Dans cet article, une approche générale de la modélisation des opérations aéroportuaires est présentée. Les opérations aéroportuaires ont été largement étudiées au cours des dernières décennies, qu'il s'agisse de l'espace aérien, des opérations côté piste ou côté ville. En raison de la nature du système, les techniques de simulation sont apparues comme une approche puissante pour traiter la variabilité de ces opérations. Cependant, dans la plupart des études, les différents éléments sont étudiés individuellement. L'objectif de cet article est de surmonter cette limitation en présentant une approche méthodologique dans laquelle les opérations aéroportuaires sont modélisées ensemble, comme l'espace aérien et le côté piste. La contribution de cette approche est que le niveau de résolution des différents éléments est similaire, ce qui minimise les problèmes d'interface entre eux. Le cadre peut être utilisé par les praticiens pour simuler des systèmes complexes tels que les opérations espace aérien-côté ou les systèmes multi-aéroports. Le cadre est illustré par une étude de cas analysée par les auteurs.
Le système de transport aérien a pour principal objectif de relier les villes, les pays, les continents et les personnes de différentes parties du monde. Le système de transport aérien peut être modélisé comme un réseau de nœuds et de liens, où les nœuds sont les aéroports et les liens sont les routes qui les relient. Dans ce contexte, l'aéroport peut être défini comme l'infrastructure destinée à accueillir le flux d'aéronefs au sein du réseau de transport aérien dans le but de transporter des passagers et/ou du fret.
En 2017, le trafic aérien européen a connu une forte croissance, atteignant 10,6 millions de vols, dépassant le dernier record de 10,2 millions en 2008. Par rapport à 2016, le nombre moyen de vols quotidiens a augmenté de 4,3 % en 2017, comme le montre la figure 1. Le nombre de passagers dans les aéroports européens en 2017 a augmenté de 8,5 % par rapport à 2016. La Figure 2 montre les principaux aéroports européens en termes de passagers et de mouvements d'avions, les cinq premiers aéroports ayant un nombre de passagers supérieur à 63 millions et des mouvements d'avions supérieurs à 449 000, chacun d'entre eux ayant connu une augmentation du trafic de passagers et des mouvements d'avions entre 2016 et 2017 (EUROCONTROL 2018).
D'autre part, cette croissance constante a exercé une pression sur les aéroports, dont la limite de capacité a déjà été atteinte pour certains d'entre eux. Contraintes environnementales, restrictions sociétales, techniques et d'utilisation des sols D'autre part, cette croissance constante a exercé une pression sur les aéroports, dont certains ont déjà atteint leur limite de capacité. Contraintes environnementales, sociétales, techniques et d'utilisation du sol.
Au cours des dernières décennies, les études sur les opérations aéroportuaires se sont concentrées sur l'amélioration de leur efficacité et de leur efficience dans le but d'améliorer la capacité des aéroports, à la fois pour l'espace aérien (Kleinman et al. 1998 ; Zuniga et al. 2013 ; Zheng et al. 2015 ; Klein 2017) et les opérations au sol (Khoury et al. 2007 ; Martinez et al. 2014). Ces études mettent en œuvre des techniques de simulation pour évaluer les performances des aéroports. Cela met en évidence la pertinence de l'utilisation de la modélisation et de la simulation pour traiter ces problèmes. De plus, il existe sur le marché plusieurs logiciels de simulation spécifiques aux opérations aériennes, tels que AirTop (Transoft Solutions 2018) et CAST (Airport Research Center 2018). Ces logiciels comprennent différents modules pour modéliser l'espace aérien, le côté piste et les opérations terminales. L'utilisation d'un DES offre certains avantages tels que : la visualisation, la compression et l'expansion du temps, l'utilisation de variables stochastiques, l'exécution d'expériences avec plusieurs réplications. Nous pouvons classer les logiciels de simulation en deux catégories : les logiciels à usage spécifique et les logiciels à usage général. Les premiers utilisent des objets prédéfinis dont les caractéristiques sont liées au domaine d'intérêt spécifique, tandis que les logiciels à usage général comprennent certains objets prédéfinis qui peuvent être utilisés par les développeurs pour créer n'importe quel type de modèle pour n'importe quel type de domaine d'intérêt. En utilisant un logiciel de simulation à usage général, les utilisateurs et les développeurs sont plus flexibles dans le développement d'une logique étendue et ad hoc du système. Dans ce travail, un modèle de simulation de l'espace aérien et des opérations au sol de l'aéroport a été développé à l'aide d'un logiciel de simulation à usage général, ce qui a permis de développer un modèle sur mesure.
