In the current Space Situation Awareness context, satellite operators are facing a rising stake to keep their operations running in a clean and usable space environment, especially in low Earth orbit. To address this issue, there exist methods to assess the risk of collision (a probability) for a conjunction between two flying space objects. If that measured risk is too high, a collision avoidance maneuver is triggered by operators. However, these methods rely on conventional and fixed criteria that are supposed to ensure a conservative assessment of the risk. For now, this process might be sufficient to handle the current operations, but might show critical limits within a more populated space environment. The discussed process here is the covariances dilution to take into account uncertainties on their values: the covariances on positions are artificially scaled to maximize the probability of collision, with dilution factors varying between fixed bounds. For this master thesis, the aim was to implement a process to estimate confidence intervals for these factors, based on recent past flight data (position and covariance forecast for the two objects), so that operators can control the reliability of their risk assessment. Thanks to the fact that this thesis was conducted in the Flight Dynamics Department from Airbus Defence and Space, the Pléiades NEO operation data history was retrieved and this process have been tested on real data to evaluate the performance of the method. It demonstrated that fixed bounds show a widely varying behavior: from importantly over-sizing the risk, to showing questionable high-risk levels. Even though the current approach mainly acted conservatively regarding high-risk conjunctions. This new “realistically scaled Probability of Collision” gets statistically lower values than current one, that is encouraging for a future with more frequent conjunctions. This study also raised outlier events, that needs to be addressed with robust solutions before applying this process to real life operations. Some preliminary solutions are sketched in this paper.

I det nuvarande sammanhanget för rymdlägesbild står satellitoperatörer inför ökade krav på att hålla sina operationer igång i en ren och användbar rymdmiljö, särskilt i låg omloppsbana runt jorden. För att hantera detta problem finns metoder för att bedöma kollisionsrisken (en sannolikhet) mellan två rymdfarkoster i bana. Om den uppmätta risken är för hög, initierar operatörerna en undvikandemanöver. Dessa metoder bygger dock på konventionella och fasta kriterier som är avsedda att säkerställa en konservativ bedömning av risken. För tillfället kan denna process vara tillräcklig för att hantera nuvarande operationer, men den kan visa kritiska begränsningar i en mer befolkad rymdmiljö. Den process som diskuteras här är utspädning av kovarianser för att ta hänsyn till osäkerheter i deras värden: positionens kovarianser skalas artificiellt för att maximera sannolikheten för kollision, med utspädningsfaktorer som varierar mellan fasta gränser. Syftet med denna masteruppsats var att implementera en process för att uppskatta konfidensintervall för dessa faktorer, baserat på nyligen insamlad flygdata (positions- och kovariansprognoser för de två objekten), så att operatörer kan kontrollera tillförlitligheten i sin riskbedömning. Tack vare att denna uppsats genomfördes vid avdelningen för flygdynamik på Airbus Defence and Space kunde historiska data från Pléiades NEO-operationer hämtas, och denna process testades på verkliga data för att utvärdera metodens prestanda. Det visade sig att fasta gränser uppvisade ett mycket varierande beteende: från att väsentligt överskatta risken till att visa tveksamt höga risknivåer. Trots detta agerade det nuvarande tillvägagångssättet huvudsakligen konservativt i förhållande till högriskkonjunktioner. Denna nya "realistiskt skalade kollisionssannolikhet" ger statistiskt lägre värden än den nuvarande metoden, vilket är uppmuntrande för en framtid med fler frekventa konjunktioner. Studien identifierade också avvikande händelser som behöver hanteras med robusta lösningar innan processen kan tillämpas i verkliga operationer. Några preliminära lösningar redovisas i denna rapport.