Objectifs de la chaire
Le premier objectif de cette chaire est de développer de nouveaux outils d’aide à la décision en IA pour assister les opérateurs de gestion du trafic aérien, principalement les contrôleurs aériens et les pilotes, afin d’améliorer leur efficacité et augmenter la capacité globale du système de la circulation aérienne.
L’objectif de la chaire est d’aller plus loin en proposant dès maintenant des approches d’IA pour cibler pleinement
l’automatisation dans le cadre de la mobilité urbaine à grande échelle au sens large. Pour un tel système,
les véhicules aériens (UAV) et les véhicules terrestres (voitures autonomes) doivent s’auto-organiser afin d’assurer la sécurité
et réaliser des opérations efficaces.
Pour un tel système automatique, il n’y a pas d’entité centralisée.
Nous proposons de développer de nouveaux algorithmes d’IA pour organiser le trafic dans un cadre entièrement automatique pour la gestion du trafic aérien à grande échelle.
Les principales applications des travaux de recherche de l’équipe sont les suivantes :
- Conception de l’espace aérien (ex : routes, secteurs de contrôle)
- Optimisation du trafic aérien (stratégique continental et océanique, pré-tactique et tactique)
- Optimisation 4D de trajectoires d’avions
- Optimisation du trafic aéroportuaire (ex : séquencement à l’atterrissage, roulage, allocation des pistes et des portes)
- Drones (ex : planification de trajectoires de drones, planification de missions)
Programmes : IA certifiable & collaborative
Thème : Raisonnement automatique et décision
Porteur : Daniel Delahaye, Professeur, HdR
Co-chairs :
- Nicolas Couellan (ENAC)
- Emmanuel Rachelson (ISAE)
Porteur de la chaire : Pr Daniel Delahaye ENAC
Co- chairs :
- Nicolas Couellan (ENAC)
- Emmanuel Rachelson (ISAE)
Chercheur associé :
- Stéphane Puechmorel (ENAC)
Doctorants :
- Sylvain Roudière,
- Dinh-Thinh Hoang,
- Yael Zorah
- Gabriel Jarry,
- Philippe Monmousseau
- Brevet : Aircraft Landing Configurations Optimization (Airbus)
- Logiciel de détection automatique d’approches anormales (implémenté à l’aéroport CDG), Logiciel de configuration automatique du centre de contrôle aérien ACC) implémenté dans les cinq ACC français.
- Organisation de l’ Europt Conference 2021, RL summer school
- L.Ligny, A Guitart, D.Delahaye and B.Sridhar. Aircraft Emergency Trajectory Design: A Fast Marching Method on a Triangular Mesh. In procedding of the 2021 USA/Europpe ATM Seminar.
- G.Jarry, D.Delahaye, and E.F.ron. Flight safety during Covid-19: A study of Charles de Gaulle airport atypical energy approaches. Transportation Research Interdisciplinary Perspectives, 9 (100327), February 2021
- G.Jarry, D.Delahaye and E .Feron. Approach and landing aircraft onboard parameters estimation with LSTM networks. In proceeding AIDA-AT 2020.
- L.Shi-Garrier, D.Delahaye and N.Bouaynaya. Predicting Air Traffic Congested Areas with Long Short-Term Memory Networks. In procedding of the 2021 USA/Europpe ATM Seminar.
- Z.Wang, D.Delahaye, J.L. Farges and S.Alam. Complexity-optimal traffic assignment for future urban airspace. Transportation research part C (in press)
- P.Juntama, S.Alam, S. Chaimatanan and D.Delahaye. Air Traffic Structuration based on Linear Dynamical Systems. In proceeding. SID conference 2020.
- S.Ikli, C.Mancel, M.Mongeau, X.Olive, and E.Rachelson. The aircraft runway scheduling problem: A survey. Computers and Operations Research, Volume 132, August 2021.
- E. Munin, A.Blais A and N.Couellan, GNSS Multipath Detection Using Embedded Deep CNN on Intel Neural Compute Stick, Proceedings of the 33rd International Technical Meeting of the Satellite Division of The Institute of Navigation (ION GNSS+ 2020), , September 2020, pp. 2018-2029.
- N.Couellan, Probabilistic robustness estimates for feed-forward neural networks, Neural Networks, vol. 142, pp 138-147 2021.
- N. Couellan, The coupling effect of Lipschitz regularization in deep neural networks, to appear in SN Computer Science. 2021
- N .Couellan and S. Jan, Feature uncertainty bounds for explicit feature maps and large robust nonlinear SVM classifiers, Annals of Mathematics and Artificial Intelligence. 2020
En savoir +
L’IA, nouvel eldorado du transport
Avions civils, drones, liaisons terrestres : l’optimisation dans les transports est un enjeu de sécurité, de fluidité mais aussi une problématique environnementale forte. Avec l’IA, une nouvelle génération de transports prend forme. Démonstration avec Daniel Delahaye, enseignant-chercheur à l’École national d’aviation civile (ENAC).