e-STA copyright 2009 by see
Volume 6, N°1, pp 29 - 35
Régulation du Trafic aux Intersections: Prise en
Compte des Véhicules Prioritaires
Jia W U, Abdeljalil A BBAS -T URKI et Abdellah E L M OUDNI
Laboratoire Systéme et Transports
Université de Technologie de Belfort-Montbéliard
90010 Belfort Cedex, France
{jia.wu, abdeljalil.abbas-turki, abdellah.el-moudni} @utbm.fr
Résumé—
Dans cet article, nous proposons une nouvelle méthode pour gérer le
trafic dans une intersection simplifiée. Nous considérons l’intersection
comme étant une ressource partagée entre les véhicules des deux rues qui
se croisent. Nous prenons en compte les vitesses d’approche des véhicules
et les temps nécessaires au freinage et au démarrage. Ainsi, la commande
des feux est mise en œuvre en observant chaque arrivée de véhicule d’une
manière individuelle. En particulier, nous visons à traiter distinctement les
véhicules prioritaires, tels que les bus ou les ambulances, des véhicules or-
dinaires. Ceci nous conduit à considérer deux objectifs à la fois, à savoir,
minimiser les temps d’attentes des véhicules prioritaires et évacuer au plu
tôt tous les véhicules présents dans le carrefour. Enfin, cette approche peut
être adaptée à des véhicules autonomes sans la présence de feux.
Mots-clés—Gestion du trafic, Partage de ressources, Véhicules autonomes
I. I NTRODUCTION
La congestion au niveau des carrefours est souvent associée
à l’inconfort de conduite. Bien qu’effectivement la qualité de
la conduite en dépende, les inconvénients de la congestion ne
se limitent pas seulement à cet aspect. Si l’on s’intéressait au
trafic dans son environnement urbain, la congestion serait par
l’allongement des durées de parcours et par les accélérations
qu’elle suscite une des causes importantes de la pollution. De
plus, une congestion mal-maîtrisée discrédite une politique ur-
baine soucieuse de la qualité de l’air.
Partant de ce constat, plusieurs travaux de recherches ont
tenté d’améliorer la régulation du trafic au niveau des carrefours.
Nonobstant des progrès réalisés tels que la régulation adaptative
et l’ajout des phases escamotables et prioritaires, le problème de
congestion reste posé, ce qui requière de nouveaux efforts.
L’évolution actuelle des technologies de l’information et
de la télécommunication nous offrent de nouvelles issues en
matière de régulation du trafic. A l’instar des autoroutes in-
telligentes où l’augmentation de leur capacité s’avère réalis-
able, ce travail tente de faire profiter les carrefours urbains
des nouvelles technologies pour ce même objectif. Il s’agit
d’utiliser la communication inter-véhiculaire et la communi-
cation véhicule-infrastructure afin d’augmenter la capacité aux
nœuds et d’optimiser la conduite par des consignes fournies aux
conducteurs. Ceci minimisera sans doute la congestion et par
conséquent réduira la pollution qui en découle.
Cependant, pour aborder le problème des véhicules au-
tonomes au niveau des carrefours, il est nécessaire d’utiliser une
modélisation adaptée du trafic partageant l’espace conflictuel.
Notre intention d’amélioration du trafic se heurte à la quasi-
absence de modèles mathématiques adaptés. En effet, d’une
part, les régulations adaptatives telles celles proposées dans
TRANSYT [1], SCOOT [2],PRODYN [3],OPAC [4],SCAT [5]
sont généralement basées sur l’estimation de la file d’attente
ou sur une discrétisation des états du carrefour. La mesure
du débit est la base de la régulation adaptative, ce qui sup-
pose un traitement par estimation de variables macroscopiques.
Ceci limite bien évidemment l’exploitation de la communica-
tion inter-véhiculaire. D’autre part, les modèles actuellement
proposés des véhicules autonomes sont basés sur une segmenta-
tion de l’espace conflictuel en plusieurs rectangles autonomes
