Une nouvelle étude réalisée en Chine a introduit une solution innovante pour transformer le transport aérien à une époque marquée par une expansion urbaine rapide et des embouteillages croissants. La recherche, axée sur la mobilité aérienne avancée (AAM), présente une nouvelle approche d’apprentissage par renforcement multi-agents (MARL) pour gérer efficacement la demande croissante de mobilité aérienne, en particulier dans les zones urbaines densément peuplées.
AAM est à l’avant-garde des solutions de transport modernes, visant à améliorer l’efficacité et la viabilité environnementale de l’espace aérien urbain. En utilisant de nouvelles conceptions d’avions et des technologies de vol de pointe, AAM propose une méthode hautement automatisée, sûre et efficace pour transporter des personnes et des marchandises à travers les zones urbaines, suburbaines et rurales à basse altitude.
Relever les défis de la coordination des véhicules dans un espace aérien structuré
La dernière étude, menée par une équipe dédiée de l’Université du Tennessee à Knoxville, aborde l’un des aspects les plus difficiles de l’AAM : la coordination des véhicules aux points de fusion et intersections critiques dans l’espace aérien structuré. Le cadre MARL proposé permet une gestion autonome du trafic, garantissant une navigation sûre et efficace dans ces espaces aériens complexes.
Alors que les zones urbaines sont confrontées à un trafic aérien croissant, les systèmes de contrôle du trafic aérien traditionnels, qui s’appuient fortement sur des contrôleurs humains, deviennent inadéquats. La recherche introduit un système intelligent dans lequel les véhicules AAM sont guidés par des algorithmes sophistiqués capables de prendre des décisions stratégiques en temps réel. Ce système améliore non seulement la sécurité en évitant les conflits potentiels en vol, mais réduit également considérablement les temps de trajet et atténue les embouteillages.
L’approche d’apprentissage par renforcement profond permet une coordination transparente des véhicules
La pierre angulaire de l’étude est son approche d’apprentissage par renforcement profond, qui permet à chaque véhicule AAM de fonctionner de manière indépendante tout en se coordonnant de manière transparente avec les autres. Grâce à des simulations approfondies utilisant l’environnement de simulation du contrôle du trafic aérien BlueSky, les chercheurs ont démontré l’efficacité de leur modèle. Ces simulations ont intégré des données du monde réel pour fournir une évaluation robuste, mettant en évidence la capacité du système à gérer des scénarios de trafic à haute densité de manière sûre et efficace.
En outre, l’étude révèle que la mise en œuvre de systèmes aussi avancés peut conduire à un changement majeur dans la dynamique des transports urbains. En réduisant la dépendance au trafic terrestre et en favorisant un déplacement vers le ciel, l’AAM offre un double avantage : réduire les embouteillages au niveau de la ville et contribuer à une réduction de la pollution de l’air urbain.
« Cette recherche trace non seulement la voie à suivre pour la future mobilité aérienne urbaine, mais établit également une référence pour l’intégration de l’intelligence artificielle dans la gestion des systèmes de transport complexes. Alors que les villes continuent de croître et que la demande de solutions de transport efficaces augmente, les enseignements de cette étude seront inestimables pour guider le développement de systèmes de mobilité aérienne urbaine durables, efficaces et sûrs », selon les chercheurs.
