Optimisation dynamique des arrivées à l'aéroport de Singapour-Changi à l'aide de la mesure des vents par les aéronefs, de réseaux de neurones informés par la physique et de l'optimisation du contrôle de la vitesse

La croissance continue de la demande de trafic aérien engendre des défis croissants pour les grands aéroports internationaux, dont la capacité d'arrivée est souvent limitée par les contraintes liées aux pistes, la variabilité des conditions météorologiques et les incertitudes du trafic. Dans les aéroports congestionnés, les retards à l'arrivée sont fréquemment absorbés par des phases d'attente en vol (holding), générant une consommation inutile de carburant, des émissions supplémentaires et des coûts opérationnels accrus. Cette thèse propose un nouveau cadre prédictif de gestion des arrivées combinant la mesure des vents à partir des aéronefs, les réseaux de neurones informés par la physique (Physics-Informed Neural Networks, PINNs), la prédiction des trajectoires et l'optimisation dynamique de la vitesse. L'hypothèse centrale est que les avions commerciaux peuvent être considérés comme des capteurs atmosphériques distribués, fournissant des observations permettant de reconstruire des champs de vent à haute résolution et continuellement actualisés au-dessus de la zone de contrôle terminale (Terminal Maneuvering Area, TMA). Les informations de vent ainsi reconstruites seront intégrées à des modèles de prédiction de trajectoire combinant des approches fondées sur la physique et des approches guidées par les données, afin d'améliorer la précision de l'heure d'arrivée estimée (Estimated Time of Arrival, ETA). Ces prédictions serviront ensuite à élaborer des stratégies d'optimisation dynamique de la vitesse en amont de la TMA, permettant aux aéronefs d'absorber les retards au moyen de profils de vitesse optimisés plutôt que par des circuits d'attente inefficaces. La recherche sera expérimentée sur les opérations d'arrivée à l'aéroport de Singapour-Changi, avec pour objectif de réduire les phases d'attente en vol, la consommation de carburant et l'impact environnemental, tout en maintenant un niveau élevé de sécurité et de robustesse opérationnelle. École doctorale : EDMITT - Ecole Doctorale Mathématiques, Informatique et Télécommunications de Toulouse Direction : Daniel DELAHAYE Financement : MSCA COFUND BEST