Les travaux susmentionnés se concentrent sur des opérations aéroportuaires spécifiques, telles que l'espace aérien et/ou le sol, et ne considèrent pas les opérations aéroportuaires dans une perspective holistique. Scala et al. (2017a) ont élaboré un modèle qui prend en compte les opérations aéroportuaires en tenant compte de l'espace aérien et des opérations au sol. L'inconvénient de ce travail est que le modèle ne peut pas être utilisé comme une approche générale puisque différents niveaux d'abstraction ont été utilisés pour aborder un problème particulier.
Dans cet article, afin de surmonter cette limitation, une approche des opérations aéroportuaires au niveau macroscopique est proposée. Cette approche permet de construire un cadre général dans lequel les opérations aéroportuaires peuvent être modélisées, indépendamment de la taille et de l'agencement, en utilisant simplement des éléments généraux de la théorie des files d'attente et des réseaux. L'avantage de ce cadre général est qu'il convient à un couplage harmonieux d'algorithmes d'optimisation capables de prendre en compte la plupart des éléments de l'ensemble du système en utilisant une approche holistique, ce qui le rend adapté à l'étude de systèmes complexes tels que les systèmes espace aérien-côté d'escalier ou les systèmes multi-aéroports. Ce cadre a été utilisé avec succès pour mettre en œuvre différentes techniques telles que l'optimisation (Ma et al. 2019) et l'intégration de la simulation et de l'optimisation (Scala et al. 2017b ; Scala et al, 2018), mais il n'a jamais été formalisé. Pour tester la validité du cadre, il a été appliqué à une étude de cas réelle au moyen d'un modèle de simulation.
Les principales contributions de cet article sont triples : premièrement, le développement d'un cadre canonique pour la modélisation des opérations aéroportuaires de manière générale, permettant ainsi la modélisation de différents éléments tels que l'espace aérien et les opérations côté piste ensemble ; deuxièmement, il formalise un cadre dans lequel différentes techniques peuvent être mises en œuvre, telles que l'optimisation et/ou la simulation ; troisièmement, il fournit une ligne directrice pour permettre aux analystes de modéliser les opérations aéroportuaires d'une manière systématique.
Le reste de l'article est présenté comme suit : dans la section 2, le cadre générique pour la modélisation des opérations aéroportuaires est présenté, dans la section 3, l'approche est appliquée à un cas réel, et un modèle de simulation est présenté. Les conclusions sont tirées dans la section 4.
Cette section présente un cadre générique pour la modélisation des opérations aéroportuaires. Les opérations aéroportuaires sont modélisées à un niveau macroscopique. Dans ce contexte, l'approche macroscopique se réfère au niveau de détail des différents composants du modèle final. Les composants côté piste de l'aéroport considérés sont : les pistes, le réseau de voies de circulation et les terminaux ; ces composants ont été modélisés comme des ressources caractérisées par une capacité maximale et un temps d'occupation. Les opérations de l'espace aérien, quant à elles, étaient liées aux routes d'approche vers l'aéroport, telles que la séquence des avions et la fusion avec la route d'approche finale avant l'atterrissage sur la piste. Les opérations de l'espace aérien ont été modélisées de manière plus détaillée, en modélisant les performances de l'espace aérien vol par vol.
