nente dans la décision de dégroupement que les flux entrants. Ceci tendrait à confirmer que les valeurs déclarées des capacités horaires, utilisées dans l’élaboration des schémas prévisionnels d’ouvertures des secteurs, sont essentiellement une entrée du processus de régulation FMP/CFMU, et sont ajustées en fonction du retour d’expérience. Elles ne doivent pas être considérées comme des valeurs seuils dans la décision de dégroupement ou de régulation.
On voit donc, pour revenir au sujet de départ (l’optimisation des configurations d’ouverture des secteurs) que chercher à optimiser des schémas prévisionnels construits uniquement sur la base de contraintes en capacités horaires n’est sans doute pas opérationnellement très intéressant.
Cette étude n’est qu’une première approche et les quelques résultats présentés demanderaient à être confirmés et affinés par une véritable analyse discriminante sur un ensemble de variables pouvant entrer en jeu dans la décision de dégroupement, à définir plus exhaustivement.
4.9
Conclusion sur l’optimisation des regroupements de secteurs
Les algorithmes classiques et l’algorithme génétique trouvent des configurations optimales de sec- teurs, en prenant en compte les mêmes paramètres et contraintes que dans le processus FMP/CFMU. Les résultats sont obtenus en un temps compatible avec une utilisation opérationnelle. Les algorithmes de recherche dans des arbres sont plus rapides que l’algorithme génétique, pour les centres français et dans le contexte des groupes de secteurs issus des données des centres.
Cependant, la relation combinatoire entre le nombre de secteurs et le nombre de partitions et de configurations est telle que les algorithmes classiques risquent d’être impraticables dans le contexte de plus grands centres de contrôle ou si l’on souhaite élargir l’ensemble des groupes de secteurs opéra- tionnellement utilisables. Dans un tel cas, l’algorithme génétique est une bonne alternative. Il fournit plusieurs configurations optimales ou presque optimales en un temps de calcul borné par l’utilisateur. Les résultats sur les stratégies d’allocation de créneaux sont bons : environ 70% de gain en délais en utilisant environ 20% moins de ressources. Cependant, la nouvelle stratégie ne tient pas compte des incertitudes sur la prévision de trafic. De plus, comme nous l’avons vu dans l’étude statistique autour des instants de dégroupement, les flux de trafic et les capacités horaires sont de mauvais indicateurs de la charge de travail du contrôleur aérien et de son seuil de saturation. En conséquence, il n’est pas certain qu’une méthode optimisant les délais alloués et les schémas d’ouvertures sur la base de ces indicateurs conduise vraiment à un réel lissage de la charge de travail des contrôleurs. Notons que ces remarques sont également valables pour la méthode actuelle, mais celle-ci a au moins l’avantage d’être validée par un retour d’expérience.
Jusqu’à présent, nous avons considéré l’optimisation des configurations de secteurs uniquement dans le contexte des schémas d’ouvertures prévisionnels réalisés par les FMP, sur la base des flux de trafic prévus et des capacités horaires. Les algorithmes proposés pourraient également être envisagés, avec une définition adaptée de la charge de travail et des seuils et contraintes, pour proposer en temps réel des configurations de secteurs aux chefs de salles de contrôle.
Dans ce chapitre, nous avons cherché à améliorer le système existant sans le modifier, en jouant simplement sur les regroupements de secteurs de contrôle. Nous allons dorénavant nous autoriser à modifier ce système, en cherchant tout d’abord, dans le chapitre suivant, à construire un réseau de routes selon des critères simples d’espacement des points de croisement.
Chapitre 5
Construction d’un réseau de routes
5.1
Introduction
-1.2e+06 -1e+06 -800000 -600000 -400000 -200000 0 200000 400000 -1e+06 -800000 -600000 -400000 -200000 0 200000 400000 600000 ’fr_routes_init_1’FIG. 5.1 – Routes directes en France (trafic du 21/05/99 ; projection stéréographique centrée sur Paris ; l’unité est le mètre).
Le problème de la construction d’un réseau de routes, en partant initialement des routes directes, a déjà été traité dans [Meh00], selon une approche en deux étapes, la première consistant à fusionner
70 CHAPITRE 5. CONSTRUCTION D’UN RÉSEAU DE ROUTES les points de croisement trop proches les uns des autres, et la seconde à déplacer les points obtenus, afin d’optimiser un critère de densité ATC. Cet indicateur de densité est calculé à partir du nombre et de la nature des croisements, et de la surface des polygones de Voronoï autour de chaque point de croisement. La première étape tient compte de contraintes d’angle maximal entre tronçons de routes, sans toutefois garantir leur respect absolu dans tous les cas. La deuxième étape, ayant pour objectif de diminuer localement le critère de densité autour des points congestionnés, n’est pas détaillée dans [Meh00].
Dans ce chapitre, nous allons chercher à construire un réseau de routes “intelligible” pour l’être humain – nous reviendrons un peu plus loin sur cette notion – en utilisant d’abord la méthode d’agré- gation présentée en 3.3 sur les points de croisement des routes directes, puis une triangulation de Delaunay pour reconstituer le réseau à partir des nouveaux points obtenus, et enfin un algorithme A∗
pour trouver les plus courts chemins dans ce réseau, en respectant une contrainte d’angle maximum entre segments successifs de route.
Revenons maintenant sur la notion d’un réseau “intelligible” par l’être humain. Du point de vue d’un opérateur aérien, la situation idéale serait de faire voler ses avions sur des routes directes entre le point de départ et le point d’arrivée. En supposant que tous les opérateurs suivent ce raisonnement, on obtiendrait un ensemble de routes comme celui représenté sur la figure 5.1, en considérant les plans de vols d’une journée de trafic au-dessus de la France (le 21/05/99 sur l’exemple). On conçoit facilement qu’un contrôleur aérien ou un opérateur de régulation du trafic puisse avoir quelque difficulté à se représenter la circulation du trafic sur un tel réseau, notamment à cause du nombre important de points de croisement des routes (249455 sur l’exemple, pour 5337 vols).
On peut déjà simplifier ce réseau de routes en ne considérant pas la totalité du trafic, mais seule- ment les flux les plus importants. La figure 5.2 représente les flux de plus de dix avions. Il ne reste plus que 2159 points de croisements pour 504 flux.
Malgré tout, il reste des zones où la densité des points de croisements reste importante. Si l’on reste dans le cadre des méthodes de contrôle actuelles, où chaque unité de contrôle d’espace a en charge une portion de l’espace aérien, on voit qu’il est impossible de faire un découpage équilibré de cet espace en secteurs exploitables, sans imposer au préalable certaines contraintes sur la densité des points de croisement.