, Traffic complexity indicators and sector typology analysis of u.s. and european centres, Eurocontrol, 2003.
, Measurement and prediction of dynamic density, Proceedings of the 5th USA/Europe Air Traffic Management R & D Seminar, 2003.
, Measures for air traffic controller workload prediction, 1st AIAA, Aircraft, Technology Integration, and Operations Forum, 2001.
DOI : 10.2514/6.2001-5242
, Evaluating a new index of mental workload in real atc situation using psychological measures. Note cena, pp.2-763, 2002.
, Optimisation des flux de trafic aérien, 2004.
, Analyse descriptive des indicateurs de complexité du trafic aérien à partir des données image et courage, Note nr05-905, 2005.
, Dynamic density : A review of proposed variables. Faa wjhtc internal document. overall conclusions and recommendations, Federal Aviation Administration, 2000.
, Air traffic complexity : towards intrinsic metrics, Proceedings of the third USA/Europe Air Traffic Management R & D Seminar, 2000.
, Airspace complexity and its application in air traffic management, Proceedings of the 2nd USA/Europe Air trafic Management R&D Seminar
, Dynamic density : An air traffic management metric, 1999.
, Conflit perception by atcs admits doubt but not inconsistency, Proceedings of the 6th Air Traffic Management Research & Developpment Seminar, 2005.
, Work in progress, presented at an internal SDER seminar, DTI/SDER (former CENA), 2005.
, Neural networks for pattern recognition, pp.0-198, 1996.
, Pattern recognition and neural networks, pp.0-521, 1996.
DOI : 10.1017/CBO9780511812651
, Modélisation, classification et commande par réseaux de neurones : principes fondamentaux, méthodologie de conception et illustrations industrielles, 1995.
, Econometrics analysis
, Dynamic density and complexity metrics for realtime traffic flow management, Proceedings of the 5th USA/Europe Air Traffic Management R & D Seminar, 2003.
, Optimization of air traffic control sector configurations using tree search methods and genetic algorithms, Proceedings. The 21st Digital Avionics Systems Conference, 2002.
DOI : 10.1109/DASC.2002.1067912
URL : https://hal.archives-ouvertes.fr/hal-00990194
, Optimal combinations of air traffic control sectors using classical and stochastic methods, Proceedings of the 2002 International Conference on Artificial Intelligence, 2002.
URL : https://hal.archives-ouvertes.fr/hal-00990320
, Etudes de nouvelles métriques de complexité de la circulation aérienne, Ecole Nationale de l'Aviation Civile (ENAC), 2001.
, Relationship of the aircraft mix index with performance and objective workload evaluation research (power) measures and complexity ratings, Proceedings of the 6th Air Traffic Management Research & Developpment Seminar, 2005.
, nombre de conflits" et en "insensibilité", et devrait donc bien décrire l'aspect de la complexité pour lequel les indicateurs de sensibilités initiaux avaient été introduits dans
, utilisés" par RFM pour la PRU Trois indicateurs ont été calculés en s'inspirant des indicateurs utilisés par RFM pour la PRU (note NT05-153)
, Le choix de l'angle de 20 ? choisi pour sa définition peut être mis en cause, car il ne sélectionne pas assez les paires d'avions en "interaction horizontale". Cette remarque n'est pas, a priori, valable pour [12] : en effet, même si l'indicateur instantanné calculé pour S2D2 s'inspire de celui introduit dans [12], il est finalement très différent. Pour être complet sur la note NT05-153, on remarquera qu'à l'échelle du secteur, l'analogue instantané de la "densité ajustée" est simplement le nombre d'avions contrôlés, qui est déjà calculé par ailleurs. Enfin, deux indicateurs 13 Ce jugement est soutenu les résultats de, 14 Là encore on a conservé ici la définition originale de la note NT05-153
, optique adoptée ici est un peu différente, puisque c'est la complexité du trafic que l'on cherche à modéliser. S'ils peuvent orienter la définition de l'indicateur de complexité, les résultats de [14] (qui reprend la base de données de [13]) ne pourront donc directement être utilisés ici. En attendant ces résultats, on a défini dans cette étude différents indicateurs qui réutilisent la vision "plan" de [13] : l'idée est que la complexité liée à un conflit potentiel est a priori grande lorsque les avions sont à la fois en convergence forte (donc, et qu'il reste peu de temps pour éviter le conflit la complexité est infinie. D'où la forme initialement imaginée pouir S2D2, p.1
, situations étudiées dans [13] (et reprises dans [14]), présentent des avions qui se croisent presque perpendiculairement, et ces définitions ne posent pas de problème Si les angles sont faibles, le point de croisement peut être situé en amont des trajectoires, et le dégré d'anticipation est négatif. Les indicateurs définis ci-dessous sont alors mal définis. Finalement, dans la version actuelle de DD_INDIC, le degré d'anticipation a été remplacé par la plus grande distance d'un des avions au point de séparation (horizontal) minimum, que l'on note ici, Les quantités "Da" et "DaC" sont représentées en annexe dans deux cas de conflits potentiels, dont l'un met en évidence le problème soulevé ci-dessus pour "Da
, Averty a évité de présenter au contrôleur des couples d'avions pour les lesquels la séparation verticale -de 1000 pieds -est postérieure au "croisement" des deux avions : ce cas est semble-t-il souvent jugé trop dangereux par les contrôleurs, et est donc résolu dès qu'il est identifié. Pour notre étude, il semble donc logique de traiter ce cas séparément
, Efl" dans le modèle sans terme croisé de [14]. Les indicateurs de type "CREED" reprennent donc les définitions données en (23) en remplaçant