Ce cadre permet de considérer ces opérations ensemble ou séparément, en fonction du type d'analyse que l'on souhaite mener. Par exemple, un système multi-aéroport peut être modélisé en agrégeant les composantes côté piste de chaque aéroport du système et en incluant la composante espace aérien comme une composante commune aux aéroports. En outre, différentes techniques telles que l'optimisation peuvent être couplées à un ou plusieurs composants, ou à l'ensemble du système aéroportuaire. La figure 3 illustre la manière dont un système multi-aéroport peut être développé et dont le processus d'optimisation peut être inclus dans le cadre proposé dans ce travail. Dans Scala et al. (2017, 2018), ce cadre a été appliqué avec succès en utilisant un algorithme d'optimisation pour optimiser les performances de l'ensemble du système et évaluer cette solution au moyen d'un modèle de simulation à événements discrets, de cette manière, une boucle de rétroaction a pu être créée pour améliorer les performances du système.
Dans les sections suivantes, la modélisation de l'espace aérien et des opérations côté piste est décrite plus en détail.
L'espace aérien entourant les aéroports, communément appelé aire de manœuvre terminale (TMA), est une portion de l'espace aérien où les aéronefs suivent leurs itinéraires d'approche et de départ. En particulier pour les aéroports très fréquentés, il peut s'agir d'une zone encombrée en raison du trafic convergeant vers les pistes et du trafic sortant. Lorsque les avions volent selon les règles de vol aux instruments (IFR), leur trajectoire est facilitée par la mise en œuvre de routes d'arrivée normalisées (STAR) et de routes de départ normalisées aux instruments (SID). Les STAR et les SID sont des itinéraires normalisés qui facilitent l'écoulement sûr et efficace du trafic aérien à destination et en provenance d'une même piste ou de pistes différentes. Les STAR et les SID sont des itinéraires publiés que l'équipage de conduite peut suivre à moins que les contrôleurs aériens ne donnent des instructions différentes.
Chaque piste peut avoir une ou plusieurs STAR/SID, chacune d'entre elles assurant aux aéronefs de voler à un certain niveau d'altitude, sous des restrictions de vitesse et en suivant certains points significatifs (waypoints). La dernière trajectoire de descente avant l'atterrissage, en IFR, est appelée procédure d'approche aux instruments. Cette procédure comprend une série de manœuvres prédéfinies qui conduisent à l'atterrissage sur une piste prédéfinie. La procédure d'approche aux instruments peut être divisée en deux segments principaux, appelés segment d'approche initiale et segment d'approche finale. Dans certains cas, un autre segment supplémentaire peut faire partie de la procédure d'approche aux instruments, le segment d'approche intermédiaire. La figure 4 en donne une représentation schématique.
Les opérations effectuées dans la TMA, en IFR, sont limitées par des contraintes prédéfinies qui impliquent la vitesse et la séparation entre les aéronefs consécutifs. Les limites de vitesse peuvent être consultées sur les routes STAR et SID publiées par le service de la circulation aérienne (ATS). Dans ce contexte, les vitesses se réfèrent à la vitesse aérienne calibrée (CAS), qui peut différer de la vitesse au sol (GS). En général, un aéronef entrant dans la TMA à partir de l'une des STAR n'est pas autorisé à voler à une vitesse supérieure à 250 kts. D'autres limitations de vitesse spécifiques peuvent être trouvées dans d'autres points de cheminement importants le long de la STAR, et dans les principaux points de cheminement de la procédure d'approche instrumentale, tels que l'IAF, le repère intermédiaire (IF) et le repère d'approche finale (FAF). Pendant le vol, les aéronefs ralentissent progressivement jusqu'au point de cheminement FAF, où la vitesse de descente finale est atteinte et maintenue jusqu'à l'atterrissage sur la piste. Le même concept est appliqué aux SID, où les aéronefs volent à une certaine vitesse basée sur les limites de vitesse définies sur chaque point de cheminement placé le long de chaque SID. En ce qui concerne les minima de séparation, il existe deux séparations différentes qui doivent être respectées pour des raisons de sécurité : la séparation horizontale et la séparation verticale. Les séparations horizontales sont assurées en termes de séparation longitudinale et latérale. Les minima de séparation longitudinale entre deux aéronefs consécutifs dépendent du type d'aéronef de l'aéronef de tête et de l'aéronef de queue ; dans ce contexte, l'Organisation de l'aviation civile internationale (OACI) (OACI 2016) a défini les différents minima de séparation. La séparation latérale entre deux aéronefs consécutifs est assurée en se référant à des emplacements géographiques différents et/ou en se référant à la même aide à la navigation. La séparation verticale est assurée en laissant une distance verticale d'au moins 1000 ft (300m) entre deux aéronefs.
