Hassane ABOUAÏSSA*, Michel FLIESS**, Cédric JOIN***

Présentation au sujet: "Hassane ABOUAÏSSA*, Michel FLIESS**, Cédric JOIN***"— Transcription de la présentation:

1 Hassane ABOUAÏSSA*, Michel FLIESS**, Cédric JOIN***
Premières applications de nouvelles techniques algébriques d’identification paramétrique au trafic routier Hassane ABOUAÏSSA*, Michel FLIESS**, Cédric JOIN*** * LGI2A (EA 3926), Université d'Artois--Technoparc Futura, Béthune **Projet ALIEN, INRIA Futurs & LIX (CNRS, UMR 7161), Ecole polytechnique, Palaiseau ***Projet ALIEN (INRIA Futurs) & CRAN (CNRS, UMR 7039), Université Henri Poincaré (Nancy I), BP 239, 54506 Vandoeuvre-lès-Nancy 14 juin 2007

2 Contenu Introduction Modèles du trafic Problèmes d’estimation
Problèmes de gestion du trafic Modèles du trafic Problèmes d’estimation Conclusions et Perspectives 14 juin 2007

3 Trafic routier – Problématiques Classification
Introduction Problèmes de gestion du trafic Trafic routier – Problématiques Classification 14 juin 2007

4 Congestions récurrentes non récurrentes
Introduction Problèmes de gestion du trafic Accroissement des demandes en circulation Limite de la capacité des infrastructures Congestions récurrentes non récurrentes 14 juin 2007

5 Problème socio-économique important
Introduction Problèmes de gestion du trafic Conséquences Individuelle Sociale Environnementale Économique Problème socio-économique important 14 juin 2007

6 Optimiser l’utilisation des infrastructures existantes
Introduction Problèmes de gestion du trafic Solutions Construction de nouvelles infrastructures Encourager l’usage des transports en commun Mettre en œuvre des stratégies de transport « multimodal » Solution à court et à moyen terme Optimiser l’utilisation des infrastructures existantes 14 juin 2007

7 Modélisation et Commande du trafic dans les zones interurbaines
Introduction Problèmes de gestion du trafic Solution efficace pour éliminer/alléger les congestions Commande de trafic Zones urbaines Zones interurbaines Modélisation et Commande du trafic dans les zones interurbaines 14 juin 2007

8 Modèles du trafic Mieux adaptés à la commande du trafic routier
Microscopiques Modèles de simulation trafic urbain nombre élevé de données coûts de développement élevés Macroscopiques Mésoscopiques Mieux adaptés à la commande du trafic routier 14 juin 2007

9 Modèles macroscopiques
Modèles du trafic Similitude avec l’hydrodynamique – Flux continu Loi de conservation Trois variables moyennes Densité – nombre de véhicules par kilomètre Débit – nombre de véhicules par heure Vitesse – kilomètre par heure Modèles de premier ordre – LWR Modèles d’ordre supérieur – Payne, Zhang, Aw Rascle, ... 14 juin 2007

10 Modèles de premier ordre
Modèles macroscopiques Modèles du trafic Modèles de premier ordre Modèle : Lighthill, Whitham & Richards Loi de conservation : Diagramme fondamental vitesse : 14 juin 2007

11 Modèles de premier ordre
Modèles macroscopiques Modèles du trafic Modèles de premier ordre Diagramme fondamental : vitesse libre état fluide congestionné : densité critique : densité maximale : débit maximal  Capacité de la route 14 juin 2007

12 Modèles d’ordre supérieur
Modèles macroscopiques Modèles du trafic Modèles d’ordre supérieur Loi de conservation + Loi de quantité de mouvement : Modèle Payne, Zhang, Aw Rascle, etc. 14 juin 2007

13 Modèles d’ordre supérieur
Modèles macroscopiques Modèles du trafic Modèles d’ordre supérieur Modèle de Payne Pression de trafic : reflète le comportement du conducteur par anticipation aux conditions du trafic en aval Relaxation : représente les conditions en amont 14 juin 2007

14 Trafic autoroutier Introduction Problèmes de gestion du trafic
Point de vue commande actionneurs Système autoroutier Capteurs Contrôleur 14 juin 2007

15 Trafic autoroutier Introduction Problèmes de gestion du trafic
Point de vue commande actionneurs Système autoroutier Capteurs Contrôleur Maintenir la densité < seuil critique Minimiser le temps de trajets, … 14 juin 2007

