Algorithme de Dijkstra
MรTHODOLOGIE
Ce deuxiรจme chapitre aborde les approches mรฉthodologiques ร la base du dรฉveloppement du modรจle mathรฉmatique permettant la simulation dโun rรฉseau intelligent dรฉdiรฉe ร lโopรฉration des vรฉhicules PRT. La premiรจre partie prรฉsente la structure du modรจle qui permet la simulation de dรฉplacements de vรฉhicules dans un rรฉseau. Une fois le modรจle prรฉsentรฉ la deuxiรจme partie prรฉsente les paramรจtres qui le composent ainsi que les indicateurs de performances ร relever qui serviront aux analyses. Enfin le modรจle sera รฉtudiรฉ au travers de plusieurs scรฉnarios qui seront exposรฉs en troisiรจme partie.
Modรจle dynamique
Le modรจle doit rรฉpondre ร certaines spรฉcifications de base quโil est important dโexpliciter ci aprรจs. Le raisonnement ainsi que la mรฉthodologie permettant au modรจle de rรฉaliser les attentes du cahier des charges sera ainsi dรฉveloppรฉ.
Structure du modรจle dynamique des dรฉplacements individuels en milieu urbain
Afin de sโintรฉresser aux dรฉplacements et aux comportements de capsules au sein dโun rรฉseau il faut รฉtablir un modรจle. Ce modรจle doit rรฉpondre ร certaines exigences qui seront รฉtablies ci-aprรจs. Le modรจle doit รชtre capable de simuler les dรฉplacements et la gestion de vรฉhicules PRT dans un rรฉseau dรฉfinit tout en rรฉpondant au besoin de mobilitรฉ exprimรฉ sous la forme dโune matrice Origine Destination (Matrice OD) tel quโexprimรฉ ร la Figure 2.1.La structure du modรจle permet ainsi de simuler par itรฉrations lโรฉtat du systรจme modรฉlisรฉ. La simulation se dรฉfinit par une phase dโinitiation suivie dโune boucle de n itรฉrations tel quโillustrรฉ ร la Figure
Le modรจle est dรฉveloppรฉ sous Matlab (R2010b)
La Figure 2.1 correspond ร un schรฉma bloc ou schรฉma fonctionnel, il permet de visualiser les entrรฉes et les sorties ainsi que les paramรจtres qui peuvent influencer la rรฉponse. La Figure 2.2 quant ร elle dรฉcrit concrรจtement le dรฉroulement dโune simulation. A chaque phase de ce schรฉma correspond une fonction mathรฉmatique, ce schรฉma reprend donc la logique du code du modรจle. Le Tableau 2.1 prรฉsente la description de toutes ces phases.
Algorithmes
La 1รจre phase de rรฉpartition correspond ร la rรฉpartition instantanรฉe, c’est-ร -dire que si un utilisateur demande un vรฉhicule et quโil y en a un de libre ร cette mรชme station ce vรฉhicule lui sera attribuรฉ automatiquement et instantanรฉment. Cependant la 2รจme phase de rรฉpartition correspond au cas oรน une capsule doit รชtre amenรฉe dโun autre nลud pour rรฉpondre ร la demande de lโutilisateur. Deux faรงons de rรฉpartir les vรฉhicules seront รฉtudiรฉes correspondants ร deux algorithmes diffรฉrents, lโune dite ยซ rรฉpartition รฉvidente ยป et lโautre basรฉe sur lโalgorithme de colonie de fourmis.
La rรฉpartition ยซ รฉvidente ยป envoie les vรฉhicules les plus proches, les demandes ne sont pas considรฉrรฉes comme un ensemble mais individuellement. La 1ere demande recevra la capsule la plus proche, puis la 2รจme etc. Lโalgorithme qui sera utilisรฉ dans le modรจle est une lรฉgรจre modification de lโalgorithme de base de colonie de fourmis, cependant la seule diffรฉrence provient dans la construction de la matrice des distances. Lโalgorithme est donc identique mais la matrice des distances, au lieu dโรชtre la distance entre toutes les villes comme dans le problรจme du voyageur de commerce, il sโagit de la distance entre les capsules et les nลuds.
Lโalgorithme de colonie de fourmis permet quant ร lui de considรฉrer toutes les demandes en tant quโensemble. Lโalgorithme prรฉsentรฉ dans la partie 1.3.3du mรฉmoire est lโalgorithme de base appliquรฉ au problรจme du voyageur de commerce. Ici le problรจme est lรฉgรจrement diffรฉrent. En effet, lors du problรจme du voyageur de commerce la matrice des distances exprime celles qui sรฉparent les villes les unes des autres, tandis que dans le cas qui nous occupe, cette matrice exprime la distance entre les capsules libres et les demandes individuelle, telle que :
Soit OD : lโensemble des demandes
A : lโensemble des capsules disponibles
D : la matrice distance ayant pour รฉlรฉment di,j
Cโest cette matrice D qui est utilisรฉe dans les simulations. De plus lโalgorithme de colonie de fourmis est dรฉpendant de plusieurs paramรจtres qui ont รฉtรฉ dรฉfinis dans lโรฉtat des connaissances (Tableau 2.2).Le nombre dโitรฉrations dรฉpend de la complexitรฉ du problรจme et doit รชtre soumis ร un calibrage. Cet algorithme รฉtant un algorithme dโoptimisation qui ne renvoie pas forcรฉment la solution optimale mais une rรฉponse qui sโen approche. Comme pour tout algorithme dโoptimisation il est nรฉcessaire de calibrer afin dโavoir un bon compromis entre la pertinence des rรฉsultats et le temps de calcul.
