FR3088760A1

FR3088760A1 - Détermination d'un état de piste à partir de mesures embarquées de contamination de piste, système et aéronef associés

Info

Publication number: FR3088760A1
Application number: FR1871611A
Authority: FR
Inventors: Fabien Moll
Original assignee: Airbus SAS
Current assignee: Airbus SAS
Priority date: 2018-11-20
Filing date: 2018-11-20
Publication date: 2020-05-22
Anticipated expiration: 2038-11-20
Also published as: US20200160736A1; FR3088760B1

Abstract

Une méthode et un système de détermination d'un état de piste (Edef, Ej) sont proposés. La méthode effectue la détermination à partir de données climatiques (301) à l’extérieur d’un aéronef (10) opérant sur une piste (20) pour aéronef et de données de piste (302) relatives à ladite piste. Les données climatiques et les données de piste sont acquises par des capteurs (101-115) embarqués dans l’aéronef. Grâce à l’acquisition de données de piste par l’aéronef lui-même, c’est-à-dire des mesures de paramètres de la piste elle-même, le système permet une discrimination entre plusieurs états de piste en plusieurs localisation de la piste incluant des zones en amont de l’aéronef, là où les solutions connues se limitaient aux zones, généralement de freinage, roulées par l’aéronef. Figure pour l’abrégé : Figure 3

Description

Titre de l'invention : Détermination d'un état de piste à partir de mesures embarquées de contamination de piste, système et aéronef associés

Domaine technique [0001] La présente invention se rapporte à un système et un procédé de détermination d'un état de piste, ainsi qu'à un aéronef équipé d’un tel système.

Technique antérieure [0002] La connaissance de l’état de surface de la piste est importante pour sécuriser des phases opérationnelles d’un avion sur la piste, telles le décollage, l’atterrissage ou le simple roulage. Il peut s’agir d’une piste d’atterrissage (« runway » en langue anglosaxonne) ou d’une piste de roulage (« taxiway » en langue anglo-saxonne) ou d’une piste ou « aire » de stationnement (« APRON » en langue anglo-saxonne).

[0003] Par exemple, cette connaissance permet de mieux prédire les performances de freinage de l’avion. Elle permet ainsi d’estimer au mieux la distance nécessaire pour arrêter l’avion lors d’un atterrissage dans un souci de sécurité, mais également de ne pas surestimer cette distance d'arrêt nécessaire pour immobiliser l’avion et donc de ne pas pénaliser, outre mesure, les opérations d'utilisation de la piste et de l'avion.

[0004] Une bonne connaissance de l’état de piste permet en particulier de diminuer le risque d’accident lors de l’atterrissage, notamment en diminuant le nombre de sorties de piste sur piste contaminée ou mouillée.

[0005] Si historiquement l’état de piste était déterminé au sol puis transmis par la tour de contrôle aux avions en approche, des dispositifs ont été développés pour déterminer un état de piste à partir de mesures avion. C’est le cas de la publication ER2978736 dans laquelle un état de piste est obtenu par mise en correspondance de données de friction/ adhérence et glissage avec des modèles théoriques.

[0006] Cette approche est cependant limitée aux cas de freinage et ne permet pas de caractériser la cause (type de contaminant) de cette friction dégradée.

Exposé de l'invention [0007] Dans ce contexte, l’invention propose un procédé comprenant la détermination d'un état de piste à partir de données climatiques à l’extérieur d’un aéronef opérant sur une piste pour aéronef et de données de piste relatives à ladite piste, caractérisé en ce que les données climatiques et les données de piste sont acquises par des capteurs embarqués dans l’aéronef. L’acquisition a lieu pendant la phase opérationnelle (typiquement décollage, atterrissage, roulage) de l’aéronef sur la piste.

[0008] Des données de piste ainsi acquises par l’aéronef lors de la phase opérationnelle permettent une meilleure connaissance des conditions de piste (par exemple une meilleure cartographie) et donc une meilleure détermination automatique de l’état de piste. La phase opérationnelle de l’aéronef (par exemple le freinage) s’en trouve alors améliorée. De même une meilleure prédictibilité de ces opérations est obtenue, résultant en de meilleures gestion et ponctualité de flottes d’aéronefs.

[0009] Par ailleurs, cette connaissance accrue, qui peut être remontée aux équipes au sol, permet de réduire les inspections visuelles de piste historiquement nécessaires, et par voie de conséquence réduire d’éventuels nettoyages.

[0010] Corrélativement, l’invention concerne également un système de détermination d'un état de piste, comportant des capteurs embarqués dans un aéronef opérant sur une piste pour aéronef et un module d’obtention d’un état de la piste à partir de données climatiques à l’extérieur de l’aéronef et de données de piste relatives à ladite piste, ces données étant acquises par les capteurs embarqués dans l’aéronef.

[0011] Le système présente des avantages similaires à ceux du procédé ci-dessus.

[0012] Un tel système peut notamment servir dans le cadre d’un système d'assistance au pilotage d'aéronef, notamment pour le freinage de celui-ci. En effet, l’état de piste déterminé peut être utilisé pour commander un ou plusieurs dispositif de freinage (rétro-poussée, volets, freins de roue, etc.) de l’aéronef voire un ou plusieurs dispositifs de navigation (pour choisir par exemple une piste de roulage de sortie). Il en résulte également un procédé d'assistance au pilotage d'aéronefs.

[0013] Un autre aspect de l'invention concerne un aéronef comprenant un système de détermination d'un état de piste tel que présenté ci-dessus.

[0014] Dans un mode de réalisation, l’état de piste est également déterminé à partir de données dynamiques de fonctionnement de l’aéronef acquises par des capteurs embarqués dans l’aéronef. Un tel état de piste est consolidé et donc plus précis car il s’appuie sur la réponse de l’aéronef lorsque ce dernier roule sur la piste dont l’état est à qualifier. Cet état de piste est par conséquent valable pour la zone de roulage de l’aéronef.

[0015] Cela contraste avec un mode de réalisation où l’état de piste est déterminé pour une portion de piste en amont de l’aéronef, c’est-à-dire là où ce dernier n’a pas encore roulé. Aussi, la détermination de l’état de piste n’est pas réalisée à partir de données dynamiques de fonctionnement de l’aéronef acquises par des capteurs embarqués dans l’aéronef (car non disponibles). Une détermination améliorée de l’état de piste en amont permet avantageusement d’ajuster les commandes (freinage, choix de piste de roulage de sortie, etc.) de façon dynamique lors de l’opération sur la piste.

[0016] De préférence, les données acquises sont corrélées à un positionnement de l’aéronef sur la piste lors de leur acquisition. Cela permet de corréler efficacement les différentes données aux zones de la piste, pour une meilleure cartographie de l’état de piste.

[0017] Dans un mode de réalisation, au moins une probabilité de présence d’un type de contaminant (correspondant à la nature du contaminant seul ou à la nature et son épaisseur) est obtenue pour une localisation sur la piste à partir des données de piste acquises, [0018] et la probabilité de présence du type de contaminant est ajustée en fonction des données climatiques acquises et plus particulièrement de probabilités de présence associées à des types respectifs de contaminant de piste obtenues pour la localisation sur la piste à partir des données climatiques acquises. Cela peut être réalisé pour plusieurs voire tous les types de contaminant envisagés. Ainsi une indication finale de contaminant est obtenue (par exemple correspondant à la probabilité finalement ajustée la plus élevée) pour ladite localisation de piste.

[0019] Les contaminants peuvent être tout élément venant se déposer sur la piste originelle, comme par exemple des gommes déposées lors d'atterrissages précédents, de l'huile, de l'eau de pluie formant une couche plus ou moins uniforme sur la piste, de la neige, de la glace, du sable, etc.

[0020] La granularité dans la détection des contaminants via les données climatiques peut être moindre que celle via les données de piste. Dans ce cas, une même probabilité obtenue des données climatiques peut modifier de façon similaire les probabilités obtenues des données de piste pour deux contaminants proches.

[0021] Dans un mode de réalisation, la probabilité de présence du type de contaminant est en outre obtenue à partir d’informations de roulage relatives à un niveau d’adhérence ou freinage de l’aéronef obtenues à partir de données dynamiques de fonctionnement de l’aéronef acquises par des capteurs embarqués dans l’aéronef.

[0022] En particulier, plusieurs probabilités élémentaires de présence du type de contaminant peuvent être obtenues, selon plusieurs méthodes respectives d’obtention, à partir des données de piste acquises et une probabilité intermédiaire de présence du type de contaminant peut être obtenue comme combinaison pondérée des probabilités élémentaires (par exemple une somme pondérée).

[0023] De même, plusieurs probabilités élémentaires relatives à un niveau d’adhérence ou freinage de l’aéronef peuvent être obtenues, selon plusieurs méthodes respectives d’obtention, à partir des données dynamiques acquises et une probabilité intermédiaire relative à un niveau d’adhérence ou freinage peut être obtenue comme combinaison (par exemple une somme) pondérée des probabilités élémentaires relatives à un niveau d’adhérence ou freinage. Or le niveau d’adhérence ou freinage est fortement corrélé à des contaminants de piste. Aussi dans une configuration, la probabilité de présence du type de contaminant peut être fonction (par exemple la moyenne) de la probabilité intermédiaire de présence du type de contaminant et la probabilité intermédiaire de niveau d’adhérence corrélé au type de contaminant.

[0024] Des traitements différents sont ainsi réalisés sur chacun des types de données acquises afin d’obtenir des indications qui sont finalement corrélées (ou fusionnées) pour obtenir l’indication finale directement liée à un état de piste pour la localisation considérée.

