Simulation multi-agent de l’information des voyageurs dans les transports en commun

Selon les Nations Unis  , la moitié de la population mondiale vit dans les grandes villes métropolitaines et d’ici 2050, plus des deux tiers (6,4 milliards) seront des urbains. Ce mouvement d’urbanisation galopante affecte directement nos modes de vie et sollicite des méthodes et des moyens de gestions efficaces afin de pouvoir suivre les changements résultants de ce mouvement. Parmi les domaines les plus touchés, la mobilité nécessite un intérêt particulier vu son importance et son implication dans tous les domaines de notre vie. D’ailleurs, plusieurs villes ont montré très tôt leur intérêt à cette problématique et ont pris conscience du besoin de fournir à leurs habitants des modes de déplacement fiables et capables de suivre la croissance démographique en marche. C’est bien dans cette optique que les transports en commun (TC) étaient nés. Des villes telles que Londres (dès 1863), Chicago (en 1892), Paris (en 1900) ou Berlin (en 1902) ont depuis plus d’un siècle déjà mis en place leurs systèmes de transport en commun. Aujourd’hui, ces systèmes sont présents dans 70% des villes avec une population autour des 5 millions et 100% de celles qui comptent plus de 10 millions d’habitants [Roth et al.2012].

De nos jours, le transport en commun est parmi les modes les plus soutenus des politiques de développement durable et représente le centre des solutions de mobilité urbaine pour des considérations écologiques face à une situation environnementale alarmante. Ces systèmes se développent et s’agrandissent constamment. Nous prenons l’exemple du système MRT  de Singapour qui couvre 149 km de réseau ferré et 99 stations et qui sert 2,3 millions de voyages par jour. Les gestionnaires de ce système travaillent sur son élargissement pour atteindre 278 Km d’ici 2020 afin de pouvoir répondre à une demande estimée à 14,3 millions de voyage par jour [El2012].

Face à l’évolution de ces systèmes et l’explosion de la demande de transport, les gestionnaires des réseaux se trouvent dans l’obligation d’avoir les bons outils qui leur permettent de gérer l’interaction entre l’offre et la demande qui s’avère une tâche complexe. En effet, les réseaux de transport de nos jours sont complexes et fortement dynamiques. Leurs états changent constamment suite à plusieurs facteurs tels que les pannes des matériels, les accidents, les retards, etc. Sollicitant ainsi une interaction permanente entre les gestionnaires et les usagers afin de fournir une offre de voyage valide. Cette interaction est centrée autour de l’information qui représente le lien entre le gestionnaire et l’usager des réseaux de transport. Le rôle de l’information est de plus en plus critique, particulièrement en cas de dysfonctionnement des réseaux. Dans cette optique, des sous-systèmes de transport appelés systèmes d’information voyageur (SIV) ont vu le jour afin d’assurer cette interaction. Ces systèmes d’information des voyageurs ont pour objectif de fournir aux utilisateurs des réseaux de transport toutes les informations nécessaires pour effectuer leurs déplacements dans les meilleurs conditions et d’offrir aux gestionnaires un outil de gestion des flux permettant de contrôler la congestion de leurs réseaux. Parmi les grands défis de ces systèmes est de pouvoir fournir aux voyageurs une information fiable en temps-réel pendant toutes les étapes de leurs déplacements pour faire face à une offre de voyage fortement dynamique. Ces systèmes profitent des avancées technologiques en particulier Internet et les systèmes intelligents afin de suivre l’évolution du transport moderne.

Certes, les avantages de ces systèmes sont nombreux pour les usagers comme pour les gestionnaires. Cependant, sans contrôle, la diffusion massive d’informations, à travers les panneaux à messages variables, les annonces dans les médias ainsi que les équipements de guidage individuel tels que les smartphones peuvent avoir des effets pervers et créer de nouvelles congestions. En effet, avec la généralisation de l’information des voyageurs en temps-réel, le comportement des réseaux de transport modernes devient plus difficile à analyser et à prévoir. Il est ainsi important d’observer ces effets afin de choisir les bonnes méthodes pour les traiter. L’information voyageurs peut avoir des effets pervers de différentes natures. Les auteurs dans [Ben-Akiva et al.1991] listent les trois phénomènes : saturation, concentration et sur-réaction, qui peuvent être observés après l’utilisation de systèmes d’information voyageurs.

L’évaluation de l’impact de l’information fournie par les SIV est depuis des années le sujet de plusieurs études. Les chercheurs ont eu recours à plusieurs méthodes afin d’analyser l’impact de ces informations. Si les enquêtes ont été utilisées dans plusieurs travaux (e.g. [Ferris et al.2009] ou [Watkins et al.2011]), la faiblesse de leurs résultats ne fait pas de cette méthode un bon choix d’évaluation. En effet, cette méthode consiste à questionner des voyageurs au niveau des arrêts durant leur attente sans avoir un suivi de leurs déplacements sur le réseau de transport. Nous constatons aussi que le nombre de personnes questionnées est généralement faible pour ce type de d’étude. Ainsi, l’évaluation que proposent ces travaux s’articule autour de l’impact de l’information en temps-réel sur les temps d’attente des voyageurs et ne permet pas d’élargir les critères d’évaluation. Les derniers travaux qui utilisent les enquêtes (e.g [Brakewood et al.2014]) commencent à surmonter cette limite en mettant en place un système de suivi de voyageurs témoins via un site web. Cependant, malgré la richesse des critères d’analyse, des résultats médiocres ont été notés à cause d’un grand nombre de désistements chez les participants pendant la durée de l’expérience.

