Spelling suggestions: "subject:"calcul dess probabilité"" "subject:"calcul deus probabilité""
1 |
Les algorithmes d’apprentissage pour l’aide au stationnement urbain / Learning algorithms to aid urban parkingHouissa, Asma 15 March 2018 (has links)
L’objectif de cette thèse est de développer, d’intégrer et de tester une nouvelle approche algorithmique d’aide au stationnement dans les centres urbains. Considérons différents types d’infrastructures déployées allant de la détection des entrées/sorties des véhicules jusqu'à la variation dans le temps du nombre de places de stationnement disponibles dans chaque portion de rue, nous montrons qu’il est possible de proposer une méthode efficace qui détermine un itinéraire qui minimise l’espérance de temps pour trouver une place de stationnement disponible et de prédire la disponibilité des placesde stationnement.Pour cela, la zone urbaine choisie sera donc considérée comme un ensemble de ressources de stationnement (segments de rues).Nous modélisons d’abord cette zone urbaine par un graphe où les sommets désignent les carrefours et les arcs représentent les portions de rues. Les paramètres essentiels pour notre modèle de réseau urbain sont la capacité de stationnement et le temps de parcours des portions de rue.L’originalité et l’aspect innovant de notre approche s’appuient sur deux principes.Le premier principe concerne le guidage comme une ressource : il ne s’agit pas de guider vers une place libre mais de proposer un parcours qui optimise l’espérance de temps de trouver une telle place. Pour cela nous déterminons dans une zone centrée sur une destination donnée, le parcours à effectuer par un véhicule pour minimiser son espérance de temps de trouver une place destationnement le plus rapidement possible.Ainsi nous avons mis en œuvre un algorithme d’apprentissage par renforcement basée sur la méthode LRI (Linear Reward Inaction) et la méthode Monte Carlo pour minimiser l’espérance de temps de trouver une place de stationnement en zone urbaine.Nous avons comparé cet algorithme avec une approche globale basée sur l’évaluation arborescente à profondeur bornée.Le second principe repose sur la prédiction des places de stationnement disponibles par périodes de temps homogènes où on ne s’intéresse pas à une place de stationnement en temps réel mais aux places de stationnement par zones. Il s’agit alors pour le système de pouvoir prédire le potentiel de places libres dans chacune des ressources pour les prochaines périodes. On ne vise donc pas ici la prédiction de la disponibilité de chaque place ; chaque ressource sera considérée comme une zone de stockage dont la disponibilité sera établie en grande partie en fonction des flux d’entrée et de sortie de la portion. Pour ce principe, nous avons donc déterminé par algorithmes de calculs et d’apprentissages la probabilité qu’il y ait au moins une place libre pour stationner dans un tronçon de rue pour un créneau de temps donné. Les principales données nécessaires pour effectuer ces calculs sont les séries temporelles d’entrée sortie de chaque véhicule aux intersections des rues et les variations des places de stationnement au cours du temps.Nous avons évalué les performances de notre approche par simulations sur des données générées aléatoirement et des données réelles obtenues sur un quartier de Versailles. / The objective of this thesis is to develop, to integrate and to test a new algorithmic approach to help parking in urban centers.Given the different types of deployed infrastructure : from input-output detection of vehicles to time variation of the number of available places within each street segment, we propose an efficient method to determine an itinerary that minimize the time expectation to find an available place and also to predict the availability of the parking places.We have chosen an urban area and we have considered it as a set of parking resources called street segments. More exactly, this urban area is considered as a graph where the vertexes represent the crossroads and the arcs represent the street segments. The essential parameters of our urban area model are the parking capacity and the time crossing of each street segment. The originality and the innovation of our approach are based on two principles.The first one is the guidance as a resource, i.e., it means that the proposed itinerary is not the one that lead to an available parking place but rather the one that minimized the time expectation to find an available parking place. In order to achieve that we determine, in a an area centered on a given destination, the itinerary to follow by the vehicle in order minimize its time expectation to find an available parking place as quickly aspossible.We have designed and realized a reinforcement learning algorithm based on the LRI method (Linear Reward Inaction) and a Monte Carlo method to minimize the time expectation to find an available parking place in the urban area. We have compared this algorithm to a global approach based on tree evaluation with bounded depth. The second principle is based on the prediction of the parking places by homogeneous time period where we are not interestedon a parking place in real time but rather on the parking places byarea. In other terms, the system predict the potential available parkingplaces by resource for the next time periods. Thus, we don’t aim to predict the availability of each parking place, i.e., each resource is considered as stock area and its availability is assessed in major part in function of the street segment input-output flow. For this principle, we have determined by a learning algorithm the probability that there is at least one available parking place in a street segment within a given time. The major data needed to compute this probability are the time series of input-output of each vehicle in street intersections, and the variation of the available parking places through the time.We have evaluated the performance of this approach by simulation based on random generated data and on real data of a district in Versailles.