Les routes d'atterrissage dans l'espace aérien (STAR) ont été modélisées comme un réseau de liens et de nœuds. Chaque nœud représente un point de cheminement de la route, et le lien les connexions entre les points de cheminement. Dans chaque nœud, des logiques telles que la vérification de la vitesse et la vérification des minima de séparation ont été mises en œuvre. Sur chaque lien, des propriétés telles que la longueur du lien, la capacité maximale sur le lien et la vitesse maximale sur le lien peuvent être définies. En définissant ces propriétés et cette logique sur chaque nœud et chaque liaison du réseau d'espace aérien, il est possible de créer un cadre général pour la modélisation de différents espaces aériens. Lors de la modélisation de tout autre espace aérien, les nœuds et les liens conserveront les mêmes propriétés, la seule différence résidant dans l'agencement du réseau.
L'ordre chronologique des opérations effectuées côté piste est le suivant : l'avion atterrit sur la piste, traverse le réseau de voies de circulation et se gare ensuite au terminal. Après le temps de rotation, l'avion traverse à nouveau le réseau de voies de circulation afin d'atteindre la piste de départ. Les composants côté piste, tels que la piste, le réseau de voies de circulation et les terminaux, sont modélisés à l'aide d'éléments liés à la théorie des files d'attente, comme l'élément serveur. Un élément serveur peut traiter un nombre maximum d'entités simultanément et traite chaque entité selon un temps de traitement spécifique. L'analogie avec la théorie des files d'attente correspond bien à la manière dont les opérations côté piste ont été modélisées au niveau macroscopique. En effet, les pistes, les voies de circulation et les terminaux peuvent être considérés comme des serveurs ayant une capacité maximale et un temps de traitement spécifique, et les aéronefs peuvent être considérés comme les entités à traiter. Dans ce cadre, les composants des pistes, du réseau de voies de circulation et des terminaux sont logiquement connectés en suivant l'ordre chronologique des opérations. Ce mode de modélisation offre à l'utilisateur une grande flexibilité pour modéliser différents aménagements aéroportuaires, puisque les valeurs de capacité et de temps de service peuvent être modifiées en fonction des caractéristiques spécifiques de l'aéroport. Les performances côté piste sont évaluées pour chaque composante en termes d'utilisation. Les principales propriétés de la composante piste sont : la capacité, qui est fixée à un, puisqu'un seul avion peut utiliser la piste à la fois ; et le temps d'occupation de la piste. Les principales propriétés de la composante réseau de voies de circulation sont : la capacité maximale du réseau de voies de circulation, qui est le nombre maximal d'avions pouvant traverser simultanément la voie de circulation ; et le temps d'occupation de la voie de circulation. Les principales propriétés de la composante terminal sont : la capacité maximale, qui est le nombre de portes du terminal ; et le temps de rotation, qui est le temps qui commence lorsqu'un aéronef se gare à une porte du terminal et se termine lorsqu'il quitte la porte du terminal.
La figure 5 présente une représentation schématique de l'approche macroscopique pour un seul aéroport. Comme le montre l'exemple de la figure 5, le réseau d'espace aérien est connecté à deux pistes d'atterrissage, elles-mêmes connectées au réseau de voies de circulation. Le réseau de voies de circulation relie les terminaux et les pistes de départ.
