Une approche dynamique pour la gestion de feux de circulation avec les voitures connectées
Notice bibliographique
Résumé
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.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».