Commande et optimisation pour la régulation du trafic urbain mutimodale sur de grands réseaux urbains

Automatic control and optimisation for multimodal urban traffic regulation on large urban networks

• Auteur / Autrice : Sofiene Kachroudi
• Direction : Said Mammar
• Type : Thèse de doctorat
• Discipline(s) : Automatique
• Date : Soutenance le 11/01/2010
• Etablissement(s) : Evry-Val d'Essonne
• Ecole(s) doctorale(s) : École doctorale Sciences et Ingénierie (Evry ; 2008-2015)
• Jury : Président / Présidente : Didier Dumur
• Jury : Examinateurs / Examinatrices : Neila Bhouri, Jean-Patrick Lebacque, Fabien Leurent, Jean-Pierre Quadrat
• Jury : Rapporteurs / Rapporteuses : Florian de Vuyst, Damien Koenig

Mots clés

Mots clés contrôlés

Transport multimodal

Commande prédictive

Programmation heuristique

Mots clés libres

Optimisation multi-objectif

Résumé

La nécessité de la régulation du trafic général et de l'amélioration de la régularité des lignes de transport en commun de surface est un constat largement partagé dans la recherche et dans les milieux opérationnels. L'objectif de cette thèse est la conception d'une stratégie capable de satisfaire ces objectifs via les feux de signalisation sur de larges réseaux urbains. Les points abordés dans cette thèse sont : la modélisation des phénomènes du trafic : que ce soit pour les véhicules particuliers ou les véhicules de transport en commun. Pour les premiers, le modèle reprend les bases de modèles déjà développés avec des améliorations pour tenir compte de toutes les situations du trafic. Pour les transports en commun, deux modèles originaux ont été développés. la construction des critères : nous avons construits deux critères pour mesurer l'état du trafic. Le premier, pour les véhicules particuliers, est le même que celui utilisé dans d'autres systèmes de régulation du trafic. Le critère pour les transports en commun a été construit de manière originale pour permettre de mesurer la régularité des lignes. l'optimisation multi-objectif : la complexité des modèles, le caractère fortement non linéaire des critères et les contraintes de temps réel du problème nous ont guidé pour le choix d'une méta-heuristique particulièrement performante qui s'appelle l'optimisation par essaims particulaires. Nous avons implémenté deux versions et adapté la méthode pour le cas multi-objectif. La commande en boucle fermée : la stratégie conçue se devait de répondre en temps réel aux changements d'état du trafic. Nous avons adopté une architecture classique de la commande prédictive généralisée ainsi qu'une architecture faisant intervenir la commande prédictive et la commande linéaire quadratique. Cette dernière commande sert à initialiser et limiter les dimensions de l'espace de recherche pour l'algorithme d'optimisation. Les résultats numériques obtenus grâce à la simulation de la stratégie sur un réseau virtuel montrent que la stratégie améliore significativement le trafic général et la régularité des lignes de transport en commun.

The need for traffic regulation and improving the transit regularity are facts widely shared within the research and operational environments. The objective of this thesis is to design a strategy to meet these goals through the traffic lights on large urban networks. Topics addressed in this thesis are: traffic modelling: whether it is for general or transit vehicles. For the former, the model reproduces the basic patterns already developed with improvements to accommodate all traffic situations. For transit vehicles, two original models were developed. Construction of criteria: we have constructed two criteria to measure the traffic state. The first, for cars, is the same as that used in other systems of traffic control. The criterion for transit vehicles has been built in an original way to measure the regularity of the vehicles. Multi-objective optimization: the models complexity, the highly non-linear criteria and the constraints of real-time environment have guided the choice of a meta-heuristic called Particle Swarm Optimization. We have implemented two versions and adapted the scheme to the multi-objective case. Closed loop control: the strategy had to respond in real time to changing trafic conditions. We have adopted a classic architecture of the Generalized Model Predictive control and an architecture involving predictive control and the linear quadratic control. This last one is used to initialize and limit the size of the search space for the optimization algorithm. The numerical results obtained by simulation on a virtual network show that the strategy significantly improves the overall traffic and regularity of the transit lines.