II - Améliorer la gestion de l’approche finale avec l’IA
Cette recherche n’aurait pas été possible il y a cinq ans, mais nous disposons à présent des données et des outils nécessaires.
Jose-Manuel Risquez, coordinateur de projet ORCI
Les gestionnaires du trafic aérien travaillent dans certains des environnements les plus stressants de l’aviation, et les approches d’atterrissage constituent le moment où la charge de travail et la complexité sont les plus intenses. Le projet ORCI(s’ouvre dans une nouvelle fenêtre), soutenu par l’entreprise commune SESAR(s’ouvre dans une nouvelle fenêtre), entend développer des outils avancés d’aide à l’automatisation dans le domaine des zone de manœuvre terminale (TMA pour Terminal Management Area). L’objectif est d’apporter aux contrôleurs des secteurs d’approche finale des informations sur le moment où fournir des instructions de guidage, afin d’assurer un espacement optimal entre les arrivées consécutives dans des TMA complexes de haute densité. «Nous voulions aider les contrôleurs aériens à gérer l’espacement entre les atterrissages des avions, ce qui est cognitivement exigeant et hautement dynamique, en utilisant des capacités améliorées pour une plus grande efficacité opérationnelle, capacité et performance environnementale», explique Jose-Manuel Risquez, expert principal ATM-IA chez INECO(s’ouvre dans une nouvelle fenêtre). Le projet réunit des partenaires français (ISA Software)(s’ouvre dans une nouvelle fenêtre), espagnols (INECO, ENAIRE)(s’ouvre dans une nouvelle fenêtre) et portugais (NAV-PT)(s’ouvre dans une nouvelle fenêtre) qui possèdent une expertise en gestion du trafic aérien, en intelligence artificielle (IA) et en technologie de l’aviation. Il s’appuie également sur les avancées récentes de l’apprentissage automatique et exploite les données du trafic aérien à grande échelle pour développer des solutions pratiques. «Ce type de recherche n’aurait pas été possible il y a cinq ans, explique Jose-Manuel Risquez. «Nous disposons désormais des données et des outils nécessaires pour former des modèles capables d’aider les opérateurs humains de manière significative.»
Du prototype au potentiel réel
L’équipe a pour l’instant développé et entraîné des modèles prototypes pour deux aéroports (Lisbonne et Barcelone) sélectionnés pour leur configuration d’approche contrastée: le système dit «merge point» à Lisbonne et la configuration en trombone à Barcelone. En testant deux configurations très différentes, ORCI entend confirmer que sa solution peut être adaptée à divers environnements opérationnels et agencements. Les premiers résultats sont prometteurs. La marge d’erreur moyenne du modèle dans la prévision des distances de séparation est d’environ 0,4 mille nautique (0,741 km), une marge considérée comme utile d’un point de vue opérationnel. «Les contrôleurs nous ont dit qu’il s’agissait d’un bon point de départ», confie Jose-Manuel Risquez. Les travaux s’orientent à présent vers la simulation et la validation. L’équipe du projet est en train d’intégrer le modèle d’IA dans une plateforme de simulation avant de procéder à d’autres essais avec des contrôleurs aériens dans le courant de l’année. Leur retour d’information sera essentiel. «En fin de compte, nous voulons savoir si cet outil réduit la charge de travail cognitive et aide les contrôleurs à prendre des décisions sous pression plus rapides et plus sûres», ajoute-t-il. Le succès ne se résume pas à un algorithme fonctionnel, souligne Jose-Manuel Risquez. Il doit s’agir d’un outil pratique auquel les contrôleurs font confiance, qui améliore la précision de l’espacement, réduit le besoin de communications radio et renforce la sécurité. «S’ils affirment que cela les aide et que la simulation le confirme par des données concrètes, nous saurons que nous avons construit quelque chose d’important», conclut Jose-Manuel Risquez.
