Modélisation macroscopique, estimation de la demande et prédiction du flux pour les systèmes de transport intelligents
Directeur de thèse : Carlos CANUDAS-DE-WIT
Encadrant : Alain KIBANGOU
École doctorale : Electronique, electrotechnique, automatique, traitement du signal (EEATS)
Spécialité : Automatique et productique
Structure de rattachement : Grenoble-INP
Établissement d'origine :
Financement(s) : Bourse attribuée par un organisme
Date d'entrée en thèse : 18/04/2011
Date de soutenance : 03/07/2014
Composition du jury :
M., Habib Haj-Salem Directeur de Recherche IFFSTAR (France),Rapporteur
M., Hassane Abouaissa Maitre de conférences HDR, Université d'Artois (Béthune, France), Rapporteur
M., Christophe Berenguer Professeur Université de Grenoble-INP, (Grenoble, France), Examinateur
M., Gildas Besançon Professeur Université de Grenoble-INP, (Grenoble, France), Examinateur
M., Fabien Moutarde Maitre de conférences HDR, Ecole de Mines, (Paris, France), Examinateur
M., Alain Kibangou Maitre de conférences Université Joseph Fourier, Chaire CNRS(Grenoble, France),Co-encadrant
Résumé : Dans le cadre des systèmes de transport intelligents (ITS), cette thèse concerne la conception d’une méthodologie de prédiction, en temps réel et pour différents horizons, du temps de parcours à partir des données de vitesse et de débit d’une route instrumentée. Pour atteindre cet objectif, deux approches sont considérées dans cette thèse. La première approche, dite « sans modèle », utilise exclusivement des mesures de vitesse. Grâce à l'utilisation astucieuse des données historiques, nous avons résolu le problème de prédiction comme étant un problème de filtrage. Pour ce faire, des données historiques sont utilisées pour construire des pseudo-observations qui alimentent un filtre de Kalman adaptatif (AKF). Sous une hypothèse de Gaussianité, les statistiques du bruit de processus sont estimées en temps-réel, tandis que les statistiques du pseudo-bruit d'observation sont déduites des données historiques adéquatement classées. La seconde approche, dite 'basée-modèle'', utilise principalement des mesures de débit et de vitesse. Contrairement à la précédente approche où la résolution spatiale est fixée par l'emplacement des capteurs, une discrétisation spatiale plus fine est considérée. Celle-ci s'avère possible grâce à l'utilisation du modèle CTM (Cell Transmission Model). Un observateur d'état commuté, de type Luenberger, permet d'estimer les états internes (densités des cellules). En utilisant uniquement les prédictions des débits des conditions frontières via une approche de type AKF similaire à celle développée dans la première approche, le modèle CTM contraint permet de prédire les densités des cellules et d'en déduire les vitesses et le temps de parcours. Les méthodes développées ont été validées expérimentalement en considérant la rocade sud grenobloise comme cas d'étude. Les résultats montrent que les deux méthodes présentent de bonnes performances de prédiction. Les méthodes proposées performent mieux que celles basées sur une utilisation directe des moyennes historiques. Pour l’ensemble des données considérées, l’étude a également montré que l’approche 'basée modèle' est plus adaptée pour des horizons de prédictions de moins de 30 min.