[0025] Les poids de pondération dans la combinaison pondérée sont fonction d’une phase opérationnelle de l’aéronef (décollage, approche, atterrissage, freinage, roulage à vitesse élevée ou à vitesse faible, virage, etc.). La phase peut par exemple être détectée à l’aide de la vitesse de l’aéronef : les poids peuvent donc varier en fonction de la vitesse de l’aéronef.

[0026] Des probabilités de présence d’un type de contaminant peuvent être obtenues pour deux ou plus localisations dans une même largeur de piste. Cela est rendu possible par l’acquisition de données de piste directement par l’aéronef. Par exemple des caméras permettent de balayer la largeur de piste et ainsi de détecter différents contaminants sur la même largeur de piste.

[0027] Dans un mode de réalisation, un état de piste amont est déterminé, à partir des données climatiques et données de piste acquises, pour une localisation qui précède l’aéronef sur la piste.

[0028] Eventuellement, l’état de piste amont est comparé à un état de piste de référence pour ladite localisation (par exemple un rapport SNOWTAM reçu de la tour de contrôle). Cela permet de déclencher une opération d’alerte ou de contrôle (par exemple modification du freinage) de l’aéronef lorsque l’état de piste prédictif est dégradé par rapport à l’état de piste de référence.

[0029] Un tel état de piste amont peut également être comparé à un état de piste déterminé à partir des données climatiques, dynamiques et de pistes acquises pour la même localisation. Cela permet notamment de mettre à jour, en fonction des différences relevées, la logique permettant de déterminer l’état de piste amont. En effet, l’état de piste finalement rencontré (déduit en utilisant les données dynamiques acquises lorsque l’aéronef passe au niveau de la localisation) peut être différent de celui déterminé en amont (à distance). La correction apportée peut aider à améliorer le schéma de détermination en amont. Par exemple, si ce dernier est un réseau de neurones, l’état de piste amont et celui finalement rencontré sont utilisés dans un processus d’apprentissage (mise à jour, auto-apprentissage ou « self-leaming ») du réseau de neurones.

[0030] Dans un mode de réalisation, les données de piste sont acquises par au moins l’un parmi une caméra et un capteur laser embarqués dans l’aéronef.

[0031] Dans un mode de réalisation, la détermination de l’état de piste est en outre fonction de données d’aéroport fournies par une station au sol.

Brève description des dessins [0032] D'autres particularités et avantages de l'invention apparaîtront encore dans la description ci-après, illustrée par les dessins ci-joints.

[0033] [fig. 1] La figure 1 représente une vue générale d'un aéronef pour une mise en œuvre de la présente invention ;

[0034] [fig.2] La figure 2 illustre le fonctionnement d’un capteur embarqué de type scanner laser ;

[0035] [fig.3] La figure 3 illustre la détermination d’un état de piste selon des réalisations de l’invention ;

[0036] [fig.3a] La figure 3a illustre une combinaison pondérée, selon des phases opérationnelles de l’avion, de probabilités élémentaires aux fins de déterminer des probabilités intermédiaires selon un mode de réalisation de l’invention ;

[0037] [fig.3b] La figure 3b illustre des étapes du procédé ainsi mis en œuvre ;

[0038] [fig.4] La figure 4 illustre schématiquement un traitement, par une station au sol, d’états de piste retournés par une pluralité d’avions pour la même piste ;

[0039] [fig.5] La figure 5 illustre schématiquement la détermination d’un état de piste à différents instants pour une même zone de piste ; et [0040] [fig.6] La figure 6 illustre une utilisation de l’état de piste pour connaître un potentiel d’adhérence disponible.

Description détaillée [0041] Une méthode et un système de détermination d'un état de piste sont proposés. La méthode effectue la détermination à partir de données climatiques à l’extérieur d’un aéronef opérant sur une piste pour aéronef et de données de piste relatives à ladite piste. Les données climatiques et les données de piste sont acquises par des capteurs embarqués dans l’aéronef.

[0042] Grâce à l’acquisition de données de piste par l’aéronef lui-même, c’est-à-dire des mesures de paramètres de la piste elle-même, le système permet automatiquement une discrimination entre plusieurs états de piste en plusieurs localisation de la piste incluant des zones en amont de l’aéronef, là où les solutions connues se limitaient aux zones (généralement de freinage) roulées par l’aéronef.

[0043] La méthode peut également baser la détermination sur des données dynamiques de fonctionnement de l’aéronef, elles-mêmes acquises par des capteurs embarqués dans l’aéronef.

[0044] Un état de piste est exprimé à l’aide d’une nomenclature prédéfinie, par exemple DRY (pour piste sèche, c’est-à-dire sans contaminant), WET (pour piste humide), WATER (pour eau), FROST (pour givre) ; SLUSH (pour neige fondue), COMPACTED SNOW (pour neige tassée), WET SNOW (pour neige mouillée), DRY SNOW (pour neige sèche), ICE (pour glace), WET ICE (pour glace mouillée),

WATER ON COMPACTED SNOW (pour eau sur neige compacte) et SNOW OVER

ICE (pour neige au-dessus de glace). Ces états de piste peuvent être démultipliées en tenant compte d’une hauteur du contaminant (eau, neige, ...) par exemple !4 (pour 6,3 mm), Uz (pour 12,7 mm), etc.

[0045] Différents types de piste existent, incluant notamment les pistes d’atterrissage (« runway » en langue anglo-saxonne) et les pistes de roulage (« taxiway » en langue anglo-saxonne).

[0046] L’information d’état de piste est utilisée par l’équipage ou par les systèmes embarqués pour ajuster les commandes de l’aéronef, par exemple des lois de contrôle (anti-patinage), une trajectoire, une consigne de freinage, ou encore un objectif avion (typiquement une voie de roulage cible et la vitesse d’entrée sur cette voie).

[0047] La Figure 1 illustre un avion 10 sur une piste 20, l’avion comportant un ensemble de capteurs 101 à 128, une unité de traitement 180 et une interface de communication 190.

[0048] L’interface de communication 190 permet de communiquer avec une station au sol 50 qui relaie l’information au sol vers un centre de traitement. Ce centre de traitement peut être localisé aussi bien dans l’aéroport où se situe la piste 20 ou être délocalisé.

[0049] L’interface de communication 190 permet par exemple à l’avion de récupérer des informations telles que des données météorologiques (ou données MET) valables pour le moment où l’avion opère sur la piste, des rapports sur les conditions de piste (rapports NOTAM ou SNOWTAM), des données émises par le centre de traitement provenant des données des vols précédents, des données aéroport (description des pistes, par exemple carte de l’aéroport, longueurs et largeurs des pistes, inclinaisons, orientations et positions GPS de celles-ci, position des pistes/voies de roulage, etc.). Ces données peuvent être transmises sous forme de messages D-ATIS (pour datalink - Automatic Terminal Information Service ou liaison de données - service automatique de diffusion). Les données aéroports peuvent aussi être accessibles via une base de données embarquée dans l’avion.

[0050] L’interface de communication 190 permet aussi à l’avion d’envoyer au sol, soit des mesures effectuées par les capteurs embarqués, soit des états de piste déterminés à un ou plusieurs emplacements de la piste (par exemple sous forme de nouveau rapport NOTAM ou SNOWTAM), soit encore des données intermédiaires obtenues lors de la détermination des états de piste.

[0051] L’unité de traitement 180 comprend des moyens (codes logiciels par exemple) pour une mise en œuvre de l’invention, et notamment pour la détermination d’un état de la piste 20, comprenant la qualification du ou des contaminants 21 couvrant la piste 20 à divers emplacements, et leurs éventuelles épaisseurs.

[0052] Dans une variante, les traitements sont réalisés par la station au sol 50, l’avion ne faisant que transmettre à cette dernière, via l’interface de communication 190, les mesures acquises par les capteurs embarqués.

[0053] Les capteurs 101 à 128 peuvent mesurer des grandeurs physiques ou récupérer des paramètres avioniques. Comme il sera décrit par la suite, les mesures de ces capteurs sont utilisées pour générer à titre principal des probabilités de présence de certains types de précipitation ou de certains types de contaminants, ou toute autre information qui leur est directement liée (par exemple un coefficient d’adhérence). De préférence, ces probabilités ou informations liées sont associées à des localisations sur la piste.

[0054] Certains capteurs sont des capteurs de données environnementales telles que des données climatiques extérieures à l’aéronef et des données de piste relatives à la piste.

[0055] Dans l’exemple de la figure, l’avion comporte :

[0056] - une sonde de température extérieure 101 montée sur la surface externe du fuselage.

Elle fournit notamment une mesure de la température extérieure qui peut être considérée comme constante sur l’aéroport, limitant ainsi le nombre d’acquisitions, [0057] - un capteur d’humidité 102 également montée sur la surface externe du fuselage et fournissant une mesure du taux d’humidité extérieure. A nouveau, la mesure effectuée peut être valable pour l’ensemble de l’aéroport. Une table de correspondance, éventuellement spécifique à l’aéroport concerné, peut associer le taux d’humidité relevé à une probabilité de précipitation ou de non-précipitation, voire à des probabilités (en cas de précipitation compte tenu de la température mesurée par la sonde 101) sur le type de précipitation : rosée, brouillard, bruine, pluie, neige, etc., [0058] - un capteur 103 de fonctionnement des essuie-glaces indiquant si ces derniers sont activés ou non. Le capteur peut également déterminer la durée d’activation ainsi que la vitesse de balayage. L’indication de fonctionnement des essuie-glaces est associée (dans une table en mémoire par exemple) à une probabilité de précipitation, généralement élevée, et une probabilité de non précipitation, généralement faible (probabilités prédéfinies par exemple). Ces probabilités peuvent être dépendantes de la vitesse de balayage ainsi que de la durée d’activation : plus la vitesse ou la durée est élevée, plus la probabilité d’une précipitation est élevée. De même, l’indication de non-fonctionnement des essuie-glaces est associée à une probabilité de précipitation, généralement faible, et une probabilité de non précipitation, plutôt élevée (probabilités prédéfinies par exemple).

