Avis de soutenance - doctorat - Thanh TRAN

Cette thèse aborde la complexité croissante des mouvements au sol dans les aéroports, due à la demande aérienne toujours plus forte qui provoque des goulets d'étranglement, des retards importants et des impacts environnementaux. Elle propose un cadre de simulation à haute fidélité fondé sur les données, remédiant notamment à la simplification excessive du comportement de roulage des pilotes et des actions des contrôleur–facteur limitant la précision des modèles actuels. L'étude introduit ainsi une application innovante de l'apprentissage profond par imitation pour modéliser avec finesse et incertitude les vitesses de roulage individuelles, capturant fidèlement les réactions des pilotes grâce à l'observation dynamique du trafic environnant. Sur cette base, la recherche met en place un environnement de simulation multi‑agents intégrant ces comportements appris à un modèle de logique des contrôleurs au sol, dérivé de l'analyse d'interventions historiques du contrôle aérien pour apprendre la gestion des conflits et l'application des séquences de piste. Les applications pratiques se manifestent par l'amélioration du traitement en temps réel des données de surveillance pour le jumeau numérique aéroportuaire via la désincrustation des trajectoires. La simulation sert également à optimiser la vitesse de roulage en vue de réduire la consommation de carburant grâce à l'apprentissage par renforcement, contribuant ainsi à des opérations aéroportuaires plus écologiques. En offrant une représentation plus réaliste de la dynamique du trafic au sol, cette recherche fournit un outil robuste pour l'analyse prospective avancée de scénarios "et si", contribuant in fine à renforcer la sécurité, l'efficacité et la durabilité de la gestion aéroportuaire.