La méthodologie
La méthode d'attribution des places de stationnement présentée dans ce document se compose d'une approche à deux modules et d'expériences dans un modèle de simulation. L'approche à deux modules génère des affectations de stands optimisées sur la base du programme de vols cible, des données historiques sur les perturbations du programme pour la période précédente, et des politiques d'affectation et des objectifs d'optimisation définis par l'utilisateur. Ensuite, les attributions obtenues sont estimées dans le modèle de simulation qui permet d'évaluer la qualité de l'empreinte environnementale des attributions de stands générées par l'approche à deux modules dans le cadre de la stochasticité d'un système aéroportuaire réel.
Description de l'algorithme
Cette section donne une brève description de l'approche à deux modules qui génère des affectations de stands optimisées. Une description plus générale peut être trouvée dans Bagamanova et Mujica Mota (2020).
L'approche à deux modules est composée de deux éléments. Le module I se charge d'estimer les probabilités de déviation des horaires à partir des données historiques de l'aéroport. Ces probabilités sont exprimées sous la forme de modèles de distribution bayésiens et décrivent la probabilité de certains niveaux d'écarts de programmation pour diverses caractéristiques de vol disponibles dans les données historiques (par exemple, le nom de la compagnie aérienne, l'heure d'arrivée prévue et le jour de la semaine). La prise en compte des perturbations probables dans la planification de l'affectation vise à réduire le temps d'inactivité que les aéronefs pourraient avoir à passer dans l'attente de la disponibilité du stand prévu et les émissions correspondantes.
Le module II affecte le programme de vol cible aux stands disponibles, en respectant la politique d'affectation et les restrictions définies par l'utilisateur, en tenant compte des perturbations les plus probables ou du niveau de probabilité défini par l'utilisateur dans les temps d'occupation des stands. L'affectation générée est ensuite optimisée à l'aide d'un algorithme génétique en fonction des objectifs d'optimisation spécifiés par l'utilisateur. Le résultat de cette optimisation n'est pas nécessairement une solution optimale, mais le caractère aléatoire utilisé dans l'algorithme génétique sous la forme d'opérateurs de croisement et de mutation nous permet d'obtenir une solution de bonne qualité dans un délai raisonnable (Bagamanova et Mujica Mota 2020). L'affectation des peuplements qui en résulte tient compte de la stochasticité sous la forme d'écarts de temps d'occupation des peuplements générés à partir des modèles de distribution des écarts de calendrier.
Objectif d'optimisation
Afin d'augmenter l'efficacité de l'attribution des stands et d'atténuer l'empreinte polluante, produite par le mouvement de l'avion au sol et l'immobilisation de l'avion en attendant la disponibilité du stand, la fonction d'objectif d'optimisation bi-objectif suivante a été mise en œuvre dans la composante d'optimisation du module II de l'approche à deux modules :
min(w1 ∗ Otaxi+ w2 ∗ Ohold)(1)
La fonction objectif (1) se compose des objectifs individuels suivants :
- Minimiser la distance des taxis vers et depuis les positions de stationnement et donc les émissions associées :
O taxi = dsched.taxi ⁄ Max dairport
- Minimiser le nombre d'avions qui attendent la disponibilité d'un poste de stationnement et, par conséquent, l'utilisation des moteurs au ralenti :
O hold = ∑fl. hold ⁄ ∑ fl.
Où :
- dsched.taxi ⁄- la distance moyenne de taxi vers et depuis le stand dans l'horaire alloué ;
- Max dairport la distance de roulage maximale possible à l'aéroport pour la configuration de piste considérée ;
- ∑fl. hold - le nombre d'avions qui doivent attendre la disponibilité du stand ;
- ⁄ ∑ fl - le nombre total d'aéronefs dans le programme à allouer ;
- wn - poids de la priorité pour l'objectif correspondant. Dans le cadre du présent document, toutes les pondérations sont égales à 1 afin d'obtenir une attribution de stand équilibrée pour les deux objectifs considérés. Dans la pratique, les différentes parties prenantes de l'aéroport peuvent décider des pondérations en fonction de leurs préférences.
