Modlisation, systmes multi-agents et logique floue dans la rgularisation du rseau de transport collectif de Montbliard
Sad HAYAT, Aziz SOULHI, Slim HAMMADI et Pierre BORNE
Plan de de la la prsentation prsentation Plan
Introduction Aide la dcision Problmatique des systmes de transport collectif
Approche propose : Systme flou daide la dcisio Processeur de fuzzification Simulations et rsultats Conclusion et perspectives
ntroduction IIntroduction
Assister les rgulateurs une matrise de la rgulation de traf
Assurer les correspondances dans les meilleures conditions,
Eviter lattente excessive des clients,
Amliorer la qualit de service,
Augmenter lattractivit vers les transports collectifs.
Introduction Aide la dcision Problmatique des systmes de transport collectif
Approche propose : Systme flou daide la dcision Processeur de fuzzification Simulations et rsultats Conclusion et perspectives
Aide ide la ladcision dcision A
Questce ceque quelaide laide la ladcision? dcision? Quest
Laide la dcision est lactivit de celui qui, prenant appui sur des modles clairement explicits mais non ncessairement compltement formaliss, aide obtenir des lments de rponses aux questions que se pose un intervenant dans un processus de dcision. [ROY 85]
Lesintervenants intervenantsdans dans la ladcision dcision Les
Dcideur Dcideur
Unique Unique
Multiple Multiple
Consensus Consensus
Conflit Conflit
Lesniveaux niveauxde dedcisions dcisions Les
[DOUMEINGT 98]
Lesniveaux niveauxde dedcisions dcisions Les
Stratgique : acquisition des ressources long terme
et investissements importants,
Tactique : planification moyen terme
certains paramtres,
et variations de
Oprationnel : activits quotidiennes un niveau dtaill
0 Modlesde dersolution rsolutiondu duproblme problmedaide daide la ladcision dcision Modles Mthodes exactes Mthodes approches
- Thorie des graphes, - Modles mathmatiques.
- Algorithmes gntiques, - Logique floue, - Systme expert.
Modlesde dersolution rsolutionoptimale optimale Modles
Thorie des graphes
Modles mathmatiques
Factuels Formels Constructifs
Modlesde dersolutions rsolutionsapproches approches Modles
Rgles de bon sens, Interprtation aise de la stratgie de dcision, Solution justifie par lexpertise humaine, Evaluation qualitative humaine, Processus gntique.
Systme expert expert Systme
Expert
Base de connaissances
Module d'Acquisition des Connaissances
Interface Acquisition
Cogniticien
Base de Faits
Module d'Explication
Interface Utilisateur
Utilisateur
Base de rgles
Moteur dinfrence
Avantages des des mthodes mthodes approches approches Avantages
Un excellent rapport entre :
La qualit des solutions obtenues, Le temps de calcul ncessaire, La facilit dimplmentation.
6 Introduction Aide la dcision Problmatique des systmes de transport collectif
Approche propose : Systme flou daide la dcision Processeur de fuzzification Simulations et rsultats Conclusion et perspectives
Problmatiques des des systmes systmes de de transport transport collectif collecti Problmatiques
Systmes dynamiques complexes, Exigences en terme de qualit de service, Exigences en terme de sret de fonctionnement, Dimension de rseau, Frquence dexploitation.
Problmatique des des nuds nuds de de correspondances correspondances Problmatique
Rgulateur
S.A.E.
Leslimites limitesdes desapproches approchesactuelles actuelles Les
Modles ne traduisant pas la ralit des phnomnes
en cours,
Hypothses de dpart : souvent simplificatrices et
rductrices,
Dcalage entre la thorie et les relles mises en places Difficult de matriser la stabilit.
Lintelligence artificielle artificielle Lintelligence
La puissance et la capacit de rsolution de problmes
complexes,
La simplicit et la souplesse dapplication,
la ralit des phnomnes en cours,
Modles traduisant
Hypothses de dpart bases sur la ralit.
2 Introduction Aide la dcision Problmatique des systmes de transport collectif
Approche propose : Systme flou daide la dcision Processeur de fuzzification Simulations et rsultats Conclusion et perspectives
Questce cequun quunmodle modleflou floudaide daide la ladcision? dcision? Quest
Un modle flou d aide la dcision est un processus de gnration de dcision en temps rel qui tient compte dun ensemble de connaissances de natures diffrentes, volutives, incertaines et incompltes :
Connaissances thoriques, Connaissances empiriques, Connaissances concrtes.
Quellecontribution contributionapporte apportela lalogique logiquefloue floue laide laide la la Quelle dcision? ? dcision Lintgration dans un mme modle des connaissances issues de responsables de lexploitation savoir :
Lexpertise thorique issue du bureau dtude et de mthode,
Lexpertise empirique que dtient lingnieur de simulation,
Lexpertise concrte que dtiennent les experts.
Modleflou floudaide daide la ladcision dcision Modle
CONNAISSANCES
C R IT E R E S DE D E C IS IO N S
, n ts e i l e c ... d bre e, etc m No chin ma
FUZZIFICATION
INFERENCE
REGLES DE D E C IS IO N S
Si C
DEFUZZIFICATION
on di tio .
