Skip to main content

AI Situational Awareness Foundation for Advancing Automation

Article Category

Article available in the folowing languages:

Un assistant d’IA aide les contrôleurs aériens à maintenir leur perception de la situation

Si l’automatisation de la gestion du trafic aérien peut en améliorer l’efficacité, ces outils doivent être totalement fiables et venir compléter le travail des contrôleurs. Un système intelligent d’appréciation de la situation pourrait fournir le cadre au sein duquel les outils d’apprentissage automatique pourraient évoluer en toute sécurité.

Transports et Mobilité

La capacité de l’aviation, tant au sol que dans les airs, est limitée par la capacité de traitement des contrôleurs aériens. Pendant les périodes d’affluence, les vols sont régulièrement retardés ou dirigés en dehors de l’espace aérien potentiellement encombré, ce qui occasionne une perte de temps et de carburant. En conséquence, le secteur de la gestion du trafic aérien (ATM) a examiné les moyens de recourir à l’automatisation pour aider à gérer la charge de travail et pour libérer la capacité de concentration des contrôleurs afin qu’ils puissent gérer davantage d’avions et se concentrer sur les tâches essentielles à la sécurité. «Une grande partie de ce travail s’est concentrée sur l’automatisation de tâches particulières, telles que la détection des conflits», explique Tomislav Radisic, coordinateur du projet AISA (AI Situational Awareness Foundation for Advancing Automation) de la Faculté des sciences du transport et du trafic de l’Université de Zagreb en Croatie. «Un conflit est une situation dans laquelle deux avions sont en passe d’être trop proches à un moment donné. Cela signifie généralement qu’ils se trouvent à moins de cinq milles nautiques l’un de l’autre.»

Appréciation automatisée de la situation

Le problème auquel sont confrontés les contrôleurs aériens est qu’ils doivent accomplir quotidiennement des centaines de tâches individuelles. Au lieu de chercher à automatiser des tâches individuelles, AISA a donc cherché à développer un système plus fondamental. Le projet a été financé dans le cadre de l’entreprise commune SESAR, un partenariat public-privé mis en place pour moderniser le système européen d’ATM. «Nous voulions développer quelque chose qui, dans un premier temps, surveillerait réellement tous les outils existants, pour conférer au système une sorte de conscience artificielle de la situation», ajoute Tomislav Radisic. «En observant de nombreuses données en même temps, nous avons pensé que nous pourrions également automatiser un certain nombre de tâches de surveillance déjà en place.» L’équipe du projet s’est attelée au développement du prototype du système. Celui-ci était basé sur ce que l’on appelle des graphes de connaissances, générés automatiquement à partir des données aéronautiques disponibles. «Ces graphes de connaissances permettent d’expliquer les relations entre différents objets et concepts», précise Tomislav Radisic. «Ainsi, par exemple, si nous voulons acquérir de nouvelles connaissances sur la situation, nous pouvons le faire en raisonnant sur des faits que nous savons être vrais.» Ce type de «cartographie» a aidé l’équipe du projet à développer un système doté d’une bien meilleure appréciation de la situation, capable de déterminer si le résultat d’un outil automatisé particulier reflète la réalité. «Si, par exemple, un outil automatisé suggère que deux avions sont en conflit, nous pouvons voir dans le graphe de connaissances que ce n’est peut-être pas le cas», explique Tomislav Radisic.

Répondre aux besoins de l’industrie

Un certain nombre d’expériences simulées avec des contrôleurs aériens ont ensuite été menées. L’équipe du projet voulait évaluer l’efficacité du système à contrôler les performances des outils automatisés – s’il détectait quelque chose que les contrôleurs humains ne détectaient pas – et le bien-fondé de l’automatisation de certaines tâches de contrôle. «La première chose que nous pouvons dire est que le système a fonctionné comme prévu», fait remarquer Tomislav Radisic. «L’appréciation de la situation ne s’est pas relâchée et, en réalité, le système a été capable de réagir à des résultats qui ne reflétaient pas la réalité, ce dont les contrôleurs humains étaient parfois incapables.» La surveillance automatisée conçue pour soutenir les contrôleurs a enregistré un retour d’information plus nuancé. «Les données étaient transmises aux contrôleurs par le biais de messages préenregistrés, à des moments précis que nous jugions pertinents», explique-t-il. «Cependant, les contrôleurs n’ont généralement pas apprécié cette façon de recevoir des informations, car ils s’attendent à ce que seuls les pilotes leur parlent. Un autre problème était l’incertitude quant au moment de présenter ces informations; certains contrôleurs trouvaient que les informations étaient transmises trop tôt.» Un tel retour d’information est d’une importance capitale. Impliquer les utilisateurs finaux critiques dès le début de ce développement technologique permettra de garantir une adéquation parfaite du système final à leurs besoins. «Ce projet a commencé par examiner la manière dont ceci pourrait s’intégrer dans les systèmes actuels, mais nous souhaitons également façonner les futurs concepts d’ATM après 2035», ajoute Tomislav Radisic. Les prochaines étapes consisteront donc à examiner plus en détail la meilleure façon de communiquer ces alertes de surveillance automatisées aux contrôleurs, et à quel moment ces informations doivent être communiquées. Tomislav Radisic envisage de développer une interface visuelle homme-machine. «Il s’agit de comprendre les besoins du contrôleur du trafic», commente Tomislav Radisic. Le projet souligne également l’engagement primordial du secteur en matière de sécurité. Si les outils d’apprentissage automatique peuvent sans aucun doute permettre de gagner en efficacité et de renforcer la sécurité dans le secteur de l’aviation, il est essentiel que les contrôleurs puissent avoir la garantie qu’ils fonctionnent correctement. En ce sens, le projet AISA a apporté une contribution importante dans cette réflexion ouverte.

Mots‑clés

AISA, aviation, air, trafic, apprentissage automatique, espace aérien, carburant, avion

Découvrir d’autres articles du même domaine d’application