Dans la mise en œuvre originale de l'approche à deux modules par Bagamanova et Mujica Mota (2020), la fonction d'objectif d'optimisation du module II comprenait également la maximisation de l'utilisation des stands de contact. Il s'agit d'une préférence générale pour de nombreux aéroports, car elle permet de tirer pleinement parti de l'aérogare en termes d'expérience des passagers et de réduire le nombre de véhicules de service au sol qui se déplacent sur l'aire de trafic. Néanmoins, il pourrait être intéressant d'étudier le coût environnemental de la priorisation de l'utilisation des stands de contact dans la composante d'optimisation dans le cadre de travaux futurs.
ÉTUDE DE CAS : AÉROPORT INTERNATIONAL DE MEXICO CITY
Cette section traite de l'application de l'approche à deux modules pour trouver des politiques d'affectation des stands plus efficaces d'un point de vue environnemental pour un aéroport d'étude de cas.
Informations générales
L'aéroport international de Mexico (code IATA : MEX) est le principal aéroport du Mexique, avec environ 450 000 atterrissages et décollages par an. Il y a deux terminaux, séparés par deux pistes parallèles. Ces pistes ne sont jamais exploitées simultanément en raison de leur proximité. Cette configuration limite la capacité de MEX et, depuis 2017, elle est officiellement limitée à 61 mouvements par heure, avec un maximum de 40 atterrissages (SCT 2017).
Dans le cadre de ce document, on considère que 26 compagnies aériennes opèrent dans deux terminaux au MEX, effectuant à la fois des vols internationaux et domestiques. Sur les 91 stands disponibles au MEX, seuls 84 ont été pris en compte dans ce document, le reste n'étant pas utilisé pour les vols de passagers. Ainsi, le Terminal 1 est représenté par 11 stands ouverts et 33 stands de contact, dont 16 stands sont dédiés aux vols domestiques et 17 aux vols internationaux. Le terminal 2 est représenté par 17 stands ouverts et 23 stands de contact, dont 13 sont utilisés pour les vols intérieurs et 10 pour les vols internationaux.
Perturbations des horaires et émissions
Au niveau mondial, le Mexique a généré en 2018 environ 1,5 % des émissions liées au transport aérien de passagers (Graver et al. 2019). MEX est situé à proximité directe des zones urbaines de Mexico, ce qui fait que l'aéroport affecte de manière significative la qualité de l'air et les niveaux de bruit de la ville. Selon SEDEMA (2018), MEX produit environ 15 % des émissions polluantes totales de la ville de Mexico.
En 2017, le Mexique a officiellement rejoint une initiative mondiale pour des opérations de transport aérien neutres en carbone (OACI 2020), ce qui implique que tous les aéroports du pays doivent suivre les politiques et les normes de réduction des émissions de l'OACI. Malgré ces faits, jusqu'à la date de rédaction du présent document, le site officiel de la MEX ne publiait aucune estimation officielle du niveau d'émissions de l'aéroport et ne divulguait aucune mesure visant à réduire l'empreinte environnementale de ses opérations.
MEX souffre fréquemment de problèmes de ponctualité. En 2018, seuls 67 % des vols ont été effectués à l'heure (SCT 2019) et plus de 20 % des vols au départ ont été retardés de 46 minutes en moyenne (Flightstats 2018). Compte tenu d'un tel niveau de perturbations et de l'engagement récent dans l'initiative mondiale de réduction de l'empreinte polluante, MEX devient une bonne cible pour l'application de l'approche à deux modules afin de découvrir le potentiel caché de réduction des émissions lié à la planification de l'affectation des stands.
