Académique Documents
Professionnel Documents
Culture Documents
Volume 6, N°1, pp 29 - 35
II. D ÉFINITION DU PROBLÈME posée améliore efficacement les performances d’une intersec-
Dans le cadre d’une intersection classique, chaque mouve- tion élémentaire. Dans la suite, nous abordons une situation plus
ment du flux de circulation observe les feux dans l’ordre suivant: compliquée. Il s’agit de considérer des véhicules avec des poids
Rouge, Vert et Jaune. Un intervalle vert est suivi par un temps différents afin de distinguer les véhicules prioritaires (comme
d’intervalle jaune indiquant que le véhicule doit s’arrêter, s’il ne les ambulances, les voitures de police ou les véhicules propres)
peut pas assurer la sécurité. On peut noter que l’ensemble des des véhicules ordinaires. Afin de privilégié les véhicules pri-
mouvements de circulation obéit à la même règle, à savoir à la oritaires, l’objectif de la commande n’est pas seulement de ré-
même succession de couleurs de feu. Cependant, dans le cadre duire le temps d’évacuation de tous les véhicules dans les rues en
de la commande des flux de circulation, le jaune n’est pas con- amont, mais aussi de minimiser le temps d’attente des véhicules
sidéré car il fait partie du temps du vert effectif. Ainsi, nous con- particuliers. Par conséquent, deux critères de performance sont
sidérons une intersection isolée biphasée avec feux contrôlables à prendre en compte, ce qui nous conduit à traiter un problème
à chaque tronçon. d’optimisation multicritère.
L’intersection est une zone où plusieurs flux partagent un es- [12] présente trois approches pour résoudre les problèmes
pace conflictuel représenté par le rectangle gris dans la Fig.1. multicritères: priori optimisation, interactive optimisation et
Cet espace n’autorise pas le passage concomitant d’au moins posteriori optimisation. Les deux dernières méthodes supposent
deux flux de circulation notés flux concurrents. Nous prenons l’interaction avec le décideur pour effectuer respectivement un
en compte un temps inter-véhiculaire minimum de p entre les choix intermédiaire et définitif. Compte tenu des contraintes
véhicules appartenant au même flux. Les accès successifs au de calculs, la méthode priori optimisation est la plus adaptée à
carrefour par deux véhicules appartenant à deux flux différents la régulation. En effet, le système de régulation doit proposer
sont séparés par un intervalle temporel s différent de p. Évidem- une seule solution en un temps court. La méthode priori opti-
ment, par mesure de sécurité et à cause des temps de freinages misation concatène deux critères f et g en une seule fonction
et d’accélération p < s. objective composite notée F . F peux être linéaire, par exem-
Dans la suite, nous nous intéressons seulement à deux flux ple, F = αf + βg où α et β sont les coefficients qui indiquent
concurrents. Chaque flux provient d’un tronçon a une seule l’importance des critères f et g. L’application de l’approche pri-
voie. L’intersection possède un système de régulation qui com- ori optimisation donne la fonction objectif ci-dessous:
munique avec l’équipement embarqué du véhicule. Lorsque X
le véhicule accède à une concurrente, l’équipement embar- min{α wj · Tj + β max Cj } (2)
qué informe le système de régulation en fonction de la vitesse 1≤j≤n
autorisée sur le temps nécessaire au véhicule pour approcher où Tj le temps d’attente du véhicule j, tel que Tj = Cj − rj
l’espace conflictuel. et wj est le poids qui lui est attribué. Les valeurs attribuées à
α et β sont laissées à la charge de l’exploitant du réseau urbain
Rue 2
qui décide en fonction de la politique admise de la gestion du
trafic. S’il préfère minimiser le somme du temps d’attente des
véhicules prioritaires, il donne une valeur plus importante à α,
à savoir α > β; et inversement, s’il accorde plus d’importance
à la fluidité du trafic en général. Ceci est valable pour les poids
111111111
000000000 des véhicules importants, à savoir wj . On donne un poids plus
000000000
111111111
000000000
111111111 grand pour les véhicules urgents. Par exemple, les ambulances
000000000
111111111
000000000
111111111
000000000
111111111 peuvent bénéficier d’un poids plus important que celui attribué
000000000
111111111
000000000
111111111 aux véhicules propres.
