WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Méthodologie d'évaluation de la capacité de l'aire de mouvement et gestion automatique de l'aire de trafic. Application à l'aéroport de Dakar

( Télécharger le fichier original )
par Alidou SINARE, MOUSTAPHA Amadou Roufa? et Juliette de Confia
EAMAC - Ingénieur 2007
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

1.2.2 Modèle par simulation

Le principe de base de notre modèle est de construire une représentation du trafic aérien, de laisser le programme tourner durant un intervalle de temps et à la fin de cet intervalle compter le nombre d'aéronefs traités. En fait, la simulation consiste en plusieurs sous simulations successives. Le nombre d'avions qui naissent dans la simulation i est incrémenté dans la simulation i+ 1.

Nous considérons qu'il s'agit d'un problème de file d'attente (Naissance-Mort) dans lequel :

- l'espace et l'aire de trafic sont les fournisseurs de clients : les avions à l'arrivée naissent à l'IAF et au départ à l'entrée piste.

- la piste est le serveur.

La théorie des files d'attente ne nous renseigne que lorsque les naissances sont stochastiques (processus stochastique), la probabilité qu'il y ait n+1 éléments dans la file d'attente, sachant qu'il y a n éléments en attente, suit une loi de Poisson de

- ë

paramètre ë tel que : e

pn n

,

n!

()= ë

ë est le nombre d'éléments espérés durant toute la simulation. Par contre, lorsque les arrivées sont régulées (cas du CFMU), la probabilité de la naissance du (n+1)ième élément suit une loi uniforme de paramètre ë tel que p(n) =, ë étant l'intervalle de

1

ë

temps durant lequel on espère une naissance.

Les différents éléments de la simulation seront modélisés comme suit :

> les aéronefs seront modélisés comme des objets ayants leurs caractéristiques et leurs méthodes.

> La piste : elle sera représentée par un type enregistrement

Nous avons programmé une méthode par simulation basée sur le principe ci-dessous.

Au lancement de la simulation, l'utilisateur choisit la composition du trafic en types d'avions, les paramètres du terrain (longueur de la piste, QFU utilisé, procédure d'approche) et la loi de naissance des avions (loi de Poisson ou uniforme). Chaque avion est représenté par un numéro d'ordre de naissance i. Une file d'attente est stockée dans une variable tableau notée Queue(q). La variable q représente à chaque fois, le rang du dernier avion dans la file. Ainsi, à la naissance d'un avion i, il est intégré dans la

file par le code suivant :

Queue(q)=i,

q=q+1

Lorsque la piste est libre, l'avion numéro Queue(1) commence son événement qui peut être une arrivée ou un départ.

Figure 13: Logigramme de l'évaluation de la capacité de piste par simulation

L'algorithme débute par la case « Init Simul », progresse selon le sens des flèches et fait dix (10) tours. A la fin, le nombre de mouvements traités peut être accessible par l'intermédiaire de la variable resultat.mvt, les retards correspondants sont enregistrés dans la variable resultat.retard (ces deux variables sont des tableaux). Pour mieux présenter le résultat, nous avons ajouté à cet algorithme une procédure qui trace le graphe des mouvements en fonction du retard.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Tu supportes des injustices; Consoles-toi, le vrai malheur est d'en faire"   Démocrite