La solution la plus pratique et économique pour réduire la congestion est d'améliorer les systèmes de contrôle de la circulation, en particulier les feux de circulation. Ces systèmes ont des impacts importants sur les temps d'attente, les risques d'accident et la consommation inutile de carburant. La majorité de ces systèmes est cependant statique, c'est-à-dire que la programmation est fixe. Ils sont donc mal adaptés aux variations de la demande et peu réceptifs à la demande. Les deux principaux objectifs de cette thèse étaient de réduire la complexité pour la gestion des feux de circulation en temps réel et de proposer un modèle pour collecter les données nécessaires pour appliquer notre approche dans la vie réelle. L'approche proposée pour atteindre le premier objectif, s'inspire du travail d'un agent de circulation humain. Elle consiste à diminuer les arrêts et à favoriser les déplacements en groupe de véhicules comme les agents de circulation. Pour y arriver, la densité de circulation a été mesurée à chaque instant et les séquences des feux de circulation ont été modifiées au moment propice. Pour la tester, un secteur achalandé de la ville de Québec a été identifié et une simulation avec un simulateur microscopique a été effectuée. Les délais d'attente ont été réduits de façon importante. Notre deuxième objectif était de transférer cette solution dans la vie réelle. Un en jeu fondamental était de mesurer la densité de circulation en temps réel. Cette tâche est cependant coûteuse et nécessite d'installer des appareils vidéo ou autres capteurs disséminés sur le réseau. Une architecture de services a été définie en utilisant les voitures connectées. Il s'agit d'une technologie émergente qui permet d'obtenir la position des véhicules toutes les 0,1 seconde. À partir de cette valeur, il était ensuite possible de calculer la densité de circulation et d'appliquer la solution proposée. La collecte des données, la transmission à un centre de gestion de la circulation, le traitement et l'application de la solution peuvent ainsi se faire instantanément à un coût économique. Cette thèse montre qu'il est possible d'améliorer la performance d'un système de feux de circulation en appliquant des règles basées sur le sens commun et d'avoir une méthode de mise en œuvre pratique et économique pour les transposer dans la vie réelle. Le processus de simulation reste cependant un aperçu de la réalité et il est difficile de prévoir les résultats dans d'autres contextes. Il serait donc avantageux de poursuivre les recherches dans d'autres environnements. Par ailleurs, la technologie des voitures connectées n'est pas encore déployée au Canada. Il est cependant permis d'espérer qu'elle est sur le point d'émerger avec les investissements des constructeurs de véhicules et le déploiement du 5G. Un banc d'essai serait la prochaine étape pour tester la solution proposée in situ. / The most practical and economical solution to reduce congestion in the cities is to improve traffic control systems, especially traffic lights signals. These systems have significant impacts on waiting times, accident risks and unnecessary fuel consumption. The majority of these systems are however static, that is to say that the programming is fixed or pre-timed. They are therefore not receptive to demand. The two main objectives of this thesis were to reduce the complexity for the management of traffic lights in real time and to propose a model to collect the data necessary to apply our approach in real life. The approach proposed to achieve the first goal, is inspired by the work of a human circulation officer. It consists of reducing stops and encouraging group travel of vehicles such as traffic officers do in real life. To achieve this, the traffic density was measured continuously, and the traffic light sequences were modified accordingly. To test our approach, a busy sector of Quebec City was identified and a simulation with a microscopic simulator was performed. Waiting times have been reduced significantly. Our second goal was to transfer this solution in real life. However, a fundamental challenge was to measure traffic density at every moment as request in our approach. This task is expensive and requires installing video devices or other sensors scattered over the network. A new service architecture model has therefore been developed to work around this problem and it relies on connected cars technology. This technology allows to obtain the vehicle position every 0.1 second on a road network and it was the necessary ingredient to apply our approach in real life. From this value, it was then possible to calculate the traffic density and apply the proposed solution. Thus, data collection, transmission to a traffic management center, processing and application of the solution could be done instantly at an economical cost. This thesis therefore shows that it is possible to improve the performance of current traffic light systems by applying rules based on common sense and to apply a practical and economical implementation method to transpose them into real life. Furthermore, a limitation of our work is that the simulation process is an overview of the reality and it is difficult to predict the results of the experiment in other contexts. It would therefore be advantageous to continue research in other environments. In addition, the technology of connected cars is not yet deployed in Canada. However, it is hoped that this technology is about to emerge with current massive investment by vehicle manufacturers and deployment of 5G. A test bed would be the next step to test the solution proposed in situ.
| Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/71241 |
| Date | 02 February 2024 |
| Creators | Vaudrin, François |
| Contributors | Capus, Laurence |
| Source Sets | Université Laval |
| Language | French |
| Detected Language | French |
| Type | thèse de doctorat, COAR1_1::Texte::Thèse::Thèse de doctorat |
| Format | 1 ressource en ligne (xvi, 167 pages), application/pdf |
| Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.0052 seconds