000000000
111111111
Rue 1
III. M ODÉLISATION DU P ROBLÈME
Nous présentons le modèle RdP (Réseau de Petri) introduit
dans [8] pour modéliser le problème d’optimisation relatif à
communication entre véhicules
et le contrôle à l’intersection
l’intersection présentée dans la Fig.1.
la rue 2. Un jeton dans la place P1−2 indique qu’une phase de B. Formalisation du Problème
rouge intégral succède à une période de feu vert pour la rue 1 A travers le modèle RdP, nous définissons ici le problème
et inversement pour la place P2−1 . Les temporisations s1−2 et d’une manière formelle.
s2−1 de ces places tiennent compte de la durée du rouge inté- Soit ni est le nombre des véhicules présents dans la rue i à
gral. Elles incluent également la durée du feu jaune vif et le l’instant t. Le temps nécessaire pour évacuer tous les véhicules
temps d’accélération du premier véhicule de la file qui s’apprête venant de la rue i est:
à recevoir le feu vert. Soulignons enfin qu’en agissant sur les
transitions v, nous pouvons choisir de prolonger une phase ou, Ci = vi (ni ) = vi (ui (t))
au contraire, de procéder à un changement de phase. Ainsi, ce
modèle peut représenter à travers la commande sur les transi- Donc pour évacuer les véhicules des deux rues revient à
tions v toutes sortes de régulation. chercher:
La sémantique du modèle présenté dans la Fig.2 est détaillée
dans le tableau I. max(C1 , C2 ) = max(v1 (u1 (t)), v2 (u2 (t)))
= max(v1 (n1 ), v2 (n2 ))
u1 v1 P1 x1 y1
R1
p1 Minimiser la somme des temps d’attente des véhicules prior-
itaires revient à chercher:
X X
x2−1 v1−2 wj · Tj = wj · (vi (j) − ui (j))
Gestion des feux j j
s2−1 s1−2
P2−1 P1−2 où Tj = vi (j) − ui (j) est le temps d’attente d’un véhicule j
v2−1 x1−2 appartenant à la rue i:
Le système de régulation est informé sur le temps de présence
des véhicules (ui (k)), les temps inter-véhiculaires admis (pi et
R2
v2 p2 x2 y2
s) et les poids attribués aux différents termes de la fonction ob-
u2 P2
jectif (wj , α et β). Ainsi le problème est défini comme suit:
Fig. 2. Modèle RdP d’une intersection avec rouge intégral
Donnée du problème: ui (k), pi et s avec pi < s; wj , α, β
TABLE I
Objectif: Calculer vi (k) pour k ∈ [1, ni ], i ∈ [1, 2]
N OTATIONS
X
min{α wj · Tj + β max Ci } (3)
Notation Signification j
ui (t), ui (k) le nombre de véhicules venant de la rue i prêt Sous les contraintes suivants:
à traverser l’intersection jusqu’à la date t; le
temps où le kème véhicule est prêt à traverser
vi (k) ≥ 0
l’intersection
vi (k) ≥ ui (k)
vi (t), vi (k) le nombre de véhicules qui ont quitté vi (k ′ + 1) − vi (k ′ ) ≥ pi , pour k ′ ∈ [1, ni − 1]
|vi (ki ) − vj (kj )| ≥ s, pour ki ∈ [1, ni ], kj ∈ [1, nj ] et
l’intersection jusqu’à la date t; le temps
i 6= j, i, j ∈ [1, 2]
où le kème véhicule de la rue i accède à
l’intersection
IV. RÉSOLUTION DU PROBLÈME
xi (t), xi (k) le nombre de véhicules qui ont traversé
Nous proposons comme dans les travaux précédents une ap-
l’intersection jusqu’à la date t; le temps où
proche basée sur la programmation dynamique. Cette approche
le kème véhicule permet à d’autres véhicules garantit l’optimalité dans le cadre de la minimisation du temps
de la rue i passer par l’intersection
d’évacuation des véhicules [13]. Pour généraliser cette approche
pi temps de sécurité pour véhicules provenant de au problème multicritère (3), nous procédons à la définition de la
la rue i fenêtre de temps admissible. Ceci nous permet de limiter notre
espace de recherche.
si−j temps de rouge intégral succédant à une phase
de vert pour la rue i et précédant une phase de A. Programmation dynamique
vert pour la rue j
D’abord, rappelons le principe de l’algorithme programma-
vi−j la date de début de la kème phase de rouge tion dynamique. Il s’agit d’un algorithme qui décompose le
intégral succédant à une phase de vert pour la problème d’origine en sous problèmes. La solution optimale
rue i et précédant une phase de vert pour la du problème origine contient des solutions optimales aux sous
rue j problèmes. Chaque sous-problème est décomposé à son tour de
la même manière jusqu’à l’arrivée au traitement de l’ensemble
xi−j la date de fin de la kème phase de rouge inté- des sous problèmes élémentaires.
