EP4078409A1 - Method and device for supervising a traffic control system - Google Patents

Method and device for supervising a traffic control system

Info

Publication number
EP4078409A1
EP4078409A1 EP20821013.8A EP20821013A EP4078409A1 EP 4078409 A1 EP4078409 A1 EP 4078409A1 EP 20821013 A EP20821013 A EP 20821013A EP 4078409 A1 EP4078409 A1 EP 4078409A1
Authority
EP
European Patent Office
Prior art keywords
quality
service
values
tracking system
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP20821013.8A
Other languages
German (de)
French (fr)
Inventor
Christophe Labreuche
Nicolas Honore
Roman BRESSON
Hélène MERTZ
Simon GRAH
Vincent THOUVENOT
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Thales SA
Original Assignee
Thales SA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Thales SA filed Critical Thales SA
Publication of EP4078409A1 publication Critical patent/EP4078409A1/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0073—Surveillance aids
    • G08G5/0078—Surveillance aids for monitoring traffic from the aircraft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0043—Traffic management of multiple aircrafts from the ground
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
    • G08G5/0021—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located in the aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
    • G08G5/0026—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located on the ground
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0047—Navigation or guidance aids for a single aircraft
    • G08G5/0052—Navigation or guidance aids for a single aircraft for cruising

Definitions

  • the invention relates generally to tracking systems, and in particular to a method and a device for monitoring a tracking system in air traffic.
  • Air traffic tracking systems are conventionally used to manage air traffic and ensure its safety while ensuring minimum safety distances between aircraft to avoid collisions.
  • a tracking system makes it possible to represent a situation in real time of the position of the planes and of their speed vectors.
  • Air traffic control system is based on interactions between air traffic controllers, technical supervisors and the system. Air traffic controllers ensure safe distances between aircraft in the airspace of their sectors. Technical supervisors monitor the proper functioning of the air traffic control system. However, when the air traffic controller notices a degradation of the tracking system, the technical supervisor is often not able to identify the origin of this degradation or to remedy it. Conversely, when the technical supervisor observes technical facts, he is necessarily not in a position to determine the operational impact of these technical facts for the air traffic controller.
  • the invention improves the situation.
  • the invention proposes a method for supervising a tracking system capable of evaluating and supplying analysis information relating to the operation and the quality of service of an air traffic tracking system, in a current situation of the tracking system defined by the position and the speed vector of at least one aircraft moving in airspace, the position and the speed vector being determined from data from one or more sensors.
  • the method comprises a step of determining performance indicator values representing the current situation, the method being characterized in that it comprises the steps of:
  • the operating characteristic is representative of an operating abnormality of the tracking system, determining at least one performance indicator corresponding to the operating abnormality, and determining values of said at least one performance indicator corresponding to normal operation ;
  • At least one measure of the quality of service is representative of a degradation of the quality of service, determine at least one indicator of performance corresponding to said degradation of the quality of service;
  • the operating characteristic may be a state chosen from the group comprising a normal operating state, at least one known abnormal operating state, an unknown abnormal operating state, and an impossible operating state. , the operating characteristic being associated with an operating abnormality of the tracking system if said operating characteristic is not a normal operating state.
  • the normal operating state may correspond to a situation known for a given configuration, the given configuration corresponding to a first configuration where said at least one aircraft is in cruising speed or to a second configuration where said at least one aircraft is approaching a given airport associated with a given positioning of one or more sensors and with a given type of weather for said given airport, said at least one known abnormal operating state being predefined, l 'impossible operating state corresponding to impossible combinations of performance indicator values.
  • the step of determining performance indicator values representing the current situation may comprise the partitioning of the space of the performance indicator values into a plurality of areas comprising at least one area. of normality and at least one zone of known abnormality, each zone of the plurality of zones representing a class of normality and being associated with an operating state of the tracking system, said at least one zone of normality being associated with the state of normal operation, each of said at least one known abnormality zone being associated with a known abnormal operating state.
  • the partitioning of the space of the values of performance indicators can comprise the determination of said at least one zone of normality, from standard data corresponding to performance indicator values obtained in normal operational situations, applying an unsupervised machine learning technique.
  • the unsupervised machine learning technique can be chosen from a group comprising linear dimensionality reduction techniques, non-linear dimensionality reduction techniques, partitioning techniques and methods to core.
  • the step of determining values of performance indicators representing the current situation may comprise determining a set of data from the standard data and a partitioning of the set of data into subsets by applying a supervised learning method, each subset corresponding to performance indicator values representing a known area of abnormality.
  • the supervised learning method can be a data classification method.
  • a measure of the quality of service can correspond to a multi-sensor tracking or to a single-sensor tracking, the measurement of the quality of service corresponding to the quality of the overall tracking for a plurality of sensors for multi-sensor tracking, and the tracking quality for a given sensor for single-sensor tracking.
  • the values of performance indicators for the current situation can be included in a class of normality corresponding to the operating characteristic of the tracking system for the current situation, a measure of the quality of service of the tracking system being determined as a function of said normality class.
  • the tracking system can be used for tracking said at least one aircraft in an airspace distributed over a plurality of spatial zones, a measure of the quality of service of the tracking system being determined by association with each of the plurality of spatial areas.
  • the values of performance indicators may have at least one missing value, a measure of the quality of service. of the tracking system being determined in the presence of at least one missing value of performance indicators.
  • the step of determining a performance indicator corresponding to the degradation of the quality of service can include determining an influence indicator associated with each performance indicator.
  • each performance indicator can be associated with a set of executable evaluation processes to evaluate the state of a subsystem of the tracking system, the step of performing at at least one evaluation process comprising the execution of the evaluation processes associated with said at least one performance indicator corresponding to the abnormal operation of the tracking system and / or audited at least one performance indicator corresponding to the degradation of the quality of service.
  • the invention further provides a device for supervising an air traffic tracking system, in a current situation of the tracking system defined by a position and a speed vector relating to at least one aircraft, the position and the vector speed being determined from data from one or more sensors, the device being configured to determine performance indicator values representing the current situation.
  • the device is configured for:
  • the operating characteristic is representative of an operating abnormality of the tracking system, determining at least one performance indicator corresponding to the operating abnormality, and determining values of said at least one performance indicator corresponding to normal operation ;
  • At least one measure of the quality of service is representative of a degradation of the quality of service, determining at least one performance indicator corresponding to said degradation of the quality of service;
  • the embodiments of the invention provide a double analysis of performance indicators calculated in quasi-real time making it possible to assess both the normal operation of a tracking system in a given situation and its compliance and quality of service.
  • the embodiments of the invention make it possible to identify abnormal operation of the tracking system based on data flows generated in real time by means of unsupervised or semi-supervised machine learning techniques and generating an explanation for the abnormal operation, the explanation identifying characteristics and performance indicators explaining the detected abnormal operation.
  • the embodiments of the invention make it possible to identify a degradation in the quality of service by means of supervised machine learning techniques and to generate an explanation in the event of a degradation in the quality of service of the tracking system. , the explanation of degradation of the quality of service identifying the indicators explaining the degradation of the quality of service.
  • the embodiments of the invention make it possible to identify the root causes of operating abnormalities and degradation of the quality of service at the level of performance indicators and at the level of possible maintenance actions for an operator. of maintenance.
  • the embodiments of the invention provide monitoring tools to the technical supervisor of a tracking system in air traffic allowing him to follow the evolution of the quality of service and to assess the impact. operational technical facts on the quality of service of the tracking system.
  • the embodiments of the invention make it possible to link the measurement of the operational impact to the input data in order to allow the technical supervisor to identify the root causes of a possible degradation of the quality of service. and to have an explanation of the quality of service information provided.
  • the joint use of supervised data (data tagged by an expert) and unsupervised (data flow generated by the sensors of a tracking system) make it possible to characterize the normal operating states and the operating states. operation corresponding to anomalies, detect abnormal situations and refine the model for evaluating the quality of service using unsupervised data.
  • the explanation algorithms according to the embodiments of the invention make it possible to provide transparency to the user (controller or technical supervisor) and to identify the input data which explains an anomaly.
  • Figure 1 is a flowchart representing a method of monitoring a tracking system, according to some embodiments of the invention.
  • Figure 2 is a schematic view of an exemplary computerized system for implementing the method of monitoring a tracking system, according to certain embodiments of the invention.
  • the embodiments of the invention provide a method of supervising a tracking system in air traffic at a current situation defined by the position and the speed vector of at least one aircraft from data generated in real time by one or more sensors.
  • an aircraft can be any type of aircraft such as an airplane (airliner, military plane, private plane), a helicopter, a hot air balloon, or a drone.
  • a sensor used in the tracking system can be a terrestrial, surface, or aerial sensor, such as:
  • an air traffic control radar for example a primary radar or a secondary radar
  • a multilateration system (using, for example, long-distance multilateration technology or even Wide Area Multilateration or WAM in English) made up of several beacons which receive the signals emitted by the transponder of an aircraft in order to locate it;
  • ADS-C system (acronym for "Automatic Dependent Surveillance-Contract” in English) in which an aircraft uses its navigation systems to automatically determine and transmit its position to a processing center, or
  • ADS-B system (acronym for 'Automatic Dependent Surveillance-Broadcast') in which an aircraft uses its navigation systems to automatically determine and broadcast its position as well as other information such as speed and flight sign.
  • a given configuration corresponds to a first configuration where the at least one aircraft is cruising or to a second configuration where the at least one aircraft is approaching a given associated airport to a given positioning of one or more sensors and to a given type of weather encountered for the given airport.
  • a given situation is defined by the position and the speed vector relating to at least one aircraft and is represented by values of the performance indicators evaluating the normal operation and the quality of service of the control system. tracking to the given situation.
  • the embodiments of the invention provide a method of supervising a tracking system allowing the evaluation and the explanation of the normal operation and of the quality of service of a tracking system to a current situation, the current situation being defined by the position and speed vector relative to minus one aircraft operating in airspace.
  • the position and the speed vector relating to at least one aircraft can be determined or estimated beforehand from data from one or more sensors implemented in the tracking system using an algorithm of tracking.
  • the tracking algorithm can be a Kalman filter, according to different variations.
  • the Kalman filter is used to determine the position, speed, and acceleration of the aircraft by iteratively estimating its position. At each iteration, the Kalman filter estimates a position of the aircraft at the current instant from a set of positions observed at previous instants corresponding to previous iterations. A correction step follows the estimation step to correct the predicted position using the current measurement.
  • the tracking algorithm can be previously configured according to the given configuration, for example according to the characteristics of the sensors, or the type of weather.
  • step 101 performance indicator values representing the current situation can be determined.
  • the values of performance indicators can be determined over a sliding window of time.
  • a set N ⁇ 1, ..., n ⁇ of performance indicators (also called 'performance metrics') for the measurement of the tracking quality of the tracking system.
  • a performance indicator can be chosen depending on the application of the tracking system in the field of aviation.
  • Examples of performance indicators include, without limitation:
  • step 101 can include determining the reconstructed trajectory of at least one aircraft between the current instant and the current instant minus 1 hour 30 minutes using Q-Splines. Step 101 can further comprise determining the values of the metrics or performance indicators by integrating measurements between the current instant minus 15 minutes and the current instant minus 1 h 15 min.
  • an operating characteristic also called "state of normality" of the tracking system for the current situation can be determined as a function of the performance indicator values determined in step 101.
  • step 103 The objective of step 103 is to identify the state of normality of the current situation represented by the values of the performance indicators determined in step 101.
  • the operating characteristic may be a state chosen from a group comprising a normal operating state (or normal state), at least one known abnormal operating state (or even q 3 1 operating states known abnormal), an unknown abnormal operating condition, and an impossible operating condition, the operating characteristic being associated with an operating abnormality of the tracking system if the operating characteristic is not a normal operating condition.
  • the normal operating state corresponds to normal values of performance indicators and to standard situations recorded in a given configuration for which the tracking system is functioning normally with a well-configured tracking and no problems identified on the sensors of the tracking system.
  • Each known abnormal operating state is predefined and corresponds to an abnormal situation identified and defined by a business expert.
  • the abnormal impossible operating state corresponds to impossible combinations of the values of the performance indicators, i.e. incompatible values on the the indicators.
  • the unknown abnormal operating state corresponds to other situations which are a priori possible and abnormal, although it is impossible to identify which situations they correspond to.
  • Performance indicator values can be represented by dots in a multidimensional space of performance indicator values and can be separated or grouped into different partitions.
  • step 101 can comprise the partitioning of the space of the performance indicator values into a plurality of zones comprising at least one zone of normality and at least one zone of known abnormality, each zone of the plurality of areas representing a class of normality and being associated with an operating state of the tracking system such that the at least one normality area is associated with the normal operating state and each of the abnormality areas known abnormal operating state is associated with a known abnormal operating state among the previously identified known abnormal operating states.
  • An operating state can be associated with several zones of normality.
  • Known abnormality areas can be non-disjoint and the normality area must not intersect an abnormality area.
  • Partitioned areas may further include an area associated with the impossible operating state and an area associated with the unknown abnormal operating state.
  • the partitioning of the space of performance indicator values into zones can be based on both unsupervised and supervised machine learning techniques.
  • the partitioning of the space of the values of performance indicators into zones can comprise the determination of the at least one zone of normality, from standard unsupervised data corresponding to values. performance indicators obtained in normal operational situations, by applying an unsupervised machine learning technique.