D’autre part, les résultats obtenus par la simulation depuis des années (e.g. [Hickman and Wilson1995], [Coppola and Rosati2009] ou [Cats et al.2011]) se montrent encourageants puisqu’ils offrent de nombreux critères d’évaluation à travers différents scénarios de simulation et permettent un suivi microscopique des déplacements des voyageurs simulés ce qui offre une évaluation fine dans la majorité des travaux. Cependant, la nature des informations évaluées jusque là ne suit pas l’évolution que connaissent les SIV modernes où l’information devient de plus en plus personnalisée et accessible pendant toutes les étapes d’un voyage, grâce notamment à un taux d’équipements des voyageurs qui devient de plus en plus conséquent. Aussi, nous estimons que les perturbations sur les réseaux ne sont pas suffisamment considérées dans ces travaux malgré l’importance de leurs effets sur le processus de l’analyse. En effet, nous remarquons un manque d’informations dans ces systèmes concernant l’état dynamique des réseaux, concernant les perturbations par exemple, ou les accidents en cours.

Par ailleurs, les systèmes multi-agent (SMA) est un domaine de recherche qui représente depuis des années un outil pertinent de résolution de problèmes complexes, intégrant plusieurs entités autonomes et distribuées en interaction évoluant dans un environnement dynamique. Dans un SMA, un agent est une entité autonome ayant une perception de son environnement et capable de réagir aux changements de cet environnement et d’interagir avec les autres agents du système afin de réussir son objectif personnel ou un objectif commun. Cette description correspond à de multiples applications en transport et plus particulièrement à des systèmes de mobilité de voyageurs. Les auteurs dans [Bazzan and Klügl2014]) listent plusieurs raisons pour l’usage privilégié des systèmes multi-agents dans des applications de trafic, telles que la résolution naturelle et intuitive de problèmes, la capacité des agents autonomes pour la modélisation de systèmes hétérogènes, etc. Cette approche est particulièrement pertinente pour la simulation de mobilité de voyageurs puisque l’objectif est de prendre en compte des comportements humains qui interagissent dans un environnement complexe, dynamique et ouvert [Bessghaier et al.2012]. En effet, le concept d’agent est bien adapté pour la représentation de voyageurs dans les réseaux de transport. Ce sont des entités autonomes, situées dans un environnement, qui adaptent leurs comportements à la dynamique de l’environnement qu’elles perçoivent et interagissent avec les autres agents pour réaliser des buts spécifiques.

Table des matières

Introduction générale
I État de l’art
Chapitre 1 L’information des voyageurs et l’évaluation de son impact
1.1 Introduction
1.2 Les systèmes d’information des voyageurs modernes
1.2.1 Rôle et fonctionnalités
1.2.2 Les SIV et le transport multimodal
1.2.3 Supports et voies de communication
1.3 Evaluation de l’impact des SIV
1.3.1 L’enquête comme méthode d’évaluation
1.3.2 La simulation comme méthode d’évaluation
1.3.3 Expérimentations & Résultats
1.4 Conclusion
Chapitre 2 La simulation multi-agent des déplacements
2.1 Introduction
2.2 La notion d’agent
2.2.1 Définition
2.2.2 Caractéristiques
2.2.3 Types d’agents
2.3 Les systèmes multi-agents
2.3.1 Définition
2.3.2 Organisation des SMA
2.3.3 Interaction
2.3.4 Environnement
2.4 Simulateurs multi-agents des déplacements
2.4.1 AgentPolis
2.4.2 Transims
2.4.3 MATSim
2.5 Plateformes de simulation multi-Agent
2.5.1 Swarm
2.5.2 Mason
2.5.3 NetLogo
2.5.4 Gama
2.5.5 Repast
2.5.6 Discussion
2.6 Conclusion
II Contributions
Chapitre 3 Simulateur multi-agent des déplacements
3.1 Introduction
3.2 La plateforme de voyage multimodal
3.2.1 Scénario et hypothèses
3.2.2 Interface publique
3.2.3 Modèle
3.3 La plateforme de simulation Repast Simphony
3.3.1 Les contextes
3.3.2 Les projections
3.3.3 L’ordonnancement
3.4 Le simulateur
3.4.1 Données et paramètres
3.4.2 Ordonnanceur parallèle
3.4.3 Données et paramètres du simulateur
3.5 Déplacement dans la géographie
3.5.1 Contextes et projection
3.5.2 Planification des itinéraires
3.5.3 Le déplacement
3.6 Le système multi-agent
3.6.1 Les agents
3.6.2 Packages
3.7 Optimisations
3.7.1 Des données erronées ou manquantes
3.7.2 Problème de performance
3.8 Exécution
3.9 Conclusion
Conlusion générale

Cours gratuitTélécharger le document complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *