Vous êtes sur la page 1sur 47

Modlisation, systmes multi-agents et logique floue dans la rgularisation du rseau de transport collectif de Montbliard

Sad HAYAT, Aziz SOULHI, Slim HAMMADI et Pierre BORNE

Plan de de la la prsentation prsentation Plan

Introduction Aide la dcision Problmatique des systmes de transport collectif

Approche propose : Systme flou daide la dcisio Processeur de fuzzification Simulations et rsultats Conclusion et perspectives

ntroduction IIntroduction

Assister les rgulateurs une matrise de la rgulation de traf

Assurer les correspondances dans les meilleures conditions,

Eviter lattente excessive des clients,

Amliorer la qualit de service,

Augmenter lattractivit vers les transports collectifs.

Introduction Aide la dcision Problmatique des systmes de transport collectif

Approche propose : Systme flou daide la dcision Processeur de fuzzification Simulations et rsultats Conclusion et perspectives

Aide ide la ladcision dcision A


Questce ceque quelaide laide la ladcision? dcision? Quest

Laide la dcision est lactivit de celui qui, prenant appui sur des modles clairement explicits mais non ncessairement compltement formaliss, aide obtenir des lments de rponses aux questions que se pose un intervenant dans un processus de dcision. [ROY 85]

Lesintervenants intervenantsdans dans la ladcision dcision Les


Dcideur Dcideur

Unique Unique

Multiple Multiple

Consensus Consensus

Conflit Conflit

Lesniveaux niveauxde dedcisions dcisions Les

[DOUMEINGT 98]

Lesniveaux niveauxde dedcisions dcisions Les

Stratgique : acquisition des ressources long terme


et investissements importants,

Tactique : planification moyen terme


certains paramtres,

et variations de

Oprationnel : activits quotidiennes un niveau dtaill

0 Modlesde dersolution rsolutiondu duproblme problmedaide daide la ladcision dcision Modles Mthodes exactes Mthodes approches

- Thorie des graphes, - Modles mathmatiques.

- Algorithmes gntiques, - Logique floue, - Systme expert.

Modlesde dersolution rsolutionoptimale optimale Modles

Thorie des graphes

Modles mathmatiques

Factuels Formels Constructifs

Modlesde dersolutions rsolutionsapproches approches Modles

Rgles de bon sens, Interprtation aise de la stratgie de dcision, Solution justifie par lexpertise humaine, Evaluation qualitative humaine, Processus gntique.

Systme expert expert Systme

Expert

Base de connaissances

Module d'Acquisition des Connaissances

Interface Acquisition

Cogniticien

Base de Faits

Module d'Explication

Interface Utilisateur
Utilisateur

Base de rgles

Moteur dinfrence

Avantages des des mthodes mthodes approches approches Avantages


Un excellent rapport entre :

La qualit des solutions obtenues, Le temps de calcul ncessaire, La facilit dimplmentation.

6 Introduction Aide la dcision Problmatique des systmes de transport collectif

Approche propose : Systme flou daide la dcision Processeur de fuzzification Simulations et rsultats Conclusion et perspectives

Problmatiques des des systmes systmes de de transport transport collectif collecti Problmatiques

Systmes dynamiques complexes, Exigences en terme de qualit de service, Exigences en terme de sret de fonctionnement, Dimension de rseau, Frquence dexploitation.

Problmatique des des nuds nuds de de correspondances correspondances Problmatique

Rgulateur

S.A.E.

Leslimites limitesdes desapproches approchesactuelles actuelles Les

Modles ne traduisant pas la ralit des phnomnes


en cours,

Hypothses de dpart : souvent simplificatrices et


rductrices,

Dcalage entre la thorie et les relles mises en places Difficult de matriser la stabilit.

Lintelligence artificielle artificielle Lintelligence

La puissance et la capacit de rsolution de problmes


complexes,

La simplicit et la souplesse dapplication,


la ralit des phnomnes en cours,

Modles traduisant

Hypothses de dpart bases sur la ralit.

2 Introduction Aide la dcision Problmatique des systmes de transport collectif

Approche propose : Systme flou daide la dcision Processeur de fuzzification Simulations et rsultats Conclusion et perspectives

Questce cequun quunmodle modleflou floudaide daide la ladcision? dcision? Quest

Un modle flou d aide la dcision est un processus de gnration de dcision en temps rel qui tient compte dun ensemble de connaissances de natures diffrentes, volutives, incertaines et incompltes :

Connaissances thoriques, Connaissances empiriques, Connaissances concrtes.

Quellecontribution contributionapporte apportela lalogique logiquefloue floue laide laide la la Quelle dcision? ? dcision Lintgration dans un mme modle des connaissances issues de responsables de lexploitation savoir :

Lexpertise thorique issue du bureau dtude et de mthode,

Lexpertise empirique que dtient lingnieur de simulation,


Lexpertise concrte que dtiennent les experts.

Modleflou floudaide daide la ladcision dcision Modle


CONNAISSANCES
C R IT E R E S DE D E C IS IO N S

, n ts e i l e c ... d bre e, etc m No chin ma

FUZZIFICATION

INFERENCE

REGLES DE D E C IS IO N S

Si C

DEFUZZIFICATION

on di tio .

