L'organisme Eurocontrol prévoit une forte hausse du trafic aérien européen d'ici l'année 2035. Cette hausse de trafic justifie le développement de nouveaux concepts et outils pour pouvoir assurer les services dus aux usagers de l'espace aérien. La prévision de trajectoires d'avion est au coeur de ces évolutions. Parmi ces outils, les outils de détection et résolution de conflits utilisent les trajectoires prédites pour anticiper les pertes de séparation entre avions et proposer des solutions aux contrôleurs aériens. L'horizon de prédiction utilisé pour cette application est de l'ordre de dix à vingt minutes. Parmi les algorithmes réalisant une détection et résolution de conflits, certains sont mis en œuvre au sol, obligeant ainsi les prédictions à être calculées en n'utilisant que les informations disponibles dans les systèmes sols. Dans ces systèmes, la masse des avions ainsi que les profils de vitesse ou de poussée des moteurs ne sont pas connus. Ainsi, le calcul d'une trajectoire prédite avec un modèle physique se fait en utilisant des valeurs de référence pour les paramètres inconnus. Dans ce cadre, nous nous intéressons à la phase de montée pour laquelle ces paramètres influent grandement sur la trajectoire de l'avion. Ce travail s'appuie sur le modèle physique BADA développé et maintenu par Eurocontrol. Ce modèle physique modélise, entre autres, les performances des avions. Il fournit également des valeurs de référence pour les paramètres inconnus comme la masse de l'avion, son profil de vitesse en montée, ou la commande de poussée des moteurs. Ce modèle, largement utilisé dans le monde entier, est particulièrement imprécis pour la phase de montée, car les valeurs réelles de ces paramètres sont parfois très éloignées des valeurs de référence. Dans cette thèse, nous proposons soit d'estimer directement certains paramètres, comme la masse, à partir des points passés de la trajectoire, soit d'utiliser des méthodes d'apprentissage supervisé afin d'apprendre, à partir d'exemples, des modèles prédisant les valeurs des paramètres manquants (masse, loi de poussée, vitesses cibles). Ces différentes méthodes sont testées sur des données radar Mode-C et Mode-S sur plusieurs types d'avions. Les prédictions obtenues avec ces méthodes sont comparées à celles obtenues avec les paramètres de référence. Elles sont également comparées avec les prédictions obtenues par des méthodes de régression prédisant directement l'altitude de l'avion plutôt que les paramètres du modèle physique. Nos méthodes permettent de réduire, suivant le type de l'avion, de 50 % à 85 % par rapport à la méthode BADA de référence, la racine de l'erreur quadratique moyenne sur l'altitude prédite à un horizon de dix minutes. / The Eurocontrol organization forecasts a strong increase of the European air traffic till the year 2035. This growth justifies the development of new concepts and tools in order to ensure services to airspace users. Trajectory prediction is at the core of these developments. Among these tools, conflict detection and resolution tools use trajectory predictions to anticipate losses of separation between aircraft and propose solutions to air traffic controllers. For such applications, the time horizon of the prediction is about ten to twenty minutes. Among conflict detection and resolution algorithms, some are operated in ground-based systems. The trajectory predictions must then be computed using only the information that is available to ground systems. In these systems, the mass, the speed profile and the thrust setting are unknown. Thus, using a physical model, the trajectory predictions are computed using reference values for unknown parameters. In this context, we are focusing on the climb phase. In this phase these unknown parameters have a great influence on the aircraft trajectory. This work relies on a physical model of the aircraft performances : BADA, developed and maintained by Eurocontrol. It also provides reference values for unknown parameters such as the mass, the speed profile and the thrust setting. This widely used model is particularly inaccurate for the climb phase as the actual values for the unknown parameters might be very different from the reference values. In this thesis, we propose to estimate directly the mass, an unknown parameter, using a physical model and past points of the trajectory. We also use supervised learning methods in order to learn, from examples, some models predicting the unknown parameters (mass, speed profile and thrust setting). These different approaches are tested using Mode-C Radar data and Mode-S Radar data with different aircraft types. The obtained predictions are compared with the ones obtained with the BADA reference values. These predictions are also compared with predictions obtained by directly predicting the future altitude instead of the unknown parameters of the physical model. These methods, depending on the aircraft type, reduces the root mean square error on the predicted altitude at a 10 min horizon by 50 % to 85 % when compared to the root mean square error obtained using BADA with the reference values.