|
2 |
Nosologie et probabilités. Une histoire épistémologique de la méthode numérique en médecine / Nosology and Probability. A Historical Epistemology of the Numerical Method in MedicineCorteel, Mathieu 13 December 2017 (has links)
Dans Naissance de la clinique, Michel Foucault mit en évidence l’émergence au XIXe siècle d’un regard médical qui, en faisant taire la théorie au lit du malade, tâche de parler la langue étrangère de la maladie dans la profondeur des tissus. En opposition aux nosographies essentialistes du XVIIIe siècle, une forme de nominalisme médical apparaît progressivement à travers le développement de l’anatomo-pathologie. Cette médecine clinique est parcourue par un concept souvent oublié qui se trame, pourtant, dans l’ombre de son savoir et préfigure son dépassement. Il s’agit du concept de « probabilité ». Bien que celui-ci s’inscrit dans la clinique, l’application du calcul de probabilités ne parvient pas à s’y intégrer. Le XIXe siècle sera le théâtre d’un véritable conflit sur la conjecture qui oppose « les numéristes » et les cliniciens d’obédience hippocratique. L’orthodoxie de l’Ecole de Paris se trouve confrontée à l’émergence de la méthode numérique. La dispute théorique qui en résulte problématise l’application du calcul de probabilités en la médecine : du probable peut-on connaître autre chose que du probable ? Durant tout le XIXe siècle, on s’accorde à rejeter épistémologiquement cette méthode. Elle ne cadre pas avec la positivité des sciences médicales. Ce sera l’hygiène publique qui en fera usage pour pallier à l’inanité clinique dans le traitement des épidémies, des endémies et des épizooties. Cette rencontre conflictuelle de l’individuel et du collectif dans le médical fera naître une nouvelle forme de nosologie au XXe siècle. Il s’agit d’en comprendre l’émergence. / In The Birth of The Clinic, Michel Foucault highlights the emergence of a medical gaze in the 19th-century that – by vanishing the theory at the patient's bedside – tries to speak the foreign language of the disease in the depth of organic tissues. With the development of anatomo-pathology, a form of medical nominalism progressively appears in opposition to the essentialist nosography of the 18th-century. This clinical medicine is shot-through by a concept often forgotten that is framed, however in the shadow of clinical medical knowledge and that prefigures its disappearance. This is the concept of "probability". Even though this concept is part of clinical medicine, the application of probability calculation fails to be part of medical knowledge. The 19th-century was the scene of a conflict over numerical conjecture that opposes "Numerists" and Hippocratic’s Clinician. The Ecole de Paris’s orthodoxy was then confronted with the emergence of the numerical method. The theoretical dispute that results from the application of the calculation of probabilities in medicine gives rise to this question: from what is only probable, can we know anything else than what is probable? Throughout the 19th-century, the numerical method is rejected on epistemological grounds. It is held not to fit with the positivity of medical science. In the treatment of epidemics, endemic diseases, and epizootics, public health services make use of it still. This confrontation between the individual and the collective in medicine gives rise to a new form of nosology in the 20th-century.
|
Page generated in 0.1069 seconds