Vers un outil adaptatif d'aide à la résolution de conflits pour le contrôle aérien.

Towards an adaptive conflict resolution decision support tool for air traffic control.

• Auteur / Autrice : Sarah Degaugue
• Direction : Nicolas Durand, Jean-Baptiste Gotteland
• Type : Thèse de doctorat
• Discipline(s) : Informatique et Télécommunications
• Date : Soutenance le 21/10/2024
• Etablissement(s) : Toulouse, École nationale de l’aviation civile
• Ecole(s) doctorale(s) : École doctorale Mathématiques, informatique et télécommunications (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de recherche ENAC (Toulouse ; 2019-....)
• Jury : Président / Présidente : Marcel Mongeau
• Jury : Examinateurs / Examinatrices : Nicolas Durand, Jean-Baptiste Gotteland, Marcel Mongeau, Clarisse Dhaenens, Sébastien Verel, David Rey
• Jury : Rapporteurs / Rapporteuses : Clarisse Dhaenens, Sébastien Verel

Mots clés

Mots clés contrôlés

Optimisation mathématique

Intelligence artificielle

Mots clés libres

Contrôle aérien

Algorithme évolutionnaire

Intelligence artificielle

Optimisation dynamique

Air traffic control

Evolutionary algorithm

Artificial intelligence

Dynamic optimisation

Résumé

L'objectif de la thèse est de développer des algorithmes intelligents d'aide à la résolution de conflits aériens sur un secteur classique de contrôle. Cette aide à la décision devrait permettre de baisser la charge de travail des contrôleurs aériens tout en améliorant la fluidité du trafic. Outre les critères habituels d'efficacité tels que la minimisation des écarts de trajectoires, l'outil d'aide à la résolution permettra d'intégrer des critères environnementaux, aujourd'hui difficiles à appréhender et à quantifier pour l'opérateur humain. Des méthodes d'Intelligence Artificielle (IA) seront utilisées pour développer les algorithmes d'aide à la résolution, combinant métaheuristiques et apprentissage artificiel.

The objective of the thesis is to develop intelligent algorithms to help the resolution of air conflicts on a classic control sector. This decision support tool should help reducing the workload of air traffic controllers while improving the flow of traffic. In addition to the usual efficiency criteria such as the minimization of trajectory deviations, the resolution support tool will allow the integration of environmental criteria, today difficult to understand and quantify for the human operator. Artificial Intelligence (AI) methods will be used to develop these resolution support algorithms, combining metaheuristics and machine learning.