Cette thèse s’inscrit dans le développement et la conception de fonctions d’aide à la conduite pour les véhicules autonomes de niveau 3 et plus en milieu urbain ou péri urbain. Du fait d’un environnement plus complexe et de trajectoires possibles plus nombreuses et sinueuses, les algorithmes des véhicules autonomes développés pour l’autoroute ne sont pas adaptés pour le milieu urbain. L’objectif de la thèse est de mettre à disposition des méthodes et des réalisations pour permettre au véhicule autonome d’évoluer en milieu urbain. Cette thèse se focalise sur la proposition de solutions pour améliorer le guidage latéral des véhicules autonomes en milieu urbain à travers l’étude de la planification de trajectoire en situation complexe, l’analyse du comportement des usagers et l’amélioration du suivi de ces trajectoires complexes à faibles vitesses. Les solutions proposées doivent fonctionner en temps réel dans les calculateurs des prototypes pour pouvoir ensuite être appliquées sur route ouverte. L’apport de cette thèse est donc autant théorique que pratique.Après une synthèse des fonctions d’aide à la conduite présentes à bord des véhicules et une présentation des moyens d’essais mis à disposition pour la validation des algorithmes proposés, une analyse complète de la dynamique latérale est effectuée dans les domaines temporel et fréquentiel. Cette analyse permet alors la mise en place d’observateurs de la dynamique latérale pour estimer des signaux nécessaires aux fonctions de guidage latéral et dont les grandeurs ne sont pas toujours mesurables, fortement dégradées ou bruitées. La régulation latérale du véhicule autonome se base sur les conclusions apportées par l’analyse de cette dynamique pour proposer une solution de type multirégulateur capable de générer une consigne en angle volant pour suivre une trajectoire latérale quelle que soit la vitesse. La solution est validée tant en simulation que sur prototype pour plusieurs vitesses sur des trajectoires de changement de voie. La suite de la thèse s’intéresse à la génération d’une trajectoire en milieu urbain tenant compte non seulement de l’infrastructure complexe (intersection/rond-point) mais également des comportements des véhicules autour. C’est pourquoi, une analyse des véhicules de l’environnement est menée afin de déterminer leur comportement et leur trajectoire. Cette analyse est essentielle pour la méthode de génération de trajectoire développée dans cette thèse. Cette méthode, basée sur l’algorithme A* et enrichie pour respecter les contraintes géométriques et dynamiques du véhicule, se focalise d’abord dans un environnement statique complexe de type parking ou rond-point. Des points de passage sont intégrés à la méthode afin de générer des trajectoires conformes au code de la route et d’améliorer le temps de calcul. La méthode est ensuite adaptée pour un environnement dynamique où le véhicule est alors capable, sur une route à double sens de circulation, de dépasser un véhicule avec un véhicule arrivant en sens inverse. / This thesis is about the design of driving assistance systems for level 3 urban automated driving. Because of a more complex of the environment and a larger set of possible trajectories, the algorithms of highway automated driving are not adapted to urban environment. This thesis objective is to provide methods and algorithms to enable the vehicle to perform automated driving in urban scenarios, focusing on the vehicle lateral guidance and on the path planning. The proposed solutions operate in real-time on board of the automated vehicle prototypes. The contribution of this thesis is as theoretical as practical.After a synthesis of the driving assistance systems available on current cars and a presentation of the prototypes used for the validation of the algorithms developed in the thesis, a complete analysis of the vehicle lateral dynamics is carried out in time and frequency domains. This analysis enables the design of observers of the lateral dynamics in order not only to estimate signals required for the lateral guidance functions but also to increase reliability of available measurements. Based on the conclusions from the analysis of lateral dynamic, a multi-controller solution has been proposed. It enables the computation of a steering wheel input to follow a trajectory at any longitudinal speed. The solution is validated in simulation and on real road traffic for lane change scenarios. Another contribution consist in an analysis on the other vehicles of the environment is conducted in order to identify their behaviors and which maneuver there are performing. This analysis is essential for the path planning function developed in the thesis. This method, based on the A* algorithm and extended to respect geometric and dynamic constraints, firstly focuses on static environment such as a parking lot. Waypoints are added to the method in order to compute trajectories compatible with traffic regulation and improve the computation time. The method is then adapted for dynamic environment where, in the end, the vehicle is able to perform overtaking manoeuvers in a complex environment.

