Archive ouverte de l'ENAC
Not a member yet
3458 research outputs found
Sort by
Reconstruction de la densité de probabilité angulaire par entropie maximale: Vers une estimation de la complexité du trafic aérien
No full textThis paper presents a method for evaluating local air traffic complexity based on the heading distribution of trajectories within a specific cell and time period. Utilizing Maximum Entropy estimation, we reconstruct the angular distribution by estimating its Fourier coefficients from statistical samples. Fenchel's duality underpins the analysis, leading to a simple estimation algorithm. The study lays the groundwork for creating complexity maps using differential geometry, detailed in a companion paper
Dispositif multimodal de communication pour les pilotes en aviation légère
No full textInternational audienceIn the context of light aviation, airborne communication between pilots and Air Traffic Control (ATC) is at present only ensured orally via a radio channel. To provide safer and more accessible communications and based on a FANS4ALL initiative, we are developing a multimodal Human-Machine Interface (HMI) combining the sight and touch. The device consists of a tablet placed close to the cockpit and a vibrating vest worn by the pilot. The goal is to enable pilots to stay informed, perceive new instructions and exchange feedback with ATC without a considerable increase in their mental workload or a degradation of their situational awareness that would degrade flight safety. Our application case is centered around deaf & hard of hearing pilots, with the collaboration of FANS4ALL members.Dans le cadre de l’aviation légère, la communication aérienne entre pilotes et contrôleurs aériens (ATC) est assurée actuellement uniquement oralement via un canal radio. Pour garantir des communications plus sûres et accessibles et basé sur l’initiative de Fans4All, nous développons une Interface Humain-Machine (IHM) multimodale combinant vue et toucher. Le dispositif se compose d’un écran tactile placé à proximité du cockpit et d’une veste vibrante portée par le pilote. L’objectif est de permettre à un pilote de rester informé, de percevoir de nouvelles instructions et d’échanger des informations avec l’ATC sans augmentation considérable de sa charge mentale ni dégradation de sa conscience de la situation, ce qui nuirait à la sécurité du vol. Notre cas d’application est centré autour des pilotes sourds ou malentendant, une initiative de FANS4ALL et en collaboration avec ses membres
Adversarial Robustness with Partial Isometry
No full textInternational audienceDespite their remarkable performance, deep learning models still lack robustness guarantees, particularly in the presence of adversarial examples. This significant vulnerability raises concerns about their trustworthiness and hinders their deployment in critical domains that require certified levels of robustness. In this paper, we introduce an information geometric framework to establish precise robustness criteria for l 2 white-box attacks in a multi-class classification setting. We endow the output space with the Fisher information metric and derive criteria on the input-output Jacobian to ensure robustness. We show that model robustness can be achieved by constraining the model to be partially isometric around the training points. We evaluate our approach using MNIST and CIFAR-10 datasets against adversarial attacks, revealing its substantial improvements over defensive distillation and Jacobian regularization for medium-sized perturbations and its superior robustness performance to adversarial training for large perturbations, all while maintaining the desired accuracy
Méthodes et outils systémiques concrets pour faire face à la complexité environnementale et aux effets rebond pendant un processus de design ou de décision
No full textThe challenge of climate change and the impact of human activity on the environment is undoubtedly one of the most pressing and urgent issues of our time. For years, efforts have been directed towards the reduction of the direct impact of systems, particularly with regard to energy consumption, through the optimisation of systems and the application of persuasive design techniques (DiSalvo et al., 2010). Nevertheless, these attempts have thus far proved inadequate (Blair, 2020). An increasing number of researchers are acknowledging the complexity of sustainability (Silberman et al., 2014), the necessity for structural change to move beyond the growth paradigm (Sharma et al., 2023), and the role of rebound effects in undermining these efforts (Coroamă and Mattern, 2019). In the field of Sustainable HCI, a number of recent initiatives have offered valuable insights from a systemic perspective, for example, through the lens of speculative design (Soden et al., 2021), more-than-human design (Coskun et al., 2022), and Post-growth HCI (Sharma et al., 2023). However, these approaches have largely remained at a theoretical, provocative, or exploratory level, and thus have not yet enabled the urgency of the situation to be addressed in concrete terms (Bremer et al., 2022). More recently, some researchers are advocating for a systemic approach to addressing rebound effects (Bremer et al., 2023; Widdicks et al., 2023).The intention of this thesis is to develop practical, effective