Mise en œuvre de l'approche à deux modules
Comme données d'entrée pour cette étude, nous avons utilisé un rapport de performance officiel pour une période allant du 28.05.2018 au 03.06.2018, extrait de l'aéroport international de Mexico (2018). Ce rapport comprenait plus de 8 000 vols avec les heures d'arrivée réelles et prévues, les numéros de vol, les noms des compagnies aériennes et le type d'avion utilisé. Au cours de la semaine choisie, environ 7 % des vols à l'arrivée se sont écartés de plus d'une heure de leur horaire. Plus de 53 % des arrivées programmées ont subi un retard substantiel de plus de 15 minutes, ce qui constitue une perturbation importante pour un aéroport encombré.
En raison de l'indisponibilité de données réelles sur les temps de rotation et la correspondance entre les avions à l'arrivée et au départ, il a été supposé d'utiliser uniquement les vols de passagers à l'arrivée figurant dans le rapport obtenu et de définir un temps de rotation de 60 minutes pour tous les vols dans les expériences réalisées. Ces limitations ont réduit le nombre de vols à 3 914 arrivées, dont 31,7 % étaient des vols internationaux et 68,3 % des vols nationaux.
Les données sélectionnées de 3 914 vols ont été traitées dans le module I et les modèles bayésiens pour les écarts d'heure d'arrivée ont été construits, en supposant la corrélation des écarts avec le nom de la compagnie aérienne et l'heure d'arrivée prévue. La description détaillée des paramètres résultants des modèles de régression, composant le modèle bayésien sommatif, et des résultats du module I se trouve dans Bagamanova et Mujica Mota (2020).
Enfin, le module II a créé une affectation, en tenant compte des déviations programmées les plus probables et des restrictions de la politique d'affectation, et l'a optimisée en fonction de la fonction objective (1). L'approche à deux modules étant considérée comme une solution de remplacement plus efficace que les temps tampons traditionnellement utilisés, aucun temps tampon n'a été ajouté intentionnellement entre les vols consécutifs affectés au même stand pour la génération de l'affectation au stand dans le module II. Les statistiques d'affectation qui en résultent sont présentées dans la figure 1.
Chaque aéroport a ses propres restrictions en matière de politique d'attribution des postes de stationnement, ce qui implique une certaine utilisation des postes de stationnement. Les restrictions suivantes sont prises en compte dans l'algorithme présenté :
- Les vols nationaux et internationaux doivent être assignés aux stands spécifiques dans les zones désignées. Il s'agit de spécifications internes à l'aéroport, par exemple les vols internationaux sont assignés aux stands qui ont accès aux zones de contrôle frontalier désignées ;
- Les retards des vols doivent être pris en compte dans l'affectation (selon les distributions de probabilités conditionnelles du module I). Dans le présent document, seuls les retards à l'arrivée sont pris en compte en raison de l'indisponibilité des données d'assistance au sol et de la correspondance entre les aéronefs à l'arrivée et les aéronefs au départ ;
- Le stand attribué doit correspondre à la taille de l'aéronef (les gros aéronefs ont besoin d'un espace supplémentaire en raison de leur plus grande envergure). Ceci est mis en œuvre par l'identification des postes de stationnement autorisés pour chaque vol lors de l'étape de traitement des données d'entrée dans le module II.
Figure 1 : Statistiques d'affectation pour l'attribution des postes de stationnement générée par le module II.
Comme le montre la Figure 1, la plupart des vols ont été affectés à des postes de stationnement situés à proximité des pistes. Au terminal 1, environ 61,1 % des vols programmés ont été affectés à un stand situé à une distance inférieure à la distance moyenne de roulage du terminal 1, soit 4,2 km de la piste ; pour le terminal 2, 61,3 % des vols ont été affectés à des stands situés à une distance inférieure à la distance moyenne de roulage du terminal 2, soit 5,6 km. Naturellement, certains vols ont dû être affectés à des postes de stationnement plus éloignés en raison de contraintes liées à la politique d'affectation, de zones de contrôle frontalier désignées et de l'indisponibilité de postes de stationnement plus proches. Néanmoins, la figure 1 montre que l'algorithme a réussi à minimiser la distance de roulage.