[6], [7]. A cause de la complexité des interactions entre les
véhicules et l’infrastructure, les approches supposent des mou-
vements prévisibles, ce qui n’est ni réalisable ni vérifiable à
présent. En effet, l’information sur la destination du véhicule
est actuellement détenue pas le conducteur et sa communication
au dispositif n’est pas pour l’heure actuelle systématique.
Afin de s’affranchir de la difficulté de modélisation, nous
avons suggéré un modèle présenté dans [8] qui peut permettre
de partager la ressource, en toute sécurité. En outre, ce modèle
permet une approche mésoscopique du trafic qui est plus fine
que l’approche des files d’attente (macroscopique) et qui évite
des détails sur le comportement des véhicules (microscopique)
que nous ne possédons pas en temps réel. Ce modèle est basé sur
les systèmes à évènements discrets et considère l’espace con-
flictuel comme étant une ressource partagée. Il a servi de base
aux travaux présentés dans [9], [10], [11]. Ces travaux visent
à minimiser les temps d’évacuation des véhicules par des ap-
proches optimales et approchées.
Afin d’exploiter ce modèle dans un univers réaliste, ce papier
aborde la problématique de l’adaptation de la commande asso-
ciée à la présence des véhicules prioritaires dans une intersec-
tion élémentaire. Puisque le modèle utilisé [8] permet d’étudier
chaque arrivée de véhicule d’une manière individuelle, ce pa-
pier abordera la formulation du problème d’accès des véhicules
prioritaires. Plus précisément, il vise à affiner les approches
présentées dans [9], [10], [11] pour traiter chaque véhicule dif-
féremment. Il s’agit ici de distinguer le traitement des véhicules
prioritaires de celui des véhicules ordinaires.
Ce papier est organisé de la manière suivante. La section
II donne la formulation du problème de régulation du trafic en
présence de véhicules prioritaire. La section III présente briève-
ment le modèle Réseau de Petri utilisé. La section IV décrit
en détail la programmation dynamique que nous utilisons pour
résoudre ce problème. La section V présente le processus de
commande des feux. Les résultats de la simulation sont illustrés
dans la section VI.
e-STA copyright 2009 by see
Volume 6, N°1, pp 29 - 35
II. D ÉFINITION DU PROBLÈME
Dans le cadre d’une intersection classique, chaque mouve-
ment du flux de circulation observe les feux dans l’ordre suivant:
Rouge, Vert et Jaune. Un intervalle vert est suivi par un temps
d’intervalle jaune indiquant que le véhicule doit s’arrêter, s’il ne
peut pas assurer la sécurité. On peut noter que l’ensemble des
mouvements de circulation obéit à la même règle, à savoir à la
même succession de couleurs de feu. Cependant, dans le cadre
de la commande des flux de circulation, le jaune n’est pas con-
sidéré car il fait partie du temps du vert effectif. Ainsi, nous con-
sidérons une intersection isolée biphasée avec feux contrôlables
à chaque tronçon.
L’intersection est une zone où plusieurs flux partagent un es-
pace conflictuel représenté par le rectangle gris dans la Fig.1.
Cet espace n’autorise pas le passage concomitant d’au moins
deux flux de circulation notés flux concurrents. Nous prenons
en compte un temps inter-véhiculaire minimum de p entre les
véhicules appartenant au même flux. Les accès successifs au
carrefour par deux véhicules appartenant à deux flux différents
sont séparés par un intervalle temporel s différent de p. Évidem-
ment, par mesure de sécurité et à cause des temps de freinages
et d’accélération p < s.
Dans la suite, nous nous intéressons seulement à deux flux
concurrents. Chaque flux provient d’un tronçon a une seule
voie. L’intersection possède un système de régulation qui com-
munique avec l’équipement embarqué du véhicule. Lorsque
