Information routière et affectation du trafic : vers une modélisation floue
par Vincent Henn
Thèse de doctorat en Informatique
Sous la direction de René-Michel Faure.
Soutenue en 2001
à Saint-Etienne .
mots clés-
Résumé
Nous nous intéressons à la modélisation de l'affectation du trafic routier, c'est à dire, à la façon dont les flux de véhicules se répartissent à l'intérieur d'un réseau de routes, en particulier lorsqu'une information est diffusée aux usagers, par exemple grâce à un panneau à messages variables. Le réseau est décrit à l'aide de points de choix où les flux de véhicules peuvent se séparer pour emprunter différentes options, en fonction du coût prévu de chacune de ces options. Ce coût prévu est modélisé à l'aide d'un nombre flou qui permet de représenter l'imprécision et l'incertitude qui résident dans la prévision en situation dynamique. La diffusion d'une information routière modifie justement ce coût prévu, en rendant, par exemple, plus précise une estimation, ou plus certaine l'occurrence d'un événement. Nous proposons 2 types de modèles de répartition des flux entre les options basées sur les 2 approches classiques rencontrées dans les modèles d'affectation (modèles stochastiques et équilibre de Wardrop). Ils permettent de retrouver les résultats de ces modèles lorsque la situation n'est pas dynamique mais certaine et précise. Les solutions proposées sont encore loin d'être opérationnelles, mais nous fournissons un nouveau formalisme intéressant qui permet d'introduire dans la modélisation de l'affectation l'incertitude liée à l'aspect dynamique du problème et de modéliser l'influence de l'information routière.
-
Titre traduit
Traffic assignment and information : toward a fuzzy modeling
-
Résumé
We are interested in traffic assignment modeling (that is describing the way trafic spreads over a road network) especially when traffic information is given to drivers, for example using variable message signs. Network is described with some choice-nodes where trafic streams can split between different options, regarding the predicted cost of each option. This predicted cost is modeled with a fuzzy number, representing both vagueness and uncertainty due to the dynamic aspect of the problem. . . [etc. ]