Les entrées du modèle sont données par le programme de vols et par les paramètres initiaux du système. Le programme de vol contient toutes les informations nécessaires aux entités (aéronefs), telles que : le type de vol, la taille de l'aéronef, le numéro du terminal, le point d'entrée dans l'espace aérien, l'heure d'entrée dans l'espace aérien, la vitesse d'entrée dans l'espace aérien, la piste d'atterrissage, l'heure de repoussage et la piste de départ. Les paramètres initiaux du système sont des paramètres statiques à définir avant d'exécuter le modèle, tels que : la capacité du terminal, la capacité du réseau de voies de circulation, la vitesse d'atterrissage, le temps de circulation moyen et le temps d'occupation de la piste.
Le résultat du modèle est lié à l'évaluation de la performance du système en termes de congestion. Les résultats utilisés sont : le niveau d'encombrement dans l'espace aérien et le niveau d'encombrement côté piste. Le premier est calculé comme le nombre de conflits d'aéronefs dans l'espace aérien, les conflits étant définis comme toute violation des minima de séparation longitudinale entre des aéronefs consécutifs. Les minima de séparation longitudinale sont des valeurs standard fournies par l'OACI (OACI 2016).
Les hypothèses du modèle sont les suivantes :
Cette section présente un modèle de simulation à événements discrets représentant les opérations aéroportuaires à un niveau macroscopique. Le modèle est basé sur une étude de cas réelle, à savoir l'aéroport de Paris Charles de Gaulle (PCDG). Le modèle de simulation a été développé en utilisant un logiciel de simulation polyvalent, SIMIO (SIMIO 2019), cependant, en utilisant le cadre proposé, n'importe quel logiciel de simulation polyvalent ou n'importe quel langage de programmation peut être utilisé pour développer les modèles. Dans le présent document, nous l'appellerons "modèle de simulation". La description mentionne certains des objets les plus courants que l'on peut trouver dans n'importe quel logiciel de simulation polyvalent. En outre, le modèle de simulation a été validé à l'aide de l'approche de validation des données historiques (Sargent 2007), car il s'agit d'un aspect essentiel du développement de tout modèle de simulation.
La figure 6 présente un schéma du modèle de simulation, en incluant les principaux objets utilisés pour construire le modèle.
L'espace aérien de la TMA de l'aéroport a été modélisé comme un réseau d'objets nœuds et d'objets chemins, représentant les points de passage et les segments des routes d'atterrissage. Dans chaque nœud, des logiques telles que la vérification de la vitesse et la vérification des minima de séparation ont été mises en œuvre. Les segments ont été modélisés à l'aide de chemins, dont les propriétés telles que la longueur, la capacité maximale et la vitesse maximale peuvent être définies. La figure 7 montre l'animation du modèle de simulation pour l'espace aérien TMA dans la configuration ouest de l'aéroport PCDG.
Dans la liste suivante, chaque objet du modèle est décrit avec ses principales caractéristiques et fonctionnalités.
En ce qui concerne les composants côté piste de l'aéroport, les pistes, le réseau de voies de circulation et les terminaux ont été modélisés à l'aide d'objets serveur. Les objets serveurs ont été reliés les uns aux autres à l'aide de connecteurs, un chemin d'objet spécifique à temps zéro. La figure 8 montre une partie de l'animation du modèle de l'aéroport côté piste et la façon dont ces objets ont été connectés les uns aux autres.
Dans la liste suivante, chaque objet du modèle est décrit avec ses principales caractéristiques et fonctionnalités.
L'implémentation de la logique du modèle dans SIMIO est possible grâce à l'utilisation de la fonction de processus. Un processus est une séquence logique d'étapes (voir figure 9). Une fois qu'un processus est créé, il peut être appelé par différents objets du modèle. Chaque étape permet d'effectuer une action spécifique. Les principales étapes utilisées dans le modèle sont les suivantes : Assigner, Décider, Retarder, Attendre, Tirer, Exécuter et SetNode.
