WO2021122397A1 - Procédé et dispositif de supervision d'un système de pistage - Google Patents

Procédé et dispositif de supervision d'un système de pistage Download PDF

Info

Publication number
WO2021122397A1
WO2021122397A1 PCT/EP2020/085841 EP2020085841W WO2021122397A1 WO 2021122397 A1 WO2021122397 A1 WO 2021122397A1 EP 2020085841 W EP2020085841 W EP 2020085841W WO 2021122397 A1 WO2021122397 A1 WO 2021122397A1
Authority
WO
WIPO (PCT)
Prior art keywords
quality
service
values
tracking system
determining
Prior art date
Application number
PCT/EP2020/085841
Other languages
English (en)
Inventor
Christophe Labreuche
Nicolas Honore
Roman BRESSON
Hélène MERTZ
Simon GRAH
Vincent THOUVENOT
Original Assignee
Thales
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 filed Critical Thales
Priority to KR1020227024205A priority Critical patent/KR20220113509A/ko
Priority to AU2020408906A priority patent/AU2020408906A1/en
Priority to US17/787,557 priority patent/US20220406199A1/en
Priority to EP20821013.8A priority patent/EP4078409A1/fr
Priority to BR112022012137A priority patent/BR112022012137A2/pt
Publication of WO2021122397A1 publication Critical patent/WO2021122397A1/fr

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
    • 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
    • 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
    • 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

Procédé 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 au moins un aéronef. Le procédé comprend une étape (101) de détermination de valeurs d'indicateurs de performance représentant la situation courante. Le procédé est caractérisé en ce qu'il comprend les étapes consistant à : déterminer (103) une caractéristique de fonctionnement du système de pistage pour la situation courante en fonction des valeurs d'indicateurs de performance; si la caractéristique de fonctionnement est représentative d'une anormalité de fonctionnement du système de pistage, déterminer (105) 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; déterminer (107) 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; 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; 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.

Description

DESCRIPTION
Titre de l’invention : Procédé et dispositif de supervision d’un système de pistage Domaine Technique
[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.
[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.
[0003] Un système de pistage permet de représenter une situation en temps réel de la position des avions et de leurs vecteurs vitesse.
[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.
[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.
[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.
[0007] Il existe donc un besoin pour un procédé et un dispositif de supervision améliorés d’un système de pistage de trafic aérien.
Définition Générale de l’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.
[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 :
- déterminer une caractéristique de fonctionnement du système de pistage pour la situation courante en fonction des valeurs d’indicateurs de performance ;
- 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;
- 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 ;
- 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 ;
- 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.
[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.
[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.
[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.
[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.
[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.
[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.
[0016] Selon certains modes de réalisation, la méthode d’apprentissage supervisée peut être une méthode de classification de données.
[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.
[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.
[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.
[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.
[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.
[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.
[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:
- déterminer une caractéristique de fonctionnement du système de pistage pour la situation courante en fonction des valeurs d’indicateurs de performance ;
- 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;
- 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 ;
- 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 ;
- 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.
[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.
[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.
[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.
[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.
[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.
[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.
[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.
[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 :
Brève description des dessins
[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 :
[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.
[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.
Description détaillée
[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.
[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.
[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 :
- un radar de contrôle aérien (par exemple un radar primaire ou un radar secondaire) ;
- 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 ;
- 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
- 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.
[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.
[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.
[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.
[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.
[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.
[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.
[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.
[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.
[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 :
- les indicateurs ou métriques utilisées pour la génération des images aériennes intégrées uniques (‘Single Integrated Air Picture’ en langage anglo-saxon) ;
- 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.
[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.
[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.
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).
[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.
[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.
[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.
[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.
[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.
[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.
[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).
[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.
[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.
[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.
[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.
[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.
[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.
[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.
[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.
[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.
[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.
[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 =
(ÿi, , n) peut être déterminé en utilisant la valeur de Shapley.
[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.
[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.
[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.
[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
Figure imgf000017_0001
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
Figure imgf000017_0002
étant le vecteur x = (x1; ...,xn) des n valeurs d’indicateurs de performance.
[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.
[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).
[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.
[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%.
[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.
[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.
[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.
[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.
[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.
[0082] Selon les modes de réalisation utilisant une fonction Ç(.) générale et considérant des indicateurs prenant des valeurs discrètes, la nouvelle fonction
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.
[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
Figure imgf000020_0001
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.
[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) =
Figure imgf000020_0002
[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
Figure imgf000020_0003
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
Figure imgf000020_0004
A), où F_A désigne une intégrale de Choquet
2-additive avec les coefficients d’importance et d’interaction donnés par v^A = désignant les indices d’importance et
Figure imgf000020_0005
d’interaction de l’intégrale de Choquet Om définie sur l’ensemble N des critères.
[0086] Selon certains modes de réalisation où le nombre d’indicateurs est élevé, la fonction d’agrégation peut être organisée de manière hiérarchique.
[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.
[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.
[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.
[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 :
- 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 ;
- 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.
[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.
[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.
[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
Figure imgf000023_0001
[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.
[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 ) =
Figure imgf000023_0002
= 0, en se basant sur l’opérateur de restriction sur les valeurs manquantes.
[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.
[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.
[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.
[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.
[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.
[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.
[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 ;
- 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;
- 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;
- 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 ;
- 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.
[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.
[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.
[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.
[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 ;
[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.