and transparent systemic methods and tools that will enable designers and decision-makers to understand and address rebound effects. Our objective is to assist them in identifying, anticipating, understanding, preventing and mitigating rebound effects. In order to achieve this, we have drawn on systemic methods and tools from systemic approaches, including systems thinking, system dynamics, and systemic design. In particular, we propose the use of Rebound Archetypes, a card-based tool designed to assist designers and decision-makers in identifying potential future rebound effects that could result from a design intervention or decision. Moreover, we have developed a collective systemic modelling methodology, which aims to facilitate the representation and comprehension of existing rebound effects through modelling, as well as the development and comparison of design strategies through simulation. Additionally, we present Magnitude, a prototype simulation tool developed for this purpose. This tool allowed us to gain a deeper understanding of the requirements for consequential modelling of indirect effects within a sociotechnical system. The proposed methodology and tools were implemented in a series of case studies to assess their utility and usability, refine their design, elucidate insights into the mitigation of rebound effects through design, develop best practices regarding data collection and modelling, and identify avenues for future research.Le défi du changement climatique et de l'impact de l'activité humaine sur l'environnement est sans aucun doute l'une des questions les plus importantes et les plus urgentes de notre époque. Depuis des années, les efforts sont orientés vers la réduction de l'impact direct des systèmes, notamment en ce qui concerne la consommation d'énergie, grâce à l'optimisation des systèmes et à l'application de techniques de design persuasif (DiSalvo et al., 2010). Néanmoins, ces tentatives se sont jusqu'à présent révélées insuffisantes (Blair, 2020). Un nombre croissant de chercheurs reconnaissent la complexité de la durabilité (Silberman et al., 2014), la nécessité d'un changement structurel pour dépasser le paradigme de la croissance (Sharma et al., 2023) et le rôle des effets de rebond dans la remise en cause de ces efforts (Coroamă et Mattern, 2019). Dans le domaine de l'IHM soutenable, un certain nombre d'initiatives récentes ont offert des perspectives précieuses d'un point de vue systémique, par exemple sous l'angle du design spéculatif (Soden et al., 2021), du more-than-human design (Coskun et al., 2022), et de l'IHM post-croissance (Sharma et al., 2023). Cependant, ces approches sont largement restées à un niveau théorique, provocateur ou exploratoire, et n'ont donc pas encore permis d'aborder concrètement l'urgence de la situation (Bremer et al., 2022). Plus récemment, certains chercheurs préconisent une approche systémique pour traiter les effets rebond (Bremer et al., 2023 ; Widdicks et al., 2023).L'intention de cette thèse est de développer des méthodes et des outils systémiques pratiques, efficaces et transparents qui permettront aux designers et aux décideurs de comprendre et faire face aux effets rebonds. Notre objectif est de les aider à identifier, anticiper, comprendre, prévenir et atténuer les effets rebond. Pour ce faire, nous nous sommes inspirés de méthodes et d'outils systémiques issus d'approches systémiques, notamment la pensée systémique, la dynamique des systèmes et le design systémique. En particulier, nous proposons d'utiliser les Rebound Archetypes, un outil à base de cartes conçu pour aider les designers et les décideurs à identifier les futurs effets rebond potentiels qui pourraient résulter d'une intervention ou d'une décision de conception. En outre, nous avons développé une méthodologie de modélisation systémique collective, qui vise à faciliter la représentation et la compréhension des effets rebond grâce à la modélisation, ainsi que le développement et la comparaison de stratégies de design grâce à la simulation. En outre, nous présentons Magnitude, un prototype d'outil de simulation spécifiquelent développé à cette fin. La conception de cet outil a permis de mieux comprendre les exigences de la modélisation des effets indirects au sein d'un système sociotechnique. La méthodologie et les outils proposés ont été mis en œuvre dans une série de cas d'étude afin d'évaluer leur utilité et leur facilité d'utilisation, d'affiner leur conception, de tirer des enseignements sur l'atténuation des effets rebond par le design, de développer les meilleures pratiques en matière de collecte de données et de modélisation, et d'identifier des pistes pour de futures recherches
Optimisation des Postes d'Inspection Filtrage dans un aéroportinternational : Prévision des flux de passagers et allocation desressources