  • the identification of the underlying structure of the clouds of points representing the values of the performance indicators associated with these normal operational situations makes it possible to determine, within the space of the performance indicator values, at least one zone of normality representative only normal situations, to identify areas of high density of normal situations which bring a strong certainty of normality in their neighborhood, and to identify anomalies, or rare points, which bring little certainty as to normality of their neighborhood.
  • the unsupervised machine learning technique can be chosen from a group comprising linear dimensionality reduction techniques (eg principal component analysis), non-dimensionality reduction techniques.
  • linear e.g. autoencoders and variety learning
  • data partitioning techniques or 'clustering' in English e.g. hierarchical clustering algorithms and the 'Density-based Spatial Clustering of Applications with Noise 'or DBSCAN
  • kernel methods eg kernel clustering and kernel PCR method.
  • the generated standard data can be used to determine at least one known abnormality area in the space of performance indicator values.
  • step 101 may comprise determining a set of data from the standard data generated and the partitioning of the set of data into subsets by applying a method of supervised learning, each subset corresponding to performance indicator values representing a known abnormality area.
  • determining the dataset may include modifying the standard data through transformations so that the dataset matches values of known anomalous performance indicators.
  • the transformations of the standard data may consist in applying similar disturbers to disturbance audits.
  • the supervised learning method can be a method of classifying data making it possible to identify the underlying structures of each of the sets of situations corresponding to the same state of known abnormality.
  • an uncertainty indicator can be associated with the supervised learning method to quantify the uncertainty of the outputs generated by the learning method.
  • the determination of at least one zone of normality can be based on a set of vectors of performance indicators recovered from data flows generated by the system in nominal situation corresponding to a well-adjusted tracking and to no incident.
  • the set of performance indicator vectors can be processed first by applying dimensionality reduction using an autoencoder, and then classified using a uni-class classification algorithm.
  • a plurality of known abnormal operating states can be identified over the life of the tracking system, including an abnormal operating condition, poor calibration and an abnormal operating condition. solar irruption.
  • the determination of the known abnormal areas corresponding to this plurality of known abnormal operating states can be based on the transformation of standard data corresponding to normal operating states. For example, for the determination of the known abnormal operating zone corresponding to the abnormal bad calibration operating state, the vector of performance indicator values produced by the tracking system in the tracking calibration phase can be transformed by reducing the values of the performance indicators. tracking parameter values. Disturbances of tracking calibrations can be performed for each sensor used in the tracking system.
  • step 105 the operating abnormality of the tracking system can be explained if the operating characteristic determined in step 103 is representative of an operating abnormality of the tracking system.
  • the explanation can take different forms to explain why the operating state of the tracking system is not normal.
  • step 105 can include determining at least one performance indicator corresponding to the operating abnormality and the determination of the values of the performance indicators corresponding to normal operation.
  • step 105 can be based on a method of counter-factual explanation which consists in identifying the list of performance indicators explaining that the operating state is not normal and in identifying the minimum modification of the performance indicators of the identified list which would make it possible to return the operating characteristic of the system determined in step 103 to a normal operating state.
  • the first term tx (77 (y) - c) 2 takes into account the fact that the new instance y is of class c indicating a normal operating state and the second term d (x, y) takes into account the fact that the new instance y is as close as possible to the vector x.
  • the distance metric between the vectors x and y can be chosen from a group comprising the Euclidean distance and the distance associated with the L1 standard.
  • At least one measure of the quality of service of the tracking system for the current situation can be determined from the values of performance indicators representing the current situation determined at step 101.
  • the measurement of the quality of service can be carried out at the global level on the multi-sensor tracking or at a local level for a particular sensor.
  • a measurement of the quality of service can correspond to a multi-sensor tracking corresponding to the quality of the overall tracking for a plurality of sensors or to a single-sensor tracking corresponding to the quality of service for a given sensor.
  • the normality class can be used as an attribute of the quality of service model, in addition to the vector of performance indicators.
  • a plurality of quality of service measures can be determined, the plurality of service quality measures comprising a measure of the overall multi-sensor tracking quality, and a measure of the quality. single-sensor tracking for each type of sensor (radar, WAM, ADS-B).
  • a quality of service model can be determined for multi-sensor tracking, a quality of service model can be determined for each radar or group of radars, a quality of service model can be determined for the WAM information, and a QoS model can be determined for the ADS-B information, different performance metrics being used for each QoS model.
  • the metrics of the ESASSP standard can be used while also considering the mandatory requirements and recommended by the ESASSP standard.
  • a plurality of performance indicator and requirements may be used including a value of the 'range bias' indicator below 100m, a value of the 'azimuth bias' indicator. below 0.1, a value of the indicator 'standard deviation on the range' below 70m, a value of the indicator 'standard deviation in azimuth' below 0.1, a value of the indicator 'delays maximum on a report of a target 'below 2 seconds, a value of the indicator' false leads ratio 'below 0.1%, and a value of the indicator' probability of detection 'above 70 %.
  • a plurality of indicators and mandatory requirements of the ESASSP standard can be used including a value of the indicator 'horizontal RMS error in position' less than 350m in ER and less than 150m in TMA, a value of the 'processing time' indicator less than 1 second in 'Data Driven' mode and less than 1 second plus the output period in 'periodic delayed' mode and less than 0.5 second for 'periodically predicted period' mode, a value of the indicator 'probability of detection of the position' greater than 97%, and a value of the indicator 'false leads ratio' less than 0.1%.
  • a set A of performance indicators may correspond to statistics on events for which the values of the performance indicators include at least one value may not be calculable over the current time window.
  • the vector x N ⁇ A designates the vector comprising the values of the performance indicators on the set N ⁇ A.
  • the determination of the measurement of the quality of service in the presence of missing values of performance indicators can be carried out according to a first approach which consists in supplementing the vector x N ⁇ A with the missing values for the indicators of set A which are the more unfavorable for the vector x and to determine the measure of the quality of service Q (X N ⁇ A> Z A ) from the vectors x N ⁇ A and from the vector z A.
  • the determination of the measurement of the quality of service in the presence of missing values of performance indicators can be carried out according to a second approach which is based on the a priori probability on the missing values and the 'evaluation of the expectation of the measurement of the quality of service Q ⁇ X N ⁇ A> Z A ) according to the probability on z A.
  • the determination of the measurement of the quality of service in the presence of missing values of performance indicators can be carried out according to a third approach which is based on the determination of a new function of quality of service.
  • the function ⁇ (.) can be a general function or a monotonic and normalized function, or a function using a Choquet integral.
  • the Choquet integral is an aggregation function O m .
  • R n ® R having as parameter a vector m: 2 N ® [0,1] ⁇
  • m (5) represents the importance of the criteria S.
  • Y t ® R is the utility (normalization) function on the indicator t, Y t designating the set of values that the indicator t can take. This aggregation function F is monotonic and normalized.
  • the sum can be replaced by an integral when the indicators take continuous values.
  • the Choquet integral makes it possible to model the criteria which interact with each other. A particular case consists in limiting oneself to interactions only between pairs of criteria.
  • the expression of the Choquet integral - then called the 2-additive Choquet integral - is given by with x> i denoting the importance of the criterion t, and / ⁇ ; ⁇ denoting the level of interaction between the criteria i and j.
  • the new function Q_ A can be written in the form: Q- A A), where F_ A denotes a Choquet integral
  • the aggregation function can be organized in a hierarchical manner.
  • the hierarchical decomposition of the aggregation function can be composed of several Choquet integrals.
  • the restriction operators can thus be applied to each integral of Choquet.
  • a tree structure of normalization and aggregation criteria can be determined for each quality of service model.
  • Mandatory and recommended requirements can be separated and piece-affine utility functions and a Choquet integral can be used for aggregations.
  • the tracking system can be used for the tracking of at least one aircraft in an airspace distributed in a plurality of spatial zones, the evaluation of the tracking quality being able to be carried out on each spatial area separately in order to identify in which area the quality of service is degraded or an operational problem has occurred.
  • at least one measure of the quality of service of the tracking system can be determined in step 107 in association with each of the plurality of spatial areas.
  • the determination of quality of service measurements over a plurality of spatial areas can be based on a uniform tiling of the airspace in a plurality of cells defined by the ESASSP standard, the cells being grouped together. so that the air traffic is homogeneous group of cells to another.
  • the determination of the groups of cells can be based on a method comprising the steps of:
  • the division of the sets of cells can be carried out dynamically on each calculation of a measure of the quality of service, the number of measures present in each cell changing over time.
  • an explanation of the degradation of the quality of service of the tracking system can be determined if the at least one measure of the quality of service determined in step 107 is representative of a degradation of the quality of service, for example if at least one measure of the quality of service is below a predefined quality of service threshold.
  • the influence index of the indicator te ⁇ 1,. .., n ⁇ can be determined from partial influence indices denoted ô * 'y ° pt'T'Q (i), each partial influence index ô * ' y ° pt'T'Q (i ) being determined from the permuted vectors obtained by applying a permutation p selected in the set p (T) of compatible permutations in the tree T such that (p (1), ..., 7r (/ c) ⁇ .
  • the influence index of the indicator te ⁇ 1, ..., n ⁇ can thus be determined as being the average of the indicator indices partial over all permutations p of the set p (T) such that
  • the influence index of an indicator ie ⁇ 1, ..., n ⁇ can be determined by first determining the missing values.
  • the calculations performed for determining the influence indices of the performance indicators can use sum-compensated algorithms rather than the standard summation operators.
  • each performance indicator can be associated with a set of executable evaluation processes (set of reflex sheets) making it possible to assess the state of a subsystem of the tracking system and of '' identify the origin of potential operating anomalies in the tracking system.
  • step 111 the evaluation processes (in the form of reflex sheets for identifying the root causes) associated with the performance indicators corresponding to an operating abnormality and / or to a degradation of the quality of service. can be determined and performed by the tracking system maintenance operator. More precisely, step 111 can comprise the determination or the identification, and the execution of the most relevant reflex sheets associated with the performance indicators explaining the abnormal operation of the tracking system to the current situation and the reflex sheets. the most relevant associated with the performance indicators explaining the degradation of the quality of service of the tracking system to the current situation.
  • step 111 may consist of identifying and executing the reflex sheets associated with the performance indicators corresponding to values for the current situation which are significantly different from the values for the counterfactual example considered.
  • step 111 may include a sub-step consisting in comparing the results obtained on the different quality of service models comprising the model used for multi-sensor tracking and the models used for each type. sensor for single-sensor tracking.
  • Step 111 may further comprise a sub-step consisting in identifying the indicators having the greatest influence on the degradation of the quality of service among the indicators of the different models compared, and in selecting a number of indicators, this number d 'indicators being determined either by retaining the indicators which are associated with the p largest influence indices or by applying a clustering algorithm to the distribution of the influence indices and by selecting the indicators from the first class.
  • the selection of performance indicators by applying the clustering algorithm advantageously makes it possible to select performance indicators dynamically according to the distribution of values.
  • step 111 may consist in collecting all the levels of influence of each indicator by including the various quality of service models, in classifying the indicators according to the sum of the levels of influence that he has, and to carry out the reflex sheets associated with these indicators in the order of the classification of the indicators.
  • the invention also provides a device for supervising an air traffic tracking system, in a current situation of the tracking system defined by a position and a speed vector relating to less than one aircraft, the position and the vector. speed being determined from data from one or more sensors, the device being configured to determine performance indicator values representing the current situation, characterized in that the device is configured for: - determining an operating characteristic of the tracking system for said current situation as a function of said values of performance indicators;
  • said operating characteristic is representative of an operating abnormality of the tracking system, determining at least one performance indicator corresponding to the operating abnormality, and determining values of at least one performance indicator corresponding to normal operation ;
  • At least one measure of the quality of service is representative of a degradation of the quality of service, determine at least one performance indicator corresponding to the degradation of the quality of service;
  • the invention further provides a computer program product comprising code instructions for performing the process steps when said program is executed on a computer.
  • the embodiments of the invention can be implemented by various means, for example by hardware (“hardware”), software, or a combination thereof.
  • Computer 20 may include various compute, storage, and communications units configured to interact with each other through a data and address port 29, comprising a processor 21, one or more storage peripherals 23, an input / output interface (I / O) 25 and a Human-Machine interface (HMI) 27.
  • processor 21 processor 21, one or more storage peripherals 23, an input / output interface (I / O) 25 and a Human-Machine interface (HMI) 27.
  • I / O input / output interface
  • HMI Human-Machine interface
  • the processor 21 can include one or more selected devices: microprocessors, microcontrollers, digital signal processors, microcomputers, central processing units, programmable gate networks, programmable logic devices, machines state defined, logic circuits, analog circuits, digital circuits, or any other device used to manipulate signals (analog or digital) based on operating instructions stored in memory.
  • the memory may include a single device or a plurality of memory devices, including but not limited to read-only memory (ROM), random access memory (RAM), volatile memory, non-volatile memory, static random access memory (SRAM), dynamic random access memory (DRAM), flash memory, cache memory or any other device capable of storing information.
  • Mass memory can include data storage devices such as a hard drive, optical disc, magnetic tape drive, volatile or non-volatile solid state circuitry, or any other device capable of storing information.
  • a database may reside on the mass memory storage device and may be used to collect and organize data used by the various systems and modules described herein.
  • the processor 21 can operate under the control of an operating system which resides in the memory.
  • the operating system can manage the computer resources in such a way that the program code of the computer, integrated in the form of one or more software applications;
  • routines executed to implement the embodiments of the invention may be referred to herein as “computer program code” or simply “program code”.
  • Program code typically includes computer readable instructions that reside at various times in various memory and storage devices in a computer and which, when read and executed by one or more processors in a computer, cause the computer to perform the operations necessary to run the operations and / or the elements specific to the various aspects of the embodiments of the invention.
  • the instructions of a program, readable by computer, for carrying out the operations of the embodiments of the invention can be, for example, the assembly language, or else a source code or an object code written in combination with one or several programming languages.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Traffic Control Systems (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