le véhicule accède à une concurrente, l’équipement embar-
qué informe le système de régulation en fonction de la vitesse
autorisée sur le temps nécessaire au véhicule pour approcher
l’espace conflictuel.
Rue 2
111111111
000000000
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
Rue 1
communication entre véhicules
et le contrôle à l’intersection
Fig. 1. Intersection élémentaire schématisée
Soient Cj le temps d’évacuation du véhicule j (= le temps où
véhicule j traverse l’intersection), rj son temps d’arrivée avec
1 ≤ j ≤ n, n étant le nombre de véhicules dans la zone de
contrôle.
Dans nos travaux précédents [9], nous avons proposé la pro-
grammation dynamique pour minimiser le temps d’évacuation
de tous les véhicules dans une intersection similaire. Il s’agit
formellement de calculer:
min{max Cj }
Les résultats de simulation ont montré que l’approche pro-
posée améliore efficacement les performances d’une intersec-
tion élémentaire. Dans la suite, nous abordons une situation plus
compliquée. Il s’agit de considérer des véhicules avec des poids
différents afin de distinguer les véhicules prioritaires (comme
les ambulances, les voitures de police ou les véhicules propres)
des véhicules ordinaires. Afin de privilégié les véhicules pri-
oritaires, l’objectif de la commande n’est pas seulement de ré-
duire le temps d’évacuation de tous les véhicules dans les rues en
amont, mais aussi de minimiser le temps d’attente des véhicules
particuliers. Par conséquent, deux critères de performance sont
à prendre en compte, ce qui nous conduit à traiter un problème
d’optimisation multicritère.
[12] présente trois approches pour résoudre les problèmes
multicritères: priori optimisation, interactive optimisation et
posteriori optimisation. Les deux dernières méthodes supposent
l’interaction avec le décideur pour effectuer respectivement un
choix intermédiaire et définitif. Compte tenu des contraintes
de calculs, la méthode priori optimisation est la plus adaptée à
la régulation. En effet, le système de régulation doit proposer
une seule solution en un temps court. La méthode priori opti-
misation concatène deux critères f et g en une seule fonction
objective composite notée F . F peux être linéaire, par exem-
ple, F = αf + βg où α et β sont les coefficients qui indiquent
l’importance des critères f et g. L’application de l’approche pri-
ori optimisation donne la fonction objectif ci-dessous:
X
min{α wj · Tj + β max Cj } (2)
1≤j≤n
où Tj le temps d’attente du véhicule j, tel que Tj = Cj − rj
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
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
des véhicules importants, à savoir wj . On donne un poids plus
grand pour les véhicules urgents. Par exemple, les ambulances
peuvent bénéficier d’un poids plus important que celui attribué
aux véhicules propres.
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
l’intersection présentée dans la Fig.1.
A. Modéle Réseau du Petri
Ce modèle représente, d’une part,le systèmes de signalisation
et d’autre part, les mouvements des véhicules. Il est composé
de trois parties: R1, R2 et Gestion des feux. R1 et R2 décrivent
respectivement le comportement des véhicules venant des rues
1 et 2 lorsqu’ils traversent l’intersection. La partie centrale con-
cerne les comportements admissibles par le système en termes
de commande de feux.
pi représente le temps minimal inter véhicule entre les
véhicules venant de la rues i. Ce temps est estimé en fonction
des normes de sécurité et de la géométrie de l’infrastructure. Si
un jeton est présent dans la place P1 , cela signifie qu’un véhicule
(1)
provenant de la rue1 traverse l’intersection. Il en est de même
pour la place P2 en ce qui concerne les véhicules provenant de
e-STA copyright 2009 by see
Volume 6, N°1, pp 29 - 35