L'une des limites des données utilisées pour cette étude est la non-disponibilité de l'historique des affectations des stands MEX. Par conséquent, il est impossible pour l'instant de comparer la qualité des résultats de l'approche à deux modules avec les affectations réelles des postes de stationnement du MEX. Ainsi, pour évaluer la qualité de l'affectation obtenue et en raison de l'absence d'affectations historiques réelles des stands au MEX, l'affectation de l'approche à deux modules a été testée dans l'environnement du modèle de simulation du MEX, comme décrit dans la section suivante. La description détaillée et la validation de ce modèle de simulation peuvent être consultées dans Mujica Mota et Flores (2019).
Expériences de simulation
L'objectif principal de l'utilisation d'un modèle de simulation dans cette étude est d'évaluer les effets de la prise en compte des écarts d'horaires dans l'attribution des places sur les émissions liées aux taxis dans des conditions proches de la réalité et de trouver des moyens d'améliorer les performances de l'aéroport et le niveau d'émissions. Le modèle de simulation utilisé dans cette étude nous permet d'incorporer des éléments stochastiques (tels que les situations d'arrêt, l'attente d'un refoulement à la porte d'embarquement) qui n'ont pas été pris en compte dans la génération de l'affectation, mais qui influencent les mouvements d'aéronefs au sol dans la vie réelle.
Pour chaque réplication de la simulation, les indicateurs de performance suivants ont été suivis :
- distance totale de roulage pour tous les aéronefs de l'horaire attribué : d total taxi = ∑ N
i=1 (d in i + d out i ) ;
- temps total de roulage pour tous les avions de l'horaire alloué : t total taxi = ∑ N
i=1 (t in i + t out i + t wait i ) ;
- quantité totale d'émissions polluantes liées au roulage e total taxi = t total taxi ∗ F NO + t total taxi ∗ F CO ;
où :
- d in i - distance parcourue par l'aéronef i entre la sortie de la piste et un poste de stationnement ;
- d out i - distance parcourue par l'aéronef i d'un poste de stationnement au point d'entrée de la piste ;
- t in i - temps parcouru par l'aéronef i entre la sortie de la piste et un poste de stationnement ;
- t out i - temps parcouru par l'aéronef i d'un poste de stationnement à un point d'entrée sur la piste ;
- t wait i - temps passé par l'aéronef i à attendre la disponibilité d'un stand ;
- F NO et F CO - facteurs d'émission pour les NOx et le CO 2 respectivement ;
- i... N - nombre d'aéronefs.
Les facteurs d'émission dépendent notamment des caractéristiques du moteur, du type de carburant utilisé et du poids de l'aéronef (OACI 2019b). En raison de l'absence de données réelles sur les caractéristiques du moteur et le poids de l'aéronef pour le programme de vol étudié, la quantité d'émissions totales e total taxi a été calculée en supposant une vitesse de roulage constante et la référence des émissions de roulage pour l'Airbus A320 (moteur CFM56) (Agence européenne pour l'environnement 2016). Ce type d'avion a été choisi car il a été utilisé dans 55% des vols étudiés. Moins de 1% des vols étudiés ont été effectués avec un grand type d'avion et le reste des vols a été représenté principalement par la classe régionale. Les facteurs d'émission adaptés par minute de roulage sont présentés dans le tableau 1.
Tableau 1 : Facteurs d'émission par minute de roulage.
| Type d'avion |
Facteur, kg/min |
| Consommation de carburant |
14.52 |
| Émissions de NOx par minute, F NO |
0.065196 |
| Émissions de CO 2 par min, F CO |
1.7604 |
L'hypothèse de certains facteurs d'émission dans le présent document est faite pour obtenir une estimation générale de l'impact de l'application de l'approche à deux modules sur les émissions de l'aéroport. Néanmoins, il est envisagé d'effectuer un calcul plus détaillé à l'avenir, en tenant compte de différents facteurs d'émission pour tous les types d'aéronefs actuels, lorsque davantage de données réelles sur les spécifications des aéronefs seront disponibles.