Method for supervising an air traffic control system in a current situation of the traffic control system as defined by a position and a speed vector relating to at least one aircraft. The method comprises a step (101) of determining values of performance indicators representing the current situation. The method is characterized in that it comprises the steps consisting in: determining (103) an operational characteristic of the traffic control system for the current situation as a function of the values of performance indicators; if the operational characteristic is indicative of an abnormality in the operation of the traffic control system, determining (105) at least one performance indicator corresponding to the operational abnormality, and determining values of said at least one performance indicator corresponding to normal operation; determining (107) at least one measurement of the quality of service of the traffic control system for the current situation from the values of performance indicators; if said at least one measurement of the quality of service is representative of a degradation in the quality of service, determining (109) at least one performance indicator corresponding to said degradation in the quality of service; executing (111) at least one evaluation process associated with said at least one performance indicator corresponding to said operational abnormality and/or with said degradation in the quality of service.

Description

DESCRIPTION DESCRIPTION
Titre de l’invention : Procédé et dispositif de supervision d’un système de pistage Domaine Technique Title of the invention: Method and device for supervising a technical field tracking system
[0001] L’invention concerne de manière générale les systèmes de pistage, et en particulier un procédé et un dispositif de supervision d’un système de pistage dans un trafic aérien. The invention relates generally to tracking systems, and in particular to a method and a device for monitoring a tracking system in air traffic.
[0002] Les systèmes de pistage de trafic aérien sont classiquement utilisés pour gérer le trafic aérien et assurer sa sécurité tout en garantissant des distances de sécurité minimales entre les aéronefs pour éviter les collisions. Air traffic tracking systems are conventionally used to manage air traffic and ensure its safety while ensuring minimum safety distances between aircraft to avoid collisions.
[0003] Un système de pistage permet de représenter une situation en temps réel de la position des avions et de leurs vecteurs vitesse. A tracking system makes it possible to represent a situation in real time of the position of the planes and of their speed vectors.
[0004] Un système de contrôle aérien repose sur des interactions entre des contrôleurs aériens, des superviseurs techniques et le système. Les contrôleurs aériens garantissent des distances de sécurité entre les aéronefs dans l’espace aérien de leurs secteurs. Les superviseurs techniques surveillent le bon fonctionnement du système de contrôle aérien. Néanmoins, lorsque le contrôleur aérien constate une dégradation du système de pistage, le superviseur technique n’est souvent pas en mesure d’identifier l’origine de cette dégradation ni d’y remédier. Inversement, lorsque le superviseur technique constate des faits techniques, il n’est forcément pas en mesure de déterminer l’impact opérationnel de ces faits techniques pour le contrôleur aérien. An air traffic control system is based on interactions between air traffic controllers, technical supervisors and the system. Air traffic controllers ensure safe distances between aircraft in the airspace of their sectors. Technical supervisors monitor the proper functioning of the air traffic control system. However, when the air traffic controller notices a degradation of the tracking system, the technical supervisor is often not able to identify the origin of this degradation or to remedy it. Conversely, when the technical supervisor observes technical facts, he is necessarily not in a position to determine the operational impact of these technical facts for the air traffic controller.
[0005] Actuellement, l’identification des causes générant une dégradation de la qualité d’un système de pistage est réalisée à posteriori. Ainsi, lorsque le contrôleur aérien constate un problème majeur, une analyse est réalisée par un expert pour identifier les causes de ce problème. L’analyse de l’expert est longue et se base sur des indicateurs de qualité de service et des exigences spécifiées par la norme ESASSP (acronyme de ‘EUROCONTROL Spécification for ATM Surveillance System Performance’ en langue anglo-saxonne) qui est définie dans le document «EUROCONTROL Spécification for ATM Surveillance System Performance, volume 1, ISBN : 978-287497-022-1, mars 2012 ». L’analyse a posteriori permet d’évaluer la conformité du système de pistage aux contraintes et exigences spécifiées par la norme ESASSP, comme proposé par exemple dans la demande de brevet Français N°FR1800249. [0005] Currently, the identification of the causes generating a degradation in the quality of a tracking system is carried out a posteriori. Thus, when the air traffic controller notices a major problem, an analysis is carried out by an expert to identify the causes of this problem. The expert's analysis is long and is based on quality of service indicators and requirements specified by the ESASSP standard (acronym for 'EUROCONTROL Specification for ATM Surveillance System Performance' in English) which is defined in the document "EUROCONTROL Specification for ATM Surveillance System Performance, volume 1, ISBN: 978-287497-022-1, March 2012". The a posteriori analysis makes it possible to assess the compliance of the tracking system with the constraints and requirements specified by the ESASSP standard, as proposed for example in French patent application No. FR1800249.
[0006] L’analyse à posteriori permet de mesurer la qualité de pistage par rapport à un ensemble d’indicateurs de performance et des exigences obligatoires et/ou recommandées. Cependant, une telle approche ne permet pas d’identifier et d’expliquer l’origine d’une potentielle dégradation de la qualité de service du système de pistage ou d’un éventuel dysfonctionnement du système de pistage. [0006] The a posteriori analysis makes it possible to measure the quality of tracking against a set of performance indicators and mandatory and / or recommended requirements. However, such an approach does not identify and explain the origin of a potential degradation of the quality of service of the tracking system or of a possible malfunction of the tracking system.
[0007] Il existe donc un besoin pour un procédé et un dispositif de supervision améliorés d’un système de pistage de trafic aérien. [0007] There is therefore a need for an improved method and device for supervising an air traffic tracking system.
Définition Générale de l’invention General definition of the invention
[0008] L’invention vient améliorer la situation. A cet effet, l’invention propose un procédé de supervision d’un système de pistage capable d’évaluer et de fournir des informations d’analyse relatives au fonctionnement et à la qualité de service d’un système de pistage de trafic aérien, dans une situation courante du système de pistage définie par la position et le vecteur vitesse d’au moins un aéronef évoluant dans un espace aérien, la position et le vecteur vitesse étant déterminés à partir de données d’un ou plusieurs capteurs. [0008] The invention improves the situation. To this end, the invention proposes a method for supervising a tracking system capable of evaluating and supplying analysis information relating to the operation and the quality of service of an air traffic tracking system, in a current situation of the tracking system defined by the position and the speed vector of at least one aircraft moving in airspace, the position and the speed vector being determined from data from one or more sensors.
[0009] Le procédé comprend une étape de détermination de valeurs d’indicateurs de performance représentant la situation courante, le procédé étant caractérisé en ce qu’il comprend les étapes consistant à : [0009] The method comprises a step of determining performance indicator values representing the current situation, the method being characterized in that it comprises the steps of:
- déterminer une caractéristique de fonctionnement du système de pistage pour la situation courante en fonction des valeurs d’indicateurs de performance ; - determine an operating characteristic of the tracking system for the current situation based on the values of performance indicators;
- si la caractéristique de fonctionnement est représentative d’une anormalité de fonctionnement du système de pistage, déterminer au moins un indicateur de performance correspondant à l’anormalité de fonctionnement, et déterminer des valeurs dudit au moins un indicateur de performance correspondant à un fonctionnement normal; - if the operating characteristic is representative of an operating abnormality of the tracking system, determining at least one performance indicator corresponding to the operating abnormality, and determining values of said at least one performance indicator corresponding to normal operation ;
- déterminer au moins une mesure de la qualité de service du système de pistage pour la situation courante à partir des valeurs d’indicateurs de performance représentant la situation courante ; - determine at least one measure of the quality of service of the tracking system for the current situation from the values of performance indicators representing the current situation;
- si ladite au moins une mesure de la qualité de service est représentative d’une dégradation de la qualité de service, déterminer au moins un indicateur de performance correspondant à ladite dégradation de la qualité de service ; - if said at least one measure of the quality of service is representative of a degradation of the quality of service, determine at least one indicator of performance corresponding to said degradation of the quality of service;
- exécuter au moins un processus d’évaluation associé audit au moins un indicateur de performance correspondant à ladite anormalité de fonctionnement et/ou à ladite dégradation de la qualité de service. - perform at least one evaluation process associated with said at least one performance indicator corresponding to said operating abnormality and / or said degradation of the quality of service.
[0010] Selon certains modes de réalisation, la caractéristique de fonctionnement peut être un état choisi dans le groupe comprenant un état de fonctionnement normal, au moins un état de fonctionnement anormal connu, un état de fonctionnement anormal inconnu, et un état de fonctionnement impossible, la caractéristique de fonctionnement étant associée à une anormalité de fonctionnement du système de pistage si ladite caractéristique de fonctionnement n’est pas un état de fonctionnement normal. [0010] According to some embodiments, the operating characteristic may be a state chosen from the group comprising a normal operating state, at least one known abnormal operating state, an unknown abnormal operating state, and an impossible operating state. , the operating characteristic being associated with an operating abnormality of the tracking system if said operating characteristic is not a normal operating state.
[0011 ] Selon certains modes de réalisation, l’état de fonctionnement normal peut correspondre à une situation connue pour une configuration donnée, la configuration donnée correspondant à une première configuration où ledit au moins un aéronef est en régime de croisière ou à une seconde configuration où ledit au moins un aéronef est en approche d’un aéroport donné associé à un positionnement donné d’un ou plusieurs capteurs et à un type de météo donné pour ledit aéroport donné, ledit au moins un état de fonctionnement anormal connu étant prédéfini, l’état de fonctionnement impossible correspondant à des combinaisons impossibles des valeurs des indicateurs de performance. [0011] According to certain embodiments, the normal operating state may correspond to a situation known for a given configuration, the given configuration corresponding to a first configuration where said at least one aircraft is in cruising speed or to a second configuration where said at least one aircraft is approaching a given airport associated with a given positioning of one or more sensors and with a given type of weather for said given airport, said at least one known abnormal operating state being predefined, l 'impossible operating state corresponding to impossible combinations of performance indicator values.
[0012] Selon certains modes de réalisation, l’étape de détermination de valeurs d’indicateurs de performance représentant la situation courante peut comprendre le partitionnement de l’espace des valeurs d’indicateurs de performance en une pluralité de zones comprenant au moins une zone de normalité et au moins une zone d’anormalité connue, chaque zone de la pluralité de zones représentant une classe de normalité et étant associée à un état de fonctionnement du système de pistage, ladite au moins une zone de normalité étant associée à l’état de fonctionnement normal, chacune de ladite au moins une zone d’anormalité connue étant associée à un état de fonctionnement anormal connu. [0012] According to certain embodiments, the step of determining performance indicator values representing the current situation may comprise the partitioning of the space of the performance indicator values into a plurality of areas comprising at least one area. of normality and at least one zone of known abnormality, each zone of the plurality of zones representing a class of normality and being associated with an operating state of the tracking system, said at least one zone of normality being associated with the state of normal operation, each of said at least one known abnormality zone being associated with a known abnormal operating state.
[0013] Selon certains modes de réalisation, le partitionnement de l’espace des valeurs d’indicateurs de performance peut comprendre la détermination de ladite au moins une zone de normalité, à partir de données standards correspondant à des valeurs d’indicateurs de performance obtenues en situations opérationnelles normales, en appliquant une technique d’apprentissage automatique non supervisée. [0013] According to certain embodiments, the partitioning of the space of the values of performance indicators can comprise the determination of said at least one zone of normality, from standard data corresponding to performance indicator values obtained in normal operational situations, applying an unsupervised machine learning technique.
[0014] Selon certains modes de réalisation, la technique d’apprentissage automatique non supervisée peut être choisie dans un groupe comprenant des techniques de réduction de dimensionnalité linéaire, des techniques de réduction de dimensionnalité non-linéaire, des techniques de partitionnement et des méthodes à noyau. [0014] According to some embodiments, the unsupervised machine learning technique can be chosen from a group comprising linear dimensionality reduction techniques, non-linear dimensionality reduction techniques, partitioning techniques and methods to core.
[0015] Selon certains modes de réalisation, l’étape de détermination de valeurs d’indicateurs de performance représentant la situation courante peut comprendre la détermination d’un ensemble de données à partir des données standards et un partitionnement de l’ensemble de données en sous-ensembles en appliquant une méthode d’apprentissage supervisée, chaque sous-ensemble correspondant à des valeurs d’indicateurs de performance représentant une zone d’anormalité connue. [0015] According to certain embodiments, the step of determining values of performance indicators representing the current situation may comprise determining a set of data from the standard data and a partitioning of the set of data into subsets by applying a supervised learning method, each subset corresponding to performance indicator values representing a known area of abnormality.
[0016] Selon certains modes de réalisation, la méthode d’apprentissage supervisée peut être une méthode de classification de données. [0016] According to some embodiments, the supervised learning method can be a data classification method.
[0017] Selon certains modes de réalisation, une mesure de la qualité de service peut correspondre à un pistage multi-capteur ou à un pistage uni-capteur, la mesure de la qualité de service correspondant à la qualité du pistage global pour une pluralité de capteurs pour un pistage multi-capteur, et à la qualité du pistage pour un capteur donné pour un pistage uni-capteur. [0017] According to certain embodiments, a measure of the quality of service can correspond to a multi-sensor tracking or to a single-sensor tracking, the measurement of the quality of service corresponding to the quality of the overall tracking for a plurality of sensors for multi-sensor tracking, and the tracking quality for a given sensor for single-sensor tracking.
[0018] Selon certains modes de réalisation, les valeurs d’indicateurs de performance pour la situation courante peut être comprises dans une classe de normalité correspondant à la caractéristique de fonctionnement du système de pistage pour la situation courante, une mesure de la qualité de service du système de pistage étant déterminée en fonction de ladite classe de normalité. According to some embodiments, the values of performance indicators for the current situation can be included in a class of normality corresponding to the operating characteristic of the tracking system for the current situation, a measure of the quality of service of the tracking system being determined as a function of said normality class.
[0019] Selon certains modes de réalisation, le système de pistage peut être utilisé pour le pistage dudit au moins un aéronef dans un espace aérien réparti en une pluralité de zones spatiales, une mesure de la qualité de service du système de pistage étant déterminée en association avec chacune de la pluralité de zones spatiales. [0019] According to certain embodiments, the tracking system can be used for tracking said at least one aircraft in an airspace distributed over a plurality of spatial zones, a measure of the quality of service of the tracking system being determined by association with each of the plurality of spatial areas.
[0020] Selon certains modes de réalisation, les valeurs d’indicateurs de performance peuvent avoir au moins une valeur manquante, une mesure de la qualité de service du système de pistage étant déterminée en présence d’au moins une valeur manquante d’indicateurs de performance. [0020] According to some embodiments, the values of performance indicators may have at least one missing value, a measure of the quality of service. of the tracking system being determined in the presence of at least one missing value of performance indicators.
[0021] Selon certains modes de réalisation, l’étape de détermination d’un indicateur de performance correspondant à la dégradation de la qualité de service peut comprendre la détermination d’un indicateur d’influence associé à chaque indicateur de performance. [0021] According to some embodiments, the step of determining a performance indicator corresponding to the degradation of the quality of service can include determining an influence indicator associated with each performance indicator.
[0022] Selon certains modes de réalisation, chaque indicateur de performance peut être associé à un ensemble de processus d’évaluation exécutables pour évaluer l’état d’un sous-système du système de pistage, l’étape d’exécution d’au moins un processus d’évaluation comprenant l’exécution des processus d’évaluation associées audit au moins un indicateur de performance correspondant à l’anormalité de fonctionnement du système de pistage et/ou audit au moins un indicateur de performance correspondant à la dégradation de la qualité de service. [0022] According to some embodiments, each performance indicator can be associated with a set of executable evaluation processes to evaluate the state of a subsystem of the tracking system, the step of performing at at least one evaluation process comprising the execution of the evaluation processes associated with said at least one performance indicator corresponding to the abnormal operation of the tracking system and / or audited at least one performance indicator corresponding to the degradation of the quality of service.
[0023] L’invention fournit en outre un dispositif de supervision d’un système de pistage de trafic aérien, dans une situation courante du système de pistage définie par une position et un vecteur vitesse relatifs à moins un aéronef, la position et le vecteur vitesse étant déterminés à partir de données d’un ou plusieurs capteurs, le dispositif étant configuré pour déterminer des valeurs d’indicateurs de performance représentant la situation courante. Le dispositif est configuré pour: The invention further provides a device for supervising an air traffic tracking system, in a current situation of the tracking system defined by a position and a speed vector relating to at least one aircraft, the position and the vector speed being determined from data from one or more sensors, the device being configured to determine performance indicator values representing the current situation. The device is configured for:
- déterminer une caractéristique de fonctionnement du système de pistage pour la situation courante en fonction des valeurs d’indicateurs de performance ; - determine an operating characteristic of the tracking system for the current situation based on the values of performance indicators;