Cette thèse traite de la gestion du trafic aérien et plus précisément, de l’optimisation globale des plans de vol déposés par les compagnies aériennes sous contrainte du respect de la capacité de l’espace aérien. Une composante importante de ce travail concerne la gestion de l’incertitude entourant les trajectoires des aéronefs. Dans la première partie du travail, nous identifions les principales causes d’incertitude au niveau de la prédiction de trajectoires. Celle-ci est la composante essentielle à l’automatisation des systèmes de gestion du trafic aérien. Nous étudions donc le problème du réglage automatique et en-ligne des paramètres de la prédiction de trajectoires au cours de la phase de montée avec l’algorithme d’optimisation CMA-ES. La principale conclusion, corroborée par d’autres travaux de la littérature, implique que la prédiction de trajectoires des centres de contrôle n’est pas suffisamment précise aujourd’hui pour supporter l’automatisation complète des tâches critiques. Ainsi, un système d’optimisation centralisé de la gestion du traficaérien doit prendre en compte le facteur humain et l’incertitude de façon générale.Par conséquent, la seconde partie traite du développement des modèles et des algorithmes dans une perspective globale. De plus, nous décrivons un modèle stochastique qui capture les incertitudes sur les temps de passage sur des balises de survol pour chaque trajectoire. Ceci nous permet d’inférer l’incertitude engendrée sur l’occupation des secteurs de contrôle par les aéronefs à tout moment.Dans la troisième partie, nous formulons une variante du problème classique du Air Traffic Flow and Capacity Management au cours de la phase tactique. L’intérêt est de renforcer les échanges d’information entre le gestionnaire du réseau et les contrôleurs aériens. Nous définissons donc un problème d’optimisation dont l’objectif est de minimiser conjointement les coûts de retard et de congestion tout en respectant les contraintes de séquencement au cours des phases de décollage et d’attérissage. Pour combattre le nombre de dimensions élevé de ce problème, nous choisissons un algorithme évolutionnaire multiobjectif avec une représentation indirecte du problème en se basant sur des ordonnanceurs gloutons. Enfin, nous étudions les performances et la robustesse de cette approche en utilisant le modèle stochastique défini précédemment. Ce travail est validé à l’aide de problèmes réels obtenus du Central Flow Management Unit en Europe, que l’on a aussi densifiés artificiellement. / In this thesis, we investigate the issue of optimizing the aircraft operators' demand with the airspace capacity by taking into account uncertainty in air traffic management. In the first part of the work, we identify the main causes of uncertainty of the trajectory prediction (TP), the core component underlying automation in ATM systems. We study the problem of online parameter-tuning of the TP during the climbing phase with the optimization algorithm CMA-ES. The main conclusion, corroborated by other works in the literature, is that ground TP is not sufficiently accurate nowadays to support fully automated safety-critical applications. Hence, with the current data sharing limitations, any centralized optimization system in Air Traffic Control should consider the human-in-the-loop factor, as well as other uncertainties. Consequently, in the second part of the thesis, we develop models and algorithms from a network global perspective and we describe a generic uncertainty model that captures flight trajectories uncertainties and infer their impact on the occupancy count of the Air Traffic Control sectors. This usual indicator quantifies coarsely the complexity managed by air traffic controllers in terms of number of flights. In the third part of the thesis, we formulate a variant of the Air Traffic Flow and Capacity Management problem in the tactical phase for bridging the gap between the network manager and air traffic controllers. The optimization problem consists in minimizing jointly the cost of delays and the cost of congestion while meeting sequencing constraints. In order to cope with the high dimensionality of the problem, evolutionary multi-objective optimization algorithms are used with an indirect representation and some greedy schedulers to optimize flight plans. An additional uncertainty model is added on top of the network model, allowing us to study the performances and the robustness of the proposed optimization algorithm when facing noisy context. We validate our approach on real-world and artificially densified instances obtained from the Central Flow Management Unit in Europe.