Au moment de la réalisation de cette étude, il n'y avait pas d'informations disponibles sur les affectations exactes ou historiques des postes de stationnement dans le MEX. Par conséquent, les affectations générées par l'approche à deux modules ont été comparées à une affectation aléatoire de dernière minute, générée directement au cours de chaque simulation. Une affectation aléatoire de dernière minute attribue un vol pendant la simulation à tout stand approprié disponible au moment où l'avion commence son approche d'atterrissage. Cela signifie que tout stand approprié non occupé au moment de la décision peut être choisi, quelle que soit sa distance de roulage par rapport à la piste. Comme le choix est fait de manière aléatoire, chaque simulation aboutit à une utilisation différente des postes de stationnement. Comme il n'y a pas d'affectation planifiée au préalable dans ce type d'affectation de dernière minute, on considère que les effets des perturbations de l'horaire sur l'utilisation des stands sont minimisés et qu'il y a moins de risques de conflits d'affectation. Cependant, il n'est pas estimé à quel coût environnemental ces effets sont minimisés. Dans cette section, les effets d'une telle attribution aléatoire de dernière minute sur les émissions liées aux taxis sont estimés et comparés à une planification proactive de l'attribution, réalisée par l'approche à deux modules. En outre, pour retracer les effets des écarts de programmation sur les émissions liées aux taxis, des scénarios de simulation contenant à la fois des arrivées à l'heure et des arrivées perturbées ont été inclus dans cette étude.
Le tableau 2 présente une vue d'ensemble des scénarios d'affectation des places de stationnement. Ces scénarios peuvent être décrits comme suit :
- Scénario A. Cas de base. Il représente une situation idéale avec tous les vols arrivant à l'heure, l'assignation de stand générée uniquement avec l'utilisation du module II (c'est-à-dire l'allocation optimisée sans tenir compte des déviations).
- Scénario B. Attribution des stands générée uniquement à l'aide du module II (c.-à-d. attribution optimisée sans tenir compte des écarts). Les vols sont arrivés avec des écarts d'heure d'arrivée, générés sur la base des distributions d'écarts d'heure d'arrivée apprises dans le module I.
- Scénario C. Affectation du stand générée en tenant compte du retard prévu avec l'utilisation des modules I et II. Les vols arrivent avec des écarts d'heure d'arrivée, générés sur la base des distributions d'écarts d'heure d'arrivée apprises dans le module I.
- Scénario D. Les vols arrivant sont assignés aux stands en utilisant l'allocation aléatoire de dernière minute. Les vols arrivent à l'heure, conformément à l'horaire.
- Scénario E. Les vols à l'arrivée sont assignés aux stands en utilisant une allocation aléatoire de dernière minute. Les vols sont arrivés avec des écarts d'heure d'arrivée, générés sur la base des distributions d'écarts d'heure d'arrivée apprises dans le module I.
Tableau 2 : Scénarios d'affectation aux stands.