gral succédant à une phase de vert pour la rue Supposons que le problème posé est de traiter n arrivées de
i et précédant une phase de vert pour la rue j véhicules. Pour tout k ∈ [1, n] et tout tk ∈ T , F (k, tk ) désigne
le coût du problème :
e-STA copyright 2009 by see
Volume 6, N°1, pp 29 - 35
où tk−1 < tk . Ainsi, F (k, tk ) peut être décomposé en sous- La solution optimale est:
problèmes de F (k − 1, tk−1 ). De la même manière, pour ré-
min{G(n1 , n2 , 1, t1 ), G(n1 , n2 , 2, t2 )} (5)
soudre le problème F (k − 1, tk−1 ), nous avons besoin de con-
tinuer la décomposition de F (k − 1, tk−1 ) en sous-problèmes où t1 , t2 ∈ T , t1 ≥ r(1,n1 ) et t2 ≥ r(2,n2 ) .
du problème F (k − 2, tk−2 ). Cette décomposition se pour-
suit jusqu’au problème F (1, t1 ). Le problème F (1, t1 ) peut On décrémente systématiquement les valeurs de q1 et q2 dans
être facilement traité. Ensuite, en inversant le processus de dé- l’équation de récurrence (4), jusqu’à ce qu’ils atteignent les sous
composition, on obtient l’ordre de passage des véhicules pour le problèmes élémentaires avec q1 = 1 ou 0 et q2 = 0 ou 1. On les
problème F (k, tk ). appelle les états initiaux de la récursivité.
L’initialisation est nécessaire avant de commencer le proces-
A partir de ce principe, nous définissons dans ce qui suit la sus de décomposition qui s’arrête lorsqu’il ne reste qu’un seul
formulation des sous-problèmes traités. Soient les notations du véhicule sur la route.
tableau II. Soit G(q1 , q2 , g, t) le coût de la commande des feux Pour notre problème, il y a deux cas qui peuvent être con-
quand nous avons q1 véhicules dans la rue 1 et q2 véhicules dans sidérés comme initiaux: G(1, 0, 1, t1 ),G(0, 1, 2, t2 ) avec t1 ≥
la rue concurrente, sous les contraintes suivantes: r(1,1) et t2 ≥ r(2,1) . Évidement, il y a un seul élément appar-
• Le dernier véhicule qui passe l’intersection appartient à la rue tenant à chaque cas. Cela signifie que le coût de chaque sous-
g problème est déja déterminé.
• Le temps d’évacuation de ces véhicules est égal à t ∈ T . Bien Pour G(1, 0, 1, t1 ) et G(0, 1, 2, t2 ),
évidemment t est le temps mesuré lorsque le dernier véhicule
traverse l’intersection
G(1, 0, 1, t1 ) = α · w(1,1) · (t1 − r(1,1) ) + β · t1
• t ≥ r(g,qg ) ; Sinon G(q1 , q2 , g, t) = ∞ (6)
G(0, 1, 2, t2 ) = α · w(2,1) · (t2 − r(2,1) ) + β · t2
T est la fenêtre de temps admissible pour t. Le lecteur constate que G(0, q2 , 1, t) et G(q1 , 0, 2, t) (où q1 ∈
Avant de présenter la stratégie de commande, nous utilisons [1, n1 ] et q2 ∈ [1, n2 ]) ne sont pas détaillés. En effet, ces deux
les variables et les unités présentées dans le tableau II. Pour cas ne sont pas possibles car ils comportent une contradiction.
résoudre le problème, nous avons besoins, à chaque seconde, Prenant par exemple G(1, 0, 2, t), d’une part, il indique qu’il n’y
des informations sur la situation du trafic, comme le nombre de a pas de véhicule sur la route 2 et, d’autre part, il désigne que
véhicules sur chaque route, le temps d’arrivée des véhicules et le dernier véhicule qui traverse l’intersection provient de cette
ainsi de suite. rue. De la même façon, G(0, 1, 1, t) peut être écarté car il est
impossible. Nous notons ces deux cas impossibles de la façon
TABLE II suivante:
N OTATIONS
G(0, q2 , 1, t) = ∞
(7)
variable définition G(q1 , 0, 2, t) = ∞
cas 1. Le cas 2 se présente quand le véhicule qui suit n’est pas Les poids des véhicules sont :
encore prêt à traverser l’intersection.
• Cas 1: Puisque ∃j ∈ [1, k−1] et ∃µ ∈ [0, k−1], ν ∈ [0, k−1], w(1,1) = 1, w(1,2) = 3;
le dernier véhicule des véhicules 1, . . . , k traverse l’intersection w(2,1) = 3, w(2,2) = 1;
au temps rj + µp + νs . Donc, le véhicule k + 1 commence à
L’objectif de la commande des feux est:
traverser l’intersection au temps:
– si le dernier véhicule des véhicules 1, . . . , k et k + 1 appar-
tiennent à la même rue. min{G(2, 2, 1, t1), G(2, 2, 2, t2 )}
où t1 , t2 ∈ T et t1 ≥ 7, t2 ≥ 7.