Dans un mode de réalisation, une probabilité de forte épaisseur de contaminant peut être ajustée dynamiquement en fonction de la durée d’activation et/ou de la vitesse de balayage. Cette probabilité est d’autant plus grande que les essuie-glaces sont activés depuis longtemps et à forte vitesse. Cet ajustement dynamique peut être basé sur une table de correspondances en mémoire, elle-même éventuellement spécifique à l’aéroport concerné (par exemple selon une connaissance que les pistes retiennent plus ou moins l’eau), [0059] - un disdromètre optique 104, typiquement laser, fournissant des mesures de taux de précipitation ainsi que la nature des hydrométéores (pluie, bruine, neige, grêle, grésil). Ces mesures peuvent être considérées comme valables sur l’ensemble de l’aéroport, afin de limiter leur acquisition. Comme pour tout capteur, il existe une incertitude dans la détermination de la nature des hydrométéores, généralement parce que les domaines de détection associés à chaque type d’hydrométéores ne sont pas parfaitement cloisonnés. Aussi, un score de confiance est affecté dans cette détermination, qui peut prendre la forme de probabilités associées à chacun des types d’hydrométéore identifiables, [0060] - un lidar (light detection and ranging) 105, capteur laser mesurant un taux de précipitation jusqu’à 10 m devant l’avion, [0061] - un pyromètre 106 mesurant à distance, par mesure de la radiation thermique (infrarouge), une température en surface de piste 20 dans une zone substantiellement sous le nez de l’avion ou juste devant celui-ci. Cette mesure peut être considérée comme globale à l’aéroport, [0062] - un radar aéroporté de précipitations 107, typiquement un radar météorologique, repérant la présence de précipitations et leur nature (pluie, bruine, neige, grêle, grésil). Un tel radar aéroporté a une antenne orientée vers le bas qui est balayée en diagonale pour acquérir une image tridimensionnelle des précipitations idéalement sur la largeur de la piste et sur une portion de piste au niveau de l’avion et devant celui-ci. Des mesures caractéristiques de précipitation observée sont obtenues à partir des images acquises : la réflectivité radar (la brillance à chaque fréquence), la dépolarisation (causée par des particules de glace de forme irrégulière ou fondantes) et la vitesse Doppler (mesure du mouvement de la précipitation vers le haut ou le bas). Ces mesures sont alors utilisées pour déduire par exemple un taux de précipitation, la nature des hydrométéores et remplacement de la glace sur la largeur de piste. Préférentiellement la piste est découpée en zones (par exemple des zones de 10m de long et découpant la largeur en 4 zones) et ces informations sont traitées par zones. A nouveau, un score de confiance est affecté dans la détermination de la nature des précipitations, qui peut prendre la forme de probabilités associées à chacun des types identifiables de contaminant.

[0063] Ces différents capteurs 101 à 107 mesurent des paramètres environnementaux desquels sont déduites des données climatiques externes à l’avion, par exemple des probabilités de présence de certains types de précipitation (ou d’absence de précipitation) mais également des mesures objectives telles qu’une température externe, un taux d’humidité, un taux de précipitation. Chaque donnée climatique peut être valable localement (au niveau de l’avion ou dans une zone distante identifiée) ou globalement à l’ensemble de la piste/aéroport.

[0064] Dans l’exemple de la figure, l’avion comporte également :

[0065] - un scanner laser 111 configuré pour acquérir une épaisseur de contaminant aqueux (liquide ou solide) sur la piste. La Figure 2 illustre la détermination de cette épaisseur à l’aide d’un tel scanner laser 111. Un rayon laser est émis. Une partie de celui-ci est réfléchie par la surface supérieure du contaminant 21. Une autre partie est réfléchie par l’interface contaminant/piste 20. Le scanner détecte les signaux réfléchis. Le retard pris par la deuxième partie réfléchie par rapport à la première partie permet de déduire une épaisseur du contaminant 21.

Un balayage latéral du laser permet d’effectuer cette acquisition sur la largeur de piste ou une portion de celle-ci et donc d’obtenir des épaisseurs de contaminants pour plusieurs zones dans l’axe transversal de la piste.

Un balayage longitudinal du laser permet également d’effectuer cette acquisition sur une portion de piste en amont de l’avion et donc également d’obtenir des épaisseurs de contaminants pour plusieurs zones dans l’axe longitudinal de la piste.

Les mesures effectuées sont donc affectées, le cas échéant, à des zones de piste respectives (compte tenu de la position de l’avion et de la position des zones balayées relativement à l’avion).

Le scanner laser permet également de distinguer la nature du contaminant aqueux (s’il y en a) : neige, glace, eau ... avec une incertitude contrôlée. Par exemple, une détection du taux de signal réfléchi (albédo) par la première réflexion sur le contaminant 21 permet d’identifier cette nature : l’eau réfléchit moins (environ 5%) que la glace ou la neige compacte (env. 60%), elle-même moins que la neige fraîche (env. 80%). Compte tenu de la porosité entre ces domaines de détection, des probabilités peuvent être associées à chaque type de contaminant. Par exemple, en cas de détection d’une réflexion de signal à hauteur de 70%, une probabilité plus importante est affectée à un contaminant « neige fraîche » qu’à un contaminent « glace » ou « neige compacte », la probabilité pour 1’« eau » étant, elle, très faible, [0066] - des caméras 112 externes déjà installées ou pas. Par exemple des caméras éclairées de roulage sont déjà prévues pour aider l’équipage à des opérations de roulage de nuit (caméra « taxi-aid »).

La caméra taxi-aid d’empennage 112a permet de surveiller le train d’atterrissage principal, l’avant de l’avion, les moteurs et la piste devant l’avion. La caméra taxi-aid ventrale 112b visualise le train d’atterrissage avant, l’avant de l’avion, les marquages sur piste et une largeur (par exemple 9m) de chaque côté du train d’atterrissage avant.

Différentes méthodes de reconnaissance d’images peuvent être mises en œuvre sur les images acquises par ces caméras pour identifier des contaminants et les zones correspondantes. Par exemple, des marqueurs caractéristiques de contaminants peuvent être calculés sur les images acquises (par exemple zone blanche pour de la neige, zone avec reflet ondulé pour de l’eau ou avec reflet fixe pour de la glace, zone noire pour du bitume sec). Des probabilités affectées aux différents contaminants peuvent ainsi rendre compte d’un score de confiance dans la détection des contaminants. La projection d’eau ou de neige par les trains d’atterrissage peuvent également être identifiée pour détecter la présence d’un contaminant fluide et estimer une épaisseur de contaminant sur la zone de l’avion.

En variante un réseau de neurones peut être utilisé pour rendre la détection des zones contaminées plus évolutives.

Des considérations géométriques permettent de faire correspondre des zones dans les images acquises avec des zones sur la piste, compte tenu du positionnement (par exemple GPS) de l’avion et des paramètres des caméras (focale, ...). Aussi, les probabilités de contaminants identifiés sur les images sont associées à des zones de piste, [0067] - une (ou plusieurs) caméra spectroscopique 113 basée par exemple sur une imagerie hyperspectrale opérant sur un spectre plus large que le spectre visible. La caméra peut être configurée pour opérer dans le spectre infrarouge (IR) et être ainsi couplée à un émetteur IR pour assurer une opérabilité de jour comme de nuit.

La caméra analyse ici l’absorption spectroscopique du revêtement observé, typiquement à deux fréquences IR différentes (par exemple 1320 nm et 1570 nm). L’émetteur IR émet donc deux ondes correspondantes. La mesure d’intensité absorbée de la première onde par rapport à celle de la deuxième onde suit des profils différents selon la nature du revêtement. Des profils de référence correspondant aux différents types de revêtement/contaminant peuvent être préenregistrés ou modélisés via un réseau de neurones, et être comparés aux mesures effectuées par la caméra 113. Plusieurs revêtements importants sont ainsi distingués : par exemple asphalte sèche en l’absence de contaminant 21, aspalathe mouillée, eau épaisse ou glace, neige, ... A nouveau, une incertitude demeure dans la distinction des revêtements/contaminants puisque la correspondance entre les mesures et les profils de référence n’est jamais parfaite. Aussi des probabilités sont associées à chaque revêtement possible (et donc éventuels contaminants associés), [0068] - une (ou plusieurs) caméra infrarouge IR 114. Les images infrarouges permettent en effet, selon des techniques connues, de mesurer une température de surface (contaminant 21 ou piste 20 ici), une température de sous-surface (en cas de contaminant) et une probabilité de présence de glace, neige ou frost. La température de surface affecte la glissance pour certains types de contaminants comme la neige compactée ou la glace. La température de surface peut donc renforcer la probabilité de l’évaluation dans certains cas (une température de surface relativement élevée en présence de neige compactée amène à un niveau de d’adhérence/friction dégradée en comparaison avec une température de surface moindre), [0069] - une (ou plusieurs) caméra polarisante 115 (c’est-à-dire avec un filtre polarisant) qui acquiert la lumière réfléchie par la surface de la piste observée. La polarisation de la lumière varie en fonction de la nature de la surface observée, notamment en fonction de la présence ou non d’eau et de son état (liquide, glace, neige, cristaux, ...). Aussi, l’image polarisée permet de révéler les conditions de surface de la piste. A nouveau, des probabilités sont associées respectivement aux conditions de surface possibles (et donc éventuels contaminants associés) pour traduire les incertitudes dans la mise en correspondance des mesures effectuées avec des polarisations de référence représentatives des différentes conditions.