Ils sont décrits dans la liste suivante :
Afin de valider le modèle de simulation, les auteurs ont choisi d'appliquer la méthode de validation : Validation des données historiques (Sargent 2007). Cette méthode est mise en œuvre lorsque des données historiques sont disponibles. La méthode consiste à utiliser une partie des données pour construire le modèle et à utiliser une partie des données pour le valider. Dans ce travail, les données utilisées pour construire le modèle se réfèrent au nombre et à la capacité de chaque composant du système tel que : l'espace aérien, les routes d'approche, le système de pistes et de voies de circulation et les terminaux. Le temps moyen d'occupation des pistes ainsi que le temps moyen d'occupation des voies de circulation et des terminaux ont été calculés à partir des données historiques disponibles. Le tableau 1 énumère les principales composantes de l'aéroport et fournit des informations importantes sur la capacité de chacune d'entre elles.
Le temps moyen d'occupation des pistes, tant pour les atterrissages que pour les décollages, a été estimé à 60 secondes. Le temps d'occupation des voies de circulation a été considéré comme une moyenne dérivée des données historiques. Le temps d'occupation des voies de circulation dépend du couple spécifique piste-terminal, ces valeurs sont indiquées dans le tableau 2.
Les données historiques utilisées pour la validation des modèles sont les trajectoires de vol extraites du radar, pour une journée d'opérations. Dans ces données, chaque avion est suivi dans l'espace aérien et dans le côté piste, ce qui permet de collecter l'heure d'entrée dans l'espace aérien, l'heure d'atterrissage, l'heure d'entrée et de sortie des terminaux et l'heure de décollage. Le test statistique utilisé pour la validation est la différence moyenne standardisée (SMD), ce test fait partie du cadre statistique de la taille de l'effet. L'ampleur de l'effet est utilisée pour quantifier le degré d'écart entre deux échantillons (Vacha et Thompson 2004). Ce test est préférable au test t, en raison de la taille des échantillons. En effet, si l'on utilise le test t pour un échantillon de données volumineuses, toute différence minime sera considérée comme significative. Les variables utilisées pour mettre en œuvre la validation sont l'occupation dans le temps de la piste, de la voie de circulation et des terminaux. Dans le SMD, nous calculons la valeur 𝛿 qui représente l'ampleur de l'écart entre la sortie des données historiques et celle du modèle de simulation. La valeur de 𝛿 est donnée par l'équation 1,
où 𝜇& est la valeur moyenne des observations des données historiques pour chaque variable ; 𝜇( est la valeur moyenne de la sortie du modèle de simulation pour chaque variable ; 𝜎& est l'écart-type des données historiques pour chaque variable ; et 𝜎( est l'écart-type du modèle de simulation pour chaque variable. Une valeur de 𝛿 proche de zéro signifie que le modèle de simulation représente fidèlement la sortie du système réel. Le tableau 3 présente les statistiques relatives aux données historiques et au modèle de simulation, pour chaque variable. Le tableau 4 indique la valeur de 𝛿 pour l'analyse SMD.
En examinant les résultats du tableau 3, nous pouvons remarquer que pour l'occupation des pistes, dans le modèle de simulation, les pistes semblent être plus chargées car les valeurs moyennes sont plus élevées, ainsi que les écarts-types. En ce qui concerne l'occupation du réseau de voies de circulation, le modèle de simulation montre une charge moindre sur les voies de circulation par rapport aux données originales, comme le suggèrent les valeurs moyennes et les écarts types. En ce qui concerne les terminaux, il y a très peu de différence entre les données originales et la moyenne et l'écart-type du modèle de simulation.
En examinant les valeurs de 𝛿 pour chaque variable analysée dans le tableau 4, nous pouvons déduire que l'ampleur de l'écart entre les deux ensembles de données, historiques et simulés, n'est pas significative. La valeur la plus élevée de 𝛿 peut être trouvée pour le réseau de voies de circulation, qui est de 0,34, cependant, cette valeur est proche de zéro. Les variables concernant les pistes ont des valeurs comprises entre -0,22 et -0,32, également pour ces variables les valeurs 𝛿 sont proches de zéro, ce qui est le scénario idéal. La plus petite valeur de 𝛿 est trouvée pour les terminaux, avec des valeurs qui varient entre -0,01 et -0,007, ce qui révèle que la sortie de la simulation reproduit bien la performance des terminaux du système réel. Dans l'ensemble, le test SMD a montré que le mode de simulation reproduit fidèlement le système réel.