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
à traverser l’intersection jusqu’à la date t; le
temps où le kème véhicule est prêt à traverser
l’intersection
vi (t), vi (k) le nombre de véhicules qui ont quitté
l’intersection jusqu’à la date t; le temps
où le kème véhicule de la rue i accède à
l’intersection
xi (t), xi (k) le nombre de véhicules qui ont traversé
l’intersection jusqu’à la date t; le temps où
le kème véhicule permet à d’autres véhicules
de la rue i passer par l’intersection
pi temps de sécurité pour véhicules provenant de
la rue i
si−j temps de rouge intégral succédant à une phase
de vert pour la rue i et précédant une phase de
vert pour la rue j
vi−j la date de début de la kème phase de rouge
intégral succédant à une phase de vert pour la
rue i et précédant une phase de vert pour la
rue j
xi−j la date de fin de la kème phase de rouge inté-
gral succédant à une phase de vert pour la rue
i et précédant une phase de vert pour la rue j
Sous les contraintes suivants:

vi (k) ≥ 0


 vi (k) ≥ ui (k)


vi (k ′ + 1) − vi (k ′ ) ≥ pi , pour k ′ ∈ [1, ni − 1]
|vi (ki ) − vj (kj )| ≥ s, pour ki ∈ [1, ni ], kj ∈ [1, nj ] et




i 6= j, i, j ∈ [1, 2]

IV. RÉSOLUTION DU PROBLÈME
Nous proposons comme dans les travaux précédents une ap-
proche basée sur la programmation dynamique. Cette approche
garantit l’optimalité dans le cadre de la minimisation du temps
d’évacuation des véhicules [13]. Pour généraliser cette approche
au problème multicritère (3), nous procédons à la définition de la
fenêtre de temps admissible. Ceci nous permet de limiter notre
espace de recherche.
A. Programmation dynamique
D’abord, rappelons le principe de l’algorithme programma-
tion dynamique. Il s’agit d’un algorithme qui décompose le
problème d’origine en sous problèmes. La solution optimale
du problème origine contient des solutions optimales aux sous
problèmes. Chaque sous-problème est décomposé à son tour de
la même manière jusqu’à l’arrivée au traitement de l’ensemble
des sous problèmes élémentaires.
Supposons que le problème posé est de traiter n arrivées de
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
• à la kème arrivée du véhicule
• le dernier véhicule traverse l’intersection à l’instant tk
• le coût de cette traversée est évalué à fk
Puisque le dernier véhicule traité est k, le coût F (k, tk ) peut
être exprimé de la manière suivante:
F (k, tk ) = F (k − 1, tk−1 ) + fk
où tk−1 < tk . Ainsi, F (k, tk ) peut être décomposé en sous-
problèmes de F (k − 1, tk−1 ). De la même manière, pour ré-
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
du problème F (k − 2, tk−2 ). Cette décomposition se pour-
suit jusqu’au problème F (1, t1 ). Le problème F (1, t1 ) peut
être facilement traité. Ensuite, en inversant le processus de dé-
composition, on obtient l’ordre de passage des véhicules pour le
problème F (k, tk ).
A partir de ce principe, nous définissons dans ce qui suit la
formulation des sous-problèmes traités. Soient les notations du
tableau II. Soit G(q1 , q2 , g, t) le coût de la commande des feux
quand nous avons q1 véhicules dans la rue 1 et q2 véhicules dans
la rue concurrente, sous les contraintes suivantes:
• Le dernier véhicule qui passe l’intersection appartient à la rue
g problème est déja déterminé.
• Le temps d’évacuation de ces véhicules est égal à t ∈ T . Bien
évidemment t est le temps mesuré lorsque le dernier véhicule
traverse l’intersection
• t ≥ r(g,qg ) ; Sinon G(q1 , q2 , g, t) = ∞
T est la fenêtre de temps admissible pour t.
Avant de présenter la stratégie de commande, nous utilisons
les variables et les unités présentées dans le tableau II. Pour
résoudre le problème, nous avons besoins, à chaque seconde,
des informations sur la situation du trafic, comme le nombre de
véhicules sur chaque route, le temps d’arrivée des véhicules et
ainsi de suite.
TABLE II
N OTATIONS
variable définition
g l’indice de la rue, g = 1, 2
ng le nombre de vehicule dans la rue g
(g, qg ) le qg ème vehicule dans la rue g, 1 ≤ qg ≤ ng
r(g,qg ) le temps d’arrivée du véhicule (g, qg )
p le temps inter-véhiculaire minimal admis pour
sécurité
w(g,qg ) le poids du véhicule (g, qg )
s l’intervalle de temps séparant les accès succes-
sifs au carrefour par deux véhicules appartenant
à deux flux différents
Le processus de décomposition récursive est donné comme
suit:
Pour chaque élément G(q1 , q2 , g, t),
G(q1 , q2 , g, t) = min {G(q1′ , q2′ , g ′ , t′ )}
′t ∈T (4)
+α · w(g,qg ) · {t − r(g,qg ) } + β · t
où qf′ = qf pour f 6= g, qg′ = qg − 1; et
t − p, pour g ′ = g

