Multi-objective optimization of road traffic flows approaching intersections
Optimisation multi-objectif des flux de circulation routière en abord d'intersection
Résumé
Road congestion in Tunisia, particularly in major cities, is becoming an increasingly critical issue, exacerbated during the summer months by the influx of tourists. Approximately 30% of urban travel is affected, leading to longer travel times, higher energy consumption, and increased safety risks. In response to these challenges, infrastructure modernization efforts aim to enhance the interaction between roads, drivers, and vehicles. However, current traffic management methods, such as smart traffic lights and radar systems, show significant limitations, particularly in terms of spatial and temporal coverage. Additionally, while driver assistance systems and Intelligent Transport Systems (ITS) have reduced accidents, their perception capabilities remain limited, especially in complex environments.This thesis proposes an innovative solution for traffic management through the use of drones. Unlike traditional vehicle sensors, drones provide wide and continuous perception, with the mobility to cover large areas. Already utilized in agriculture, the military, and logistics, drones are envisioned here as tools for monitoring and managing intersections, level crossings, and high-traffic density zones. Equipped with advanced intelligence, the drone considered in this thesis can make autonomous decisions and relay real-time, accurate information to ground vehicles, thus enhancing traffic safety and energy efficiency.The first part of this study focuses on the impact of drone alert systems, particularly in critical situations such as approaching pedestrian crossings or intersections, under various weather conditions and road types. The results indicate that drones, by providing real-time information, offer more precise data than traditional systems, aiding decision-making for both drivers and autonomous vehicles. This approach also highlights the importance of optimizing the alerts transmitted by drones to ensure appropriate reactions to specific traffic conditions.The second part of the thesis addresses the formulation of optimization problems based on the information perceived by drones. These problems aim to improve traffic flow, energy consumption, and safety through a multi-objective optimization approach, incorporating drone data into centralized management systems. A comparison between centralized drone-based management and the sequential approach of autonomous vehicles was conducted. The results show that the centralized drone approach is more effective, particularly in terms of decision acceptance time and traffic improvement. Simulations confirm that drones enable more precise and responsive management at intersections.This study contributes to the design of intelligent intersections by offering recommendations based on simulation results. Drones are particularly effective in managing complex situations, such as sharp turns or adverse weather conditions, where traditional systems and autonomous vehicles encounter limitations. With their expanded perception and real-time decision-making capabilities, drones represent a key tool for enhancing road safety and optimizing traffic flow.Integrating drones into traffic management presents significant advantages, particularly in complex environments and high-density areas, such as major Tunisian cities. Their continuous and extensive perception, combined with advanced intelligence, improves the safety and energy efficiency of travel. This thesis demonstrates that drones can overcome the limitations of current systems, offering a more intelligent and responsive approach to traffic management.
La congestion routière en Tunisie, surtout dans les grandes villes, devient un problème croissant, aggravé en période estivale avec l'afflux touristique. Environ 30 % des déplacements urbains sont touchés, augmentant les temps de trajet, la consommation énergétique et les risques pour la sécurité. Face à ces défis, la modernisation des infrastructures vise à améliorer l'interaction entre routes, conducteurs et véhicules. Cependant, les méthodes de gestion actuelles, telles que les feux intelligents et les radars, montrent des limites, notamment en termes de couverture spatiale et temporelle. De plus, bien que les aides à la conduite et ITS aient réduit les accidents, leurs capacités de perception restent restreintes dans des environnements complexes.Cette thèse propose une solution innovante pour la gestion du trafic via l'utilisation de drones. Contrairement aux capteurs traditionnels des véhicules, les drones offrent une perception large et continue, avec une mobilité leur permettant de couvrir de vastes zones. Déjà utilisés en agriculture, dans le secteur militaire et la logistique, les drones sont envisagés ici pour surveiller et gérer les carrefours, passages à niveau et autres zones à forte densité de circulation. Doté d'une intelligence avancée, le drone considéré peut prendre des décisions autonomes et transmettre en temps réel des informations précises aux véhicules, améliorant ainsi sécurité et efficacité énergétique du trafic.La première partie de l'étude porte sur l'impact des systèmes d'alerte par drone, notamment dans les situations critiques comme l'approche des passages piétons ou des intersections, sous diverses conditions météorologiques et types de routes. Les résultats montrent que les drones, en fournissant des informations en temps réel, offrent des données plus précises que les systèmes traditionnels, facilitant la prise de décision des conducteurs et véhicules autonomes. Cette approche souligne aussi l'importance d'optimiser les alertes transmises par les drones pour garantir une réaction adéquate aux conditions de circulation spécifiques.La seconde partie de la thèse aborde la formulation de problèmes d'optimisation basés sur les informations perçues par les drones. Ces problèmes visent à améliorer la fluidité du trafic, la consommation énergétique et la sécurité sous un problème d'optimisation multi-objectif, en intégrant les données des drones dans une gestion centralisée. Une comparaison entre l'approche centralisée par drones et celle séquentielle des véhicules autonomes a été réalisée. Les résultats montrent que l'approche centralisée par drones est plus efficace, notamment en termes de délai d'acceptation des décisions et d'amélioration du trafic. Les simulations confirment que les drones permettent une gestion plus précise et réactive des abords d'intersections.Cette étude contribue à la conception de carrefours intelligents en offrant des recommandations basées sur les simulations. Les drones sont particulièrement efficaces pour gérer des situations complexes, comme les virages serrés ou les conditions météorologiques difficiles, là où les systèmes traditionnels et les véhicules autonomes atteignent leurs limites. Grâce à leur perception élargie et leur capacité à prendre des décisions en temps réel, les drones sont un outil-clé pour améliorer la sécurité routière et optimiser le trafic.L'intégration des drones dans la gestion du trafic offre des avantages majeurs, notamment dans les environnements complexes et les zones à forte densité, comme les grandes agglomérations tunisiennes. Leur perception continue et étendue, combinée à une intelligence avancée, améliore la sécurité et l'efficacité énergétique des déplacements. Cette thèse montre ainsi que les drones peuvent pallier les limites des systèmes actuels et offrir ainsi une gestion plus intelligente du trafic.
Origine | Version validée par le jury (STAR) |
---|