Ce document présente un cadre générique pour la modélisation des opérations aéroportuaires. Cette étude sert de guide pour la modélisation et la simulation de systèmes similaires. Grâce aux caractéristiques standard du modèle, celui-ci peut être adapté à n'importe quel système (multi)aéroportuaire, quelles que soient sa taille et sa configuration. En outre, les différentes composantes du cadre, telles que l'espace aérien et le côté piste, peuvent être utilisées pour effectuer des analyses globales ou séparées. Le cadre présenté est également adapté à l'intégration de différentes techniques telles que la simulation et l'optimisation, comme cela a été démontré en l'appliquant à une étude de cas réelle au moyen d'un modèle de simulation. Le modèle de simulation a été développé à l'aide d'un logiciel de simulation à usage général. Dans le document, les auteurs ont fourni une description des objets utilisés pour modéliser les opérations, afin que le modèle puisse être reproduit par n'importe quel autre logiciel de simulation commercial à usage général. Le modèle de simulation a été validé à l'aide d'une approche statistique, prouvant qu'il est capable de modéliser les opérations de l'aéroport avec précision, ce qui renforce la validité du cadre.
Les auteurs souhaitent remercier l'AUAS-AMSIB et l'Académie de l'aviation pour le soutien apporté à cette étude, ainsi que la Dutch Benelux Simulation Society (www.DutchBSS.org) et EUROSIM pour la diffusion des résultats de ce travail.
PAOLO SCALA est doctorant à l'Ecole Nationale de l'Aviation Civile (ENAC) (France), parrainé par l'Académie de l'Aviation et l'Amsterdam School of Internatrional Business (AMSIB) de l'Université des Sciences Appliquées d'Amsterdam (AUAS) (Pays-Bas). Ses recherches portent sur la modélisation, la simulation et l'optimisation appliquées au domaine de l'aviation. Son adresse électronique est la suivante: p.m.scala@hva.nl.
MIGUEL MUJICA est professeur associé à l'Académie d'aviation de l'Université des sciences appliquées d'Amsterdam (AUAS) aux Pays-Bas. Ses recherches portent sur les techniques de simulation et la R.O. dans les domaines de l'industrie, de la logistique et de l'aviation. Son adresse électronique est la suivante: m.mujica.mota@hva.nl.
DANIEL DELAHAYE est professeur à l'Ecole Nationale de l'Aviation Civile (ENAC) (France). Ses recherches portent sur l'optimisation stochastique pour la conception de l'espace aérien et l'affectation du trafic à grande échelle. Son adresse électronique estdelahaye@recherhe.enac.fr.
JI MA est doctorante à l'Ecole Nationale de l'Aviation Civile (ENAC) (France). Ses recherches portent sur l'optimisation du trafic aéroportuaire. Son adresse électronique estji.ma@recherche.enac.fr.
Airport Research Center. https://airport-consultants.com/consulté en ligne le 6 juin 2019.
EUROCONTROL 2017. EUROCONTROL, 2017a. Gestion stratégique, pré-tactique, tactique et post-opératoire des flux de trafic aérien et de la capacité. http://www.eurocontrol.int/service/strategic-pre-tactical-tactical-and-post-ops-air-traffic-flow-and-capacitymanagementConsulté: 30 mai 2018.
EUROCONTROL, 2018. Moniteur de l'industrie. Numéro 200. 14/02/2018.
OACI, 2016. Doc 4444 - Procédures pour les services de navigation aérienne (PANS) Gestion du trafic aérien, 16e édition, 2016.
Khoury H.M., Kamat V.R., Ioannou P.G., 2007. "Evaluation of General-Purpose Construction Simulation and Visualization Tools for Modeling and Animating Airside Airport Operations". Simulation, Vol. 83, No. 9, pp. 663-679.
