Cette thèse s'intéresse a l'apprentissage du comportement des avions dans le ciel. À partir de ces comportements l'objectif est de pouvoir générer du trafic aérien de manière autonome, légère et flexible pour alimenter une simulation. Les méthodes actuelles de simulation aériennes demandent beaucoup de préparation avant la simulation pour concevoir le scénario et d'interventions humaines pendant la simulation pour que le trafic aérien soit réaliste. Générer du trafic est une tâche complexe car le comportement des avions dépend de beaucoup de variables et des décisions de plusieurs d'acteurs : le contrôleur aérien décide de la trajectoire à suivre parmi toutes les possibilités qu'il perçoit, puis le pilote réagit plus ou moins rapidement de façon plus ou moins strict. Un système multi-agent adaptatif observe des trajectoires d'avions réelles pour apprendre comment les avions se comportent dans la réalité. Les différents agents impliquées coopèrent et modifient les liens qui les relient. Ce réseau entre les agents fini par représenter le comportement global de l'ensemble des avions et peut être interrogé par des agents avions en simulation pour savoir ce qu'ils doivent faire en fonction de leur situation courante. Nous présentons EVAA (Environnement Virtuel Auto-Adaptatif) capable d'apprendre le comportement des avions et de générer du trafic en fonction de ces comportements de manière totalement autonome. / This thesis is about learning the behavior of the aircrafts in the sky. With those behaviors the goal is to generate traffic in an autonomous and flexible way into a simulation. The current methods of air traffic simulation need to prepare the scenario before the simulation and the interventions of humans during the simulation to make the traffic realistic. Traffic generation is a complex task because the behaviors of the planes depends on many variables and several actors : the air traffic controller decide what trajectory to follow among many possibilities, then the pilot react , more or less promptly, to this order in a, more or less rigorous, way. An adaptive multi-agent system monitors trajectories of real aircrafts to learn how the planes behave in the real sky. The agents involved in this process cooperate and update the links between them to create a network representing the global behavior of all aircrafts. This network can then be queried by an aircraft agent in a simulation to know what it should do according to its current situation. We present EVAA (Self-Adaptive Virtual Environment) able to learn the behavior of aircrafts and to generate air traffic by using those behaviors in a autonomous way.
| Identifer | oai:union.ndltd.org:theses.fr/2017TOU30029 |
| Date | 03 February 2017 |
| Creators | Rantrua, Arcady |
| Contributors | Toulouse 3, Glize, Pierre |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0019 seconds