′
t ≤
t − s, pour g ′ 6= g
La solution optimale est:
min{G(n1 , n2 , 1, t1 ), G(n1 , n2 , 2, t2 )} (5)
où t1 , t2 ∈ T , t1 ≥ r(1,n1 ) et t2 ≥ r(2,n2 ) .
On décrémente systématiquement les valeurs de q1 et q2 dans
l’équation de récurrence (4), jusqu’à ce qu’ils atteignent les sous
problèmes élémentaires avec q1 = 1 ou 0 et q2 = 0 ou 1. On les
appelle les états initiaux de la récursivité.
L’initialisation est nécessaire avant de commencer le proces-
sus de décomposition qui s’arrête lorsqu’il ne reste qu’un seul
véhicule sur la route.
Pour notre problème, il y a deux cas qui peuvent être con-
sidérés comme initiaux: G(1, 0, 1, t1 ),G(0, 1, 2, t2 ) avec t1 ≥
r(1,1) et t2 ≥ r(2,1) . Évidement, il y a un seul élément appar-
tenant à chaque cas. Cela signifie que le coût de chaque sous-
Pour G(1, 0, 1, t1 ) et G(0, 1, 2, t2 ),

G(1, 0, 1, t1 ) = α · w(1,1) · (t1 − r(1,1) ) + β · t1
(6)
G(0, 1, 2, t2 ) = α · w(2,1) · (t2 − r(2,1) ) + β · t2
Le lecteur constate que G(0, q2 , 1, t) et G(q1 , 0, 2, t) (où q1 ∈
[1, n1 ] et q2 ∈ [1, n2 ]) ne sont pas détaillés. En effet, ces deux
cas ne sont pas possibles car ils comportent une contradiction.
Prenant par exemple G(1, 0, 2, t), d’une part, il indique qu’il n’y
a pas de véhicule sur la route 2 et, d’autre part, il désigne que
le dernier véhicule qui traverse l’intersection provient de cette
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
suivante:

G(0, q2 , 1, t) = ∞
(7)
G(q1 , 0, 2, t) = ∞
B. Définition de la fenêtre de temps T
Dans cette partie, nous traitons du temps d’évacuation en
généralisant le lemme proposé par Baptiste [14]. L’objectif est
de proposer la borne inférieure tmin du temps t et la borne
supérieure tmax du temps t pour réduire le nombre des éléments
en T .
Lemme 1. Le temps autorisé pour traverser l’intersection t
est dans l’ensemble:
T = {rj + µp + νs, j ∈ [1, n], µ ∈ [0, n − 1], ν ∈ [0, n − 1]}
Preuve. Supposons que le dernier véhicule des véhicules
1, . . . , k traverse l’intersection au temps rj + µp + νs, où
j ∈ [1, k], µ ∈ [0, k − 1], ν ∈ [0, k − 1]. En fonction de la
présence du véhicule suivant, nous avons seulement deux cas
possible. Le véhicule suivant est prêt à traverser l’intersection
immédiatement après le dernier kème véhicule, ce qui est noté
e-STA copyright 2009 by see
Volume 6, N°1, pp 29 - 35