16 Actions et mesures de commande
Introduction Problèmes de gestion du trafic Actions et mesures de commande Contrôle d’accès : Rampe isolée : commande locale Commande coordonnée Commande intégrée : limitation dynamique de vitesse, contrôle d’accès, guidage, … Estimation paramétrique Détection d’incidents, … 14 juin 2007

17 Introduction Problèmes de gestion du trafic 14 juin 2007

18 Problèmes d’estimation
Commande du trafic  temps réel Anticiper les formations de congestion Adaptation aux conditions de circulation Prise en compte des facteurs environnementaux, … Problèmes de variation Densité du trafic Capacité des sections densité critique Vitesse limite  vitesse libre 14 juin 2007

19 Problèmes d’estimation
Estimation des variables d’état Vitesse moyenne, densité, débit Estimation des paramètres Vitesse libre, densité critique, capacité 14 juin 2007

20 Problèmes d’estimation
Méthodes Classiques Filtres de Kalman étendu (EKF) Filtrage particulaire, … 14 juin 2007

21 Méthodes Algébriques pour l’estimation temps réel :
Avantages : Aucune intégration d’équation différentielle Évite l’utilisation des techniques statistiques et asymptotiques Implémentation rapide 14 juin 2007

22 Méthodes Algébriques pour l’estimation temps réel :
Exemple introductif Système de premier ordre Variable de commande Variable de sortie Gain constant = paramètre inconnu 14 juin 2007

23 Élimination de condition initiale
Exemple introductif Méthodes Algébriques Domaine opérationnel Élimination de condition initiale Dérivation (d/ds)  (multiplication par (-t)) Afin d’éviter les dérivées dans le temps: Multiplication par (s-N) (N>=1) 14 juin 2007

24 Intégrales itérées  filtres passe-bas Atténuation des bruits
Exemple introductif Méthodes Algébriques Intégrales itérées  filtres passe-bas Atténuation des bruits Aucune utilisation d’outils statistique ou probabiliste 14 juin 2007

25 Modèle macroscopique de premier ordre - discret dans l’espace -
Application au trafic routier Méthodes Algébriques Modèle macroscopique de premier ordre - discret dans l’espace - : vitesse libre : densité critique 14 juin 2007

26 Objectif Estimation des paramètres Variables mesurées : Débit =
Application au trafic routier Méthodes Algébriques Objectif Estimation des paramètres Variables mesurées : Débit = Densité : Remarque: mesure de taux d’occupation: Longueur de véhicule+longueur de boucle 14 juin 2007

27 Multiplication par et Méthodes Algébriques
Application au trafic routier Méthodes Algébriques Multiplication par et 14 juin 2007

28 Application au trafic routier Méthodes Algébriques
14 juin 2007

29 Application au trafic routier Méthodes Algébriques
Domaine temporel + règle de Cauchy  intégrales itérées Fenêtre de temps 14 juin 2007

30 Simulations Section autoroutière : Longueur : L=1km
Application au trafic routier Méthodes Algébriques Simulations Section autoroutière : Longueur : L=1km Débit : entre 1400 et 1800 (véh/h) Bruit : 0 – 300 Evolution de la vitesse libre : Evolution de la densité critique : 14 juin 2007

31 Résultats sans bruit Méthodes Algébriques
Application au trafic routier Méthodes Algébriques densité en véh/km Débit en véh/h vitesse en véh/h 14 juin 2007

32 Résultats sans bruit Méthodes Algébriques
Application au trafic routier Méthodes Algébriques Densité critique en km/h Vitesse libre en km/h Estimation rapide après variation Sans bruit : très petite fenêtre de temps 10 Te (Te=1s) 14 juin 2007

33 Résultats avec bruits Méthodes Algébriques
Application au trafic routier Méthodes Algébriques Résultats avec bruits densité en véh/km Vitesse en km/h 14 juin 2007

34 Application au trafic routier Méthodes Algébriques
densité critique en véh/km Vitesse libre en km/h Avec bruit : nécessité d’augmenter la fenêtre de temps = 600Te 14 juin 2007

35 Conclusions Application des techniques algébriques pour l’estimation des paramètres du trafic Estimation rapide sans intégration d’équation différentielle Aucun recours aux techniques statistiques et probabilistes Extension pour estimation d’état (densité, vitesse moyenne et débit) Exploitation pour la conception de loi de commande temps réel 14 juin 2007