[0070] Ces diverses caméras 112, 113, 114, 115 sont préférentiellement orientées vers la piste devant l’avion afin d’effectuer des acquisitions, et donc possiblement une détermination d’un état de piste, préalablement au passage de l’avion. En particulier, ces caméras peuvent opérer alors que l’avion est en approche, permettant de déterminer un état de piste (autre que celui classiquement transmis par la tour de contrôle) avant de toucher la piste.

[0071] Ces différents capteurs fournissent des données relatives à la piste 20 et plus particulièrement des données relatives aux conditions de piste (conditions de contamination). Il s’agit de données mesurées directement sur la piste à l’aide de capteurs embarqués.

[0072] D’autres capteurs acquièrent des données dynamiques de l’avion, lesquelles données traduisent le comportement de l’avion compte tenu de l’état de la piste :

[0073] - le GPS et/ou 1RS et/ou accéléromètres 120 fournissent des mesures telles que les accélérations (vertical, latérale, longitudinale) et la vitesse au sol de l’avion, [0074] - un (ou plusieurs) tachymètre 121 positionné sur toute ou partie des roues de l’avion permet de mesurer la vitesse linéaire des roues. En effet, une différence entre la vitesse linéaire des roues et la vitesse au sol peut renseigner d’une éventuelle dégradation de l’adhérence de l’avion au sol. Celle information peut être prise en compte dans une gestion de Γanti-patinage (anti-skid), [0075] - un capteur de tangage et/ou roulis et/ou de lacet 122 (mesures typiquement obtenues des équipements classiques d’avion), [0076] - un (ou plusieurs) capteur de couple de freinage 123 dont les mesures peuvent être corrélées avec des modèles préenregistrés représentant la dégradation de freinage à raison de la perte d’adhérence, Le rayon des roues étant connu ainsi que la charge verticale sur les trains d’atterrissage, le couple de freinage mesuré permet de connaître la force de freinage et donc de remonter au niveau de friction, [0077] - un capteur d’instructions de freinage 124, typiquement la pression de freinage et/ou l’activation de Γanti-patinage ou non (typiquement un booléen). Ces informations sont par exemple obtenues de l’unité de commande de freinage et de direction de l’avion.

Cette unité peut en effet délivrer à la fois la consigne de pression de freinage demandée ainsi que le niveau de pression réellement appliqué sur les freins. En cas d’adhérence diminuée, une pression de freinage appliquée trop forte amènerait à un blocage des roues, néfaste pour la capacité de freinage. Le système anti-patinage régule alors la pression appliquée pour éviter un blocage des roues et rechercher le point de fonctionnement optimal. La différence entre la consigne de pression de freinage et le niveau de freinage appliquée sur les freins issus du système d’anti-patinage permet notamment d’évaluer le niveau d’adhérence (bonne adhérence si différence très faible, faible adhérence sinon), [0078] - un capteur de direction 125 mesurant par exemple un couple de direction et/ou un angle de direction de roues. Ces informations sont par exemple obtenues de l’unité de commande de freinage et de direction de l’avion, [0079] - un capteur de charge 126 capable de mesurer la charge (ou force) verticale E_z de l’avion et/ou la charge latérale E_y. Il peut s’agir de simples gauges de force positionnées sur les trains d’atterrissage. La mesure de ces forces permet notamment de calculer un coefficient d’adhérence. Un exemple de calcul est décrit dans la demande ER2978736, [0080] - un (ou plusieurs) capteur 127 de pneu monté sur les roues pour déterminer la pression des pneus, [0081] - un (ou plusieurs) capteur optique de pneumatique 128 monté sur les trains, capable de mesurer les déformations des pneus. Un tel capteur comprend par exemple une puce PSD (détecteur sensible en position) montée sur la jante et équipée d’une lentille convexe pour mesurer le mouvement d’une source LED collée sur le revêtement intérieur du pneu. Un système radio transmet les mesures effectuées. Des modèles peuvent être prédéfinis qui modélisent par exemple un aquaplaning ou différents niveaux d’adhérence, en fonction des déformations (latérale, longitudinale, verticale). Un exemple de capteur optique de pneumatique 128 est décrit dans la publication US 2017/137144.

[0082] D’autres données dynamiques de l’avion peuvent être acquises, incluant par exemple le poids de l’avion (provenant du système de gestion de vol), des paramètres moteur, des configurations de volets ou déflecteurs (provenant de calculateurs embarqués), des informations de freinage automatique (activé ou non).

[0083] Bien entendu en variante, seule une partie de ces capteurs peut être utilisée. Egalement, d’autres capteurs que ceux cités ici peuvent être envisagés pour obtenir toute ou partie des données climatiques, données de piste et données dynamiques.

[0084] La Figure 3 illustre un exemple de mise en œuvre de l’invention pour la détermination d’un état de piste dans un aéronef, par exemple un avion.

[0085] Sur la figure, quatre domaines d’acquisition de données sont représentés :

- un domaine 301 relatif aux données climatiques externes. Elles sont acquises par des capteurs embarqués de données climatiques, par exemple les capteurs 101 à 107 décrits plus haut,

- un domaine 302 relatif aux données de piste. Elles sont acquises par des capteurs embarqués de données de piste (de contamination de piste), par exemple les capteurs 111 à 115 décrits plus haut,

- un domaine 303 relatif aux données dynamiques de l’avion, retranscrivant un comportant de ce dernier compte tenu de l’état de la piste. Elles sont acquises par des capteurs embarqués de données dynamiques, par exemple les capteurs 120 à 128 décrits plus haut, et

- un domaine optionnel 304 relatif aux données aéroport, reçues de la station au sol 50 via l’interface de communication 190.

[0086] Quelques exemples non limitatifs de capteurs sont indiqués dans cette figure. A titre illustratif, le domaine 303 inclut également des indications de vols qui sont déduites d’autres mesures effectuées : par exemple une distance de freinage 303-1 calculée en fonction d’une vitesse de l’avion, d’une force de freinage et/ou d’un état de piste prérenseigné ; également une trajectoire 303-2 (par exemple désignation d’une piste de roulage (taxiway) prédéfinie ou fonction de la distance de freinage ci-dessus.

[0087] Le bloc de traitement 310 permet d’obtenir un état de piste final E_;, E_def à partir de ces données acquises par les capteurs, notamment à partir des données climatiques extérieures 301 et des données de piste 302 relatives à ladite piste. Les données dynamiques 303 de fonctionnement de l’aéronef peuvent également être utilisées.

[0088] Cet état final ou toute donnée apparentée peut être utilisé pour mettre à jour un rapport d’état de piste, type NOTAM ou SNOWTAM 398, ou être utilisé comme entrée d’un système d’assistance 399 au pilotage de l’avion, par exemple un système de freinage de l’avion ou un système de détermination d’une voie de roulage de sortie.

[0089] Les traitements du bloc 310 sont répétés de préférence à des instants successifs d’acquisition des capteurs, par exemple toutes les 1/10 seconde.

[0090] Ces traitements à un instant tj donné sont de préférence réalisés pour différentes localisations sur la piste.

[0091] Les localisations peuvent inclure plusieurs localisations transversales à l’avion, c’est-à-dire plusieurs zones Z, sur la largeur de piste là où l’avion se situe. Ainsi, plusieurs états de piste respectifs E/Z) à l’instant tj peuvent être déterminés. A titre illustratif, la largeur de la piste peut être découpée en N zones égales ou en zones de largeur prédéfinie. Un état de piste E_def(Zi) d’une zone de piste Z, où l’avion se situe est préférablement déterminé à partir des données climatiques extérieures 301, des données de piste 302 relatives à ladite piste et des données dynamiques 303 de fonctionnement de l’aéronef.

[0092] Les localisations peuvent inclure plusieurs localisations devant l’avion, c’est-à-dire sur des portions de piste non encore parcourues par l’avion. Des zones peuvent être définies qui correspondent à des portions transversale et longitudinale de la piste 20. Un état de piste Ej(Z_;) pour ces zones Z, de piste en amont de l’avion est déterminé à partir des données climatiques extérieures 301 et des données de piste 302 relatives à ladite piste. En effet, aucune donnée dynamique 303 de fonctionnement de l’aéronef n’est disponible pour ces zones-là, puisque l’avion n’y a pas encore roulé. Toutefois, comme décrit par la suite, cet état de piste en amont peut être utilisé pour ajuster le contrôle de l’avion puis être comparé à un état de piste local E_def(Zi) déterminé lorsque l’avion roule effectivement sur cette zone. Cette comparaison permet notamment d’ajuster les modèles de prévision de l’état de piste en amont.

[0093] Le positionnement GPS de l’avion ainsi que des considérations purement géométriques (par exemple pour affecter des zones balayées par un laser ou capturées par une caméra à une zone Z, de la piste) permettent d’associer des états de piste déterminés en utilisant les données acquises à des zones de piste particulières.

[0094] Un premier étage du bloc 310 consiste en un traitement spécifique à chaque domaine 301-303. Il est dans l’exemple formé de trois blocs 320, 330, 340 dont les données en sortie (incluant des probabilités de présence de contaminants ou information similaire) sont traitées par un bloc final 350 pour obtenir un état de piste pour une zone Z,.

[0095] Ainsi, dans le bloc 320, les données climatiques externes acquises à l’instant tj pour la zone Z, sont fusionnées pour obtenir des probabilités n / t y t \ 321 de

COAT (^z /> ¹ jJ présence relatives à différents contaminants CONT possibles. Typiquement, une probabilité de présence de pluie et une probabilité de présence de neige, et une probabilité d’absence de précipitation sont obtenues. Optionnellement, une plus grande granularité des précipitations est utilisée : une probabilité de présence de glace, givre, grêle, ... et/ ou une probabilité de forte épaisseur de contaminant sont obtenues.