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

– sinon Le lemme 1 nous donne:

rj + µp + (ν + 1)s
• Cas 2: Le temps où k + 1 commence à traverser l’intersection T = {rj + u · p + v · s, j ∈ [1, 4], u ∈ [0, 3], s ∈ [0, 3]}
est rk+1 . = [0, 28]
Selon les deux cas, le lemme est valide pour le véhicule k + 1.
2 Les propriétés 1 et 2 nous informent:
tmin = (n1 + n2 − 2)p + s = 9
Propriété 1. La borne inférieure tmin = (n1 + n2 − 2)p + s. tmax = max{rj } + (n − 1)s = 22
Preuve. Supposons que tous les véhicules arrivent à Donc, T = [9, 22]
l’intersection en même temps 0s. Tous les véhicules peuvent Pour chaque t ∈ T , le processus de décomposition du prob-
passer l’intersection l’un après l’autre en respectant la distance lème en sous-problèmes organisées sous la form d’un arbre bi-
inter-véhiculaire p, ce qui fait (n1 + n2 − 2)p. Le nombre min- naire est montré dans la Fig. 5.
imal de changement des feux est 1, ce qui impose l’addition du La commande P optimale est représentée dans la Fig.4 avec
temps s. 2 maxCj = 12s et wj · Tj = 18.

Propriété 2. La borne supérieure tmax = max{rj } + (n1 +

n2 − 1)s Rue 1

Preuve. Supposons le premier véhicule traverse l’intersection

au temps max{rj }. Le nombre maximal de changement de feux
est n1 + n2 − 1. Donc, le dernier véhicule passe au temps: Rue 2

tmax = max{rj } + (n1 + n2 − 1)s

2 0 2 4 6 8 10 t(s)

La complexité temporelle de l’algorithme est donnée par : véhicule orinaire

théorème 1. : véhicule prioritaire

Théorème 1. La complexité temporelle de l’algorithme est

Fig. 3. Temps d’arrivée
en O(n2 max{max{rj }, n}), où n est le nombre de véhicules.
Preuve.
1
0
• Selon propriétés 1 et 2, le nombre de l’ensemble T est tmax − 0
1
0
1
0
1
tmin + 1, ce qui fait max{rj } + (n − 2) × (s − p) + 1 = 0
1
0
1
00000000000000000000000
11111111111111111111111
00000000000000000000000
11111111111111111111111 0
1
Rue 1
00000000000000000000000
11111111111111111111111 0
1
0
1
O(max{max{rj }, n}); 0
1
0
1
0
1
• le nombre de tout les problèmes G(q1 , q2 , g, t) pour un t pré- 0
1
0
1
0
1
0
1
cis [13] est O(n2 ); 00000000000
11111111111 00000000000
11111111111
0
1
0
1
Rue 2 00000000000
11111111111 00000000000
111111111110
1
00000000000
11111111111 0
1
000000000001
11111111111
• le nombre de tout les problèmes G(q1 , q2 , g, t) est: 0
0
1
0
1
O(n2 max{max{rj }, n}). 0
1
0
1
0
1
0
1
2 0
1
0
1
0
1
0
1
0 2 4 6 8 10 12 14 t(s)
C. Exemple
11111
00000
00000
11111
Nous présentons un petit exemple numérique pour illustrer 00000:
11111
00000
11111
feux rouge
l’algorithme. Les valeurs des paramètres de l’exemple sont
Fig. 4. Ordre de passage optimal
présentées ci-dessous:
Il y a 4 véhicules dans la rue. Les temps de leurs ar-
rivées sont indiqués dans la Fig.3. Chaque véhicule admet V. P ROCESSUS DE COMMANDE DES FEUX
2s d’espace inter-véhiculaire minimal (correspondant àla régle-
mentation actuelle). Dans le processus de la commande des feux, il est possi-
 ble d’utiliser l’algorithme dans IV et l’algorithme proposé dans
p = 2, s = 5; [9] qui utilise la programmation dynamique pour minimiser le
α = 0.8, β = 0.2 temps d’évacuation de tous les véhicules.
e-STA copyright 2009 by see
Volume 6, N°1, pp 29 - 35