| Nom du scénario |
Perturbations de l'horaire |
Perturbations de l'horaire prises en compte |
Optimisation de l'affectation |
Génération d'affectation |
| A |
- |
- |
OUI |
MODULEII |
| B |
OUI |
- |
OUI |
MODULEII |
| C |
OUI |
OUI |
OUI |
Deux modules |
| D |
OUI |
OUI |
OUI |
Aléatoire de dernière minute |
| E |
OUI |
- |
- |
Aléatoire dernière minute |
L'objectif de ce document est de découvrir le potentiel caché de réduction des émissions liées aux taxis grâce à l'optimisation de l'affectation des stands. Comme nous l'avons observé dans l'analyse de l'affectation générée dans la section 3.3, la distribution actuelle des zones domestiques et internationales dans les terminaux a une influence considérable sur les résultats de l'affectation et donc sur le niveau des émissions liées à la taxation. Il a donc été décidé de manipuler certaines des restrictions d'affectation disponibles et de proposer ainsi de nouvelles politiques d'affectation qui ne nécessiteraient pas de reconstruction majeure des installations aéroportuaires. La seule exigence qui reste stricte pour toutes les politiques d'affectation simulées est celle de l'affectation des gros avions uniquement aux postes de stationnement spécialement équipés. Les nouvelles politiques d'affectation ont été comparées à la politique originale, qui contient des contraintes d'affectation strictes, par le biais d'une série d'expériences, simulant les scénarios A à E en cas de non-respect des politiques définies. Ainsi, pour chaque politique d'affectation, les performances de l'approche à deux modules en cas d'arrivée ponctuelle et perturbée ont été évaluées et comparées à l'affectation aléatoire de dernière minute. Les politiques d'affectation définies sont les suivantes :
- Groupe I - expériences du cas de base. L'affectation des postes de stationnement est générée conformément à l'ensemble original de restrictions d'affectation, dans le strict respect du terminal désigné et de la zone internationale/domestique.
- Groupe II - les aéronefs sont affectés à n'importe quel stand disponible dans le terminal prévu à l'origine. Cela signifie que les vols internationaux et nationaux peuvent être affectés à la même tribune.
- Groupe III - les aéronefs peuvent choisir des postes de stationnement dans n'importe quel terminal, mais doivent respecter la politique des zones désignées. Cela signifie qu'un vol intérieur doit être affecté à la zone intérieure, mais qu'il peut être affecté à la zone intérieure de n'importe quel terminal.
- Groupe IV - les aéronefs peuvent être affectés à n'importe quelle zone de n'importe quel terminal. Il s'agit d'une politique d'affectation sans restriction d'agencement qui permet de se rapprocher de la distance minimale de roulage et des émissions liées au roulage pour le programme de vol étudié.
- Groupe V - Le terminal 1 est entièrement réservé aux vols intérieurs. Cela signifie que même si un vol était initialement prévu au terminal 2, s'il s'agit d'un vol intérieur, il sera affecté au terminal 1.
- Groupe VI - L'aérogare 1 est entièrement réservée aux vols internationaux. Cela signifie que même si un vol était initialement prévu au terminal 2, s'il s'agit d'un vol international, il sera affecté au terminal 1.
L'utilisation des mêmes données pour apprendre des modèles de distribution bayésiens pour les perturbations des horaires et pour générer des expériences de simulation stochastiques peut être considérée comme une limitation de cet article. Néanmoins, l'objectif principal de l'approche proposée est d'atténuer l'impact négatif des perturbations d'horaires sur l'environnement aéroportuaire, et non de prédire le retard exact ou l'heure d'arrivée anticipée des vols programmés. En tenant compte d'un certain intervalle de probabilité dans la planification de l'affectation, nous entendons fournir un outil permettant d'influencer la robustesse de l'affectation des stands. Avec un intervalle de probabilité plus grand, davantage de perturbations peuvent être prises en compte ; cependant, cela peut réduire la capacité des ressources des stands et peut donc être considéré comme une limitation pour certains aéroports encombrés. Des intervalles de probabilité plus petits se traduiraient par des temps de blocage du stand plus courts, mais pourraient augmenter le nombre d'aéronefs susceptibles d'attendre la disponibilité du stand. Ce compromis n'est pas abordé dans le présent document, mais il sera étudié dans le cadre de recherches futures.
Pour chaque politique d'affectation, les expériences A à E ont été exécutées avec 30 répétitions chacune. Chaque réplication avait une durée de 7 jours plus des heures supplémentaires pour les écarts par rapport à l'horaire d'arrivée. La section suivante présente et analyse les résultats des expériences réalisées.