rj + (µ + 1)p + νs
Optimal
Cycle fixe
20 Notre methode
(2, 2, 1) (2, 2, 2)
5
(0, 2, 1) (0, 2, 2) (1, 1, 1) (1, 1, 2) (2, 0, 1) (2, 0, 2)
0
0 0.1 0.2 0.3 0.4 0.5
Somme de debit [veh/s]
(0, 1, 1) (0, 1, 2) (1, 0, 1) (1, 0, 2)
0
N 0 0.1 0.2 0.3 0.4 0.5
nouveau véhicle? Somme de debit [veh/s]
VII. C ONCLUSION
Dans ce papier nous avons étendu notre méthode de régula-
tion des carrefours à la prise en considération des véhicules pri-
oritaires. Ceci nous a mis face à deux objectifs, à savoir, réduire
le temps d’attente de ces véhicules et évacuer au plus tôt tous les
autres véhicules. Afin de répondre aux exigences du temps réel,
nous avons extrait un seul objectif. Nous avons aussi étendu
l’algorithme de commande. Les résultats de simulation mon-
trent qu’il reste intéressant de considérer les véhicules d’une
manière individuelle dans les hypothèses d’une intersection élé-
mentaire. Ces résultats encourageants nous ouvrent plusieurs
perspectives de recherche. Nous citons à titre d’exemple la
généralisation de l’approche à un carrefour complexe tel ren-
contré dans la réalité.
R ÉFÉRENCES
[1] Chard B.M. et Lines C.J. Transyt-the latest developments. Traffic engi-
neering and control, 28:387–390, 1987.
[2] Dennis I.Robertson et R.David Bretherton. Optimizing networks of traffic
signals in real time-the scoot method. IEEE Transacations on Vehicular
Technology, 4(1):11–15, February 1991.
[3] J.J.Henry, J.L.Farges, et J.Tuffal. The prodyn real time traffic algorithm.
Proc. 4th IFAC/IFORS Conf. Control Transportation System, pages 305–
309, 1983.
[4] A.G.Sims et K.W.DOBINSON. Implementation of the opac adaptive con-
trol strategy in a traffic signal network. IEEE Intelligent Transactions Sys-
tems Conference Proceedings, pages 25–29, August 2001.
[5] A.G.Sims et K.W.DOBINSON. The sydney coordinated adaptive traf-
fic(scat) system philosophy and benefits. IEEE Transactions on vehicular
technology, VT-29:130–137, May 1980.
[6] Dresner Kurt et Stone Peter. Traffic intersections of the future. The Twenty-
First National Conference on Artificial Intelligence, NECTARTrack (AAAI
06), pages 1593–1596, 2006.
[7] Dresner Kurt et Stone Peter. Multiagent traffic management: a reservation-
based intersection control mechanism. Autonomous Agents and Multiagent
Systems,2004.AAMAS 2004.Proceedings of the Third International Joint
Conference on, pages 530–537, 2004.
[8] Aurélien Corréïa, Abdeljalil Abbas Turki, Rachid Bouyekhf, et Abdellah
El Moudni. A (max,+)-linear model for the analysis of urban traffic net-
works. in 10th IEEE international conference on Emerging Technologies
and Factory Automation (ETFA), Catania, Italy, Sept, 2005.
[9] Jia Wu, Abdeljalil Abbas Turki, Aurélien Corréïa, , et Abdellah
El Moudni. Discrete intersection signal control. IEEE International Con-
ference on Service Operations and Logistics and Informatics 2007, pages
1–6, 2007.
[10] Jia Wu, Abdeljalil Abbas Turki, Aurélienand Corréïa, et Abdellah
El Moudni. Controlling a discrete model of twocascading intersec-
tions. Workshop International: Logistiiaue & Transport 2007, Nov 18-20,
Sousse, Tunisie.
[11] Jia Wu, Abdeljalil Abbas Turki, et Abdellah El Moudni. Régulation du
trafic aux intersections: Prise en compte des véhicules prioritaires. Con-
férence Internationale Francophone d’Automatique, Sep 3-5, 2008, Bu-
carest, Roumanie.
[12] T’Kindt De Vincent et Billaut Jean-Charles. Multicriteria SchedulingThe-
ory, Models and Algorithms. Springer, 2002.
[13] Jia Wu, Abdeljalil Abbas Turki, et Abdellah El Moudni. Discrete methods
for urban intersection traffic controlling. IEEE Transactions on Intelligent
Transportation Systems,submitted.
[14] P.Baptise. Batchin identical jobs. Math. methods Oper. Res. 52(2000)
355-367.
[15] Simon Cohen. Ingénierie du trafic routier:éléments de théorie du trafic et
applications. Presse de l’Ecole nationale des points et chaussées, 1993.