Optimal
Cycle fixe
20 Notre methode

(2, 2, 1) (2, 2, 2)

Temps d’attent moyen [s]

15

(1, 2, 1) (1, 2, 2) (2, 1, 1) (2, 1, 2) 10

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)

Fig. 7. Temps d’attente moyen

Fig. 5. Décomposition du prolème pour t précis

Lorsqu’un nouveau véhicule arrive dans la zone du contrôle, Cycle fixe

9
l’algorithme recalcule la stratégie optimale. Premièrement, il Notre methode

Longueur de la fille d’attente moyen [veh]

faut juger si les véhicules arrivés sont des véhicules prioritaires. 8

En absence de véhicules prioritaire, on choisit l’algorithme 7

avec l’objectif min{maxCj } pour obtenir la stratégie opti- 6
male. PEn leur présence, on choisit l’algorithme avec l’objectif
5
min{ wj · Tj + maxCj } de manière à obtenir une stratégie
optimale. 4

Si aucun véhicule se présente, le processus de commande 3

continue la planification adoptée précédemment. 2

0
N 0 0.1 0.2 0.3 0.4 0.5
nouveau véhicle? Somme de debit [veh/s]

Y Fig. 8. Longueur de la file d’attente moyen

N Y P
min{ wj · Tj
min{maxCj } véhicle prioritaire?
+maxCj }

conséquent, l’accélération, le freinage et temps de réaction du

Commande Optimale
Fig. 6. Commande du trafic aux niveau de l’intersection
VI. R ÉSULTATS DE S IMULATION
Dans cette section, nous présentons les résultats de simulation
pour la commande des feux d’une intersection simple. Nous
utilisons VISSIM pour simuler le comportement des véhicules.
Les simulations sont effectuées sur un Pentium IV 2.40 Ghz.
Le débit de la rue 1 est λ1 véh/s (nombre de véhicules par sec-
onde) et celui de la rue 2 est λ2 véh/s. Ces deux débits doivent
satisfaire la condition suivante : 0 < λ1 + λ2 < 0.5 véh/s.
l’approche traditionnelle basée sur les débits [15] est comparée
à notre approche.
Nous supposons que les arrivées des véhicules obéissent la
distribution de Poisson. Nous appliquons le modèle de mou-
vement véhiculaire présenté dans le modèle suivant [15]. Par
conducteur (≈ 1s) sont détenues pour la simulation.
La durée de la simulation est 4 minutes. On évalue la perfor-
mance par deux critères: le temps d’attente moyen et la longueur
moyenne de la file d’attente. Chaque point dans cette figure
représente la moyenne des valeurs de plusieurs simulations.
Fig.7 montre le temps d’attente moyen par véhicule dans les
deux rues. On constate que notre méthode réduit efficacement
les temps d’attente moyens. Les résultats du nombre moyen de
véhicules en attente à chaque seconde sur les deux rues sont
montrés dans Fig.8. Lorsque le débit est inférieur à 0.3 véh/s,
les longueurs moyenne de file d’attente de deux méthodes sont
presque le même, cependant, lorsque le débit augmente, notre
méthode offre un meilleur rendement.
Ces expériences prouvent que notre approche peut efficace-
ment réduire le temps d’attente des véhicules dans les deux rues.
Ainsi, notre approche permet d’évacuer les véhicules le plus tôt
possible, ce qui est évident car le modèle est plus précis.
Ces expériences prouvent que notre approche peut efficace-
ment réduire le temps d’attente des véhicules dans les deux rues.
Ainsi, notre approche permet d’évacuer les véhicules le plus tôt
plus possible, ce qui est évident car le modèle est plus précis.
e-STA copyright 2009 by see
Volume 6, N°1, pp 29 - 35

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.