Al or

PROPOSITION DES STRATEGIES


EVALUATION DES STRATEGIES

SUGGESTION DE STRATEGIES

sA ct io

OK

STRATEGIES OPERATIONNELLES

8 Introduction Aide la dcision Problmatique des systmes de transport collectif

Approche propose : Systme flou daide la dcision Processeur de fuzzification Simulations et rsultats Conclusion et perspectives

Fuzzification Fuzzification
Fuzzification du Retard/Avance
T Retard (t) Retard Avance
1

-3

Tt - Tr ( min)

Fuzzification Fuzzification
Fuzzification du nombre de clients
Ngligeable Moyen (Nc) 1 Important

5 Nombre de clients

Fuzzification Fuzzification

Fuzzification du moment de la journe (conditions de circulation

HP 1 (h)

HR= HP

HC

FS

8 9 10 11 12 13 14 15 16

17 18 19 20 Heure

Fuzzification Fuzzification
Fuzzification des classes de ralentissement
Negligeable Faible Moyen Important

(y) 1

y temps( min)
0 1 2 3 4 5 Tt - Tr

Autres paramtres paramtres Autres

Camionnettes, Chauffeurs disponibles, Autres moyens. Rguliers, Occasionnels.

Moyens de rserve Bus gars,

Evnements

Linfrence floue floue Linfrence

Extraction de connaissances,

Divers groupes de travail,

Divers scnarios, Validation et agrgation des rgles dinfrence

Aboutissement au module d infrence floue.

Linfrence floue floue Linfrence

Linfrence floue floue Linfrence


Si le bus amenant est en retard et le bus emportant est trs

en retard et le nombre de voyageurs est moyen et le moment de la journe est lheure creuse, alors le ralentissement du bus emportant est faible.

si le

bus amenant est en avance et le bus emportant est trs en retard et le nombre de voyageurs est moyen et le moment de la journe est lheure creuse, alors le ralentissement du bus emportant est moyen.

Linfrence floue floue Linfrence


A/R
Retard Retard T Rd

A/R
Avance Avance Retard Retard Avance

NV
Moyen Moyen Moyen Moyen Moyen

MO
HP FS HR HP HP

M I F Alors M

Si

T Rd T Rd

. . .

. . .

. . .

. . .

. . .

Linfrence floue floue Linfrence


X = ( X1, X 2,......... ........, Xn)
: Vecteur

dtat de linfrence floue.

A = Am , n

: Matrice caractristique de linfrence floue.

) C = (C1, C2,......... .......... ...,Cm

: Vecteur rsultat de linfrence floue.

R1 : si X1 est A11 et X2 est A12 ..et Xn est A1n alors y est C1 . . . Rm : si X1 est Am1 et X2 is Am2 .et Xn est Amn alors y est Cm

Dfuzzification Dfuzzification
Mthode du centre de gravit
S (y) (y0) Y lunivers de discours,
G0

y0

(y) : la fonction dappartenance de lunivers de discours, S G0 : surface dont on veut calculer le centre de gravit,
:

le centre de gravit du sous-ensemble de discours.

Yg =

y ( y )dy ( y )dy

Exemple 1 1 Exemple
Soit le vecteur suivant :(-3, 0.4, 3, 13 H) Moment de la journe Flux de passagers Bus emportant Bus amenant (t1) (t2) 0.6 0.3

Bus emportant Bus amenant (f) (h)

Moment de la journe Flux de passagers

1 Si le bus amenant est trs en retard et le bus emportant est en avance et le nombre de voyageurs est moyen et le moment de la journe est lheure de pointe, alors le ralentissement du bus emportant est important.

2 Si le bus amenant est trs en retard et le bus emportant est en retard et le nombre de voyageurs est moyen et le moment de la journe est lheure de pointe, alors le ralentissement du bus emportant est moyen.

1 Introduction Aide la dcision Problmatique des systmes de transport collectif

Approche propose : Systme flou daide la dcision Processeur de fuzzification Simulations et rsultats Conclusion et perspectives

Exemple de de dcision dcision Exemple Substitution Substitution

Exemple de de dcision dcision Exemple Transbordement Transbordement

Exemple de de dcision dcision Exemple Nouveau point point de de rencontre rencontre Nouveau

A 13h 32 minutes, 5 personnes se rendent leur travail situ la rue de souchaux . les personnes habitent Hrimoncourt la bouloie .

Rue de souchaux

Temple

Mandeure Hrimoncourt la bouloie

Arrt Mandeure Valentigney Temple Hrimoncourt Monbliard

Ligne4

Ligne 3

7 Introduction Aide la dcision Problmatique des systmes de transport collectif

Approche propose : Systme flou daide la dcision Processeur de fuzzification Simulations et rsultats Conclusion et perspectives

Conclusion et et perspectives perspectives Conclusion

Contribution de lintelligence artificielle rsoudre des Faisabilit de la ralisation dun model daide la
dcision bas sur les techniques de la logique floue. sous forme de classes.

problmes aussi difficiles que les systmes de transport

Lagrgation des rgles et le groupement des dcisions Lapport de la collaboration entre la recherche et
lexprience du terrain : lexpertise.

Le dveloppement des mthodologies capables de


sadapter toutes les stratgies de prise de dcision.

La prise en compte dun

nombre considrable de critres de dcisions qui reste une perspective immdiate au sein de notre quipe de recherche.

Gnraliser le SAD des rseaux TC multimodaux :


Mtro, Autobus, Tramway et TER.