- si la caractéristique de fonctionnement est représentative d’une anormalité de fonctionnement du système de pistage, déterminer au moins un indicateur de performance correspondant à l’anormalité de fonctionnement, et déterminer des valeurs dudit au moins un indicateur de performance correspondant à un fonctionnement normal; - if the operating characteristic is representative of an operating abnormality of the tracking system, determining at least one performance indicator corresponding to the operating abnormality, and determining values of said at least one performance indicator corresponding to normal operation ;
- déterminer au moins une mesure de la qualité de service du système de pistage pour la situation courante à partir des valeurs d’indicateurs de performance représentant la situation courante ; - determine at least one measure of the quality of service of the tracking system for the current situation from the values of performance indicators representing the current situation;
- si ladite au moins une mesure de la qualité de service est représentative d’une dégradation de la qualité de service, déterminer au moins un indicateur de performance correspondant à ladite dégradation de la qualité de service ; - if said at least one measure of the quality of service is representative of a degradation of the quality of service, determining at least one performance indicator corresponding to said degradation of the quality of service;
- exécuter au moins un processus d’évaluation associé audit au moins un indicateur de performance correspondant à ladite anormalité de fonctionnement et/ou à ladite dégradation de la qualité de service. - carry out at least one evaluation process associated with said at least one indicator performance corresponding to said abnormal operation and / or said degradation of the quality of service.
[0024] Avantageusement, les modes de réalisation de l’invention fournissent une double analyse d’indicateurs de performance calculés en quasi-temps réel permettant d’évaluer aussi bien la normalité de fonctionnement d’un système de pistage à une situation donnée que sa conformité et sa qualité de service. Advantageously, the embodiments of the invention provide a double analysis of performance indicators calculated in quasi-real time making it possible to assess both the normal operation of a tracking system in a given situation and its compliance and quality of service.
[0025] Avantageusement, les modes de réalisation de l’invention permettent d’identifier un fonctionnement anormal du système de pistage en se basant sur des flux de données générés en temps réel moyennant des techniques d’apprentissage machine non-supervisées ou semi-supervisées et de générer une explication en cas de fonctionnement anormal, l’explication identifiant les caractéristiques et les indicateurs de performance expliquant l’anormalité de fonctionnement détectée. Advantageously, the embodiments of the invention make it possible to identify abnormal operation of the tracking system based on data flows generated in real time by means of unsupervised or semi-supervised machine learning techniques and generating an explanation for the abnormal operation, the explanation identifying characteristics and performance indicators explaining the detected abnormal operation.
[0026] Avantageusement, les modes de réalisation de l’invention permettent d’identifier une dégradation de la qualité de service moyennant des techniques d’apprentissage machine supervisées et de générer une explication en cas de dégradation de la qualité de service du système de pistage, l’explication de dégradation de la qualité de service identifiant les indicateurs expliquant la dégradation de la qualité de service. Advantageously, the embodiments of the invention make it possible to identify a degradation in the quality of service by means of supervised machine learning techniques and to generate an explanation in the event of a degradation in the quality of service of the tracking system. , the explanation of degradation of the quality of service identifying the indicators explaining the degradation of the quality of service.
[0027] Avantageusement, les modes de réalisation de l’invention permettent d’identifier les causes racines d’anormalité de fonctionnement et de dégradation de la qualité de service au niveau des indicateurs de performance et au niveau des actions de maintenance possibles pour un opérateur de maintenance. Advantageously, the embodiments of the invention make it possible to identify the root causes of operating abnormalities and degradation of the quality of service at the level of performance indicators and at the level of possible maintenance actions for an operator. of maintenance.
[0028] Avantageusement, les modes de réalisation de l’invention fournissent des outils de surveillance au superviseur technique d’un système de pistage dans le trafic aérien lui permettant de suivre l’évolution de la qualité de service et d’apprécier l’impact opérationnel des faits techniques sur la qualité de service du système de pistage. Advantageously, the embodiments of the invention provide monitoring tools to the technical supervisor of a tracking system in air traffic allowing him to follow the evolution of the quality of service and to assess the impact. operational technical facts on the quality of service of the tracking system.
[0029] Avantageusement, les modes de réalisation de l’invention permettent de relier la mesure de l’impact opérationnel aux données d’entrée afin de permettre au superviseur technique d’identifier les causes racines d’une éventuelle dégradation de la qualité de service et d’avoir une explication sur les informations de la qualité de service fournies. [0030] Avantageusement, l’utilisation conjointe de données supervisées (données taguées par un expert) et non-supervisées (flux de données générés par les capteurs d’un système de pistage) permettent de caractériser les états de fonctionnement normal et les états de fonctionnement correspondant à des anomalies, de détecter les situations anormales et de raffiner le modèle d’évaluation de la qualité de service par les données non-supervisées. Advantageously, the embodiments of the invention make it possible to link the measurement of the operational impact to the input data in order to allow the technical supervisor to identify the root causes of a possible degradation of the quality of service. and to have an explanation of the quality of service information provided. Advantageously, the joint use of supervised data (data tagged by an expert) and unsupervised (data flow generated by the sensors of a tracking system) make it possible to characterize the normal operating states and the operating states. operation corresponding to anomalies, detect abnormal situations and refine the model for evaluating the quality of service using unsupervised data.
[0031] Avantageusement, les algorithmes d’explication selon les modes de réalisation de l’invention permettent d’apporter une transparence à l’utilisateur (contrôleur ou superviseur technique) et d’identifier les données d’entrée qui expliquent une anomalie. Advantageously, the explanation algorithms according to the embodiments of the invention make it possible to provide transparency to the user (controller or technical supervisor) and to identify the input data which explains an anomaly.
[0032] D’autres caractéristiques, détails et avantages de l’invention ressortiront à la lecture de la description faite en référence aux dessins annexés donnés à titre d’exemple et qui représentent, respectivement : [0032] Other characteristics, details and advantages of the invention will become apparent on reading the description given with reference to the accompanying drawings given by way of example and which represent, respectively:
Brève description des dessins Brief description of the drawings
[0033] D’autres caractéristiques, détails et avantages de l’invention ressortiront à la lecture de la description faite en référence aux dessins annexés donnés à titre d’exemple et qui représentent, respectivement : [0033] Other features, details and advantages of the invention will become apparent on reading the description given with reference to the accompanying drawings given by way of example and which represent, respectively:
[0034] [Fig.1 ] La Figure 1 est un logigramme représentant un procédé de supervision d’un système de pistage, selon certains modes de réalisation de l’invention. [0034] [Fig.1] Figure 1 is a flowchart representing a method of monitoring a tracking system, according to some embodiments of the invention.
[0035] [Fig.2] La Figure 2 est une vue schématique d’un système informatisé exemplaire pour l’implémentation du procédé de supervision d’un système de pistage, selon certains modes de réalisation de l’invention. [0035] [Fig.2] Figure 2 is a schematic view of an exemplary computerized system for implementing the method of monitoring a tracking system, according to certain embodiments of the invention.
Description détaillée detailed description
[0036] Les modes de réalisation de l’invention fournissent un procédé de supervision d’un système de pistage dans le trafic aérien à une situation courante définie par la position et le vecteur vitesse d’au moins un aéronef à partir de données générées en temps réel par un ou plusieurs capteurs. The embodiments of the invention provide a method of supervising a tracking system in air traffic at a current situation defined by the position and the speed vector of at least one aircraft from data generated in real time by one or more sensors.
[0037] Les modes de réalisation de l’invention peuvent être utilisés dans les systèmes de contrôle aérien pour l’aide à la supervision des systèmes de pistage dans le trafic aérien, la prévention des collisions entre aéronefs, et la gestion de la circulation aérienne. [0038] Selon les modes de réalisation de l’invention, un aéronef peut être tout type d’aéronef tel qu’un avion (avion de ligne, avion militaire, avion privé), un hélicoptère, une montgolfière, ou un drone. [0037] The embodiments of the invention can be used in air traffic control systems for aid in the supervision of tracking systems in air traffic, the prevention of collisions between aircraft, and air traffic management. . According to the embodiments of the invention, an aircraft can be any type of aircraft such as an airplane (airliner, military plane, private plane), a helicopter, a hot air balloon, or a drone.
[0039] Selon certains modes de réalisation, un capteur utilisé dans le système de pistage peut être un capteur terrestre, de surface, ou aérien, tel que : According to some embodiments, a sensor used in the tracking system can be a terrestrial, surface, or aerial sensor, such as:
- un radar de contrôle aérien (par exemple un radar primaire ou un radar secondaire) ; - an air traffic control radar (for example a primary radar or a secondary radar);
- un système de multilatération (utilisant par exemple la technologie multilatération à grande distance ou encore Wide Area Multilatération ou WAM en langage anglo- saxon) composé de plusieurs balises qui reçoivent les signaux émis par le transpondeur d’un avion pour le localiser ; - a multilateration system (using, for example, long-distance multilateration technology or even Wide Area Multilateration or WAM in English) made up of several beacons which receive the signals emitted by the transponder of an aircraft in order to locate it;
- un système ADS-C (acronyme de ‘Automatic Dépendant Surveillance-Contract’ en langue anglo-saxonne) dans lequel un avion utilise ses systèmes de navigation pour automatiquement déterminer et transmettre sa position à un centre de traitement, ou- an ADS-C system (acronym for "Automatic Dependent Surveillance-Contract" in English) in which an aircraft uses its navigation systems to automatically determine and transmit its position to a processing center, or
- un système ADS-B (acronyme de ‘Automatic Dépendant Surveillance-Broadcast’ en langue anglo-saxonne) dans lequel un avion utilise ses systèmes de navigation pour automatiquement déterminer et diffuser sa position ainsi que d’autres informations comme la vitesse et l’indicatif de vol. - an ADS-B system (acronym for 'Automatic Dependent Surveillance-Broadcast') in which an aircraft uses its navigation systems to automatically determine and broadcast its position as well as other information such as speed and flight sign.
[0040] Telle qu’utilisée ici, une configuration donnée correspond à une première configuration où l’au moins un aéronef est en régime de croisière ou à une seconde configuration où l’au moins un aéronef est en approche d’un aéroport donné associé à un positionnement donné d’un ou plusieurs capteurs et à un type de météo donné rencontré pour l’aéroport donné. As used here, a given configuration corresponds to a first configuration where the at least one aircraft is cruising or to a second configuration where the at least one aircraft is approaching a given associated airport to a given positioning of one or more sensors and to a given type of weather encountered for the given airport.
[0041] Telle qu’utilisée ici, une situation donnée est définie par la position et le vecteur vitesse relatifs à au moins un aéronef et est représentée par des valeurs des indicateurs de performance évaluant la normalité du fonctionnement et la qualité de service du système de pistage à la situation donnée. As used here, a given situation is defined by the position and the speed vector relating to at least one aircraft and is represented by values of the performance indicators evaluating the normal operation and the quality of service of the control system. tracking to the given situation.
[0042] En référence à la figure 1 , les modes de réalisation de l’invention fournissent un procédé de supervision d’un système de pistage permettant l’évaluation et l’explication de la normalité de fonctionnement et de la qualité de service d’un système de pistage à une situation courante, la situation courante étant définie par la position et le vecteur vitesse relatifs à moins un aéronef évoluant dans un espace aérien. [0042] With reference to FIG. 1, the embodiments of the invention provide a method of supervising a tracking system allowing the evaluation and the explanation of the normal operation and of the quality of service of a tracking system to a current situation, the current situation being defined by the position and speed vector relative to minus one aircraft operating in airspace.
[0043] Selon certains modes de réalisation, la position et le vecteur vitesse relatifs à au moins un aéronef peuvent être préalablement déterminés ou estimés à partir de données d’un ou plusieurs capteurs mis en oeuvre dans le système de pistage en utilisant un algorithme de pistage. [0043] According to certain embodiments, the position and the speed vector relating to at least one aircraft can be determined or estimated beforehand from data from one or more sensors implemented in the tracking system using an algorithm of tracking.
[0044] Selon certains modes de réalisation, l’algorithme de pistage peut être un filtre de Kalman, selon différentes variantes. Le filtre de Kalman permet de déterminer la position, la vitesse, et l’accélération de l’aéronef en estimant sa position de façon itérative. A chaque itération, le filtre de Kalman estime une position de l’aéronef à l’instant courant à partir d’un ensemble de positions observées à des instants précédents correspondants à des itérations précédentes. Une étape de correction suit l’étape d’estimation pour corriger la position prédite en utilisant la mesure courante. [0044] According to some embodiments, the tracking algorithm can be a Kalman filter, according to different variations. The Kalman filter is used to determine the position, speed, and acceleration of the aircraft by iteratively estimating its position. At each iteration, the Kalman filter estimates a position of the aircraft at the current instant from a set of positions observed at previous instants corresponding to previous iterations. A correction step follows the estimation step to correct the predicted position using the current measurement.
[0045] Selon certains modes de réalisation, l’algorithme de pistage peut être préalablement paramétré en fonction de la configuration donnée, par exemple en fonction des caractéristiques des capteurs, ou du type de la météo. [0045] According to certain embodiments, the tracking algorithm can be previously configured according to the given configuration, for example according to the characteristics of the sensors, or the type of weather.
[0046] A l’étape 101 , des valeurs d’indicateurs de performance représentant la situation courante peuvent être déterminées. Les valeurs d’indicateurs de performance peuvent être déterminées sur une fenêtre temporelle glissante. In step 101, performance indicator values representing the current situation can be determined. The values of performance indicators can be determined over a sliding window of time.
[0047] Selon certains modes de réalisation, l’étape 101 peut comprendre la construction d’un ensemble N = {1, ... ,n } d’indicateurs de performance (aussi appelés ‘métriques de performance’) pour la mesure de la qualité de pistage du système de pistage. According to certain embodiments, step 101 can comprise the construction of a set N = {1, ..., n} of performance indicators (also called 'performance metrics') for the measurement of the tracking quality of the tracking system.
[0048] Selon certains modes de réalisation, un indicateur de performance peut être choisi en fonction de l’application du système de pistage dans le domaine de l’aviation. Des exemples d’indicateurs de performances comprennent, sans limitations : [0048] According to some embodiments, a performance indicator can be chosen depending on the application of the tracking system in the field of aviation. Examples of performance indicators include, without limitation:
- les indicateurs ou métriques utilisées pour la génération des images aériennes intégrées uniques (‘Single Integrated Air Picture’ en langage anglo-saxon) ; - the indicators or metrics used for the generation of single integrated aerial images ("Single Integrated Air Picture");
- les indicateurs ou métriques de qualité de services spécifiées dans la norme ESASSP ; - des indicateurs supplémentaires comprenant le pourcentage d’aéronefs qui sont pistés dans le système de pistage. - the quality of service indicators or metrics specified in the ESASSP standard; - additional indicators including the percentage of aircraft that are tracked in the tracking system.
[0049] Selon certains modes de réalisation, l’étape 101 peut comprendre la détermination de la trajectoire reconstruite d’au moins un aéronef entre l’instant courant et l’instant courant moins 1h30 en utilisant des Q-Splines. L’étape 101 peut en outre comprendre la détermination des valeurs des métriques ou d’indicateurs de performance en intégrant des mesures entre l’instant courant moins 15 minutes et l’instant courant moins 1 h15mn. [0049] According to some embodiments, step 101 can include determining the reconstructed trajectory of at least one aircraft between the current instant and the current instant minus 1 hour 30 minutes using Q-Splines. Step 101 can further comprise determining the values of the metrics or performance indicators by integrating measurements between the current instant minus 15 minutes and the current instant minus 1 h 15 min.
[0050] A l’étape 103, une caractéristique de fonctionnement (aussi appelée ‘état de normalité’) du système de pistage pour la situation courante peut être déterminée en fonction des valeurs d’indicateurs de performance déterminées à l’étape 101. In step 103, an operating characteristic (also called "state of normality") of the tracking system for the current situation can be determined as a function of the performance indicator values determined in step 101.
L’objectif de l’étape 103 est d’identifier l’état de la normalité de la situation courante représentée par les valeurs des indicateurs de performance déterminées à l’étape 101. L’étape 103 permet d’assigner, à la situation courante représentée par un vecteur de n valeurs d’indicateurs de performance x = ( i, 2, ...,xn), un label ou une classe de normalité notée h(c ) quantifiant son état de normalité ou état de fonctionnement, h(.) désignant un classifieur de la normalité et correspond à une fonction qui, à une instance x = (xi,x2, ...,xn), renvoie la classe de normalité h(c). The objective of step 103 is to identify the state of normality of the current situation represented by the values of the performance indicators determined in step 101. Step 103 makes it possible to assign the current situation to the current situation. represented by a vector of n values of performance indicators x = (i, 2 , ..., x n ), a label or a class of normality noted h (c) quantifying its state of normality or operating state, h (.) denoting a classifier of normality and corresponds to a function which, at an instance x = (xi, x 2 , ..., x n ), returns the class of normality h ( c ).
[0051] Selon certains modes de réalisation, la caractéristique de fonctionnement peut être un état choisi dans un groupe comprenant un état de fonctionnement normal (ou état normal), au moins un état de fonctionnement anormal connu (ou encore q ³ 1 états de fonctionnement anormal connu), un état de fonctionnement anormal inconnu, et un état de fonctionnement impossible, la caractéristique de fonctionnement étant associée à une anormalité de fonctionnement du système de pistage si la caractéristique de fonctionnement n’est pas un état de fonctionnement normal. L’état de fonctionnement normal correspond à des valeurs normales des indicateurs de performance et à des situations standards enregistrées dans une configuration donnée pour lesquelles le système de pistage fonctionne normalement avec un pistage bien paramétré et aucun problème identifié sur les capteurs du système de pistage. Chaque état de fonctionnement anormal connu est prédéfini et correspond à une situation anormale identifiée et définie par un expert métier. L’état de fonctionnement anormal impossible correspond à des combinaisons impossibles des valeurs des indicateurs de performance, c’est-à-dire des valeurs incompatibles sur les indicateurs. L’état de fonctionnement anormal inconnu correspond aux autres situations qui sont a priori possibles et anormales, bien qu’il soit impossible d’identifier à quelles situations elles correspondent. According to some embodiments, the operating characteristic may be a state chosen from a group comprising a normal operating state (or normal state), at least one known abnormal operating state (or even q ³ 1 operating states known abnormal), an unknown abnormal operating condition, and an impossible operating condition, the operating characteristic being associated with an operating abnormality of the tracking system if the operating characteristic is not a normal operating condition. The normal operating state corresponds to normal values of performance indicators and to standard situations recorded in a given configuration for which the tracking system is functioning normally with a well-configured tracking and no problems identified on the sensors of the tracking system. Each known abnormal operating state is predefined and corresponds to an abnormal situation identified and defined by a business expert. The abnormal impossible operating state corresponds to impossible combinations of the values of the performance indicators, i.e. incompatible values on the the indicators. The unknown abnormal operating state corresponds to other situations which are a priori possible and abnormal, although it is impossible to identify which situations they correspond to.
[0052] Les valeurs des indicateurs de performance peuvent être représentées par des points dans un espace multidimensionnel des valeurs d’indicateurs de performance et peuvent être séparées ou groupées en différentes partitions. Performance indicator values can be represented by dots in a multidimensional space of performance indicator values and can be separated or grouped into different partitions.
[0053] Ainsi, l’étape 101 peut comprendre le partitionnement de l’espace des valeurs d’indicateurs de performance en une pluralité de zones comprenant au moins une zone de normalité et au moins une zone d’anormalité connue, chaque zone de la pluralité de zones représentant une classe de normalité et étant associée à un état de fonctionnement du système de pistage de manière à ce que l’au moins une zone de normalité est associée à l’état de fonctionnement normal et que chacune des zones d’anormalité connues est associée à un état de fonctionnement anormal connu parmi les q états de fonctionnement anormal connu préalablement identifiés. Un état de fonctionnement peut être associé à plusieurs zones de normalité. Les zones d’anormalité connues peuvent être non-disjointes et la zone de normalité ne doit pas intersecter une zone d’anormalité. Thus, step 101 can comprise the partitioning of the space of the performance indicator values into a plurality of zones comprising at least one zone of normality and at least one zone of known abnormality, each zone of the plurality of areas representing a class of normality and being associated with an operating state of the tracking system such that the at least one normality area is associated with the normal operating state and each of the abnormality areas known abnormal operating state is associated with a known abnormal operating state among the previously identified known abnormal operating states. An operating state can be associated with several zones of normality. Known abnormality areas can be non-disjoint and the normality area must not intersect an abnormality area.
[0054] Les zones partitionnées peuvent en outre comprendre une zone associée à l’état de fonctionnement impossible et une zone associée à l’état de fonctionnement anormal inconnu. Partitioned areas may further include an area associated with the impossible operating state and an area associated with the unknown abnormal operating state.
[0055] Selon certains modes de réalisation, le partitionnement de l’espace des valeurs d’indicateurs de performance en zones peut se baser sur des techniques d’apprentissage automatique à la fois non-supervisées et supervisées. [0055] In some embodiments, the partitioning of the space of performance indicator values into zones can be based on both unsupervised and supervised machine learning techniques.
[0056] Selon certains modes de réalisation, le partitionnement de l’espace des valeurs d’indicateurs de performance en zones peut comprendre la détermination de l’au moins une zone de normalité, à partir de données standards non-supervisées correspondant à des valeurs d’indicateurs de performance obtenues en situations opérationnelles normales, en appliquant une technique d’apprentissage automatique non supervisée. L’identification de la structure sous-jacente des nuages de points représentant les valeurs des indicateurs de performance associées à ces situations opérationnelles normales permet de déterminer, au sein de l’espace des valeurs d’indicateurs de performance, au moins une zone de normalité représentant uniquement des situations normales, d’identifier les zones de forte densité de situations normales qui apportent une forte certitude de normalité dans leur voisinage, et d’identifier les anomalies, ou points rares, qui n’apportent que peu de certitude quant à la normalité de leur voisinage. According to certain embodiments, the partitioning of the space of the values of performance indicators into zones can comprise the determination of the at least one zone of normality, from standard unsupervised data corresponding to values. performance indicators obtained in normal operational situations, by applying an unsupervised machine learning technique. The identification of the underlying structure of the clouds of points representing the values of the performance indicators associated with these normal operational situations makes it possible to determine, within the space of the performance indicator values, at least one zone of normality representative only normal situations, to identify areas of high density of normal situations which bring a strong certainty of normality in their neighborhood, and to identify anomalies, or rare points, which bring little certainty as to normality of their neighborhood.
[0057] Selon certains modes de réalisation, la technique d’apprentissage automatique non supervisée peut être choisie dans un groupe comprenant des techniques de réduction de dimensionnalité linéaire (par exemple l’analyse par composante principale), des techniques de réduction de dimensionnalité non-linéaire (par exemple les auto-encodeurs et l’apprentissage de variété), des techniques de partitionnement de données ou ‘clustering’ en langage anglo-saxon (par exemple des algorithmes de clustering hiérarchique et l’algorithme ‘Density-based Spatial Clustering of Applications with Noise’ ou DBSCAN), et des méthodes à noyau (par exemple le clustering à noyau et la méthode ACP à noyaux). According to some embodiments, the unsupervised machine learning technique can be chosen from a group comprising linear dimensionality reduction techniques (eg principal component analysis), non-dimensionality reduction techniques. linear (e.g. autoencoders and variety learning), data partitioning techniques or 'clustering' in English (e.g. hierarchical clustering algorithms and the 'Density-based Spatial Clustering of Applications with Noise 'or DBSCAN), and kernel methods (eg kernel clustering and kernel PCR method).
[0058] Selon certains modes de réalisation, les données standards générées peuvent être utilisées pour déterminer au moins une zone d’anormalité connue dans l’espace des valeurs des indicateurs de performance. [0058] According to some embodiments, the generated standard data can be used to determine at least one known abnormality area in the space of performance indicator values.
[0059] Ainsi, selon certains modes de réalisation, l’étape 101 peut comprendre la détermination d’un ensemble de données à partir des données standards générées et le partitionnement de l’ensemble de données en sous-ensembles en appliquant une méthode d’apprentissage supervisée, chaque sous-ensemble correspondant à des valeurs d’indicateurs de performance représentant une zone d’anormalité connue. Plus précisément, la détermination de l’ensemble de données peut consister à modifier les données standards par des transformations de manière à ce que l’ensemble de données corresponde à des valeurs des indicateurs de performance anormaux connus. En se basant sur la connaissance à priori des causes pouvant générer de telles valeurs des indicateurs de performance anormaux (par exemple des éruptions solaires, des radômes gelés, ou un mauvais paramétrage des capteurs du système de pistage) et sur la connaissance des perturbations engendrant de telles valeurs, les transformations des données standards peuvent consister à appliquer des perturbateurs similaires audites perturbations. Thus, according to certain embodiments, step 101 may comprise determining a set of data from the standard data generated and the partitioning of the set of data into subsets by applying a method of supervised learning, each subset corresponding to performance indicator values representing a known abnormality area. Specifically, determining the dataset may include modifying the standard data through transformations so that the dataset matches values of known anomalous performance indicators. Based on the a priori knowledge of the causes that can generate such values of abnormal performance indicators (for example solar flares, frozen radomes, or poor parameterization of the tracking system sensors) and on the knowledge of disturbances causing such values, the transformations of the standard data may consist in applying similar disturbers to disturbance audits.
[0060] Selon certains modes de réalisation, la méthode d’apprentissage supervisée peut être une méthode de classification de données permettant d’identifier les structures sous-jacentes de chacun des ensembles de situations correspondant au même état d’anormalité connue. [0060] According to certain embodiments, the supervised learning method can be a method of classifying data making it possible to identify the underlying structures of each of the sets of situations corresponding to the same state of known abnormality.
[0061] Selon certains modes de réalisation, un indicateur de l’incertitude peut être associé à la méthode d’apprentissage supervisée pour quantifier l’incertitude des sorties générées par la méthode d’apprentissage. [0061] In some embodiments, an uncertainty indicator can be associated with the supervised learning method to quantify the uncertainty of the outputs generated by the learning method.
[0062] Selon certains modes de réalisation, la détermination d’au moins une zone de normalité peut se baser sur un ensemble de vecteurs des indicateurs de performance récupérés de flux de données générées par le système en situation nominale correspondant à un pistage bien réglé et à aucun incident. L’ensemble de vecteurs des indicateurs de performances peuvent être traités dans un premier temps en appliquant une réduction de dimensionnalité en utilisant un auto-encodeur, puis classifiés en utilisant un algorithme de classification uni-classe. According to certain embodiments, the determination of at least one zone of normality can be based on a set of vectors of performance indicators recovered from data flows generated by the system in nominal situation corresponding to a well-adjusted tracking and to no incident. The set of performance indicator vectors can be processed first by applying dimensionality reduction using an autoencoder, and then classified using a uni-class classification algorithm.
[0063] Selon certains modes de réalisation, une pluralité d’états de fonctionnement anormal connu peuvent être identifiés au fur et à mesure de la durée de vie du système de pistage, comprenant un état de fonctionnement anormal mauvaise calibration et un état de fonctionnement anormal irruption solaire. La détermination des zones d’anormalité connue correspondant à cette pluralité d’états de fonctionnement anormal connu peut se baser sur la transformation de données standards correspondant à des états de fonctionnement normal. Par exemple, pour la détermination de la zone de fonctionnement anormal connu correspondant à l’état de fonctionnement anormal mauvaise calibration, le vecteur de valeurs des indicateurs de performance produits par le système de pistage en phase de calibration du pistage peuvent être transformées en réduisant les valeurs des paramètres de pistage. Les perturbations des calibrations de pistage peuvent être réalisées pour chaque capteur utilisé dans le système de pistage. [0063] According to some embodiments, a plurality of known abnormal operating states can be identified over the life of the tracking system, including an abnormal operating condition, poor calibration and an abnormal operating condition. solar irruption. The determination of the known abnormal areas corresponding to this plurality of known abnormal operating states can be based on the transformation of standard data corresponding to normal operating states. For example, for the determination of the known abnormal operating zone corresponding to the abnormal bad calibration operating state, the vector of performance indicator values produced by the tracking system in the tracking calibration phase can be transformed by reducing the values of the performance indicators. tracking parameter values. Disturbances of tracking calibrations can be performed for each sensor used in the tracking system.
[0064] A l’étape 105, l’anormalité de fonctionnement du système de pistage peut être expliquée si la caractéristique de fonctionnement déterminée à l’étape 103 est représentative d’une anormalité de fonctionnement du système de pistage. L’explication peut prendre différentes formes pour expliquer pourquoi l’état de fonctionnement du système de pistage n’est pas normal. En particulier, l’étape 105 peut comprendre la détermination d’au moins un indicateur de performance correspondant à l’anormalité de fonctionnement et la détermination des valeurs des indicateurs de performance correspondant à un fonctionnement normal. In step 105, the operating abnormality of the tracking system can be explained if the operating characteristic determined in step 103 is representative of an operating abnormality of the tracking system. The explanation can take different forms to explain why the operating state of the tracking system is not normal. In particular, step 105 can include determining at least one performance indicator corresponding to the operating abnormality and the determination of the values of the performance indicators corresponding to normal operation.
[0065] Ainsi, selon certains modes de réalisation, l’étape 105 peut se baser sur une méthode d’explication contre-factuelle qui consiste à identifier la liste des indicateurs de performance expliquant que l’état de fonctionnement n’est pas normal et à identifier la modification minimale des indicateurs de performance de la liste identifiée qui permettrait de ramener la caractéristique de fonctionnement du système déterminée à l’étape 103 à un état de fonctionnement normal. La méthode d’explication permet, pour une situation courante représentée par un vecteur x = (x1 ... , xn) de valeurs d’indicateurs de performance et une classe de normalité h(c) indiquant un état de fonctionnement différent de l’état normal, d’expliquer pourquoi la situation courante ne correspond pas à l’état normal. Thus, according to certain embodiments, step 105 can be based on a method of counter-factual explanation which consists in identifying the list of performance indicators explaining that the operating state is not normal and in identifying the minimum modification of the performance indicators of the identified list which would make it possible to return the operating characteristic of the system determined in step 103 to a normal operating state. The explanation method allows, for a current situation represented by a vector x = (x 1 ..., x n ) of performance indicator values and a normality class h (c) indicating an operating state different from normal state, to explain why the current situation does not correspond to the normal state.
[0066] Selon certains modes de réalisation, la méthode d’explication peut consister en la détermination du vecteur y = (yl ...,ÿn) de valeurs d’indicateurs de performance correspondant à une classe de normalité h(g) indiquant un état de fonctionnement normal du système de pistage, qui soit le plus proche au vecteur x = (x1 ... , xn) en résolvant le problème d’optimisation donné par : y = argmiriy maxt t x (h(g) — c)2 + d(x,y), avec d(x,y ) désignant une métrique de distance entre les vecteurs x et y. Le premier terme t x (77 (y) - c)2 tient compte du fait que la nouvelle instance y soit de classe c indiquant un état de fonctionnement normal et le second terme d(x,y) tient compte du fait que la nouvelle instance y soit le plus proche possible du vecteur x. According to some embodiments, the method of explanation may consist of determining the vector y = (y l ..., ÿ n ) of performance indicator values corresponding to a class of normality h (g) indicating a normal operating state of the tracking system, which is closest to the vector x = (x 1 ..., x n ) by solving the optimization problem given by: y = argmiriy max t tx (h (g ) - c) 2 + d (x, y), with d (x, y) denoting a distance metric between vectors x and y. The first term tx (77 (y) - c) 2 takes into account the fact that the new instance y is of class c indicating a normal operating state and the second term d (x, y) takes into account the fact that the new instance y is as close as possible to the vector x.
[0067] Selon certains modes de réalisation, la métrique de distance entre les vecteurs x et y peut être choisie dans un groupe comprenant la distance Euclidienne et la distance associée à la norme L1. According to certain embodiments, the distance metric between the vectors x and y can be chosen from a group comprising the Euclidean distance and the distance associated with the L1 standard.
[0068] Selon certains modes de réalisation, le niveau d’influence de chaque indicateur dans la comparaison entre le vecteur x = (x1 ...,xn) et le vecteur y =According to some embodiments, the level of influence of each indicator in the comparison between the vector x = (x 1 ..., x n ) and the vector y =
(ÿi, , n) peut être déterminé en utilisant la valeur de Shapley. (ÿi,, n ) can be determined using Shapley's value.
[0069] A l’étape 107, au moins une mesure de la qualité de service du système de pistage pour la situation courante peut être déterminée à partir des valeurs d’indicateurs de performance représentant la situation courante déterminées à l’étape 101. La mesure de la qualité de service peut être réalisée au niveau global sur le pistage multi-capteur ou à un niveau local pour un capteur particulier. In step 107, at least one measure of the quality of service of the tracking system for the current situation can be determined from the values of performance indicators representing the current situation determined at step 101. The measurement of the quality of service can be carried out at the global level on the multi-sensor tracking or at a local level for a particular sensor.
[0070] Ainsi, une mesure de la qualité de service peut correspondre à un pistage multi-capteur correspondant à la qualité du pistage global pour une pluralité de capteurs ou à un pistage uni-capteur correspondant à la qualité de service pour un capteur donné. Thus, a measurement of the quality of service can correspond to a multi-sensor tracking corresponding to the quality of the overall tracking for a plurality of sensors or to a single-sensor tracking corresponding to the quality of service for a given sensor.
[0071] Selon certains modes de réalisation, la mesure de la qualité de service peut être une fonction Ç(.) monotone qui renvoie un nombre réel Ç(x) désignant une mesure de la qualité de service et indiquant le niveau de la qualité de service, à partir du vecteur x = (x1; ..., xn) des n valeurs d’indicateurs de performance. According to some embodiments, the measurement of the quality of service can be a monotonic Ç (.) Function which returns a real number (x) designating a measure of the quality of service and indicating the level of the quality of service. service, from the vector x = (x 1; ..., x n ) of the n values of performance indicators.
[0072] Selon certains modes de réalisation, une mesure de la qualité de service peut être déterminée en fonction de la classe de normalité h(c) correspondant à la caractéristique de fonctionnement du système de pistage pour la situation courante et au vecteur x = (x1; ...,xn) des n valeurs d’indicateurs de performance. Selon ces modes de réalisation, la fonction peut être indexée par la classe de normalité h(c), un modèle de calcul distinct correspondant à une fonction distincte étant utilisé pour les différentes classes de normalité, et le seul argument de la fonction étant le vecteur x = (x1; ...,xn) des n valeurs d’indicateurs de performance. According to some embodiments, a measure of the quality of service can be determined as a function of the normality class h (c) corresponding to the operating characteristic of the tracking system for the current situation and to the vector x = ( x 1; ..., x n ) of the n values of performance indicators. According to these embodiments, the function can be indexed by the normality class h (c), a distinct computational model corresponding to a distinct function being used for the different normality classes, and the only argument of the function being the vector x = (x 1; ..., x n ) of the n values of performance indicators.