Al or
PROPOSITION DES STRATEGIES
EVALUATION DES STRATEGIES
SUGGESTION DE STRATEGIES
sA ct io
OK
STRATEGIES OPERATIONNELLES
8 Introduction Aide la dcision Problmatique des systmes de transport collectif
Approche propose : Systme flou daide la dcision Processeur de fuzzification Simulations et rsultats Conclusion et perspectives
Fuzzification Fuzzification
Fuzzification du Retard/Avance
T Retard (t) Retard Avance
1
-3
Tt - Tr ( min)
Fuzzification Fuzzification
Fuzzification du nombre de clients
Ngligeable Moyen (Nc) 1 Important
5 Nombre de clients
Fuzzification Fuzzification
Fuzzification du moment de la journe (conditions de circulation
HP 1 (h)
HR= HP
HC
FS
8 9 10 11 12 13 14 15 16
17 18 19 20 Heure
Fuzzification Fuzzification
Fuzzification des classes de ralentissement
Negligeable Faible Moyen Important
(y) 1
y temps( min)
0 1 2 3 4 5 Tt - Tr
Autres paramtres paramtres Autres
Camionnettes, Chauffeurs disponibles, Autres moyens. Rguliers, Occasionnels.
Moyens de rserve Bus gars,
Evnements
Linfrence floue floue Linfrence
Extraction de connaissances,
Divers groupes de travail,
Divers scnarios, Validation et agrgation des rgles dinfrence
Aboutissement au module d infrence floue.
Linfrence floue floue Linfrence
Linfrence floue floue Linfrence
Si le bus amenant est en retard et le bus emportant est trs
en retard et le nombre de voyageurs est moyen et le moment de la journe est lheure creuse, alors le ralentissement du bus emportant est faible.
si le
bus amenant est en avance et le bus emportant est trs en retard et le nombre de voyageurs est moyen et le moment de la journe est lheure creuse, alors le ralentissement du bus emportant est moyen.
Linfrence floue floue Linfrence
A/R
Retard Retard T Rd
A/R
Avance Avance Retard Retard Avance
NV
Moyen Moyen Moyen Moyen Moyen
MO
HP FS HR HP HP
M I F Alors M
Si
T Rd T Rd
. . .
. . .
. . .
. . .
. . .
Linfrence floue floue Linfrence
X = ( X1, X 2,......... ........, Xn)
: Vecteur
dtat de linfrence floue.
A = Am , n
: Matrice caractristique de linfrence floue.
) C = (C1, C2,......... .......... ...,Cm
: Vecteur rsultat de linfrence floue.
R1 : si X1 est A11 et X2 est A12 ..et Xn est A1n alors y est C1 . . . Rm : si X1 est Am1 et X2 is Am2 .et Xn est Amn alors y est Cm
Dfuzzification Dfuzzification
Mthode du centre de gravit
S (y) (y0) Y lunivers de discours,
G0
y0
(y) : la fonction dappartenance de lunivers de discours, S G0 : surface dont on veut calculer le centre de gravit,
:
le centre de gravit du sous-ensemble de discours.
Yg =
y ( y )dy ( y )dy
Exemple 1 1 Exemple
Soit le vecteur suivant :(-3, 0.4, 3, 13 H) Moment de la journe Flux de passagers Bus emportant Bus amenant (t1) (t2) 0.6 0.3
Bus emportant Bus amenant (f) (h)
Moment de la journe Flux de passagers
1 Si le bus amenant est trs en retard et le bus emportant est en avance et le nombre de voyageurs est moyen et le moment de la journe est lheure de pointe, alors le ralentissement du bus emportant est important.
2 Si le bus amenant est trs en retard et le bus emportant est en retard et le nombre de voyageurs est moyen et le moment de la journe est lheure de pointe, alors le ralentissement du bus emportant est moyen.
1 Introduction Aide la dcision Problmatique des systmes de transport collectif
Approche propose : Systme flou daide la dcision Processeur de fuzzification Simulations et rsultats Conclusion et perspectives
Exemple de de dcision dcision Exemple Substitution Substitution
Exemple de de dcision dcision Exemple Transbordement Transbordement
Exemple de de dcision dcision Exemple Nouveau point point de de rencontre rencontre Nouveau
A 13h 32 minutes, 5 personnes se rendent leur travail situ la rue de souchaux . les personnes habitent Hrimoncourt la bouloie .
Rue de souchaux
Temple
Mandeure Hrimoncourt la bouloie
Arrt Mandeure Valentigney Temple Hrimoncourt Monbliard
Ligne4
Ligne 3
7 Introduction Aide la dcision Problmatique des systmes de transport collectif
Approche propose : Systme flou daide la dcision Processeur de fuzzification Simulations et rsultats Conclusion et perspectives
Conclusion et et perspectives perspectives Conclusion
Contribution de lintelligence artificielle rsoudre des Faisabilit de la ralisation dun model daide la
dcision bas sur les techniques de la logique floue. sous forme de classes.
problmes aussi difficiles que les systmes de transport
Lagrgation des rgles et le groupement des dcisions Lapport de la collaboration entre la recherche et
lexprience du terrain : lexpertise.
Le dveloppement des mthodologies capables de
sadapter toutes les stratgies de prise de dcision.
La prise en compte dun
nombre considrable de critres de dcisions qui reste une perspective immdiate au sein de notre quipe de recherche.
Gnraliser le SAD des rseaux TC multimodaux :
Mtro, Autobus, Tramway et TER.
