Contrôle optimal du trafic : Stratégies coopératives d'éco-conduite aux intersections signalisées

Optimal Traffic Control : Cooperative Eco-driving Strategies at Signalized Intersection

• Auteur / Autrice : Ziqing Wang
• Direction : Abdellah El moudni, Mahjoub Dridi
• Type : Thèse de doctorat
• Discipline(s) : Automatique
• Date : Soutenance le 29/06/2023
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Nanomédecine, imagerie, thérapeutique (Besançon) - Nanomédecine- imagerie- thérapeutique - UFC / NIT / NANOMEDECINE
• Partenaire(s) de recherche : Etablissement de préparation : Université de technologie de Belfort-Montbéliard (1999-....)
• Jury : Président / Présidente : Ahmed Nait-Sidi-Moh
• Jury : Examinateurs / Examinatrices : Abdellah El moudni, Mahjoub Dridi, Saïd Hayat, Mohamed Benrejeb, Nicolas A. Gaud
• Jury : Rapporteurs / Rapporteuses : Ahmed Nait-Sidi-Moh, Saïd Hayat

Mots clés

Mots clés contrôlés

Systèmes de transport intelligent

Conduite automobile

Véhicules autonomes

Véhicules connectés

Mots clés libres

Stratégie d'éco-Conduite

Carrefour à feux

Optimisation stochastique

Transport intelligent

Consommation d'énergie

Eco-Driving strategy

Signalized intersection

Stochastic optimization

Intelligent transportation

Energy consumption

Résumé

L'automatisation coopérative des véhicules connectés et autonomes(CAVs) a un grand potentiel pour aborder un certain nombre de problèmes de sécurité, de mobilité et de durabilité de nos systèmes de transport actuels. Parmi ses objectifs principaux, la commande en mouvement longitudinal coopérative a été largement étudiée. Cette thèse examine comment réduire la consommation d'énergie des véhicules en prenant des décisions de conduite de haut niveau pour différents types de véhicules. La première partie de cette thèse considère le problème de l'éco-conduite pour les bus électriques hybrides rechargeables (PHEB), une formulation d'optimisation de la vitesse spatiale modèle avec communication aux informations de trafic est proposée pour minimiser la consommation d'énergie ou le temps de déplacement. Les résultats de simulation valident les économies d'énergie ou de temps de la stratégie de planification de la vitesse proposée. La deuxième partie aborde le problème en considérant le caractère aléatoire de l'environnement de circulation aux intersections signalisées, Un système d'éco-conduite stochastique (S-EDS) est proposé pour les véhicules électriques hybrides (HEV) afin de minimiser le coût énergétique. La performance du système proposé est évaluée à travers de nombreux cas construits dans un environnement de simulation de trafic SUMO (Simulation of Urban MObility) avec S-EDS appliqué. Les résultats statistiques finaux des groupes de simulation prouvent l'efficacité du système d'éco-conduite stochastique en termes d'économie de carburant. La troisième partie présente une stratégie de planification de trajectoire basée sur les données pour les véhicules connectés et automatisés (CAV), qui peut assurer l'évitement probabiliste des collisions et améliorer l'économie de carburant le long des couloirs signalisés, les résultats de la simulation numérique utilisant l'ensemble de données NGSIM (Next Generation SIMulation) montrent l'efficacité de la méthode proposée pour améliorer l'économie de carburant.

The cooperative automation of connected and autonomous vehicles (CAVs) has great potential to address a number of safety, mobility, and sustainability issues of our current transportation systems.Among its primary objectives, cooperative longitudinal motion control has been extensively researched. This dissertation studies how to reduce the energy consumption of vehicles by making high-level driving decisions of different type vehicles. The first part of this dissertation considers the problem of eco-driving for Plug-in Hybrid Electric Buses (PHEBs), a spatial PHEB velocity optimization formulation with communication to traffic information is proposed to minimize the energy consumption or travel time, the simulation results validate the energy savings or time savings of the proposed velocity planning strategy. The second part addresses the problem of traffic environment randomness at signalized intersections. A Stochastic Eco-Driving System (S-EDS) is proposed for Hybrid electric Vehicle (HEV) to minimize the energy cost of individual HEV. The performance of the proposed system is evaluated through many cases that were built in an applied S-EDS traffic simulation environment SUMO (Simulation of Urban MObility). The final statistical results of simulation groups proved the effectiveness of the stochastic eco-driving system in fuel economy. The third part presents a data-driven trajectory planning strategy for Connected and Automated Vehicles (CAVs), which can ensure probabilistic collision avoidance and improve the fuel economy along signalized corridors, the results from the numerical simulation using the NGSIM (Next Generation SIMulation) data set show the proposed method’s efficacy in improving the fuel economy.