[0096] Différentes méthodes de fusion peuvent être envisagées. Elles combinent des mesures (ou des informations qui en découlent), valables pour une même localisation sur la piste, c’est-à-dire la même zone Z, découpant la piste 20. Comme indiqué plus haut, certains capteurs fournissent des mesures valables pour l’intégralité de la piste (par exemple thermomètre et capteur d’humidité) c’est-à-dire pour chaque zone de piste, d’autres capteurs sont excessivement locaux (pyromètre qui mesure sous le nez de l’avion) valables pour une ou peu de zones, enfin d’autres observent une partie de piste devant l’avion (par exemple le radar) valables pour les zones correspondantes.

[0097] Pour la zone Z_i5 un capteur permet d’obtenir des probabilités pour un, plusieurs ou chaque type de précipitation. Pour cette même zone Z_i5 la moyenne des probabilités ainsi obtenues pour chaque type de précipitation et valables pour cette zone peut être calculée.

[0098] En variante la probabilité pour chaque type de précipitation obtenue à partir des mesures d’un capteur particulier (par exemple le disdromètre 104) peut être utilisée comme probabilité de référence. Cette probabilité de référence (pour chaque type de précipitation) est alors ajustée en fonction des probabilités obtenues à partir des mesures d’autres capteurs. Le nombre de points (%) d’ajustement peut être fonction de la différence entre la probabilité de référence (éventuellement déjà ajustée) et l’autre probabilité à prendre en compte. Ces points d’ajustement peuvent être définis dans une table de correspondances en mémoire. Par exemple en cas de différence de 5 à 10%, l’ajustement peut être de 1 point (ou toute autre valeur) dans le sens de la différence : si la probabilité de pluie de référence est 43% mais que celle issue d’un autre capteur est de 35%, alors la probabilité de référence peut être ajustée à 42%.

[0099] Ces probabilités (d’origine, moyenne ou de référence ajustée) peuvent être ajustées en fonction également de la température mesurée par la sonde 101 et/ou par le pyromètre 106 : une température en dessous de +3°C améliorera la probabilité de neige au détriment de la probabilité de pluie ; en fonction également des taux de précipitation mesurés par le ou les capteurs 102, 103, 104, 105,107 : un fort taux ou forte probabilité de précipitation améliore la probabilité de pluie ou neige au détriment d’une probabilité d’absence de précipitation. Une table en mémoire peut préciser les ajustements de probabilité à effectuer en fonction des taux/probabilités de précipitation obtenus des mesures et également en fonction de la température mesurée (en particulier pour les températures voisines de +3°C).

[0100] Un type de contaminant le plus probable peut être associé à ces probabilités de précipitation, par exemple en utilisant les mesures du disdromètre 104 ou du radar 107 capable de distinguer la nature des hydrométéores.

[0101] Optionnellement, des informations (par exemple rapport MET) reçues de la station au sol 50 peuvent être utilisées pour affiner ces probabilités : augmenter les probabilités correspondant à la nature de la précipitation indiquée dans ces informations.

[0102] On obtient ainsi du module 320 des probabilités de pluie, de neige (voire plus), d’absence de précipitation, pour une localisation (la zone de piste où se trouve l’avion) voire plusieurs localisations (zones sur la largeur de piste où se trouve l’avion, zones de piste devant l’avion). Il s’agit donc de probabilités de présence associées à des types respectifs de contaminant de piste (incluant l’absence de précipitation). Ces probabilités p ,-T⁷¹ f / / _f \ sont basées sur les mesures d’un nombre variable de ^{1 c} CONT ( ^Z ï > ¹ j } capteurs (certains capteurs étant locaux, d’autres globaux à l’aéroport, d’autres encore observant une portion de piste devant l’avion).

[0103] Dans le bloc 330, les données de piste acquises des capteurs 111 à 115 sont également fusionnées pour obtenir, pour une ou plusieurs zones Z, sur la piste, des probabilités p p^int i t j 331, dites « intermédiaires », de présence des contaminants, ainsi qu’une épaisseur de l’éventuel contaminant (si pas déjà intégrée dans le type de contaminant considéré). Des informations complémentaires sur l’environnement de la piste peuvent également être identifiées au travers des caméras : par exemple présence d’un banc de neige sur le bord de piste (y compris ses dimensions), absence de lumière de piste (cachée par le contaminant), etc.

[0104] Différentes méthodes (notées « k ») permettent d’obtenir des probabilités élémentaires p ^{e le m} k ( y J- , de présence d’un même type de contaminant CONT ^P CONT \^Li' ¹ j } pour la zone Z, à partir des données de piste acquises à l’instant t,, et ce pour plusieurs voire toutes les types de contaminant possibles. Ces probabilités sont généralement valables pour une zone de piste particulière. Par exemple, comme indiqué plus haut les caméras 112 permettent d’obtenir des probabilités pour plusieurs types de contaminant pour une voire plusieurs zones de piste en amont de l’avion. La caméra spectroscopique 113 aussi. La caméra polarisante 115 également. La caméra IR 114 éventuellement. Bien entendu des combinaisons de mesures provenant de plusieurs capteurs peuvent être utilisées pour générer des probabilités élémentaires.

[0105] Ces probabilités élémentaires p ^{e !e m} k , y _t -, de présence d’un même type ^rpCONT\^£i’ j) de contaminant sont alors fusionnées en une probabilité intermédiaire de présence du type de contaminant CONT pour la zone Z, considérée. On obtient ainsi, pour une ou plusieurs zones de piste, une probabilité intermédiaire pour chaque type de contaminant envisagé/surveillé.

[0106] Par exemple, la moyenne des probabilités élémentaires obtenues pour un type de contaminant est utilisée. En variante, une probabilité élémentaire est utilisée comme référence qui est ajustée avec les autres probabilités élémentaires obtenues pour le même type de contaminant, comme décrit plus haut pour le bloc 320.

[0107] Dans un mode de réalisation, la probabilité intermédiaire de présence du type de contaminant est obtenue comme combinaison pondérée des probabilités élémentaires de présence du même type de contaminant :

[0108] [Math.l] [0109] où « k » désigne les méthodes utilisées.

[0110] Préférentiellement, les poids de pondération p_k (correspondant à chaque méthode de détermination des probabilités élémentaires) dans la combinaison pondérée sont fonction d’une phase opérationnelle de l’aéronef (décollage, approche, atterrissage, [OUI] [0112] [0113] [0114] [0115] [0116] [0117] [0118] [0119] [0120] freinage, roulage à vitesse élevée ou à vitesse faible, etc.).

La Figure 3a illustre un exemple de pondération variable selon la phase opérationnelle de l’avion. Dans cet exemple, trois capteurs CAPT1, CAPT2, CAPT3 sont utilisés.

Par exemple, CAPT1 est une caméra polarisante 115 qui acquiert la lumière réfléchie par la surface de la piste observée. La polarisation de la lumière varie en fonction de la nature de la surface observée, notamment en fonction de la présence ou non d’eau et de son état (liquide, glace, neige, cristaux, ...). CAPT2 est une caméra infrarouge 114 mesurant la température de surface de la piste. CAPT3 est une caméra taxi-aid 112 avec détection de projection d’eau ou de neige par les trains d’atterrissage.

Une méthode propre à chaque capteur permet d’obtenir des probabilités élémentaires pour chaque méthode (donc chaque capteur) et chaque contaminant CONT :

p _n ^{e m 1} P^our CAPT1, p ⁽’ /^e m 2 pour CAPT2 et p ^e '^{e m} 3 pour CAPT3. ^PcONT ^CONT ^CONT

La combinaison pondérée de ces probabilités élémentaires (en %) pour obtenir des probabilités intermédiaires (en %) dépend de la phase opérationnelle de l’avion. On considère dans cet exemple trois instants opérationnels différents correspondant successivement à trois zones Z_b Z₂, Z₃. La zone Zi correspond à une zone du seuil de piste au touché des trains, la zone Z₂ correspond au touché des trains à 30 nœuds et la zone Z₃ correspond au touché des trains à parking.

A chaque méthode utilisée (ici chaque capteur CAPT1 à CAPT3) est associé un coefficient de pondération (pi à p₃ respectivement) utilisée pour la combinaison pondérée.

Dans l’exemple, les pondérations pour les zones Zi et Z₃ sont pi=0,8, p₂=0,2, p₃=0 alors que les poids pour la zone Z₂ sont pi=0,6, p₂=0,2, p₃=0,2.

Les probabilités intermédiaires obtenues (colonnes Zi à Z₃) peuvent donc être différentes d’une zone à l’autre car les phases opérationnelles sont différentes.

L’utilisation des caméras permet d’effectuer cette estimation de probabilités intermédiaires des divers contaminants sur un grand nombre de zones de piste Z, notamment des zones devant l’avion non encore parcourues par lui. Aussi, l’avion peut disposer d’une cartographie à tj de probabilités intermédiaires de contaminants sur la piste non encore parcourue.

Optionnellement, des informations (par exemple rapport NOT AM) reçues de la station au sol 50 peuvent être utilisées pour affiner les probabilités intermédiaires associées aux différents contaminants : augmenter les probabilités intermédiaires correspondant à la nature des contaminants indiquée dans ces informations pour les zones considérées.

Dans le bloc 340, les données dynamiques de l’avion acquises des capteurs 120 à 128 [0121] [0122] [0123] à tj sont également fusionnées pour obtenir, pour la zone de piste Z, où roule l’avion, des probabilités p^^{11 !} l g . f 1 341, dites « intermédiaires », de niveau d’adhérence de l’avion.

Des informations complémentaires comme le rapport de glissage (ou « ratio s ») peuvent également être obtenus des calculs effectués lors de la détermination des probabilités intermédiaires 341.

Dans un mode de réalisation, plusieurs probabilités élémentaires relatives à un niveau d’adhérence ou freinage de l’aéronef μ \ ^z’ j / peuvent être obtenues selon plusieurs méthodes (k) respectives d’obtention à partir des données dynamiques acquises.

On connaît en effet différentes méthodes permettent d’estimer un coefficient d’adhérence (connu sous l’appellation « mu » ou μ) à partir des données dynamiques acquises par les capteurs 120 à 128. A titre d’exemples :

- une méthode basée sur une courbe d’adhérence dérivée de mesures de décélération permet de comparer un rapport entre une force de freinage mesurée F_b et une charge F_zde l’avion, avec un profil type pour en déduire un coefficient d’adhérence,

- une méthode comparant une distance de freinage évaluée dynamiquement avec une distance de freinage de référence, la différence reflétant un coefficient d’adhérence,

- une méthode considérant un rapport entre une pression de freinage avant activation de l’anti-patinage et une pression de freinage après activation de l’anti-patinage. Ce rapport reflète également un coefficient d’adhérence (mis en exergue par l’anti-patinage),

- une méthode d’analyse de la montée en pression du freinage lors de l’activation d’une consigne de freinage. En effet, le profil dynamique de montée en pression est fortement lié à l’adhérence au sol de l’avion,

- une méthode d’analyse optique des déformations des pneus, les déformations étant corrélées à des niveaux d’adhérence selon des profils de référence,

- une méthode d’analyse du différentiel de vitesse des roues lors d’un virage de l’avion (par exemple sur voie de roulage). Ce différentiel rapporté à la courbure de virage est représentatif d’un niveau d’adhérence. Des profils de référence associés à différents niveaux d’adhérence peuvent être utilisés et comparés aux différentiels calculés.

[0124] Les niveaux d’adhérence obtenus par ces diverses méthodes peuvent être rapportés dans un même référentiel, au travers par exemple d’une notation entre 0 et 6 bien connue dans le domaine aéronautique : 6 pour DRY, 5 pour GOOD, 4 pour GOOD to MEDIUM, 3 pour MEDIUM, 2 pour MEDIUM to POOR, 1 pour POOR, 0 pour NIL).

[0125] Les méthodes de détermination d’un niveau/coefficient d’adhérence introduisent des incertitudes (correspondance non parfaite avec des modèles ou des profils de référence par exemple). La correspondance avec les notes 0 à 6 n’est également pas parfaite. Aussi, des probabilités sont associées aux niveaux d’adhérence pour refléter un score de confiance. Il résulte par exemple que chaque méthode k génère par exemple une probabilité dite élémentaire e / e m £ relative à chaque niveau μ 0 à 6 en ¹ μ ( ^{Z U} .j ) fonction des mesures sur lesquelles elle s’appuie e l e. m correspond par exemple à la probabilité d’un niveau d’adhérence 3 (MEDIUM) obtenu par la méthode 5 pour la zone Z, à partir des mesures acquises à tj.

[0126] Les probabilités élémentaires de niveau d’adhérence peuvent être calculées de façon globale à l’avion ou roue par roue auquel cas une valeur moyenne peut ensuite être déterminée pour l’avion. Les probabilités élémentaires sont valables pour la zone de piste sur laquelle se trouve l’avion lors de l’acquisition des mesures à partir desquelles ces probabilités sont obtenues.

[0127] Dans le bloc 340, ces probabilités élémentaires relatives à un même niveau d’adhérence (ici l’une des notes 0 à 6) sont combinées, à l’aide d’une combinaison pondérée, pour obtenir une probabilité intermédiaire 341 correspondante à ce niveau d’adhérence :

[0128] [Math.2]

Ρ'^πί(Ζ„ f,) = Σ ,ρ,.Ρ μ \ ⁿ J / y k [0129] Comme pour le bloc 330, les poids p_kde pondération dans la combinaison pondérée peuvent être fonction d’une phase opérationnelle de l’aéronef (décollage, approche, atterrissage, freinage, roulage à vitesse élevée ou à vitesse faible, etc.).

[0130] En faisant varier les poids p_k dans les blocs 330 et 340 il est possible de prioriser certains capteurs ou certaines méthodes selon la phase opératoire.

[0131] A titre illustratif :

avant freinage, priorité peut être donnée à une détection par les caméras, au début du freinage, priorité peut être donnée à une évaluation de la montée en pression du freinage ou à l’estimation de la courbe p=f(s), pendant le freinage, priorité peut être donnée à une comparaison des distances, en cas de freinage insuffisant, priorité peut être donnée à nouveau à une détection par les caméras, pendant un virage, priorité peut être donnée à une estimation à partir de la vitesse des roues, [0132] [0133] [0134] [0135] [0136] [0137] [0138] à faible vitesse (par exemple sous 30 nœuds), priorité peut être donnée à une détection par les caméras combinée à une analyse de la pression de freinage, lors d’un décollage, priorité peut être donnée à une détection par les caméras.

Les données de sortie 321, 331, 341 des blocs 320, 330, 340 sont alors traitées par le bloc final 350 pour générer un état de piste final.

Comme indiqué plus haut, un état de piste final Ej(Z_;) pour l’instant tj peut être obtenu pour des portions de piste en amont de l’avion. Aucune donnée dynamique n’ayant encore été acquise pour cette zone de piste (puisque l’avion n’y a pas encore roulé), une probabilité P coNT (Zj, t de présence d’un type de contaminant CONT peut correspondre à la probabilité intermédiaire Pp^int i t 331 de présence du type de contaminant calculée par le bloc 330 pour cette zone. Une probabilité est obtenue pour chaque type de contaminant.

Cette probabilité peut être ajustée en fonction des données climatiques acquises valables pour cette zone Z, et plus particulièrement en fonction des probabilités ? ^c CONT ( tj)

321 de présence associées à des types respectifs de contaminant de piste obtenues à partir des données climatiques acquises.

Par exemple, si les probabilités 321 indiquent une probabilité élevée de précipitation de type pluie pour la zone considérée, les probabilités intermédiaires 331 de type WATER peuvent être augmentées (par exemple celles associées aux contaminants WET, WATER 1/8”, WATER 1/4” et WATER 1/2”) alors que celles 331 relatives à un autre contaminant peuvent être réduites. Le pas d’ajustement peut être prédéfini (par exemple N %).

Optionnellement, des mesures complémentaires climatiques peuvent être prises en compte. Par exemple, une température négative devrait réduire les probabilités relatives à des contaminants de type eau (WATER) au profit de contaminants neige et glace. Par exemple, si les probabilités 321 indiquent une probabilité élevée de précipitation de type neige pour la zone considérée et une température externe supérieure ou égale à 5°C, les probabilités intermédiaires 331 associées aux contaminants WET, WATER 1/8”, WATER 1/4” et WATER 1/2” peuvent être augmentées au détriment de celles associés aux contaminants gelés (ICE, SNOW, ...).

L’état de piste final Ej(Z_;) 351 en sortie du bloc 350 est celui associé à la plus forte probabilité parmi les probabilités ajustées P x^i^Z j, t j.

Cet état de piste final Ej(Z_;) obtenu pour une portion Z, de piste en amont de l’avion 10 présente l’avantage de pouvoir améliorer les phases opérationnelles de l’avion. En effet, cette indication estimée en avance permet par exemple :

- d’alerter le pilote si les conditions de piste ainsi évaluées sont dégradées par rapport [0139] [0140] [0141] [0142] [0143] [0144] [0145] [0146] [0147] à celles indiquées par la tour de contrôle,

- d’alerter de tout risque de sortie de piste si les conditions de piste ainsi évaluées sont incompatibles avec la cinématique actuelle de l’avion,

- d’ajuster des lois de contrôle de l’avion (anti-patinage, loi de contrôle latéral, ...) aux conditions réelles de la piste,

- d’adapter la trajectoire de l’avion aux conditions de piste (adaptation de la vitesse en agissant sur les freins ou les inverseurs de poussée),

- d’ajuster les objectifs de l’avion, par exemple en changeant de voie de roulage pour sortir de la piste d’atterrissage.

L’état de piste final amont Ej(Z_;) peut également être transmis à la station au sol 50.

Un état de piste final E_def(Zi) peut également être obtenu pour des portions de piste Z, sur lesquelles l’avion roule. Dans ce cas, les données dynamiques, et donc les probabilités intermédiaires de niveau d’adhérence p^int ί 7. t \, peuvent être prises \ J / en compte.

Une probabilité P cp y y ( Zj, t y ) présence d’un type de contaminant peut alors correspondre à la moyenne entre la probabilité Pp^{! nt} . fj intermédiaire de présence du type de contaminant et la probabilité ρ^^ηΐ ί . f \ intermédiaire de niveau d’adhérence μ corrélé au type de contaminant CONT.

En effet, le niveau d’adhérence μ (correspondant aux notations de 0 à 6) est un indicateur de la nature du contaminant CONT 21 de piste 20. Les tables utilisées dans le domaine aéronautique précisent les correspondances.

Une adhérence excellente (DRY, note 6) renseigne généralement d’un état DRY (absence de contaminant).

Une bonne adhérence (GOOD, note 5) renseigne généralement d’un état ou contaminant parmi : WET, EROST, et WATER, SLUSH, DRY SNOW ou WET SNOW en épaisseur inférieure à 1/8 de pouce.

