Développement de modèles dérivés de la théorie des graphes pour l’optimisation des trajectoires au sol des avions

Résumé

L’optimisation des trajectoires au sol représente une solution prometteuse pour minimiser la consommation de carburant des avions et réduire les émissions polluantes associées. L’objectif principal de cette étude vise à évaluer le potentiel de réduction atteignable par cette stratégie, encore peu explorée, pour atteindre les objectifs environnementaux mentionnés par le Groupe Intergouvernemental d’Expert sur le Climat (GIEC). La première partie du mémoire porte sur le développement d’un modèle de performance pour estimer la consommation de carburant des avions lors de la phase de roulage. Ce modèle,inspiré de ceux des performances en vol, a ensuite était ajusté à l’avion d’affaires Cessna Citation X à l’aide d’un simulateur de vol professionnel de niveau D, conçu et fabriqué par la compagnie CAE. Ce modèle est ensuite adapté pour correspondre au formalisme des fonctions de coût à optimiser. La première méthode d’optimisation Bidir-nacfA*, inspirée de l’algorithme de Dijkstra, s’adapte aux contraintes imposées par la fonction de coût et aux restrictions de circulation sur l’aéroport en explorant rapidement les solutions les plus prometteuses en premier. Cette méthode heuristique est présentée comme une solution efficace pour générer des trajectoires optimisées en termes de temps de calcul et de coûts. Sa flexibilité et sa capacité à s’adapter à diverses fonctions de coût sont mises en avant. De plus l’application de cette méthode sur des cas concrets permet une économie de carburant estimé allant de 3,5% à 15% mettant en avant l’efficacité de la méthode. La méthode du plus court chemin avec pondération conditionnelle (Conditional Weighting Shortest Path - CWSP), quant à elle, modifie la forme du problème en utilisant les itérations du line graph du problème et repose sur une pondération conditionnelle utilisant les variations locales de la fonction de coût pour résoudre d’une manière exacte les problèmes. Cette méthode se montre particulièrement robuste et efficace pour les variables d’optimisation locales, bien cela nécessite une simplification des fonctions de coût quand celle-ci présente des variations globales. Cette méthode tester sur un problème d’optimisation avec contrainte dans un aéroport nous a permis de résoudre 100% des problèmes contre 28% pour un algorithme de Dijkstra. Les fonctions de coûts développées dans ces méthodes sont adaptées à l’aide d’un modèle d’apprentissage profond pour classer les segments de trajectoire dans le graphe de l’aéroport. Puis une comparaison des deux méthodes a permis de montrer que la méthode Bidir-nacfA* offre des résultats proches de ceux obtenus avec CWSP, avec une erreur allant de 0,12% à 1,34%.

Date	11 sept. 2024
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Georges Ghazi (Directeur(-trice)) & Ruxandra Botez (Codirecteur(-trice))