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 :
- déterminer (103) une caractéristique de fonctionnement du système de pistage pour ladite situation courante en fonction desdites valeurs d’indicateurs de performance ;
- 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;
- 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 ;
- 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 ;
- 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.
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.
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.
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.
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.
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.
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.
8. Procédé selon la revendication 7, caractérisé en ce que ladite méthode d’apprentissage supervisée est une méthode de classification de données.
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.
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.
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.
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.
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.
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.
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:
- déterminer une caractéristique de fonctionnement du système de pistage pour ladite situation courante en fonction desdites valeurs d’indicateurs de performance ;
- 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;
- 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 ;
- 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 ;
- 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.
PCT/EP2020/085841 2019-12-20 2020-12-11 Procédé et dispositif de supervision d'un système de pistage WO2021122397A1 (fr)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020227024205A KR20220113509A (ko) 2019-12-20 2020-12-11 교통 관제 시스템을 감독하기 위한 방법 및 디바이스
AU2020408906A AU2020408906A1 (en) 2019-12-20 2020-12-11 Method and device for supervising a traffic control system
US17/787,557 US20220406199A1 (en) 2019-12-20 2020-12-11 Method and device for supervising a traffic control system
EP20821013.8A EP4078409A1 (fr) 2019-12-20 2020-12-11 Procédé et dispositif de supervision d'un système de pistage
BR112022012137A BR112022012137A2 (pt) 2019-12-20 2020-12-11 Método e dispositivo para supervisionar um sistema de controle de tráfego

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FRFR1915153 2019-12-20
FR1915153A FR3105544B1 (fr) 2019-12-20 2019-12-20 Procede et dispositif de supervision d'un systeme de pistage

Publications (1)

Publication Number Publication Date
WO2021122397A1 true WO2021122397A1 (fr) 2021-06-24

Family

ID=70613973

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2020/085841 WO2021122397A1 (fr) 2019-12-20 2020-12-11 Procédé et dispositif de supervision d'un système de pistage

Country Status (7)