Une adhérence estimée satisfaisante (GOOD to MEDIUM, note 4) renseigne généralement de l’état/contaminant COMPACTED SNOW en présence d’une température inférieure à -15°C.

Une adhérence jugée moyenne (MEDIUM, note 3) renseigne généralement de l’état/contaminant WET (en cas de piste réputée glissante), ou l’un des états/ contaminants DRY et WET SNOW en épaisseur supérieure à 1/8 pouce pour des températures inférieures à -3°C, ou l’état/contaminant COMPACTED SNOW pour des températures comprises entre -15°C et -3°C.

Une adhérence estimée insatisfaisante (MEDIUM TO POOR, note 2) renseigne généralement d’un des états/contaminants WATER et SLUSH en épaisseur supérieure à 1/8 pouce ou un des états/contaminants DRY et WET SNOW en épaisseur supérieure à 1/8 pouce pour des températures supérieures à -3°C ou l’état/contaminant COMPACTED

SNOW pour des températures supérieures à -3°C.

[0148] Une adhérence estimée pauvre (POOR, note 1) renseigne généralement de l’état/contaminant ICE pour des températures inférieures à -3°C.

[0149] Une adhérence jugée nulle (NIL, note 0) renseigne généralement de l’un des états/ contaminants WET ICE, WATER ON COMPACTED SNOW, SNOW OVER ICE ou [0150] [0151] [0152] [0153] [0154] de l’état/contaminant ICE pour des températures supérieures à -3°C.

Une fois la probabilité Pco VT ( j ) de présence d’un type de contaminant déterminée pour une zone courante (et ce pour chaque type de contaminant), cette probabilité peut être ajustée en fonction des données climatiques acquises comme décrit plus haut et plus particulièrement en fonction des probabilités p _r ^{! n!} [7 i \ ^{r L} CONT b ¹ j J 321 de présence associées à des types respectifs de contaminant de piste obtenues à partir des données climatiques acquises.

A nouveau, l’état de piste final 351 en sortie du bloc 350 est celui qui présente par exemple la plus forte probabilité parmi les probabilités ajustées.

Comme montré sur la figure, l’état de piste final 351 peut alimenter un rapport 398 retourné à la station au sol 50 via le module de communication 180 ou être utilisé dynamiquement pour modifier le comportement de l’avion, par exemple en entrée d’un système de freinage 399 afin d’optimiser le freinage et/ou activer un anti-patinage et/ ou modifier la bretelle de sortie (comme déjà présenté plus haut) et/ou modifier la vitesse visée pour prendre la bretelle de sortie.

La Figure 3b illustre des étapes du procédé ainsi mis en œuvre.

A l’étape 381, des mesures sont acquises par les capteurs 101-128 au sein des domaines 301, 302 et le cas échéant 303.

[0155] A l’étape 382, un état de piste E_def(Zi), Ej(Zi) est déterminé à partir de ces mesures acquises, à l’aide du bloc 310. Un état de piste est obtenu pour une ou plusieurs zones Zi et ce pour un ou plusieurs instants d’acquisition tj.

[0156] Cette détermination comporte la détermination 391, à partir des données climatiques acquises et par le bloc 320, de probabilités p ^{n 1} i 7 / \ 321 de présence ^e C ON T ( / ’ ¹ j J associées à des types respectifs de contaminant CONT de piste.

[0157] Elle comporte aussi la détermination 392, à partir des données de piste acquises et par le bloc 330, de probabilités p p^{i n r} f j 331, dites « intermédiaires », de présence des contaminants CONT.

[0158] Elle comporte optionnellement la détermination 393, à partir des données dy23 p^,nl / z f \ 341, dites « intermédiaires », de niveau d’adhérence de l’avion.

μ \ ” j ) [0159] Elle comporte enfin la fusion 394, par le bloc 350, de ces différentes probabilités

D 7^nt i 7 t \,Pn’^nt 17 t \ dn^int / γ y \ pour obtenir

CONT i’ ^{1 μ} CONT\^L i’ ¹J ) *_μ l’état de piste Ε_άεί(Ζί), Ej(Z_;).

[0160] A l’étape 383, cet état de piste déterminé est exploité sous forme de rapport 398 ou d’entrée d’un système avionique 399.

[0161] La Figure 4 illustre schématiquement un traitement, par la station au sol 50, des états de piste finaux E_def(Zi), Ej(Zj) retournés par une pluralité d’avions pour la même piste.

[0162] Les rapports synthétiques 401, 402, 403 renvoyés ici par 3 avions comprennent les états de pistes finaux calculés généralement pour plusieurs zones de la piste (qui peuvent être différentes pour les 3 avions).

[0163] Dans un mode de réalisation, ces rapports synthétiques comprennent un seul état de piste par zone : préférentiellement l’état de piste final E_def(Zi) calculé à partir des données dynamiques lorsqu’il existe (si l’avion a roulé sur cette zone Z_;), sinon le dernier état de piste amont Ej(Z_;) ou une moyenne E_moy(Zi) des états de piste amont calculés pour cette zone Z_; : E_moy(Zi) = moyenne, {E/Z,)}. A cet effet, les états de piste Ej(Zi) peuvent être transposés dans une échelle numérique de code de conditions de piste (ou « runway condition code » : code associé aux différents états de piste consécutifs prenant les valeurs 1, 2, 3, 4 ...) auquel cas une moyenne peut être calculée, La moyenne peut être par exemple calculée sur les différents états de piste obtenues à des instants suffisamment rapprochés, par exemple une moyenne des états de piste obtenus pour la même zone pendant les 5 dernières secondes.

[0164] Ces rapports sont traités dans le bloc 410 par la station au sol 50 de sorte à générer une synthèse 420 représentative des conditions de contamination de la piste.

[0165] Le bloc 430 génère alors par exemple un rapport SNOWTAM qui est envoyé à un opérateur de l’aéroport 440 ou aux compagnies aériennes. En parallèle ou en variante, la synthèse 420 peut être comparée à un SNOWTAM en vigueur 450. Cette comparaison 460 conduit à la génération 470 d’une alerte en cas de SNOWTAM obsolète ou erroné compte tenu de la synthèse 420 effectuée. L’alerte est alors transmise à l’opérateur de l’aéroport 440 ou aux compagnies aériennes, éventuellement accompagnée d’un SNOWTAM mis à jour.

[0166] La Figure 5 illustre schématiquement la détermination d’un état de piste Ej(Z_;) à différents instants tj pour une même zone Z_; de piste.

[0167] En effet, l’avion atterrissant peut déterminer à l’instant ti un état de piste Ei(Z_;) pour cette zone Z_i5 en utilisant les mécanismes ci-dessus pour déterminer un état de piste en amont de l’avion. Les blocs 320 et 330 sont mis en œuvre, contrairement au bloc 340.

[0168] De même, à l’instant t₂ un état de piste amont E₂(Z_;) est déterminé toujours pour cette zone Z;, en utilisant les blocs 320, 330 et 350.

[0169] D’autres états de piste amont E/Z,) peuvent être ainsi déterminés alors que l’avion n’a pas encore atteint la zone Z,.

[0170] Lorsque l’avion roule sur la zone Z_i5 des probabilités p in t / g. \ interμ \¹’ ¹J ) médiaires de niveau d’adhérence 341 peuvent être obtenues pour cette zone Z, par le bloc 340. Elles sont alors prises en compte par le bloc 350 pour émettre un état de piste définitif E_def(Zi).

[0171] Le système peut alors identifier le biais (différence) entre cet état de piste définitif E _def(Zi) et chacun des états de piste amont E/Z;).

[0172] Ce biais peut être envoyé à la station au sol pour traitement.

[0173] Ce biais peut par exemple être utilisé en boucle arrière (flèche 500) pour modifier le bloc 310 aux fins d’améliorer les déterminations d’états amont. Préférentiellement, c’est la station au sol qui compile les biais retournés par plusieurs avions afin de modifier le bloc 310 (modification qui sera ensuite propagée dans les avions).

[0174] Par exemple, les coefficients de pondération p_k utilisés dans le bloc 320 peuvent être ajustés. Egalement l’utilisation des probabilités 311 par le bloc 350 (par exemple les pas d’incrément des probabilités, les seuils de déclenchement des modifications, etc.) peut être ajustée.

[0175] Préférentiellement, un réseau de neurones est utilisé en mode d’apprentissage pour, à partir de cette différence, ajuster différentes variables utilisées par les blocs 310, 320 et 350.

[0176] La Figure 6 illustre une utilisation de l’état de piste final et des probabilités de niveau d’adhérence pⁱⁿⁱ ( £. f x 341 générées par le bloc 340 pour la même zone

Z; accompagnées d’une évaluation du rapport de glissage (ratio s). L’illustration de la Figure vise à connaître le potentiel d’adhérence disponible pour, par exemple, agir sur le freinage de l’avion (par exemple en l’augmentant) de sorte à réduire la durée de roulage sur la piste.

[0177] Le potentiel d’adhérence disponible est déterminé à partir d’un modèle en mémoire (courbe de la figure) fonction de l’état de piste déterminé.

[0178] Le niveau d’adhérence μ de l’avion peut être celui correspondant à la probabilité la plus élevée parmi les probabilités pint / y + \. A titre illustratif, le niveau μ \ i’ j I d’adhérence μ de la figure est celui calculé selon la méthode décrite dans la demande FR2978736 : p=F_b/F_z où [0179] F_b est la force de freinage (évaluée par exemple au niveau de chaque roue) calculée par exemple comme suit : F_b=I7R_r où T est le couple appliqué par le système de freinage et R_r représente le rayon de roulage dynamique de la roue, et [0180] F_z est la charge verticale appliquée aux roues de l'avion, mesurée par exemple par le capteur 126.

