Vers un modèle de comportements de véhicules lourds en utilisant une méthode incrémentale basée sur la vérification et l'hystérésis : le modèle ArchiPL

Toward a model of heavy vehicle's behavior using an incremental method based on verification and hysteresys : the ArchiPL model

• Auteur / Autrice : Lancelot Six
• Direction : Zahia Guessoum
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 05/11/2014
• Etablissement(s) : Paris 6
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-...)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Exploitation, Perception, Simulateurs et Simulations
• Jury : Examinateurs / Examinatrices : Flavien Balbo, René Mandiau, Nadir Farhi, Abderrafiâa Koukam, Mikal Ziane, Sio-Song Ieng, Julien Saunier

Mots clés

Mots clés contrôlés

Hystérésis

Intelligence artificielle répartie

Mots clés libres

ArchiPL

Vim4mas

Simulation

Modélisation

Systèmes multi-Agents

Poids-Lourds

Hystérésis

Simulation

Hysteresis

Résumé

Les phénomènes de congestion sont dangereux, et couteux économiquement. La compréhension de ces phénomènes est un sujet majeur ayant occupé la communauté scientifique depuis la moitié du vingtième siècle. L'approche microscopique, cherchant à reproduire les phénomènes macroscopiques grâce à la modélisation des comportements individuels, a proposé un grand nombre de modèles. Cependant, alors que la littérature a mis en avant l'impact négatif des véhicules lourds, peu se sont intéressés à savoir si les véhicules lourds ont un comportement similaire à celui des véhicules légers. Les principaux modèles considèrent que les comportements sont indifférenciés, à quelques paramètres près. Dans ces travaux, nous proposons de remettre en cause cette hypothèse. Nous proposons une démarche incrémentale, VIM4MAS, au cours de laquelle nous cherchons à identifier les principales différences entre les propriétés du comportement d'un véhicule lourd avec celle d'un véhicule léger. Cette démarche nous permet de construire un modèle de véhicules lourds en se fondant sur un modèle pré-existant de véhicules légers et en n'apportant que les modifications nécessaires. Dans le cadre de cette démarche, nous proposons également une méthode d'analyse des comportements longitudinaux fondée sur l'étude des boucles d'hystérésis. Cette méthode permet d'étudier les capacités d'anticipation des conducteurs, selon une approche boite noire. Le modèle de véhicules lourds produit, ArchiPL, montre d'une part des comportements de meilleure qualité du point de vue individuel, et d'autre part une cohérence avec la littérature existante.

Congestion phenomena are a major issue modern societies have to face. Understanding them, their creation, their evolution and their real impact are major questions addressed by the scientific community since the half of the twentieth century. A large number of simulation models have been developed to reproduce and study the traffic dynamics. Among them, microscopic model are designed to reproduce macroscopic phenomena such as congestion by reproducing individual vehicles' behavior. However, despite the negative influence of large vehicles on the flow, very few models took them into account. Those vehicles are usually dealt with as any other vehicle, except for a few parameters. In this thesis, we reconsider this hypothesis and try to identify how the behavior of large vehicles differs from other vehicles' behavior. We propose the VIM4MAS development methodology to help in this process. This method is used to improve a generic vehicle's behavior model and refine it until it can reproduce the most important aspects of the large vehicles' behaviors. To understand and identify key properties of longitudinal behaviors of vehicles, we have developed an analysis methodology based on the study of hysteresis phenomena. This analysis methodology allows to highlight key properties such as anticipation capabilities of drivers. The outcome of this work is the ArchiPL model for large vehicles' behaviors. This models shows an improvement of the behaviour quality at the microscopic level, while being consistent with the literature with respect to emergent phenomena.