[0073] Selon certains modes de réalisation, la classe de normalité peut être utilisée comme attribut du modèle de qualité de service, en plus du vecteur des indicateurs de performance. Dans ces modes de réalisation, le modèle de la qualité de service peut être une fonction Ç(? 7(x),x) ayant comme arguments le vecteur x = (x1; ..., xn) des n valeurs d’indicateurs de performance et la classe de normalité h(c ) correspondant au vecteur x. According to some embodiments, the normality class can be used as an attribute of the quality of service model, in addition to the vector of performance indicators. In these embodiments, the model of the quality of service can be a function Ç (? 7 (x), x) having as arguments the vector x = (x 1; ..., x n ) of the n values of ' performance indicators and the normality class h (c) corresponding to the vector x.
[0074] Selon certains modes de réalisation, une pluralité de mesures de la qualité de service peut être déterminée, la pluralité de mesures de la qualité de service comprenant une mesure de la qualité de pistage global multi-capteur, et une mesure de la qualité du pistage uni-capteur pour chaque type de capteur (radar, WAM, ADS- B). According to some embodiments, a plurality of quality of service measures can be determined, the plurality of service quality measures comprising a measure of the overall multi-sensor tracking quality, and a measure of the quality. single-sensor tracking for each type of sensor (radar, WAM, ADS-B).
[0075] Selon certains modes de réalisation, un modèle de qualité de service peut être déterminé pour le pistage multi-capteur, un modèle de qualité de service peut être déterminé pour chaque radar ou groupe de radars, un modèle de qualité de service peut être déterminé pour les informations WAM, et un modèle de qualité de service peut être déterminé pour les informations ADS-B, différentes métriques de performance étant utilisées pour chaque modèle de qualité de service. According to some embodiments, a quality of service model can be determined for multi-sensor tracking, a quality of service model can be determined for each radar or group of radars, a quality of service model can be determined for the WAM information, and a QoS model can be determined for the ADS-B information, different performance metrics being used for each QoS model.
[0076] Par exemple, pour le pistage multi-capteur, les métriques de la norme ESASSP peuvent être utilisées en considérant aussi les exigences obligatoires et recommandées par la norme ESASSP. Pour le modèle de radar secondaire, une pluralité d’indicateur de performance et d’exigences peut être utilisée comprenant une valeur de l’indicateur ‘biais sur la portée’ en dessous de 100m, une valeur de l’indicateur ‘biais en azimut’ en dessous de 0.1 , une valeur de l’indicateur ‘écart-type sur la portée’ en dessous de 70m, une valeur de l’indicateur ‘écart-type en azimut’ en dessous de 0.1 , une valeur de l’indicateur ‘délais maximal sur un rapport d’une cible’ en dessous de 2 secondes, une valeur de l’indicateur ‘ratio de fausses pistes’ en dessous de 0.1%, et une valeur de l’indicateur ‘probabilité de détection’ au-dessus de 70%. Pour le modèle WAM, une pluralité d’indicateurs et d’exigences obligatoires de la norme ESASSP peut être utilisée comprenant une valeur de l’indicateur ‘erreur RMS horizontale en position’ inférieure à 350m en ER et inférieure à 150m en TMA , une valeur de l’indicateur ‘délais de traitement’ inférieure à 1 seconde en mode ‘Data Driven’ et inférieure à 1 seconde plus la période de sortie en mode ‘periodic delayed’ et inférieure à 0.5 seconde pour le mode ‘période prédite périodiquement’, une valeur de l’indicateur ‘probabilité de détection de la position’ supérieure à 97%, et une valeur de l’indicateur ‘ratio de fausses pistes’ inférieure à 0.1%. For example, for multi-sensor tracking, the metrics of the ESASSP standard can be used while also considering the mandatory requirements and recommended by the ESASSP standard. For the secondary radar model, a plurality of performance indicator and requirements may be used including a value of the 'range bias' indicator below 100m, a value of the 'azimuth bias' indicator. below 0.1, a value of the indicator 'standard deviation on the range' below 70m, a value of the indicator 'standard deviation in azimuth' below 0.1, a value of the indicator 'delays maximum on a report of a target 'below 2 seconds, a value of the indicator' false leads ratio 'below 0.1%, and a value of the indicator' probability of detection 'above 70 %. For the WAM model, a plurality of indicators and mandatory requirements of the ESASSP standard can be used including a value of the indicator 'horizontal RMS error in position' less than 350m in ER and less than 150m in TMA, a value of the 'processing time' indicator less than 1 second in 'Data Driven' mode and less than 1 second plus the output period in 'periodic delayed' mode and less than 0.5 second for 'periodically predicted period' mode, a value of the indicator 'probability of detection of the position' greater than 97%, and a value of the indicator 'false leads ratio' less than 0.1%.
[0077] Selon certains modes de réalisation, un ensemble A d’indicateurs de performance peuvent correspondre à des statistiques sur des évènements pour lesquels les valeurs des indicateurs de performance comprennent au moins une valeur peuvent ne pas être calculables sur la fenêtre temporelle courante. Dans ces modes de réalisation, le vecteur x = (x1 ...,xn) peut ne comprendre de valeurs que sur l’ensemble N = {1, ...,n}\A et avoir des valeurs manquantes en association avec les indicateurs de performance de l’ensemble A. Le vecteur xN\A désigne le vecteur comprenant des valeurs des indicateurs de performance sur l’ensemble N\A. According to certain embodiments, a set A of performance indicators may correspond to statistics on events for which the values of the performance indicators include at least one value may not be calculable over the current time window. In these embodiments, the vector x = (x 1 ..., x n ) may include values only over the set N = {1, ..., n} \ A and have missing values in association with the performance indicators of the set A. The vector x N \ A designates the vector comprising the values of the performance indicators on the set N \ A.
[0078] Selon certains modes de réalisation, la détermination de la mesure de la qualité de service en présence de valeurs manquantes d’indicateurs de performance peut être réalisée selon une première approche qui consiste à compléter le vecteur xN\A par les valeurs manquantes pour les indicateurs de l’ensemble A qui sont les plus défavorables pour le vecteur x et de déterminer la mesure de la qualité de service Q(XN\A> Z A ) à partir des vecteurs xN\A et du vecteur zA. According to certain embodiments, the determination of the measurement of the quality of service in the presence of missing values of performance indicators can be carried out according to a first approach which consists in supplementing the vector x N \ A with the missing values for the indicators of set A which are the more unfavorable for the vector x and to determine the measure of the quality of service Q (X N \ A> Z A ) from the vectors x N \ A and from the vector z A.
[0079] Selon certains modes de réalisation, la détermination de la mesure de la qualité de service en présence de valeurs manquantes d’indicateurs de performance peut être réalisée selon une seconde approche qui se base sur la probabilité à priori sur les valeurs manquantes et l’évaluation de l’espérance de la mesure de la qualité de service Q{XN\A> Z A) suivant la probabilité sur zA. According to some embodiments, the determination of the measurement of the quality of service in the presence of missing values of performance indicators can be carried out according to a second approach which is based on the a priori probability on the missing values and the 'evaluation of the expectation of the measurement of the quality of service Q {X N \ A> Z A ) according to the probability on z A.
[0080] Selon certains modes de réalisation, la détermination de la mesure de la qualité de service en présence de valeurs manquantes d’indicateurs de performance peut être réalisée selon une troisième approche qui se base sur la détermination d’une nouvelle fonction de qualité de service Q-A(xN\A) à partir de la fonction Ç(.) en se basant sur des propriétés dépendantes de la fonction Ç(.). En particulier, la fonction Ç(.) peut être une fonction générale ou une fonction monotone et normalisée, ou une fonction utilisant une intégrale de Choquet. According to certain embodiments, the determination of the measurement of the quality of service in the presence of missing values of performance indicators can be carried out according to a third approach which is based on the determination of a new function of quality of service. service Q- A (x N \ A ) from the function Ç (.) based on properties dependent on the function Ç (.). In particular, the function Ç (.) Can be a general function or a monotonic and normalized function, or a function using a Choquet integral.
[0081] L’intégrale de Choquet est une fonction d’agrégation Om. Rn ® R ayant comme paramètre un vecteur m: 2N ® [0,1]· Pour S e N, m(5) représente l’importance des critères S. Le modèle de qualité de service peut s’écrire sous la forme Ç(x) = P(wi( i), ... , itn(xn)), où F = Om est la fonction d’agrégation et ut·. Yt ® R est la fonction d’utilité (de normalisation) sur l’indicateur t, Yt désignant l’ensemble des valeurs que l’indicateur t peut prendre. Cette fonction d’agrégation F est monotone et normalisée. Les fonctions d’utilité sont elles-mêmes normalisées et satisfaisant Ui(±i) = 0, ui(J i) = 1. Ainsi ^(0, ...,0) = 0 et Om(1, ...,1) = 1. L’intégrale de Choquet satisfait en plus à une propriété d’idempotence qui indique que Om(ί, ...,t) = t. The Choquet integral is an aggregation function O m . R n ® R having as parameter a vector m: 2 N ® [0,1] · For S e N, m (5) represents the importance of the criteria S. The quality of service model can be written in the form Ç (x) = P (wi (i), ..., it n (x n )), where F = O m is the aggregation function and u t ·. Y t ® R is the utility (normalization) function on the indicator t, Y t designating the set of values that the indicator t can take. This aggregation function F is monotonic and normalized. The utility functions are themselves normalized and satisfy Ui (± i) = 0, ui (J i) = 1. Thus ^ (0, ..., 0) = 0 and O m (1, ... , 1) = 1. The Choquet integral also satisfies an idempotence property which indicates that O m (ί, ..., t) = t.
[0082] Selon les modes de réalisation utilisant une fonction Ç(.) générale et considérant des indicateurs prenant des valeurs discrètes, la nouvelle fonctionAccording to the embodiments using a general function Ç (.) And considering indicators taking discrete values, the new function
Q-A(XN\A) Peut être donnée par: Q-A(xN\A) = ^-^SZAEUA (2(CN\A> Z A)· La somme peut être remplacée par une intégrale lorsque les indicateurs prennent des valeurs continues. Q- A (X N \ A ) Can be given by: Q- A (x N \ A ) = ^ - ^ S ZAEUA ( 2 (C N \ A> Z A ) The sum can be replaced by an integral when the indicators take continuous values.
[0083] Selon certains modes de réalisation utilisant une fonction Ç(.) monotone par rapport aux indicateurs de performance et normalisée et des indicateurs prenant des valeurs discrètes, la nouvelle fonction Q-A(xN\A) peut être donnée par : Q-A(xN\A) = åzAevA (XN\A,ZA)-Q{-1-N\A,ZA)) avec JN\A désignant un élément le plus préféré pour l’attribut N \A et lN\A désignant un élément le moins préféré pour l’attribut N \A. La somme peut être remplacée par une intégrale lorsque les indicateurs prennent des valeurs continues. According to certain embodiments using a function Ç (.) Monotonic with respect to the performance indicators and normalized and indicators taking discrete values, the new function Q- A (x N \ A ) can be given by: Q - A (x N \ A ) = å z A ev A ( X N \ A, Z A) -Q {-1-N \ A, ZA)) with J N \ A denoting a most preferred element for the attribute N \ A and l N \ A designating a least preferred element for the attribute N \ A. The sum can be replaced by an integral when the indicators take continuous values.
[0084] Dans certains modes de réalisation où la fonction Ç(.) utilise une intégrale de Choquet, la nouvelle fonction Q-A(xN\A) peut être donnée par : Q-A(xN\A) = In certain embodiments where the function Ç (.) Uses a Choquet integral, the new function Q- A (x N \ A ) can be given by: Q- A (x N \ A ) =
[0085] L’intégrale de Choquet permet de modéliser les critères qui interagissent entre eux. Un cas particulier consiste à se limiter à des interactions uniquement entre paires de critères. L’expression de l’intégrale de Choquet - appelée alors intégrale de Choquet 2-additive - est donnée par avec x>i désignant l’importance du critère t, et /ί;· désignant le niveau d’interaction entre les critères i et j. Pour ce modèle, la nouvelle fonction Q_A peut s’écrire sous la forme : Q-A A), où F_A désigne une intégrale de ChoquetThe Choquet integral makes it possible to model the criteria which interact with each other. A particular case consists in limiting oneself to interactions only between pairs of criteria. The expression of the Choquet integral - then called the 2-additive Choquet integral - is given by with x> i denoting the importance of the criterion t, and / ί; · denoting the level of interaction between the criteria i and j. For this model, the new function Q_ A can be written in the form: Q- A A), where F_ A denotes a Choquet integral
2-additive avec les coefficients d’importance et d’interaction donnés par v^A = désignant les indices d’importance et d’interaction de l’intégrale de Choquet Om définie sur l’ensemble N des critères. 2-additive with the importance and interaction coefficients given by v ^ A = denoting the importance indices and interaction of the Choquet integral O m defined on the set N of the criteria.
[0086] Selon certains modes de réalisation où le nombre d’indicateurs est élevé, la fonction d’agrégation peut être organisée de manière hiérarchique. [0086] According to some embodiments where the number of indicators is high, the aggregation function can be organized in a hierarchical manner.
[0087] Selon certains modes de réalisation, la décomposition hiérarchique de la fonction d’agrégation peut être composée de plusieurs intégrales de Choquet. Les opérateurs de restrictions peuvent ainsi être appliqués à chaque intégrale de Choquet. [0087] According to certain embodiments, the hierarchical decomposition of the aggregation function can be composed of several Choquet integrals. The restriction operators can thus be applied to each integral of Choquet.
[0088] Selon certains modes de réalisation, une arborescence de critères de normalisation et d’agrégation peut être déterminée pour chaque modèle de qualité de service. Les exigences obligatoires et recommandées peuvent être séparées et des fonctions d’utilité affines par morceau et une intégrale de Choquet peuvent être utilisées pour les agrégations. [0089] Selon certains modes de réalisation, le système de pistage peut être utilisé pour le pistage d’au moins un aéronef dans un espace aérien réparti en une pluralité de zones spatiales, l’évaluation de la qualité de pistage pouvant être réalisée sur chaque zone spatiale séparément afin d’identifier dans quelle zone la qualité de service est dégradée ou un problème de fonctionnement est survenu. Dans ces modes de réalisation, au moins une mesure de la qualité de service du système de pistage peut être déterminée à l’étape 107 en association avec chacune de la pluralité de zones spatiales. According to certain embodiments, a tree structure of normalization and aggregation criteria can be determined for each quality of service model. Mandatory and recommended requirements can be separated and piece-affine utility functions and a Choquet integral can be used for aggregations. According to certain embodiments, the tracking system can be used for the tracking of at least one aircraft in an airspace distributed in a plurality of spatial zones, the evaluation of the tracking quality being able to be carried out on each spatial area separately in order to identify in which area the quality of service is degraded or an operational problem has occurred. In these embodiments, at least one measure of the quality of service of the tracking system can be determined in step 107 in association with each of the plurality of spatial areas.
[0090] Selon certains modes de réalisation, la détermination de mesures de qualité de service sur une pluralité de zones spatiales peut se baser sur un pavage uniforme de l’espace aérien en une pluralité de cellules définies par la norme ESASSP, les cellules étant regroupées de manière à ce que le trafic aérien soit homogène groupe de cellules à un autre. According to some embodiments, the determination of quality of service measurements over a plurality of spatial areas can be based on a uniform tiling of the airspace in a plurality of cells defined by the ESASSP standard, the cells being grouped together. so that the air traffic is homogeneous group of cells to another.
[0091] Selon les modes de réalisation de l’invention, la détermination des groupements de cellules peut se baser sur une méthode comprenant les étapes consistant à : According to the embodiments of the invention, the determination of the groups of cells can be based on a method comprising the steps of:
- déterminer un pavage uniforme initial de l’espace aérien en cellules uniformes spécifiées par la norme ESASSP, le nombre de mesures étant connu pour chacune des cellules du pavage initiale ; - determine an initial uniform tiling of the airspace in uniform cells specified by the ESASSP standard, the number of measurements being known for each of the cells of the initial tiling;
- déterminer deux groupements connexes de l’ensemble des cellules en découpant l’ensemble de cellules en deux sous-ensembles de manière à ce que les deux groupements ou deux sous-ensembles ont un nombre total de mesures relativement identique, le nombre total de mesures correspondant à la somme du nombre de mesures sur les cellules composant chaque sous-ensemble. Cette étape est répétée sur chacun des deux sous-ensembles en découpant chaque sous-ensemble en deux domaines et ainsi de suite jusqu’à ce que le nombre de mesures dans un domaine atteigne un seuil donné. Cette étape peut être avantageusement réalisée en appliquant un découpage affine de l’ensemble de cellules. - determine two related groupings of the set of cells by dividing the set of cells into two subsets so that the two groups or two subsets have a relatively identical total number of measurements, the total number of measurements corresponding to the sum of the number of measurements on the cells making up each sub-assembly. This step is repeated on each of the two subsets by dividing each subset into two domains and so on until the number of measurements in a domain reaches a given threshold. This step can advantageously be carried out by applying an affine division of the set of cells.
[0092] Selon certains modes de réalisation, le découpage des ensembles des cellules peut être réalisé dynamiquement à chaque calcul d’une mesure de la qualité de service, le nombre de mesures présent dans chaque cellule évoluant dans le temps. [0093] A l’étape 109, une explication de la dégradation de la qualité de service du système de pistage peut être déterminée si l’au moins une mesure de la qualité de service déterminée à l’étape 107 est représentative d’une dégradation de la qualité de service, par exemple si au moins une mesure de la qualité de service est inférieure à un seuil de qualité de service prédéfini. Selon les modes de réalisation de l’invention, l’explication de dégradation de la qualité de service consiste à déterminer au moins un indicateur de performance correspondant à la dégradation de la qualité de service et expliquant la différence entre le niveau de la qualité de service correspondant à la situation courante et au vecteur x = (x1; ...,xn) des n valeurs d’indicateurs de performance représentant la situation courante et au moins un niveau de qualité de service correspondant à une situation donnée. La situation donnée peut par exemple représenter une situation normale correspondant à un état normal de fonctionnement du système de pistage et à un vecteur Vopt = (yopt,i> - ' orΐ,h ) de valeurs d’indicateurs de performance, ou une situation catastrophique correspondant à un état de fonctionnement du système de pistage où tous les indicateurs de performance ont des mauvaises évaluations. According to certain embodiments, the division of the sets of cells can be carried out dynamically on each calculation of a measure of the quality of service, the number of measures present in each cell changing over time. In step 109, an explanation of the degradation of the quality of service of the tracking system can be determined if the at least one measure of the quality of service determined in step 107 is representative of a degradation of the quality of service, for example if at least one measure of the quality of service is below a predefined quality of service threshold. According to the embodiments of the invention, the explanation of degradation of the quality of service consists in determining at least one performance indicator corresponding to the degradation of the quality of service and explaining the difference between the level of the quality of service corresponding to the current situation and to the vector x = (x 1; ..., x n ) of n values of performance indicators representing the current situation and at least one level of quality of service corresponding to a given situation. The given situation can for example represent a normal situation corresponding to a normal operating state of the tracking system and to a vector V opt = (y opt, i> - ' orΐ, h ) of performance indicator values, or a catastrophic situation corresponding to an operational state of the tracking system where all the performance indicators have bad evaluations.
[0094] Pour déterminer quels sont les indicateurs de performance correspondant et expliquant la dégradation de la qualité de service pour la situation courante, une mesure (aussi appelée ‘indice d’influence’) notée h(x,yopt> T> Q) peut être utilisée pour mesurer l’influence de l’indicateur i e {1, ...,n} dans la différence Ç(x) - Q(yopt ) entre le vecteur x = (x1; ..., xn) des n valeurs d’indicateurs de performance représentant la situation courante et le vecteur yopt = (yopt l, - >yopt,n ) des n valeurs d’indicateurs de performance représentant une situation normale, avec Ç(.) représentant le modèle de mesure de la qualité de service organisé sous forme arborescente par rapport à une arborescence ou un arbre noté T, les indicateurs de performance étant organisés de manière hiérarchique. To determine what are the corresponding performance indicators and explaining the degradation of the quality of service for the current situation, a measure (also called the 'influence index') denoted h (x, y opt> T > Q) can be used to measure the influence of the indicator ie {1, ..., n} in the difference Ç (x) - Q (y opt ) between the vector x = (x 1; ..., x n ) n values of performance indicators representing the current situation and the vector y opt = (y opt l , - > y opt, n ) n values of performance indicators representing a normal situation, with Ç (.) representing the quality of service measurement model organized in tree form with respect to a tree structure or a tree denoted T, the performance indicators being organized in a hierarchical manner.
[0095] Afin de distinguer la contribution de chaque indicateur i e {1, ..., n} dans la différence Ç(x) - Q(yopt ), l’indice d’influence de l’indicateur t e {1, ..., n} peut être déterminé à partir d’indices d’influence partiels notés ô*’y°pt’T’Q (i), chaque indice d’influence partiel ô*’y°pt’T’Q (i) étant déterminé à partir des vecteurs permutés obtenus en appliquant une permutation p sélectionnée dans l’ensemble p(T) des permutations compatibles dans l’arbre T tel que (p(1), ... , 7r(/c)}. L’indice d’influence de l’indicateur t e {1, ...,n} peut ainsi être déterminé comme étant la moyenne des indices d’indicateurs partiels sur toutes les permutations p de l’ensemble p(T) tel que In order to distinguish the contribution of each indicator ie {1, ..., n} in the difference Ç (x) - Q (y opt ), the influence index of the indicator te {1,. .., n} can be determined from partial influence indices denoted ô * 'y ° pt'T'Q (i), each partial influence index ô * ' y ° pt'T'Q (i ) being determined from the permuted vectors obtained by applying a permutation p selected in the set p (T) of compatible permutations in the tree T such that (p (1), ..., 7r (/ c)}. The influence index of the indicator te {1, ..., n} can thus be determined as being the average of the indicator indices partial over all permutations p of the set p (T) such that
[0096] Dans certains modes de réalisation où le vecteur x des valeurs d’indicateurs de performance représentant la situation courante comprend des valeurs manquantes, l’indice d’influence d’un indicateur i e {1, ...,n} peut être déterminé en procédant dans un premier temps à la détermination des valeurs manquantes. In certain embodiments where the vector x of the values of performance indicators representing the current situation includes missing values, the influence index of an indicator ie {1, ..., n} can be determined by first determining the missing values.
[0097] Selon certains modes de réalisation où le vecteur x des valeurs d’indicateurs de performance représentant la situation courante comprend des valeurs manquantes, l’indice d’influence d’un indicateur i e {1, ...,n} peut être déterminé en se basant sur une définition de l’influence de l’indicateur i par Ii(x; T, Q ) = = 0, en se basant sur l’opérateur de restriction sur les valeurs manquantes. According to certain embodiments where the vector x of the values of performance indicators representing the current situation comprises missing values, the influence index of an indicator ie {1, ..., n} can be determined based on a definition of the influence of indicator i by Ii (x; T, Q) = = 0, based on the restriction operator on missing values.
[0098] Selon certains modes de réalisation, les calculs réalisés pour la détermination des indices d’influences des indicateurs de performance peuvent utiliser des algorithmes de somme compensée plutôt que les opérateurs standards de sommation. [0098] According to some embodiments, the calculations performed for determining the influence indices of the performance indicators can use sum-compensated algorithms rather than the standard summation operators.
[0099] Selon certains modes de réalisation, chaque indicateur de performance peut être associé à un ensemble de processus d’évaluation exécutable (ensemble de fiches reflexes) permettant d’évaluer l’état d’un sous-système du système de pistage et d’identifier l’origine des potentielles anomalies de fonctionnement du système de pistage. According to certain embodiments, each performance indicator can be associated with a set of executable evaluation processes (set of reflex sheets) making it possible to assess the state of a subsystem of the tracking system and of '' identify the origin of potential operating anomalies in the tracking system.
[0100] A l’étape 111 , les processus d’évaluation (sous la forme de fiches reflexes d’identification des causes racines) associés aux indicateurs de performance correspondant à une anormalité de fonctionnement et/ou à une dégradation de la qualité de service peuvent être déterminées et exécutées par l’opérateur de maintenance du système de pistage. Plus précisément, l’étape 111 peut comprendre la détermination ou l’identification, et l’exécution des fiches reflexes les plus pertinentes associées aux indicateurs de performance expliquant l’anormalité de fonctionnement du système de pistage à la situation courante et les fiches reflexes les plus pertinentes associées aux indicateurs de performance expliquant la dégradation de la qualité de service du système de pistage à la situation courante. [0100] In step 111, the evaluation processes (in the form of reflex sheets for identifying the root causes) associated with the performance indicators corresponding to an operating abnormality and / or to a degradation of the quality of service. can be determined and performed by the tracking system maintenance operator. More precisely, step 111 can comprise the determination or the identification, and the execution of the most relevant reflex sheets associated with the performance indicators explaining the abnormal operation of the tracking system to the current situation and the reflex sheets. the most relevant associated with the performance indicators explaining the degradation of the quality of service of the tracking system to the current situation.
[0101] Selon certains modes de réalisation, l’étape 111 peut consister à identifier et exécuter les fiches reflexes associées aux indicateurs de performance correspondant à des valeurs pour la situation courante qui sont significativement différentes des valeurs pour l’exemple contre-factuel considéré. [0101] According to some embodiments, step 111 may consist of identifying and executing the reflex sheets associated with the performance indicators corresponding to values for the current situation which are significantly different from the values for the counterfactual example considered.
[0102] Selon certains modes de réalisation, l’étape 111 peut comprendre une sous- étape consistant à comparer les résultats obtenus sur les différents modèles de qualité de service comprenant le modèle utilisé pour le pistage multi-capteur et les modèles utilisés pour chaque type de capteur pour le pistage uni-capteur. L’étape 111 peut en outre comprendre une sous-étape consistant à identifier les indicateurs ayant la plus grande influence sur la dégradation de la qualité de service parmi les indicateurs des différents modèles comparés, et à sélectionner un nombre d’indicateurs, ce nombre d’indicateurs étant déterminés soit en retenant les indicateurs qui sont associés aux p plus grands indices d’influence ou en appliquant un algorithme de clustering à la distribution des indices d’influence et en sélectionnant les indicateurs de la première classe. La sélection des indicateurs de performance en appliquant l’algorithme de clustering permet avantageusement de sélectionner les indicateurs de performance de manière dynamique en fonction de la répartition des valeurs. [0102] According to certain embodiments, step 111 may include a sub-step consisting in comparing the results obtained on the different quality of service models comprising the model used for multi-sensor tracking and the models used for each type. sensor for single-sensor tracking. Step 111 may further comprise a sub-step consisting in identifying the indicators having the greatest influence on the degradation of the quality of service among the indicators of the different models compared, and in selecting a number of indicators, this number d 'indicators being determined either by retaining the indicators which are associated with the p largest influence indices or by applying a clustering algorithm to the distribution of the influence indices and by selecting the indicators from the first class. The selection of performance indicators by applying the clustering algorithm advantageously makes it possible to select performance indicators dynamically according to the distribution of values.
[0103] Selon certains modes de réalisation, l’étape 111 peut consister à recueillir l’ensemble des niveaux d’influence de chaque indicateur en incluant les différents modèles de qualité de service, à classer les indicateurs suivant la somme des niveaux d’influence qu’il a, et à exécuter les fiches reflexes associées à ces indicateurs dans l’ordre du classement des indicateurs. [0103] According to certain embodiments, step 111 may consist in collecting all the levels of influence of each indicator by including the various quality of service models, in classifying the indicators according to the sum of the levels of influence that he has, and to carry out the reflex sheets associated with these indicators in the order of the classification of the indicators.
[0104] L’invention fournit par ailleurs un dispositif de supervision d’un système de pistage de trafic aérien, dans une situation courante du système de pistage définie par une position et un vecteur vitesse relatifs à moins un aéronef, la position et le vecteur vitesse étant déterminés à partir de données d’un ou plusieurs capteurs, le dispositif étant configuré pour déterminer des valeurs d’indicateurs de performance représentant la situation courante, caractérisé en ce que le dispositif est configuré pour: - déterminer une caractéristique de fonctionnement du système de pistage pour ladite situation courante en fonction desdites valeurs d’indicateurs de performance ;[0104] The invention also provides a device for supervising an air traffic tracking system, in a current situation of the tracking system defined by a position and a speed vector relating to less than one aircraft, the position and the vector. speed being determined from data from one or more sensors, the device being configured to determine performance indicator values representing the current situation, characterized in that the device is configured for: - determining an operating characteristic of the tracking system for said current situation as a function of said values of performance indicators;
- si ladite caractéristique de fonctionnement est représentative d’une anormalité de fonctionnement du système de pistage, déterminer au moins un indicateur de performance correspondant à l’anormalité de fonctionnement, et déterminer des valeurs de au moins un indicateur de performance correspondant à un fonctionnement normal; - if said operating characteristic is representative of an operating abnormality of the tracking system, determining at least one performance indicator corresponding to the operating abnormality, and determining values of at least one performance indicator corresponding to normal operation ;
- déterminer au moins une mesure de la qualité de service du système de pistage pour la situation courante à partir des valeurs d’indicateurs de performance représentant la situation courante; - determine at least one measure of the quality of service of the tracking system for the current situation from the values of performance indicators representing the current situation;
- si l’au moins une mesure de la qualité de service est représentative d’une dégradation de la qualité de service, déterminer au moins un indicateur de performance correspondant à la dégradation de la qualité de service ; - if at least one measure of the quality of service is representative of a degradation of the quality of service, determine at least one performance indicator corresponding to the degradation of the quality of service;
- exécuter au moins un processus d’évaluation associé à l’au moins un indicateur de performance correspondant à l’anormalité de fonctionnement et/ou à ladite dégradation de la qualité de service. - carry out at least one evaluation process associated with at least one performance indicator corresponding to the operating abnormality and / or said degradation of the quality of service.
[0105] L’invention fournit par ailleurs un produit programme d’ordinateur comprenant des instructions de code permettant d’effectuer les étapes du procédé lorsque ledit programme est exécuté sur un ordinateur. [0105] The invention further provides a computer program product comprising code instructions for performing the process steps when said program is executed on a computer.
[0106] Les modes de réalisation de l’invention peuvent être mis en oeuvre par divers moyens, par exemple par du matériel (‘hardware’), des logiciels, ou une combinaison de ceux-ci. [0106] The embodiments of the invention can be implemented by various means, for example by hardware ("hardware"), software, or a combination thereof.
[0107] Le procédé, dispositif, et le produit programme d’ordinateur de supervision et d’évaluation d’un système de pistage selon les différents modes de réalisation de l’invention peuvent être mis en oeuvre sur un ou plusieurs dispositifs ou systèmes informatiques, désignés collectivement sous le nom d’ordinateur, tel que l’ordinateur 20 illustré à la Figure 2. L’ordinateur 20 peut inclure diverses unités de calcul, de stockage et de communications configurées pour interagir les unes avec les autres par l’intermédiaire d’un port de données et d’adresse 29, comprenant un processeur 21 , un ou plusieurs périphériques de stockage 23, une interface d’entrée/sortie (I/O) 25 et une interface Homme-Machine (HMI) 27. [0108] Le processeur 21 peut inclure un ou plusieurs dispositifs sélectionnés : des microprocesseurs, des microcontrôleurs, des processeurs de signal numérique, des micro-ordinateurs, des unités centrales de traitement, des réseaux de portes programmables, des dispositifs logiques programmables, des machines à état défini, des circuits logiques, des circuits analogiques, des circuits numériques, ou tout autre dispositif servant à manipuler des signaux (analogues ou numériques) basé sur des instructions de fonctionnement enregistrées dans la mémoire. La mémoire peut inclure un seul dispositif ou une pluralité de dispositifs de mémoire, notamment mais sans s’y limiter, la mémoire à lecture seule (read-only memory (ROM), la mémoire à accès aléatoire (random access memory (RAM), la mémoire volatile, la mémoire non volatile, la mémoire vive statique (SRAM), la mémoire dynamique à accès aléatoire (DRAM), la mémoire flash, l'antémémoire (cache memory) ou tout autre dispositif capable de stocker des informations. Le dispositif de mémoire de masse peut inclure des dispositifs de stockage de données tels qu'un disque dur, un disque optique, un dérouleur de bande magnétique, un circuit à l'état solide volatile ou non volatile ou tout autre dispositif capable de stocker des informations. Une base de données peut résider sur le dispositif de stockage de mémoire de masse et peut être utilisée pour collecter et organiser les données utilisées par les différents systèmes et modules décrits dans les présentes. The method, device, and the computer program product for supervising and evaluating a tracking system according to the various embodiments of the invention can be implemented on one or more devices or computer systems. , collectively referred to as computer, such as computer 20 shown in Figure 2. Computer 20 may include various compute, storage, and communications units configured to interact with each other through a data and address port 29, comprising a processor 21, one or more storage peripherals 23, an input / output interface (I / O) 25 and a Human-Machine interface (HMI) 27. [0108] The processor 21 can include one or more selected devices: microprocessors, microcontrollers, digital signal processors, microcomputers, central processing units, programmable gate networks, programmable logic devices, machines state defined, logic circuits, analog circuits, digital circuits, or any other device used to manipulate signals (analog or digital) based on operating instructions stored in memory. The memory may include a single device or a plurality of memory devices, including but not limited to read-only memory (ROM), random access memory (RAM), volatile memory, non-volatile memory, static random access memory (SRAM), dynamic random access memory (DRAM), flash memory, cache memory or any other device capable of storing information. Mass memory can include data storage devices such as a hard drive, optical disc, magnetic tape drive, volatile or non-volatile solid state circuitry, or any other device capable of storing information. A database may reside on the mass memory storage device and may be used to collect and organize data used by the various systems and modules described herein.
[0109] Le processeur 21 peut fonctionner sous le contrôle d'un système d'exploitation qui réside dans la mémoire. Le système d'exploitation peut gérer les ressources informatiques de telle façon que le code de programme de l'ordinateur, intégré sous forme d'une ou de plusieurs applications logicielles ; The processor 21 can operate under the control of an operating system which resides in the memory. The operating system can manage the computer resources in such a way that the program code of the computer, integrated in the form of one or more software applications;
[0110] En général les routines exécutées pour mettre en oeuvre les modes de réalisation de l'invention, qu'elles soient mises en oeuvre dans le cadre d'un système d'exploitation ou d'une application spécifique, d'un composant, d'un programme, d'un objet, d'un module ou d'une séquence d'instructions, ou même d’un sous-ensemble de ceux-là, peuvent être désignées dans les présentes comme “code de programme informatique” ou simplement “code de programme ». Le code de programme comprend typiquement des instructions lisibles par ordinateur qui résident à divers moments dans des dispositifs divers de mémoire et de stockage dans un ordinateur et qui, lorsqu'elles sont lues et exécutées par un ou plusieurs processeurs dans un ordinateur, amènent l’ordinateur à effectuer les opérations nécessaires pour exécuter les opérations et/ou les éléments propres aux aspects variés des modes de réalisation de l'invention. Les instructions d'un programme, lisibles par ordinateur, pour réaliser les opérations des modes de réalisation de l'invention peuvent être, par exemple, le langage d'assemblage, ou encore un code source ou un code objet écrit en combinaison avec un ou plusieurs langages de programmation. [0110] In general, the routines executed to implement the embodiments of the invention, whether they are implemented within the framework of an operating system or of a specific application, of a component, of a program, object, module or sequence of instructions, or even a subset thereof, may be referred to herein as “computer program code” or simply “program code”. Program code typically includes computer readable instructions that reside at various times in various memory and storage devices in a computer and which, when read and executed by one or more processors in a computer, cause the computer to perform the operations necessary to run the operations and / or the elements specific to the various aspects of the embodiments of the invention. The instructions of a program, readable by computer, for carrying out the operations of the embodiments of the invention can be, for example, the assembly language, or else a source code or an object code written in combination with one or several programming languages.