[0181] Le ratio s de glissance est déterminé, dans la demande LR2978736, par s= (V_x-V_c ) / V_x où V_x est la vitesse au sol de l’avion (mesurée à l’aide du GPS/ IRS/accéléromètre 120 par exemple et V_c est la vitesse linéaire de la roue (mesurée à l’aide du tachymètre 121 par exemple). Bien entendu, d’autres méthodes peuvent être mises en œuvre.

[0182] L’état de piste calculé par le bloc 310 pour la zone courante de roulage de l’avion est utilisé pour connaître le modèle 600 de courbe p=f(s) dont un exemple est montré sur la figure. En effet, la courbe est différente selon l’état de piste.

[0183] Le point opérationnel courant 601 illustre le couple (μ,s) courant de l’avion ou le point de la courbe le plus proche.

[0184] La valeur maximale théorique p_max pour μ, 602, est déterminée. Eventuellement une marge ô est prise en compte, définissant ainsi une valeur maximale de fonctionnement 603 (p_max - ô).

[0185] Le potentiel d’adhérence disponible 604 est ainsi calculé comme la différence entre cette valeur maximale de fonctionnement 603 et le μ courant.

[0186] Cette information est notamment utilisée par l’anti-patinage pour améliorer de façon automatique le freinage de l’avion. En effet, l’anti-patinage peut accroître la force de freinage dans le domaine du potentiel d’adhérence disponible 604, c’est-à-dire tant que μ ne dépasse pas μ_π1ΗΧ - ô.

[0187] On peut également utiliser le ratio ‘s’ obtenu par 330 pour savoir s’il reste de la glissance de réserve (différence entre ‘s’ et le ratio optimum correspondant au sommet, éventuellement diminuée d’une marge) afin d’éventuellement commander davantage de freinage si nécessaire.

[0188] La détermination d’un état de piste Ej(Z_;), E_def(Zi) et son utilisation selon les enseignements de l’invention présente certains avantages.

[0189] Elle offre une vision spatiale étendue des conditions de piste, grâce à la détermination en amont des conditions de pistes sur la base des données de piste acquises.

[0190] Notamment, le contrôle de trafic aérien (tour de contrôle par exemple) ainsi que les équipages ont une meilleure connaissance des conditions de piste et de leur évolution au profit notamment de la sécurité des avions.

[0191] En effet, cette meilleure connaissance permet de réduire les risques de sortie de piste en ajustant les freinages ou en effectuant de meilleurs choix stratégiques de roulage (choix d’une bretelle de sortie).

[0192] Par ailleurs, l’invention permet une surveillance continue de la piste par les avions. Dès lors, de meilleurs choix stratégiques sur la gestion de la piste peuvent être opérés.

Par exemple, les longues inspections in situ de la piste peuvent être réalisées moins fréquemment, améliorant la disponibilité de la piste pour des opérations aéroportuaires.

La capacité globale de l’aéroport, ainsi que la ponctualité des avions et la prédictibilité des opérations, s’en trouvent alors améliorées.

[0193] En outre, cette surveillance continue améliore la réactivité des équipes pour intervenir sur la piste pour par exemple pulvériser de l’antigel, et permet également d’adapter au plus juste la quantité de produit à déverser sur des zones précises de la piste. L’impact de ces produits sur la nature est ainsi réduit.

[0194] L’utilisation de plusieurs méthodes s’appuyant sur des capteurs parfois différents pour déterminer des probabilités de contaminants offre l’avantage d’une grande robustesse du système à la défaillance d’un ou quelques capteurs mais également celui d’une confiance accrue puisque les mesures d’un capteur sont in fine confrontées à d’autres mesures et celui d’une précision spatiale accrue.

[0195] A titre d’illustration, les techniques connues permettent par exemple de déterminer un freinage (ou adhérence) MEDIUM to POOR (niveau 2) pour une portion de piste de 200 m. Cette détermination est cependant affectée d’un faible niveau de confiance en raison de la faible longueur considérée dans l’évaluation. Il s’agit par exemple d’une flaque d’eau d’épaisseur supérieure à 3 mm. Ce faible niveau de confiance rend cette évaluation inutilisable par l’aéroport.

[0196] La mise en œuvre de l’invention par l’utilisation de données de piste mesurées par des capteurs embarqués permet d’accroître le niveau de confiance et la précision de l’information détectée. Par exemple en combinant la reconnaissance d’images par les caméras d’une présence d’eau supérieure à 3 mm sur 600-800m de piste avec la détection d’essuie-glaces fonctionnant, la mesure d’un taux d’humidité élevé, la détection de gerbes/projection d’eau derrière les trains d’atterrissage, la détection d’une différence de glissance entre plusieurs roues (indiquant l’entrée dans un contaminant non homogène), il est possible d’effectuer une détermination d’état de piste « WATER ABOVE 3 mm » avec un haut niveau de confiance.

[0197] Les exemples qui précèdent ne sont que des modes de réalisation de l'invention qui ne s'y limite pas.

Claims

Revendications [Revendication 1] Procédé comprenant la détermination (381) d'un état de piste (E_def, Ej) à partir de données climatiques (301) à l’extérieur d’un aéronef (10) opérant sur une piste (20) pour aéronef et de données de piste (302) relatives à ladite piste, caractérisé en ce que les données climatiques et les données de piste sont acquises (380) par des capteurs (101-115) embarqués dans l’aéronef. [Revendication 2] Procédé selon la revendication 1, dans lequel l’état de piste (E_def, Ej) est également déterminé à partir de données dynamiques de fonctionnement de l’aéronef (303) acquises par des capteurs (120-128) embarqués dans l’aéronef (10). [Revendication 3] Procédé selon la revendication 1, dans lequel l’état de piste (E_def, Ej) est déterminé pour une portion (Z) de piste en amont de l’aéronef (10). [Revendication 4] Procédé selon l’une des revendications 1 à 3, dans lequel au moins une probabilité (P _{c o NT} (Z_έ,ΐ p_p (Z t . p ^de présence d’un type de contaminant est obtenue (394) pour une localisation (Z) sur la piste à partir des données de piste acquises (302), et la probabilité de présence du type de contaminant est ajustée (394) en fonction de probabilités (p Z t p de Pæ^scncc associées à des types respectifs de contaminant de piste obtenues pour la localisation sur la piste à partir des données climatiques acquises (301). [Revendication 5] Procédé selon la revendication 4, dans lequel la probabilité ( P C ONT [Z i, t - p de présence du type de contaminant est en outre obtenue à partir d’informations de roulage (p^{zn f} ( £ f p relatives μ \ ^z’ J / à un niveau d’adhérence ou freinage de l’aéronef obtenues à partir de données dynamiques (303) de fonctionnement de l’aéronef acquises par des capteurs embarqués (120-128) dans l’aéronef (10). [Revendication 6] Procédé selon la revendication 4 ou 5, dans lequel plusieurs probabilités élémentaires (p^eÎÉ?mfc / _{7 t} \ ) de présence du type de ™CONT ( ’ \j ) contaminant sont obtenues (392), selon plusieurs méthodes respectives d’obtention, à partir des données de piste acquises (302) et une probabilité intermédiaire (p p'^,n! ( Z j, t p de présence du type de contaminant est obtenue (392) comme combinaison pondérée des probabilités élémentaires.

[Revendication 7] Procédé selon la revendication 5, dans lequel plusieurs probabilités élémentaires (r.eiemg ) relatives à un niveau d’adhérence ou P Zj, t ] freinage de l’aéronef sont obtenues (393), selon plusieurs méthodes respectives d’obtention, à partir des données dynamiques acquises (303) et une probabilité intermédiaire (p^inf/7 t \) relative à un niveau μ M²’ jJ d’adhérence ou freinage est obtenue (393) comme combinaison pondérée des probabilités élémentaires relatives à un niveau d’adhérence ou freinage. [Revendication 8] Procédé selon la revendication 6 ou 7, dans lequel les poids (p_k) de pondération dans la combinaison pondérée sont fonction d’une phase opérationnelle de l’aéronef. [Revendication 9] Procédé selon l’une des revendications 1 à 8, dans lequel des probabilités (P c ON T (Z f, t _?· p de présence d’un type de contaminant sont obtenues pour deux ou plus localisations (Z,) dans une même largeur de piste. [Revendication 10] Procédé selon l’une des revendications 1 à 9, dans lequel un état de piste amont (Ej) est déterminé, à partir des données climatiques (301) et données de piste (302) acquises, pour une localisation (Z,) qui précède l’aéronef (10) sur la piste (20). [Revendication 11] Procédé selon la revendication 10, dans lequel l’état de piste amont est comparé à un état de piste de référence pour ladite localisation. [Revendication 12] Procédé selon la revendication 10 ou 11, dans lequel l’état de piste amont (Ej) est comparé à un état de piste (E_def) déterminé à partir des données climatiques, dynamiques et de pistes acquises pour la même localisation (Z;). [Revendication 13] Procédé selon l’une des revendications 1 à 12, dans lequel les données de piste (302) sont acquises par au moins l’un parmi une caméra (112-115) et un capteur laser (111) embarqués dans l’aéronef (10). [Revendication 14] Système de détermination d'un état de piste (E_def, Ej), comportant des capteurs (101-128) embarqués dans un aéronef (10) opérant sur une piste (20) pour aéronef et un module d’obtention (310) d’un état de la piste à partir de données climatiques à l’extérieur de l’aéronef et de données de piste relatives à ladite piste, ces données étant acquises par les capteurs embarqués dans l’aéronef. [Revendication 15] Aéronef comprenant un système de détermination d'un état de piste selon la revendication 14.

1/7