Face à l’évolution rapide des technologies nécessaires à l’automatisation de la conduite au cours de ces dernières années, les grands constructeurs automobiles promettent la commercialisation de véhicules autonomes à l’horizon 2020. Cependant, la définition des interactions entre les systèmes de conduite automatisée et le conducteur au cours de la tâche de conduite reste une question ouverte. L'objectif de cette thèse est de concevoir, développer et évaluer des principes de coopération entre le conducteur et les systèmes de conduite automatisée. Compte tenu de la complexité d'un tel Système Homme-Machine, la thèse propose, en premier lieu une architecture de contrôle coopératif hiérarchique et deux principes de coopération généraux sur deux niveaux dans l’architecture qui serviront ensuite de base commune pour la conception des systèmes coopératifs développés pour les cas d’usages définis. Afin d’assurer une coopération efficace avec le conducteur dans un environnement de conduite dynamique, le véhicule autonome a besoin de comprendre la situation et de partager sa compréhension de la situation avec le conducteur. Pour cela, cette thèse propose un formalisme de représentation de la scène de conduite basé sur le repère de Frenet. Ensuite, une méthode de prédiction de trajectoire est également proposée. Sur la base de la détection de manœuvre et de l'estimation du jerk, cette méthode permet d’améliorer la précision de la trajectoire prédite comparée à celle déterminée par la méthode basée sur une hypothèse d'accélération constante. Dans la partie d’études de cas, deux principes de coopération sont mis en œuvre dans deux cas d’usage. Dans le premier cas de la gestion d’insertion sur autoroute, un système de contrôle longitudinal coopératif est conçu. Il comporte une fonction de planification de manœuvre et de génération de trajectoire basée sur la commande prédictive. En fonction du principe de coopération, ce système peut à la fois gérer automatiquement l’insertion d’un véhicule et donner la possibilité au conducteur de changer la décision du système. Dans le second cas d'usage qui concerne le contrôle de trajectoire et le changement de voie sur autoroute, le problème de partage du contrôle est formulé comme un problème d’optimisation sous contraintes qui est résolu en ligne en utilisant l’approche de la commande prédictive (MPC). Cette approche assure le transfert continu de l’autorité du contrôle entre le système et le conducteur en adaptant les pondérations dans la fonction de coût et en mettant en œuvre des contraintes dynamiques en ligne dans le modèle prédictif, tout en informant le conducteur des dangers potentiels grâce au retour haptique sur le volant. Les deux systèmes sont évalués à l’aide de tests utilisateur sur simulateur de conduite. En fonction des résultats des tests, cette thèse discute la question des facteurs humains et la perception de l'utilisateur sur les principes de coopération. / Given rapid advancement of automated driving (AD) technologies in recent years, major car makers promise the commercialization of AD vehicles within one decade from now. However, how the automation should interact with human drivers remains an open question. The objective of this thesis is to design, develop and evaluate interaction principles for AD systems that can cooperate with a human driver. Considering the complexity of such a human-machine system, this thesis begins with proposing two general cooperation principles and a hierarchical cooperative control architecture to lay a common basis for interaction and system design in the defined use cases. Since the proposed principles address a dynamic driving environment involving manually driven vehicles, the AD vehicle needs to understand it and to share its situational awareness with the driver for efficient cooperation. This thesis first proposes a representation formalism of the driving scene in the Frenet frame to facilitate the creation of the spatial awareness of the AD system. An adaptive vehicle longitudinal trajectory prediction method is also presented. Based on maneuver detection and jerk estimation, this method yields better prediction accuracy than the method based on constant acceleration assumption. As case studies, this thesis implements two cooperation principles for two use cases respectively. In the first use case of highway merging management, this thesis proposes a cooperative longitudinal control framework featuring an ad-hoc maneuver planning function and a model predictive control (MPC) based trajectory generation for transient maneuvers. This framework can automatically handle a merging vehicle, and at the mean time it offers the driver a possibility to change the intention of the system. In another use case concerning highway lane positioning and lane changing, a shared steering control problem is formulated in MPC framework. By adapting the weight on the stage cost and implementing dynamic constraints online, the MPC ensures seamless control transfer between the system and the driver while conveying potential hazards through haptic feedback. Both of the designed systems are evaluated through user tests on driving simulator. Finally, human factors issue and user’s perception on these new interaction paradigms are discussed.