Klein. A., 2017. "Using Fast-Time Simulation to Assess Weather Forecast Accuracy Requirements for Air Traffic Flow Management" (Utilisation de la simulation en temps réel pour évaluer les exigences en matière de précision des prévisions météorologiques pour la gestion des flux de trafic aérien). In Proceedings of the 2017 Winter Simulation Conference, édité par W.K.V. Chan, A. D'Ambrogio, G. Zacharewicz, N. Mustafee, G. Wainer, et E. Page, 2638-2649. Piscataway, New Jersey : Institute of Electrical and Electronics Engineers, Inc.
Kleinman, N., Hill, S. D., Llends. V. A., 1998. "Simulation Optimization of Air Traffic Delay Cost". In the Proceedings of the 1998 Winter Simulation Conference, edited by D.J. Medeiros, E.F. Watson, J.S. Carson, and M.S. Manivannan, 1177-1181. Piscataway, New Jersey : Institute of Electrical and Electronics Engineers, Inc.
Ma J., Delahaye D., Sbihi M., Scala P., Mujica M., 2019. "Optimisation intégrée de l'aire de manœuvre du terminal et de l'aéroport au niveau macroscopique". Transportation Research Part C, Vol. 98 (2019),pp. 338-357.
Martinez J.C., Trani A.A., Ioannou P.G., 2014. " Modeling Airside Airport Operations Using General-Purpose, Activity-Based, Discrete-Event Simulation Tools " (Modélisation des opérations aéroportuaires côté piste à l'aide d'outils de simulation d'événements discrets à usage général basés sur les activités). Transportation Research Record : Journal of the Transportation Research Board. Vol. 1744, pp. 65-71.
Sargent R.G., 2007. "Verification and Validation of Simulation Models". Dans Proceedings of 2007 Winter Simulation Conference, édité par S.G Henderson, B. Biller, M.H. Hsieh, J. Shortle, J.D. Tew, et R.R. Barton, 124-1137. Piscataway, New Jersey : Institute of Electrical and Electronics Engineers, Inc.
Scala P., Mujica M., de Bock N, 2017a. "Une approche diviser pour mieux régner pour simuler un système aéroportuaire". Int. Journal of Simulation and Process Modelling, Vol. 12, No. 6, pp. 470-484.
Scala, P., Mujica, M., Delahaye, D., 2017b. " Une solution terre à terre : Applying a Robust Simulation Optimization Approach to Resolve Aviation Problems". In the proceedings of the 2017 Winter Simulation Conference, edited by W.K.V. Chan, A. D'Ambrogio, G. Zacharewicz, N. Mustafee, G. Wainer, and E. Page, 2626-2537. Piscataway, New Jersey : Institute of Electrical and Electronics Engineers, Inc.
Scala, P., Mujica, M., Wu, C.L., Delahaye, D. "Sim-Opt in the Loop : Algorithmic Framework for Solving Airport Capacity Problems". Dans les actes de la 2018 Winter Simulation Conference, édités par M. Rabe, A.A. Juan, N. Mustafee, A. Skoogh, S. Jain, et B. Johansson, 2261-2272. Piscataway, New Jersey : Institute of Electrical and Electronics Engineers, Inc.
Simio LLC. https://www.simio.com/index.phpconsulté en ligne le 13 avril 2019. Transoft Solutions. http://airtopsoft.com/consulté en ligne le 6 juin 2019. Vacha-Haase, T., Thompson, B., 2004. "How to Estimate and Interpret Various Effect Sizes". Journal of Counseling Psychology, Vol. 51, No. 4, pp. 473-481.
Zheng, Y., Sui, D., Lin, Y., Zhang, J., 2015. "Multi-Agent Based Air Traffic Simulation System". Dans les actes de la conférence de l'AIAA sur les technologies de modélisation et de simulation, 22-26 juin 2015, Dallas, TX, États-Unis.
Zuniga C.A., Piera M.A., Ruiz S., Del Pozo I., 2013. A CD&CR Causal Model Based on Path Shortening/Path Stretching Techniques". Transportation Research Part C, Vol 33 (2013), pp. 238-256.