No full textThe COVID-19 crisis brought air transportation to an abrupt halt, and as the crisissubsided, doubts remained about whether air traffic would fully recover. Four years later,traffic levels are close to returning to 2019 levels and are likely to exceed them in thecoming years. In this context of growing air traffic, airports must adapt to accommodatethe increasing flow of passengers while ensuring their safety and comfort. One potentialsolution to increasing an airport’s capacity is to expand its infrastructure. However,in France, it is particularly challenging to create new hubs or expand existing ones.Given these limitations, it is essential to develop new methods for increasing passengerhandling capacity without expanding the airport, while maintaining high safety standards.The key factor that determines the number of passengers an airport can handle is thecapacity of its security checkpoints, which is directly related to the number of screeninglines that can operate in parallel. The airport must determine the optimal number oflines to balance operational costs with the necessary passenger handling capacity.This thesis presents several methods to optimize the management of security checkpoints atan international airport, with a focus on Paris Charles-de-Gaulle (CDG). First, a methodbased on dense neural networks is introduced, allowing for strategic (several days in advance)prediction of passenger flows at various checkpoints. Secondly, a method based onSimulated Annealing and a checkpoint operation simulator is presented to determine theoptimal schedule for opening screening lines. This approach provides a quick solution fordeciding how many screening lines to open at each checkpoint for each hour of the day.Finally, an Integer Linear Programming (ILP) method is used to compute the optimalnumber of security agents required to implement the schedule determined by simulatedannealing. This method also generates individual work schedules for each agent, ensuringcompliance with legal work restrictions.La crise du COVID-19 a brutalement freiné le transport aérien, et à la sortie de cette crise, des doutes subsistaient quant à une reprise rapide du trafic. Quatre ans plus tard,le trafic aérien est en passe de retrouver, voire dépasser, les niveaux de 2019. Dans ce contexte de croissance, les aéroports doivent s’adapter pour accueillir un nombre croissant de passagers tout en garantissant leur sécurité et leur confort. Cependant, en France, il est très difficile d’agrandir les infrastructures aéroportuaires existantes. Dès lors, il devient impératif de trouver de nouvelles méthodes pour accroître la capacité de traitement des passagers, sans augmenter la surface des aéroports et en maintenant un haut niveau de sécurité.L’élément clé déterminant la capacité d’un aéroport à traiter les passagers est la performance de ses Postes d’Inspection Filtrage (PIF), dont la capacité dépend directement du nombre de lignes d’inspection ouvertes en parallèle. Il est donc essentiel de déterminer le nombre optimal de lignes à ouvrir pour équilibrer les coûts et répondre à la demande de passagers.Cette thèse propose plusieurs méthodes pour optimiser les PIF dans un aéroport international,en prenant comme exemple l’aéroport de Paris Charles-de-Gaulle (CDG). Dans un premier temps, une méthode basée sur des réseaux de neurones denses permet de prédire,à un niveau stratégique, le flux de passagers plusieurs jours à l’avance. Ensuite, une approche utilisant le recuit simulé, associée à un simulateur, optimise le planning horaire d’ouverture des lignes de chaque PIF, afin de répondre à la demande tout en minimisant les coûts. Enfin, une méthode de Programmation Linéaire en Nombres Entiers (PLNE) permet de calculer le nombre optimal d’agents de sécurité nécessaires pour réaliser ce planning,tout en respectant les contraintes légales de travail. Cette dernière méthode propose également un planning optimisé pour les agent
Utilisation des outils de transparence des algorithmes pour laréduction de données appliquée aux réseaux neuronauxconvolutifs
No full textIn machine learning theory, the sample complexity of an algorithm represents the number ofsamples needed in the training dataset in order to successfully learn its target function. However,deriving general rules to estimate the sample complexity of neural networks is still a difficultproblem. Therefore, in practice, datasets are often large to ensure sufficient class samples representation.This comes at the cost of high power consumption and long training time. To solvethese issues, some solutions consist in taking a model trained on the full dataset and simplifyingit, like transfer learning, network pruning or quantization. In this thesis, other approaches areexplored, using data reduction techniques to extract meaningful class representations in the dataitself. The proposed methods extract a meaningful training subset by exploiting visual featureslearned by the model and their relevance. Thanks to these methods, new models can be trainedon reduced datasets more rapidly and with lower energy consumption. Inspired by prior workfrom the literature, we present three methods : SpRAy-GUS based on graph spectral clustering,Linear-GUS and LRP-GUS based on a ranking-based approach. The heuristic LRP-GUS offersconvincing results, with very high compression rates of the dataset, at the cost of a low accuracydrop compared to the full baseline model.En apprentissage machine, la complexité des données (sample complexity) d’un algorithme représentele nombre d’instances de l’ensemble de données d’entraînement dont le modèle a besoinpour apprendre sa fonction cible correctement. Cependant, dériver des règles générales pourestimer la complexité des données d’un réseau neuronal reste encore aujourd’hui un problèmedifficile. Par