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

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113643571A (zh) * 2021-10-18 2021-11-12 中国电子科技集团公司第二十八研究所 一种基于航班正常性目标的空域网络优化方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
B. ABICHOU ET AL: "Choquet integral capacities-based data fusion for system health monitoring", IFAC THE 2012 IFAC WORKSHOP ON AUTOMATIC CONTROL IN OFFSHORE OIL AND GAS PRODUCTION, vol. 45, August 2012 (2012-08-01), Red Hook, NY, pages 31 - 36, XP055729067, ISSN: 1474-6670, ISBN: 978-1-123-47890-7, DOI: 10.3182/20120829-3-MX-2028.00260 *
CUSTINNE BERNARD ET AL: "Surveillance chain performance assessment against ESASSP", 2014 TYRRHENIAN INTERNATIONAL WORKSHOP ON DIGITAL COMMUNICATIONS - ENHANCED SURVEILLANCE OF AIRCRAFT AND VEHICLES (TIWDC/ESAV), IEEE, 15 September 2014 (2014-09-15), pages 12 - 16, XP032677352, DOI: 10.1109/TIWDC-ESAV.2014.6945440 *
EUROCONTROL SPÉCIFICATION FOR ATM SURVEILLANCE SYSTEM PERFORMANCE, vol. 1, March 2012 (2012-03-01), ISBN: ISBN : 978-287497-022-1
TONG LI ET AL: "Risk Management based on Fuzzy Measure and Integral: an Application to Air Traffic Control Management", OPERATIONS RESEARCH AND MANAGEMENT SCIENCE, April 2014 (2014-04-01), pages 153 - 157, XP055728736, Retrieved from the Internet <URL:http://m.wdfxw.net/goDownFiles.aspx?key=35161455> [retrieved on 20200908], DOI: 10.1016/j.eswa.2016.03.045 *
YAVUZ OZDEMIR ET AL: "Aircraft selection using fuzzy ANP and the generalized choquet integral method: The Turkish airlines case", JOURNAL OF INTELLIGENT AND FUZZY SYSTEMS, vol. 31, no. 1, 13 June 2016 (2016-06-13), NL, pages 589 - 600, XP055728738, ISSN: 1064-1246, DOI: 10.3233/IFS-162172 *
YING LI ET AL: "COMPREHENSIVE RISK ASSESSMENT BASED ON THE CHOQUET INTEGRAL", THE INTERNATIONAL JOURNAL OF ORGANIZATIONAL INNOVATION, vol. 11, no. 1, July 2018 (2018-07-01), pages 1 - 8, XP055728540 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113643571A (zh) * 2021-10-18 2021-11-12 中国电子科技集团公司第二十八研究所 一种基于航班正常性目标的空域网络优化方法
CN113643571B (zh) * 2021-10-18 2022-02-08 中国电子科技集团公司第二十八研究所 一种基于航班正常性目标的空域网络优化方法
US11756435B2 (en) 2021-10-18 2023-09-12 The 28Th Research Institute Of China Electronics Technology Group Corporation Airspace network optimization method based on flight normality target

Also Published As

Publication number Publication date
FR3105544B1 (fr) 2023-04-14
BR112022012137A2 (pt) 2022-08-30
KR20220113509A (ko) 2022-08-12
AU2020408906A1 (en) 2022-07-14
EP4078409A1 (fr) 2022-10-26
FR3105544A1 (fr) 2021-06-25
US20220406199A1 (en) 2022-12-22

Similar Documents

Publication Publication Date Title
US10956253B2 (en) Anomaly detection in performance management
US11023325B2 (en) Resolving and preventing computer system failures caused by changes to the installed software
EP2599039B1 (fr) Procede et systeme d&#39;analyse de donnees de vol enregistrees au cours d&#39;un vol d&#39;un avion
FR3052273A1 (fr) Prediction de pannes dans un aeronef
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
FR3062733A1 (fr) Procede de surveillance d&#39;un equipement de type actionneur electromecanique
US20200177468A1 (en) Techniques for analyzing a network and increasing network availability
US20210005332A1 (en) Systems and methods for generating trust metrics for sensor data
WO2021122397A1 (fr) Procédé et dispositif de supervision d&#39;un système de pistage
EP1792278A1 (fr) Procede de detection et de pistage de cibles ponctuelles, dans un systeme de surveillance optronique
US11411811B2 (en) Fault localization for cloud-native applications
US11294748B2 (en) Identification of constituent events in an event storm in operations management
WO2023011618A1 (fr) Prédiction de cause profonde d&#39;une alerte à l&#39;aide d&#39;un réseau neuronal récurrent
US20230179501A1 (en) Health index of a service
US20220167558A1 (en) Locating picking points of anomalies
JPWO2020070792A1 (ja) 船舶検出システム、方法およびプログラム
FR3079637A1 (fr) Procede d&#39;evaluation de la conformite d&#39;un systeme de pistage a un ensemble d&#39;exigences et dispositifs associes
US20240078467A1 (en) Predicting the intent of a network operator for making config changes
US20230385702A1 (en) Data fabric for intelligent weather data selection
WO2022222623A1 (fr) Estimation d&#39;événement composite par l&#39;intermédiaire d&#39;une logique temporelle
US20230376825A1 (en) Adaptive retraining of an artificial intelligence model by detecting a data drift, a concept drift, and a model drift
US20220230077A1 (en) Machine Learning Model Wildfire Prediction
US20230126323A1 (en) Unsupervised data characterization utilizing drift

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20821013

Country of ref document: EP

Kind code of ref document: A1

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112022012137

Country of ref document: BR

ENP Entry into the national phase

Ref document number: 20227024205

Country of ref document: KR

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2020408906

Country of ref document: AU

Date of ref document: 20201211

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2020821013

Country of ref document: EP

Effective date: 20220720

ENP Entry into the national phase

Ref document number: 112022012137

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20220617