Combinaison des techniques d’optimisation et de l’intelligence artificielle distribuée pour la mise en place d’un système de covoiturage dynamique

• Main Author: Sghaier, Manel
• Other Authors: Ecole centrale de Lille
• Language: fr
• Published: 2011
• Subjects: Covoiturage en temps réel; Systèmes multi-agents; Optimisation; Classification et décomposition; Graphe dynamique distribué; Coalition et communication; Mobilité avancée; Développement durable; Dynamic carpooling; Multi-agent systems; Optimization; Clustering and decomposition; Distributed dynamic graph; Coalition and communication; Advanced mobility; Sustainable development
• Online Access: http://www.theses.fr/2011ECLI0021/document

Dans le but de remédier aux problèmes aujourd’hui omniprésents dans le secteur du transport, qu’ils soient financiers, environnementaux ou autres, nous nous intéressons à l’établissement d’un système de covoiturage dynamique optimisé. La voiture partagée est venue subvenir à des besoins restés insatisfaits en matière de déplacement (flexibilité spatiotemporelle…) encourageant l’émergence d’un mode de transport révolutionnaire qu’est la comodalité. Le focus est alors mis sur la complémentarité entre les modes collectifs et individuels et vient considérer la voiture partagée et plus particulièrement le covoiturage comme des modes de transport à part entière. Placés dans ce cadre, nous nous intéressons à l’aspect temps réel dans les systèmes de covoiturage et développons nos travaux dans ce sens. Ce problème ayant une complexité qui n’est pas des moindres, tous nos efforts sont dirigés dans le but de contrecarrer cet obstacle et mettre en œuvre une application logicielle compétitive à grande échelle offrant satisfaction et qualité de service. Pour ce faire, nous considérons une alliance des systèmes multi-agents et des techniques d’optimisation donnant lieu à des agents optimisateurs répartis selon une modélisation de graphe dynamique distribué. Celui-ci est établi sur la base d’un principe de décomposition du réseau géographique desservi inspiré des techniques de classification pour la mise en exergue des zones de concentration des abonnés. Cette modélisation favorise le traitement parallèle des requêtes de par la décentralisation et décomposition du processus initial sur une multitude d’agents optimisateurs chargés chacun d’une ou plusieurs tâches de moindre complexité === In an attempt to address the transportation problems now ubiquitous, may them be financial, environmental or any, we are mainly involved with the establishment of a dynamic optimized carpooling service. Shared cars came to remedy these problems and meet the longtime remained unsatisfied needs (spatiotemporal flexibility…) and so promote the comodal practice. The stress is then put on the complementarity between collective and individual means of transportation and comes to confirm the shared car and more particularly the carpooling as a transport mode as a whole. Based on this, we are mainly interested in setting up a real time ridesharing service providing the needed efficiency in such a context. In fact, the problem we tackle has a complexity of exponential order which must be wiped out preventing from adverse impacts. Blending the agent paradigm with the optimization technics helped reach our goals of implementing a large-scale competitive and fully automated support and providing the necessary efficiency and quality of service. The proposed alliance is realized through communicating optimizing agents spread according to a distributed dynamic graph modeling. The latter is established through a subdivision process of the served geographic network and has been inspired from clustering technics to put the stress on limited and intersecting areas of high density. This helps to promote the parallel requests treatment over a decentralized process. Thus, each optimizing agent firstly manage the requests parts included within the zone it is responsible for and then recompose global responses in coalition with concerned agents in a distributed artificial intelligence context