Thèse Optimisation Dynamique des Arrivées à l'Aéroport de Singapour-Changi à l'Aide de la Mesure des Vents par les Aéronefs de Réseaux de Neurones Informés par la Physique et de l'Optimisation du H/F Doctorat.Gouv.Fr

Établissement : Ecole Nationale de l'Aviation Civile École doctorale : EDMITT - Ecole Doctorale Mathématiques, Informatique et Télécommunications de Toulouse Laboratoire de recherche : ENAC-LAB - Laboratoire de Recherche ENAC Direction de la thèse : Daniel DELAHAYE ORCID 0000000249656815 Début de la thèse : 2027-09-01 Date limite de candidature : 2026-11-23T23:59:59 La croissance continue de la demande de trafic aérien engendre des défis croissants pour les grands aéroports internationaux, dont la capacité d'arrivée est souvent limitée par les contraintes liées aux pistes, la variabilité des conditions météorologiques et les incertitudes du trafic. Dans les aéroports congestionnés, les retards à l'arrivée sont fréquemment absorbés par des phases d'attente en vol (holding), générant une consommation inutile de carburant, des émissions supplémentaires et des coûts opérationnels accrus.

Cette thèse propose un nouveau cadre prédictif de gestion des arrivées combinant la mesure des vents à partir des aéronefs, les réseaux de neurones informés par la physique (Physics-Informed Neural Networks, PINNs), la prédiction des trajectoires et l'optimisation dynamique de la vitesse. L'hypothèse centrale est que les avions commerciaux peuvent être considérés comme des capteurs atmosphériques distribués, fournissant des observations permettant de reconstruire des champs de vent à haute résolution et continuellement actualisés au-dessus de la zone de contrôle terminale (Terminal Maneuvering Area, TMA).

Les informations de vent ainsi reconstruites seront intégrées à des modèles de prédiction de trajectoire combinant des approches fondées sur la physique et des approches guidées par les données, afin d'améliorer la précision de l'heure d'arrivée estimée (Estimated Time of Arrival, ETA). Ces prédictions serviront ensuite à élaborer des stratégies d'optimisation dynamique de la vitesse en amont de la TMA, permettant aux aéronefs d'absorber les retards au moyen de profils de vitesse optimisés plutôt que par des circuits d'attente inefficaces.

La recherche sera expérimentée sur les opérations d'arrivée à l'aéroport de Singapour-Changi, avec pour objectif de réduire les phases d'attente en vol, la consommation de carburant et l'impact environnemental, tout en maintenant un niveau élevé de sécurité et de robustesse opérationnelle. Congested international airports face increasing arrival delays due to traffic growth, runway capacity limitations and weather uncertainty. Current reactive strategies often rely on airborne holding, generating unnecessary fuel consumption, emissions and operating costs. Local wind uncertainty is also a major source of ETA prediction errors. The project therefore proposes a transition toward predictive arrival management using commercial aircraft as distributed atmospheric sensors. The main objective is to develop an integrated predictive arrival management framework combining aircraft-derived atmospheric observations, physics-informed learning and dynamic trajectory optimization. The specific objectives are to:
reconstruct dynamic 4D wind fields from aircraft observations;
improve trajectory and ETA prediction using reconstructed wind information;
optimize aircraft speed profiles upstream of the TMA to reduce airborne holding;
integrate these components into a real-time predictive arrival management decision-support system. The methodology combines:
- processing and data assimilation of aircraft-derived wind observations;
- 4D wind reconstruction using Physics-Informed Neural Networks integrating atmospheric physical constraints;
- wind-aware trajectory prediction and ETA estimation;
- Bayesian PINNs or ensemble methods for uncertainty characterization;
- dynamic multi-aircraft speed optimization considering fuel, delay, holding and emissions;
- operational constraints including aircraft performance, separation and runway sequencing.
- Validation will use ADS-B trajectories, aircraft performance models, meteorological observations and airport operational data from Singapore Changi Airport.