Traffic state estimation and prediction in freeways and urban networks

Andres Ladino Lopez 1, 2
2 NECS - Networked Controlled Systems
Inria Grenoble - Rhône-Alpes, GIPSA-DA - Département Automatique
Résumé : La centralisations du travail, la croissance économique et celle de la population autant que l’urbanisation continue sont les causes principales de la congestion. Lors que les villes s’efforcent pour mettre à jour leurs infrastructures du trafic, l’utilisation de nouvelles techniques pour la modélisation, l’analyse de ces systèmes ainsi que l’intégration des mega données aux algorithmes aident à mieux comprendre et combattre les congestions, un aspect crucial pour le bon développement de nos villes intelligentes du XXIe siècle. Les outilsd’assistance de trafic spécialement conçus pour détecter, prévoir et alerter des conditions particulières sont très demandés dans nos jours.Cette recherche est consacrée au développement des algorithmes pour l’estimation et la prédiction sur des réseaux de trafic routier. Tout d’abord, nous considérons le problème de prévision à court terme du temps de trajet dynamique basé sur des méthodes pilotées par les données. Nous proposons deux techniques de fusion pour calculer les prévisions à court terme. Dans un première temps, nous considérons la matrice de covariance d’erreur et nous utilisons ses informations pour fusionner les prévisions individuelles créées á partir de clusters. Dans un deuxième temps, nous exploitons les mesures de similarité parmi le signal á prédire et des clusters dans l’histoire et on propose une fusion en tant que moyenne pondérée des sorties des prédicteurs de chaque cluster. Les résultats des deux méthodes on été validés dans le Grenoble Traffic Lab, un outil en temps réel qui permet la récupération de données d’une autoroute d’environ (10.5Km) qui couvre le sud de Grenoble.Postérieurement nous considérons le problème de reconstruction de la densité / et le débit de façon simultanée à partir de sources d’information hétérogènes. Le réseau de trafic est modélisé dans le cadre de modèles de trafic macroscopique, où nous adoptons l’équation de conservation Lighthill-Whitham-Richards avec un diagramme fondamental linaire par morceaux. Le problème d’estimation repose sur deux principes clés. Dans un premier temps, nous considérons la minimisation des erreurs entre les débits et les densités mesurés et reconstruits. Finalement, nous considérons l’état d’équilibre du réseau qui établit la loi de propagation des flux entrants et sortants dans le réseau. Tous les principes sont intégrés et le problème est présenté comme une optimisation quadratique avec des contraintes d’égalité a fin de réduire l’espace de solution des variables à estimer. Des scénarios de simulation basés sur des données synthétiques pour un réseau de manhattan sont fournis avec l’objectif de valider les performances de l’algorithme proposé.
Type de document :
Thèse
Automatic Control Engineering. Université Grenoble Alpes, 2018. English. 〈NNT : 2018GREAT016〉
Liste complète des métadonnées

https://tel.archives-ouvertes.fr/tel-01867240
Contributeur : Abes Star <>
Soumis le : mardi 4 septembre 2018 - 10:35:07
Dernière modification le : vendredi 21 décembre 2018 - 10:34:02
Document(s) archivé(s) le : mercredi 5 décembre 2018 - 13:23:55

Fichier

LADINO_LOPEZ_2018_diffusion.pd...
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01867240, version 1

Collections

Citation

Andres Ladino Lopez. Traffic state estimation and prediction in freeways and urban networks. Automatic Control Engineering. Université Grenoble Alpes, 2018. English. 〈NNT : 2018GREAT016〉. 〈tel-01867240〉

Partager

Métriques

Consultations de la notice

233

Téléchargements de fichiers

176