Claims

REVENDICATIONS
1. Procédé de supervision d’un système de pistage de trafic aérien, dans une situation courante du système de pistage définie par une situation en temps réel d’une position et d’un vecteur vitesse relatifs à au moins un aéronef, ladite position et ledit vecteur vitesse étant déterminés à partir de données d’un ou plusieurs capteurs, le procédé comprenant une étape (101) de détermination de valeurs d’indicateurs de performance représentant ladite situation courante, le procédé étant caractérisé en ce qu’il comprend les étapes consistant à : 1. A method of supervising an air traffic tracking system, in a current situation of the tracking system defined by a situation in real time of a position and a speed vector relating to at least one aircraft, said position and said speed vector being determined from data from one or more sensors, the method comprising a step (101) of determining performance indicator values representing said current situation, the method being characterized in that it comprises the steps consists in :
- déterminer (103) une caractéristique de fonctionnement du système de pistage pour ladite situation courante en fonction desdites valeurs d’indicateurs de performance ; - determining (103) an operating characteristic of the tracking system for said current situation as a function of said performance indicator values;
- si ladite caractéristique de fonctionnement est représentative d’une anormalité de fonctionnement dudit système de pistage, déterminer (105) au moins un indicateur de performance correspondant à ladite anormalité de fonctionnement, et déterminer des valeurs dudit au moins un indicateur de performance correspondant à un fonctionnement normal; - if said operating characteristic is representative of an operating abnormality of said tracking system, determining (105) at least one performance indicator corresponding to said operating abnormality, and determining values of said at least one performance indicator corresponding to a normal running;
- déterminer (107) au moins une mesure de la qualité de service du système de pistage pour ladite situation courante à partir des valeurs d’indicateurs de performance représentant ladite situation courante ; - determining (107) at least one measure of the quality of service of the tracking system for said current situation from the values of performance indicators representing said current situation;
- si ladite au moins une mesure de la qualité de service est représentative d’une dégradation de la qualité de service, déterminer (109) au moins un indicateur de performance correspondant à ladite dégradation de la qualité de service ; - If said at least one measure of the quality of service is representative of a degradation of the quality of service, determining (109) at least one performance indicator corresponding to said degradation of the quality of service;
- exécuter (111) au moins un processus d’évaluation associé audit au moins un indicateur de performance correspondant à ladite anormalité de fonctionnement et/ou à ladite dégradation de la qualité de service. - execute (111) at least one evaluation process associated with said at least one performance indicator corresponding to said operating abnormality and / or said degradation of the quality of service.
2. Procédé selon la revendication 1 , caractérisé en ce que ladite caractéristique de fonctionnement est un état choisi dans le groupe comprenant un état de fonctionnement normal, au moins état de fonctionnement anormal connu, un état de fonctionnement anormal inconnu, et un état de fonctionnement impossible, ladite caractéristique de fonctionnement étant associée à une anormalité de fonctionnement dudit système de pistage si ladite caractéristique de fonctionnement n’est pas un état de fonctionnement normal. 2. Method according to claim 1, characterized in that said operating characteristic is a state chosen from the group comprising a normal operating state, at least known abnormal operating state, an unknown abnormal operating state, and an operating state. impossible, said operating characteristic being associated with an operating abnormality of said tracking system if said operating characteristic is not a normal operating state.
3. Procédé selon la revendication 2, caractérisé en ce que ledit état de fonctionnement normal correspond à une situation connue pour une configuration donnée, ladite configuration donnée correspondant à une première configuration où ledit au moins un aéronef est en régime de croisière ou à une seconde configuration où ledit au moins un aéronef est en approche d’un aéroport donné associé à un positionnement donné d’un ou plusieurs capteurs et à un type de météo donné pour ledit aéroport donné, ledit au moins un état de fonctionnement anormal connu étant prédéfini, ledit état de fonctionnement impossible correspondant à des combinaisons impossibles des valeurs des indicateurs de performance. 3. Method according to claim 2, characterized in that said normal operating state corresponds to a known situation for a given configuration, said given configuration corresponding to a first configuration where said at least one aircraft is cruising or to a second. configuration where said at least one aircraft is approaching a given airport associated with a given positioning of one or more sensors and with a given type of weather for said given airport, said at least one known abnormal operating state being predefined, said impossible operating state corresponding to impossible combinations of the values of the performance indicators.
4. Procédé selon l’une quelconque des revendications 2 et 3, caractérisé en ce que l’étape (101) de détermination de valeurs d’indicateurs de performance représentant ladite situation courante comprend le partitionnement de l’espace des valeurs d’indicateurs de performance en une pluralité de zones comprenant au moins une zone de normalité et au moins une zone d’anormalité connue, chaque zone de ladite pluralité de zones représentant une classe de normalité et étant associée à un état de fonctionnement dudit système de pistage, ladite au moins une zone de normalité étant associée audit état de fonctionnement normal, chacune de ladite au moins une zone d’anormalité connue étant associée à un état de fonctionnement anormal connu. 4. Method according to any one of claims 2 and 3, characterized in that the step (101) of determining values of performance indicators representing said current situation comprises the partitioning of the space of the values of indicators of performance. performance in a plurality of zones comprising at least one zone of normality and at least one zone of known abnormality, each zone of said plurality of zones representing a class of normality and being associated with an operating state of said tracking system, said at least at least one zone of normality being associated with said normal operating state, each of said at least one known abnormal zone being associated with a known abnormal operating state.
5. Procédé selon la revendication 4, caractérisé en ce que le partitionnement de l’espace des valeurs d’indicateurs de performance comprend la détermination de ladite au moins une zone de normalité, à partir de données standards correspondant à des valeurs d’indicateurs de performance obtenues en situations opérationnelles normales, en appliquant une technique d’apprentissage automatique non supervisée. 5. Method according to claim 4, characterized in that the partitioning of the space of performance indicator values comprises determining said at least one normality zone, from standard data corresponding to indicator values of. performance obtained in normal operational situations, by applying an unsupervised machine learning technique.
6. Procédé selon la revendication 5, caractérisé en ce que ladite technique d’apprentissage automatique non supervisée est choisie dans un groupe comprenant des techniques de réduction de dimensionnalité linéaire, des techniques de réduction de dimensionnalité non-linéaire, des techniques de partitionnement et des méthodes à noyau. A method according to claim 5, characterized in that said unsupervised machine learning technique is chosen from a group comprising linear dimensionality reduction techniques, non-linear dimensionality reduction techniques, partitioning techniques and techniques. kernel methods.
7. Procédé selon l’une quelconque des revendications 5 et 6, caractérisé en ce que l’étape (101) de détermination de valeurs d’indicateurs de performance représentant ladite situation courante comprend la détermination d’un ensemble de données à partir desdites données standards et un partitionnement dudit ensemble de données en sous-ensembles en appliquant une méthode d’apprentissage supervisée, chaque sous-ensemble correspondant à des valeurs d’indicateurs de performance représentant une zone d’anormalité connue. 7. Method according to any one of claims 5 and 6, characterized in that the step (101) of determining values of performance indicators representing said current situation comprises determining a set of data from said data. standards and a partitioning of said data set into subsets by applying a learning method supervised, each subset corresponding to performance indicator values representing a known abnormality zone.
8. Procédé selon la revendication 7, caractérisé en ce que ladite méthode d’apprentissage supervisée est une méthode de classification de données. 8. Method according to claim 7, characterized in that said supervised learning method is a data classification method.
9. Procédé selon l’une quelconque des revendications précédentes, caractérisé en ce qu’une mesure de la qualité de service correspond à un pistage multi-capteur ou à un pistage uni-capteur, ladite mesure de la qualité de service correspondant à la qualité du pistage global pour une pluralité de capteurs pour un pistage multi-capteur, et à la qualité du pistage pour un capteur donné pour un pistage uni-capteur. 9. Method according to any one of the preceding claims, characterized in that a measurement of the quality of service corresponds to a multi-sensor tracking or to a single-sensor tracking, said measurement of the quality of service corresponding to the quality. global tracking for a plurality of sensors for multi-sensor tracking, and the quality of tracking for a given sensor for single-sensor tracking.
10. Procédé selon l’une quelconque des revendications précédentes, caractérisé en ce que lesdites valeurs d’indicateurs de performance pour la situation courante sont comprises dans une classe de normalité correspondant à ladite caractéristique de fonctionnement du système de pistage pour ladite situation courante, une mesure de la qualité de service dudit système de pistage étant déterminée en fonction de ladite classe de normalité. 10. Method according to any one of the preceding claims, characterized in that said values of performance indicators for the current situation are included in a class of normality corresponding to said operating characteristic of the tracking system for said current situation, a measurement of the quality of service of said tracking system being determined as a function of said class of normality.
11. Procédé selon l’une quelconque des revendications précédentes, caractérisé en ce que ledit système de pistage est utilisé pour le pistage dudit au moins un aéronef dans un espace aérien réparti en une pluralité de zones spatiales, une mesure de la qualité de service dudit système de pistage étant déterminée en association avec chacune de la pluralité de zones spatiales. 11. Method according to any one of the preceding claims, characterized in that said tracking system is used for tracking said at least one aircraft in an airspace distributed over a plurality of spatial zones, a measure of the quality of service of said. tracking system being determined in association with each of the plurality of spatial areas.
12. Procédé selon l’une quelconque des revendications précédentes, caractérisé en ce que les valeurs d’indicateurs de performances ont au moins une valeur manquante, une mesure de la qualité de service dudit système de pistage étant déterminée en présence d’au moins une valeur manquante d’indicateurs de performance. 12. Method according to any one of the preceding claims, characterized in that the performance indicator values have at least one missing value, a measure of the quality of service of said tracking system being determined in the presence of at least one. missing value of performance indicators.
13. Procédé selon l’une quelconque des revendications précédentes, caractérisé en ce que l’étape (109) de détermination dudit au moins un indicateur de performance correspondant à ladite dégradation de la qualité de service comprend la détermination d’un indicateur d’influence associé à chaque indicateur de performance. 13. Method according to any one of the preceding claims, characterized in that the step (109) of determining said at least one performance indicator corresponding to said degradation of the quality of service comprises determining an influence indicator. associated with each performance indicator.
14. Procédé selon l’une quelconque des revendications précédentes, caractérisé en ce que chaque indicateur de performance est associé à un ensemble de processus d’évaluation exécutables pour évaluer l’état d’un sous-système dudit système de pistage, l’étape (111) d’exécution d’au moins un processus d’évaluation comprenant l’exécution des processus d’évaluation associées audit au moins un indicateur de performance correspondant à ladite anormalité de fonctionnement dudit système de pistage et/ou audit au moins un indicateur de performance correspondant à ladite dégradation de la qualité de service. 14. Method according to any one of the preceding claims, characterized in that each performance indicator is associated with a set of executable evaluation processes to evaluate the state of a subsystem of said tracking system, step (111) performing at least one evaluation process comprising the execution of the evaluation processes associated with said at least one performance indicator corresponding to said abnormal operation of said tracking system and / or to said at least one performance indicator corresponding to said degradation of the quality of service.
15. Dispositif de supervision d’un système de pistage de trafic aérien, dans une situation courante du système de pistage définie par une position et un vecteur vitesse relatifs à moins un aéronef, ladite position et ledit vecteur vitesse étant déterminés à partir de données d’un ou plusieurs capteurs, le dispositif étant configuré pour déterminer des valeurs d’indicateurs de performance représentant ladite situation courante, caractérisé en ce que le dispositif est configuré pour: 15. Device for supervising an air traffic tracking system, in a current situation of the tracking system defined by a position and a speed vector relating to at least one aircraft, said position and said speed vector being determined from data d 'one or more sensors, the device being configured to determine values of performance indicators representing said current situation, characterized in that the device is configured for:
- déterminer une caractéristique de fonctionnement du système de pistage pour ladite situation courante en fonction desdites valeurs d’indicateurs de performance ;- determining an operating characteristic of the tracking system for said current situation as a function of said performance indicator values;
- si ladite caractéristique de fonctionnement est représentative d’une anormalité de fonctionnement dudit système de pistage, déterminer au moins un indicateur de performance correspondant à ladite anormalité de fonctionnement, et déterminer des valeurs dudit au moins un indicateur de performance correspondant à un fonctionnement normal; - if said operating characteristic is representative of an operating abnormality of said tracking system, determining at least one performance indicator corresponding to said operating abnormality, and determining values of said at least one performance indicator corresponding to normal operation;
- déterminer au moins une mesure de la qualité de service du système de pistage pour ladite situation courante à partir des valeurs d’indicateurs de performance représentant ladite situation courante ; - determining at least one measurement of the quality of service of the tracking system for said current situation from the values of performance indicators representing said current situation;
- si ladite au moins une mesure de la qualité de service est représentative d’une dégradation de la qualité de service, déterminer au moins un indicateur de performance correspondant à ladite dégradation de la qualité de service ; - if said at least one measure of the quality of service is representative of a degradation of the quality of service, determining at least one performance indicator corresponding to said degradation of the quality of service;
- exécuter au moins un processus d’évaluation associé audit au moins un indicateur de performance correspondant à ladite anormalité de fonctionnement et/ou à ladite dégradation de la qualité de service. - perform at least one evaluation process associated with said at least one performance indicator corresponding to said operating abnormality and / or said degradation of the quality of service.
EP20821013.8A 2019-12-20 2020-12-11 Method and device for supervising a traffic control system Pending EP4078409A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1915153A FR3105544B1 (en) 2019-12-20 2019-12-20 METHOD AND DEVICE FOR MONITORING A TRACKING SYSTEM
PCT/EP2020/085841 WO2021122397A1 (en) 2019-12-20 2020-12-11 Method and device for supervising a traffic control system

Publications (1)

Publication Number Publication Date
EP4078409A1 true EP4078409A1 (en) 2022-10-26

Family

ID=70613973

Family Applications (1)

Application Number Title Priority Date Filing Date
EP20821013.8A Pending EP4078409A1 (en) 2019-12-20 2020-12-11 Method and device for supervising a traffic control system

Country Status (7)

Country Link
US (1) US20220406199A1 (en)
EP (1) EP4078409A1 (en)
KR (1) KR20220113509A (en)
AU (1) AU2020408906A1 (en)
BR (1) BR112022012137A2 (en)
FR (1) FR3105544B1 (en)
WO (1) WO2021122397A1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113643571B (en) * 2021-10-18 2022-02-08 中国电子科技集团公司第二十八研究所 Airspace network optimization method based on flight normality target

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10810892B2 (en) * 2017-02-01 2020-10-20 Honeywell International Inc. Air traffic control flight management

Also Published As

Publication number Publication date
AU2020408906A1 (en) 2022-07-14
US20220406199A1 (en) 2022-12-22
BR112022012137A2 (en) 2022-08-30
KR20220113509A (en) 2022-08-12
WO2021122397A1 (en) 2021-06-24
FR3105544A1 (en) 2021-06-25
FR3105544B1 (en) 2023-04-14

Similar Documents

Publication Publication Date Title
US10956253B2 (en) Anomaly detection in performance management
EP2599039B1 (en) Method and system for flight data anlysis
US10346249B2 (en) Resolving and preventing computer system failures caused by changes to the installed software
FR3052273A1 (en) PREDICTION OF TROUBLES IN AN AIRCRAFT
US11675641B2 (en) Failure prediction
US10387728B2 (en) Mapping wind turbines and predicting wake effects using satellite imagery data
US10769866B2 (en) Generating estimates of failure risk for a vehicular component
US11294748B2 (en) Identification of constituent events in an event storm in operations management
EP3163445A1 (en) Mechanism for analysing correlation during performance degradation of an application chain
FR3062733A1 (en) METHOD FOR MONITORING EQUIPMENT OF ELECTROMECHANICAL ACTUATOR TYPE
US20210005332A1 (en) Systems and methods for generating trust metrics for sensor data
EP4078409A1 (en) Method and device for supervising a traffic control system
EP1792278A1 (en) Method for detecting and tracking punctual targets, in an optoelectronic surveillance system
US20220230077A1 (en) Machine Learning Model Wildfire Prediction
US11411811B2 (en) Fault localization for cloud-native applications
Ivanov et al. Deep temporal semi-supervised one-class classification for GNSS radio frequency interference detection
WO2023011618A1 (en) Predicting root cause of alert using recurrent neural network
WO2022222623A1 (en) Composite event estimation through temporal logic
US20230179501A1 (en) Health index of a service
JPWO2020070792A1 (en) Ship detection systems, methods and programs
FR3079637A1 (en) METHOD FOR EVALUATING THE CONFORMITY OF A TRACKING SYSTEM TO A SET OF REQUIREMENTS AND ASSOCIATED DEVICES
US20240078467A1 (en) Predicting the intent of a network operator for making config changes
US20240242152A1 (en) In-time aviation safety management system for monitoring and mitigating adverse or off-nominal conditions in an aviation ecosystem
US20230385702A1 (en) Data fabric for intelligent weather data selection
US20230126323A1 (en) Unsupervised data characterization utilizing drift

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20220616

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)