Extraction de manœuvres de déconfliction latérale et de paramètres d’incertitude à partir de données ADS-B historiques du trafic aérien

Extracting lateral deconfliction manoeuvres and uncertainty parameters from historical ADS-B air traffic data

• Auteur / Autrice : Kim Gaume
• Direction : David Gianazza, Xavier Olive
• Type : Projet de thèse
• Discipline(s) : Informatique et Télécommunications
• Date : Inscription en doctorat le ; Soutenance le 22/10/2025
• Etablissement(s) : Toulouse, ISAE
• Ecole(s) doctorale(s) : École doctorale Mathématiques, informatique et télécommunications
• Partenaire(s) de recherche : Laboratoire : ISAE-ONERA MOIS MOdélisation et Ingénierie des Systèmes
• Partenaire(s) de recherche : Equipe de recherche : ONERA/DTIS/MITT - Département Traitement de l’Information et Systèmes
• Jury : Président / Présidente : Xavier Prats menéndez
• Jury : Examinateurs / Examinatrices : David Gianazza, Adan Vela, Tatiana Polishchuk, Xavier Olive
• Jury : Rapporteurs / Rapporteuses : Adan Vela, Tatiana Polishchuk

Mots clés

Mots clés libres

Intelligence artificielle

Apprentissage automatique

Contrôle aérien

Artificial intelligence

Machine learning

Air traffic control

Résumé

La gestion du trafic aérien repose sur la capacité à détecter et résoudre les conflits entre aéronefs afin de garantir les normes de sécurité tout en assurant un trafic fluide et optimisé. L’augmentation récente du trafic, la flexibilisation de l’espace aérien et le développement de la navigation basée sur la performance rendent cet espace à la fois plus dense et moins structuré, complexifiant considérablement le travail des contrôleurs aériens. Dans ce contexte en constante évolution, le développement d’outils d’aide à la décision est devenu essentiel pour accompagner les contrôleurs face à ces nouvelles contraintes. Toutefois, ces outils ne peuvent être efficaces que s’ils sont acceptés par leurs utilisateurs, ce qui implique qu’ils soient cohérents avec les pratiques opérationnelles en vigueur. Pour être réellement adoptés, ils doivent s’intégrer naturellement aux modes de travail existants, sans introduire de procédures inhabituelles ou perturbatrices. Une telle intégration suppose une compréhension approfondie de la manière dont les contrôleurs perçoivent, anticipent et résolvent les conflits en situation réelle. Or, si les simulations permettent d’esquisser ces comportements, elles souffrent souvent d’un manque de réalisme et d’un faible volume de données, ce qui limite leur utilité pour entraîner des modèles capables d’apprendre efficacement les stratégies et préférences des contrôleurs. Cette thèse propose de combler cette lacune en développant une méthodologie d’extraction et d’analyse des manœuvres de résolution de conflits à partir de données historiques ADS-B. Ces données ne contiennent ni annotations, ni informations explicites sur l’intention des contrôleurs. Les trajectoires observées résultent déjà d’interventions passées : les conflits ont été résolus, mais sans indication du moment ni de la cause des déviations. Cette absence de vérité terrain complique la distinction entre navigation normale et résolution de conflit, et requiert des techniques d’inférence rigoureuses pour reconstituer les actions des contrôleurs à partir des données disponibles. Ce travail a pour objectif d’identifier et de regrouper des cas d’interventions spécifiquement liées à des manœuvres de déconfliction. Il débute par la détection de déviations par rapport aux plans de vol, afin d’isoler des manœuvres latérales susceptibles de résulter d’instructions données par les contrôleurs. L'utilisation d’heuristiques fondées sur les relations spatiales et temporelles entre aéronefs permet ensuite d’évaluer si ces déviations correspondent à des réponses plausibles à des situations conflictuelles. Les manœuvres de deconfliction ainsi inférées sont regroupées dans un catalogue structuré permettant une caractérisation statistique du comportement réel des contrôleurs. L’analyse conjointe des propriétés de ces manœuvres et de leur contexte de trafic révèle des schémas comportementaux ainsi que des marges de sécurité implicites appliquées en situation opérationnelle. Ce catalogue constitue également un support pour l’estimation des incertitudes liées au respect des trajectoires prévues, un paramètre essentiel pour le calibrage des systèmes de CD&R afin qu’ils reflètent plus fidèlement les pratiques des contrôleurs. Plusieurs publications issues de cette thèse valident la méthodologie et soulignent l’intérêt du catalogue pour de futures applications en CD&R. Les résultats offrent à la fois un éclairage sur les pratiques actuelles et une base pour concevoir des outils d’aide à la décision plus réalistes, interprétables et acceptés par les contrôleurs.

Efficient air traffic management depends on the ability to detect and resolve conflicts between aircraft in a way that maintains high safety standards while ensuring smooth and efficient operations. As airspace becomes both more crowded and less structured due to rising traffic volumes, direct routing, and performance-based navigation, the role of air traffic controllers grows increasingly complex. In this evolving context, the development of decision-support tools is essential to assist controllers and help them manage these new operational demands. However, the effectiveness of such tools ultimately depends on their acceptance by controllers, which hinges on whether the suggested advisories align with established operational practices. In other words, for these systems to be trusted and adopted, they must align with established controller workflows rather than impose unfamiliar or disruptive procedures. Achieving this requires a deep understanding of how controllers detect and resolve conflicts in real-world settings. While it is possible to gather such insights through simulations or reconstructions involving real controllers, these approaches often suffer from limited realism and insufficient data volume, making them less suitable for training models that aim to learn controller strategies and preferences at scale. To bridge this gap, this thesis presents a methodology for extracting and analysing lateral deconfliction manoeuvres from historical ADS-B trajectory data. Our key challenge lies in the nature of this data, which contains no direct annotations, nor any explicit record of controller intent. What we observe are trajectories already shaped by prior interventions: the conflicts have been resolved, and the traffic is the result of those decisions, but the data provides no indication of when a controller issued a deviation order, or why. This lack of ground truth makes it difficult to distinguish routine navigation from deliberate conflict resolution, and calls for careful inference techniques to reconstruct controller actions from observable outcomes. This work focuses on identifying and compiling instances of controller actions specifically related to deconfliction manoeuvres. The first step involves detecting deviations from flight plans by comparing actual trajectories with their planned routes, allowing us to isolate lateral manoeuvres that may reflect controller interventions. To distinguish those motivated by conflict resolution, we then apply a series of heuristics that evaluate the spatial and temporal relationships between aircraft. These criteria help determine whether a detected deviation is likely a response to a potential conflict. Building on this foundation, we develop a structured catalogue of inferred deconfliction manoeuvres, allowing for a systematic statistical characterisation of real-world controller behaviour. By analysing the characteristics of detected manoeuvres and their surrounding traffic context, we uncover behavioural patterns and implicit safety margins applied in operational practice. This catalogue also serves as a basis for estimating operational uncertainties in trajectory conformance, an essential component for calibrating conflict detection and resolution (CD&R) systems to better reflect actual controller strategies. Several peer-reviewed publications derived from this thesis validate the methodology and demonstrate the relevance of the catalogue for future CD&R applications. The results offer both a descriptive insight into current operational practices and a foundation for designing support tools that are more realistic, interpretable, and acceptable to human controllers.