Pour une matrice de distance donnรฉe, le minimum absolu est recherchรฉ. Pour cela lโalgorithme est calibrรฉ plusieurs fois et avec de nombreuses itรฉrations avant dโarriver ร un consensus de rรฉsultats. Une fois le minimum trouvรฉ, on garde la mรชme matrice des distances et lโalgorithme est calibrรฉ pour donner des rรฉsultats en moyenne ร 10% de ce rรฉsultat minimum sans jamais donner un rรฉsultat aberrant c’est-ร -dire un rรฉsultat dรฉpassant les 20% du rรฉsultat minimum. Si pour un certain nombre dโitรฉrations lโalgorithme renvoi en moyenne des rรฉsultats en dessous de 10% mais que une des simulations renvoi un rรฉsultat aberrant dรฉpassant les 20% alors lโalgorithme ne sera pas considรฉrรฉ comme viable. Ces critรจres ont รฉtรฉ dรฉfinis de faรงon arbitraire. Enfin ร chaque fois quโun vรฉhicule se dรฉplace dโun nลud ร lโautre lโalgorithme de Dijkstra voir Figure-A I-18 en annexe est utilisรฉ pour calculer le meilleur trajet.
Il existe plusieurs faรงons de redistribuer les capsules libres et ร chaque type de redistribution, un algorithme qui exรฉcute cette redistribution. La liste des diffรฉrents types de redistribution possible ainsi que leur description est prรฉsentรฉe au Tableau 2.3.
Plusieurs algorithmes ont รฉtรฉ utilisรฉs afin de crรฉer le modรจle dynamique de gestion et de dรฉplacement des vรฉhicules afin de rรฉpondre aux besoins individuels. Le Tableau 2.4 prรฉsente une synthรจse de ces algorithmes ainsi que de la fonction ร laquelle ils sont attribuรฉs
Matrice Origine Destination (Matrice OD)
La matrice OD exprime une demande qui est caractรฉrisรฉe par un nลud ยซ Origine ยป et un nลud ยซ Destination ยป. Ces matrices OD sont gรฉnรฉrรฉes alรฉatoirement suivant un scรฉnario de profils des demandes. Le scรฉnario dรฉtermine si un nลud peut รชtre ยซ Origine ยป et/ou ยซ Destination ยป mais il nโy a pas de pondรฉrations quant ร la probabilitรฉ pour un nลud dโรชtre origine ou destination. Chaque nลud, sโil est dรฉfini comme ยซ Origine ยป possible, a autant de chance quโun autre nลud dโรชtre ยซ Origine ยป. Un nลud aura un nombre diffรฉrent de demandes ร chaque simulation due au caractรจre alรฉatoire de la simulation. รvidemment, si un seul nลud est dรฉfini comme ยซ Origine ยป possible ou ยซ Destination ยป possible ce nลud le sera pour toutes les demandes. Une demande ne peut avoir la mรชme origine que sa destination. Le modรจle introduit volontairement une dimension alรฉatoire. C’est-ร -dire quโentre deux simulations qui ont comme mรชme variable, mรชme scรฉnario et mรชmes conditions initiales, la matrice OD sera diffรฉrente et donc la rรฉaction du modรจle aussi. Par exemple, dans les Figure 2.3 et Figure 2.4, la rรฉpartition des nลuds origines entre deux simulations pour le scรฉnario 4 est diffรฉrente.
|
Table des matiรจres
INTRODUCTION
CHAPITRE 1 รTAT DES CONNAISSANCES
1.1 Mobilitรฉ urbaine
1.1.1 Histoire des transports de lโaprรจs-guerre ร de nos jours
1.1.2 Limites et problรจmes des transports en commun et individuels
1.1.3 La situation canadienne et montrรฉalaise
1.2 Nouvelles approches de la mobilitรฉ
1.2.1 La naissance des transports cybernรฉtiques (ou PRT)
1.2.2 Lโhรฉritage des PRT : les projets actuels et futurs
1.3 Modรจle de conception
1.3.1 Matrice Origine-Destination
1.3.2 Algorithme de Dijkstra
1.3.3 Algorithme de colonie de fourmis
CHAPITRE 2 MรTHODOLOGIE
2.1 Modรจle dynamique
2.1.1 Structure du modรจle dynamique des dรฉplacements individuels en milieu urbain
2.1.2 Algorithmes
2.1.3 Matrice Origine Destination (Matrice OD)
2.2 Paramรจtres, variables et critรจres de performance associรฉs
2.2.1 Structure du rรฉseau
2.2.2 Paramรจtres des scรฉnarios de simulation
2.2.3 Indicateurs de performance
2.3 Scรฉnarios
2.3.1 Profil des demandes
2.3.2 Analyse de la performance des modes opรฉratoires
de la flotte de vรฉhicules
CHAPITRE 3 RรSULTATS
3.1 Construction de la matrice des distances
3.2 Calibrage de lโalgorithme de colonie de fourmis
3.3 Analyse des modes de gestion des vรฉhicules
3.3.1 Capacitรฉ
3.3.2 Intรฉrรชt dโun rรฉseau intelligent
3.3.3 Comportement du systรจme face ร diffรฉrents types de redistribution
3.4 Comparaison entre les scรฉnarios
CHAPITRE 4 DISCUSSION
4.1 Lโinfluence entre les capsules
4.2 Les scรฉnarios
4.3 Application dans la rรฉalitรฉ
4.3.1 Comparaison entre la capacitรฉ dโun PRT et dโune rame de mรฉtro
4.3.2 Possibilitรฉ dโapplication dโun tel systรจme
4.3.3 Efficacitรฉ รฉnergรฉtique
CONCLUSION
ANNEXE I Prรฉsentation des algorithmes de utilisรฉs dans le modรจle dynamique
ANNEXE II Rรฉsultats de tous les scรฉnarios
BIBLIOGRAPHIE
Tรฉlรฉcharger le rapport complet