conséquent, en pratique, les ensembles de données sont souvent volumineux pourgarantir une représentation suffisante des instances de chaque classe. Ce volume important dedonnées induit alors une consommation d’énergie et un temps d’entraînement élevés. Pour résoudreces problèmes, certaines solutions consistent à prendre un modèle entraîné sur l’ensemblede données complet et à le simplifier, comme l’apprentissage par transfert (transfer learning),l’élagage de réseau (network pruning) ou la quantification. Dans cette thèse, d’autres approchessont explorées, en utilisant des techniques de réduction de données pour extraire des représentationsde classes significatives dans les données elles-mêmes. Les méthodes proposées extraient unsous-ensemble d’entraînement significatif en exploitant les caractéristiques visuelles apprises parle modèle et leur pertinence. Grâce à ces méthodes, de nouveaux modèles peuvent être entraînéssur des ensembles de données réduits plus rapidement et de façon moins énergivore. Inspiré parde précédents travaux de la littérature, nous explorons trois méthodes : SpRAy-GUS basée surle partitionnement spectral de graphes, Linear-GUS et LRP-GUS basées sur une approche parclassement. L’heuristique LRP-GUS offre des résultats convaincants, avec des taux de compressiontrès élevés de l’ensemble de données, au prix d’une perte en exactitude (accuracy) faiblepar rapport au modèle de référence
Classic McEliece on new parameter sets
No full textClassic McEliece new parameter sets validation : evaluates the cycle counts of the execution of Classic McEliece subroutines on a RISC-V simulator for various parameter sets and with cache operations. This allows to re-create the results of "McEliece Parameter Sets Optimized for Processing in Memory Architectures" published in CBCrypto 2024
Rebound Archetypes: A Card-based Tool to Help Designers Think Through the Rebound Effects when Designing for Sustainability
No full textInternational audienceIn this paper, we present our work in developing a tool to help designers and decision-makers in considering rebound effects within their design or decision process. The concept of rebound effect is defined in multiple ways. In this paper, it is used to refer to any unintended consequence resulting from an intervention that goes against the initial intention or has social or environmental impacts that are perceived as negative. It is challenging for designers to consider rebound effects during the design process, let alone to engage stakeholders in evaluating the potential risks associated with these effects. The Rebound Archetypes tool, presented in the form of cards, has been designed to support designers in facilitating workshops on rebound effects with “well-intentioned” stakeholders, such as mission-oriented companies, NGOs and public sector representatives. The objective is to enable participants to engage in a process of collective decision-making regarding the potential rebound effects that could result from an intervention. This could be the introduction of a new product, service, technology, or strategic decision, policy. The tool also allows participants to understand the associated risks and to collectively decide on actions to take, such as (a) cancelling the intervention or redefining it, (b) attempting to mitigate potential rebound effects, or (c) accepting the risk and monitoring it. The cards are designed to facilitate these activities without inducing paralysis, and can be used in various ways to adapt to the design process and the participants' level of expertise. Primarily, they were created to embody reflection steps around rebound effects, but they aim to become less necessary as the ‘players’ gain autonomy. This paper discusses the process of creating the Rebound Archetypes cards and the insights we have gathered on the challenge of considering rebound effects in design
DME/TACAN Multipath Impact on GNSS L5/E5a Airborne Receivers Part II: Air-Ground Channel Model and Application
No full textInternational audienceThis article is the second part of a two-part manuscript addressing the DME/TACAN multipath impact on the future airborne GNSS L5/E5a receivers. Part I developed the analytical carrier-to-noise-ratio degradation model due to DME/TACAN considering multipath, in the presence of a temporal blanker. Part II introduces an air-ground channel model, that is wide band, geometry based and combines deterministic and statistical parts. The model includes an Okumura-Hata path loss for computing the scatterer illumination, an analytical formula for the additional delay and the mathematical expression of the scattered power. Given the very large number of illuminated scatterers to be considered for an Air-Ground scenario, a statistical simplification of the Physical Optics approach is introduced to simplify the derivation of the scattered powers. The propagation channel model and the mathematical model of the carrier-to-noise-ratio degradation are applied to two low-altitude operational hot-spots, JALTO (Pennsylvania, United-States) and TIXAK (Frankfurt, Germany). It is shown that only a few illuminated scatterers generate a scattered power above the blanking threshold and that the additional carrier-to-noise-ratio degradation generated by the DME/TACAN multipath only is smaller than 0.52 dB