regroupements de secteurs élémentaires effectivement armés ne sont pas exploités, ce qui se comprend puisque l'étude ne s'intéresse pas au domaine d'utilisation des secteurs de contrôle.

Mots clés: Air traffic complexity; dynamic density; neural networks; S2D2

Domaines: Optimisation et contrôle [math.OC]

David Gianazza. Réseaux de neurones appliqués aux indicateurs de complexité et aux regroupements de secteurs aériens. 2006. ⟨hal-01020633⟩