Optimisation du système de covoiturage dans un environnement connecté et autonome

par Meiting Tu

Projet de thèse en Automatique

Sous la direction de Dominique Gruyer, Olivier Orfila et de Ye Li.

Thèses en préparation à université Paris-Saclay en cotutelle avec l'Université de Tongji , dans le cadre de École doctorale Sciences et technologies de l'information et de la communication , en partenariat avec LIVIC - Laboratoire sur les interactions véhicules-infrastructure-conducteurs (laboratoire) et de Université d'Évry Val d'Essonne (référent) depuis le 01-12-2018 .


  • Résumé

    Le problème abordé dans cette thèse se décompose en 3 sous problèmes. Dans une première partie, une analyse sera faite sur la façon dont fonctionne un système de trafic mixte incluant des véhicules avec et sans systèmes embarqués d'aides actives. La question sous-jacente est de savoir comment les véhicules, l'infrastructure, l'IOT, et des stratégies de gestion de trafic peuvent cohabiter. Dans ce cadre, une revue des nouvelles formes d'auto-organisation sera réalisée. Celle-ci permettra de proposer des voies d'évolution et d'amélioration pour une circulation routière coopérative optimale. L'une des principales difficultés dans ce cas d'usage est de déterminer comment décliner un objectif global (optimum du système) dans des actions individuelles de véhicules automatisés et connectés. La seconde partie analysera le triplet d'enjeux « sécurité, capacité et consommation d'énergie » dans une configuration de trafic mixte. Dans cette configuration, des stratégies de gestion et de modélisation du trafic incluant les véhicules partiellement ou totalement équipés seront proposé. Les véhicules automatisés seront équipés de capteurs et de systèmes de communication leur permettant d'estimer les risques locaux et globaux et de prendre les décisions nécessaires à leurs déplacements dans des conditions optimales (respectant le triplet d'enjeux). Cependant, ces technologies souffrent de défauts qui doivent être modélisés et simulés afin d'obtenir une estimation réaliste de l'impact de ces systèmes. On peut citer en particulier les erreurs d'estimation, les latences des capteurs et des algorithmes et les latences dans les systèmes de communication. Il est également nécessaire de pouvoir modéliser les décisions individuelles prises par les véhicules autonomes. En effet, à l'heure actuelle, les véhicules autonomes sont programmés pour se conformer scrupuleusement au code de la route, ce qui n'est pas le cas pour les humains. Cette variété imprévisible de comportements (hommes et robots) génère des configurations de trafic sous optimales. Pour démarrer cette étude, la modélisation utilisée au sein du LIVIC pourra être reprise et adaptée dans une simulation multi-agents permettant de mieux comprendre l'impact de ces nouveaux moyens de mobilité sur le trafic. La dernière partie consiste à mettre en œuvre et à simuler différents types de régulations imposées par des autorités locales pour prendre en compte les nouvelles mobilités, et à estimer leur impact sur un trafic complet. Ces réglementations pourront être, par exemple, des voies affectées, des temps affectées, des ratios de VAC, ou encore des limitations dans les caractéristiques des VACs, …

  • Titre traduit

    Optimization of ridesharing system in a connected and autonomous environment


  • Résumé

    The overall problem of the thesis is divided into three sub problems. In the first part, a review will be done on how the mixed traffic system operates. The underlying question is how vehicles, infrastructure, IOT, and traffic management strategies can coexist. In this context, a review of new forms of self-organization will be carried out. This will make it possible to propose ways of evolution and improvement for optimal cooperative road traffic. One of the main difficulties in this use case is to determine how to decline a global objective (system optimum) in individual actions of automated and connected vehicles. The second part will analyze the triplet of issues "security, capacity and energy consumption" in a mixed traffic configuration. In this configuration, traffic management and modeling strategies including partially or fully equipped vehicles will be proposed. Automated vehicles will be equipped with sensors and communication systems allowing them to estimate local and global risks and to make the decisions necessary for their movements in optimal conditions (respecting the triplet of issues). However, these technologies suffer from defects that must be modeled and simulated in order to obtain a realistic estimate of the impact of these systems. In particular, estimation errors, latencies of sensors and algorithms and latencies in communication systems may be mentioned. It is also necessary to be able to model the individual decisions made by autonomous vehicles. Indeed, at present, autonomous vehicles are programmed to comply scrupulously with the rules of the road, which is not the case for humans. This unpredictable variety of behaviors (men and robots) generates suboptimal traffic patterns. To start this study, the modeling used in LIVIC lab can be used and adapted in a multi-agent simulation in order to better understand the impact on traffic of these new means of mobility. The last part is to implement and simulate different types of regulations imposed by local authorities to take into account new mobility, and to estimate their impact on a complete traffic. These regulations may be, for example, affected lanes, assigned times, VAC ratios, or limitations in the VAC characteristics, etc. This PhD thesis has an innovative character. It is the first work on understanding the multi-criteria impact (safety / traffic / environment) of autonomous vehicles in mixed traffic scenarios based on fine modeling of behavior, vehicle limits and sources information. We need to build models and estimate traffic conditions when the flow is composed of a mix traffic system of autonomous, connected and normal vehicles. And we need to provide some regulations for the traffic management authorities to make this mixed traffic system operate better in the future.