Le régulateur et le SMA

2.6 Conclusion... 85

2.1 Introduction

Dans le domaine du système de transport, la simulation est considérée par certains spécialistes comme étant le moyen privilégié de prédire avec fiabilité la tendance comportementale (sous réserve d’y entrer tous les facteurs susceptibles d’influencer l’évolution du système, ce qui, en fait, demeure difficile). Le succès d’une démarche de simulation est lié à la façon de représenter le système, de le découper en entités, de faire varier à chaque instant des variables pertinentes ou des règles de changement d’état, etc. Bien qu’aucun choix ne soit anodin, il faut admettre que la démarche lors des choix de méthodes ou d’outils n’est pas sans lien avec l’appartenance à une certaine communauté scientifique.

Nous allons montrer que ce n’est pourtant pas sans argument que notre choix s’est porté sur une architecture multi agents afin de développer notre simulateur trafic, en particulier le module organisation des déplacements. L'idée de base est de considérer le trafic comme le produit des interactions des conducteurs de véhicules dans une infrastructure routière et non uniquement comme un flux. Ce point de vue est celui des modèles de simulation dits comportementaux ou "individu-centrés", dont la conception repose sur les principes multi agents issus de la recherche en intelligence artificielle distribuée.

La terminologie "simulation multi agents" est utilisée par toute une communauté de chercheurs faisant usage de simulations exploratoires, utilisant des concepts de programmation dont l’aspect agent est plus ou moins marqué. Ce domaine, cependant, semble souffrir d’un manque de formalisme au niveau méthodologique et au niveau des techniques de simulations utilisées ainsi que des représentations des interactions. Nous allons tout d’abord faire le choix de formalismes permettant de décrire le système, d’assurer une description des interactions entre les agents et de pouvoir énoncer des propriétés de manière formelle.

Pour le développement de l’architecture de notre simulateur, nous allons nous intéresser aux performances et limites des simulateurs opérationnels existants ou en cours de développement, ayant des objectifs proches du nôtre, basés sur des modèles conceptuels de déplacement similaires (modèles de déplacement basés sur les activités des usagers du réseau routier) et utilisant la technologie multi agents.

démarches de conception du modèle informatique de notre simulateur et plus particulièrement du module organisation des déplacements.

2.2 Choix d’une approche et d’outils de modélisation

2.2.1 Approche Orientée Système Multi Agents (SMA)

Simuler le comportement fortement hétérogène des usagers d’un système de transport multimodal, intégrer des connaissances acquises et ce, selon des points de vue variés, illustrer la dynamique globale du système, voilà quelques exigences qui suggèrent un niveau de granularité élevé. Le terme individu-centré est utilisé pour qualifier la démarche consistant à décrire une population à travers les comportements des individus qui la composent. Il n’y pas de règle qui doit régir la population dans sa globalité, l’évolution de celle-ci étant le résultat des interactions des individus dans leur environnement. Ce type d’approche est approprié à l’étude de systèmes complexes qui reposent sur une multitude d’interactions induites par des variations de conditions environnementales. Comme la plupart des systèmes réels, le système de transport urbain est distribué, décentralisé et formé d’entités de natures diverses.

L’approche individu-centré semblant répondre à nos attentes, il convient maintenant de s’interroger sur la manière de la mettre en œuvre. En la matière, il est souvent fait référence aux notions d’objets, d’objets actifs, d’agents et de systèmes multi agents (voir annexes Anx. B-1 et Anx. B-2). Ces considérations n’ont que peu d’importance du point de vue de l’organisation logique du modèle mais au moment de passer à la réalisation, il devient nécessaire de faire des choix techniques.

Les systèmes multi agents sont adaptés à l'étude des systèmes dynamiques complexes et connaissent un grand essor comme alternative des approches classiques dans la modélisation. En fonctionnement, ils peuvent produire des comportements typiquement adaptatifs. En simulation, ils permettent de décrire le comportement de systèmes réels, pour lesquels les modèles équationnels ne sont pas suffisants.

Notre choix est conforté par des travaux récents qui montrent que l’approche orientée système multi agents (avec des agents fixes ou mobiles) est de plus en plus employée pour simuler les systèmes complexes [Ferrand1997], [Lamy1999], [Fianyo2001], [Nielsen2006]. Dans notre cas, nous nous servirons d’agents pour faire apparaître des individus, des emplacements de stationnement (parkings), des groupes socio-économiques, des représentants des pouvoirs publics. Dans ce sens, les agents ajoutent un élément comportemental amélioré aux modèles ; leur dynamisme inhérent peut aider à surmonter des faiblesses traditionnelles dans des modèles de trafic et d’occupation des sols. Ils sont particulièrement à même de manipuler les systèmes urbains à un niveau détaillé, tout en maintenant la capacité de mesurer jusqu'à des niveaux globaux. Aujourd’hui, la technologie multi agents existe et permet de rendre visible des simulations richement détaillées d’environnements urbains, ceci afin de faciliter la compréhension d'interaction.

2.2.2 Outils de modélisation

Le principal objectif d’une méthode de spécification est de modéliser et décrire un système soit en termes de fonctions soit en termes de données (approche fonctionnelle ou informationnelle). Dans le cas d’un SMA, on doit introduire une troisième dimension liée à

l’aspect dynamique (voir la position sur chacun des trois axes de Figure 2-1 des méthodes de

spécification les plus utilisées [Mazouzi2001]). Il existe deux démarches envisageables : soit proposer une méthode unique prenant en compte les trois aspects (mais pour cela, aucune ne répond aux trois axes), soit combiner plusieurs méthodes pour obtenir une description complète.

Figure 2-1. Les 3 axes pour des outils de modélisation [Mazouzi2001]

2.2.2.A UML (Unified Modeling Language)

UML n’est pas une méthode mais se veut un langage (et formalisme) universel pour spécifier, construire, décrire et documenter des systèmes logiciels.

UML dispose d’une sémantique suffisamment complète et riche pour une représentation assez exhaustive de la partie statique d’un système (voir annexe Anx. B-3). En revanche, UML doit être enrichi de formalismes permettant la vérification et la validation des modèles conçus. UML doit être aménagé pour une meilleure représentation des aspects dynamiques du système que nous étudions.

2.2.2.B Les réseaux de Petri (RdP) avec l’extension Colorée (RdPC)

Nous avons utilisé en parallèle un autre outil [Eshuis2003] qui permet de combler le manque en matière de représentation dynamique, de vérification et de validation d’un modèle. Notre attention s’est tournée vers un langage plus formel, les réseaux de Petri introduit par Carl Adam Petri dans sa thèse après une première communication [Petri1962].

Les réseaux de Petri sont des modèles très appropriés pour représenter des processus parallèles. Ils sont à la fois un formalisme mathématique et un langage graphique pour modéliser les systèmes complexes.

En plus des avantages des réseaux de Petri classiques, les réseaux de Petri colorés ([Jensen1997], [Bjorner2006]) permettent de faire communiquer aisément des agents ayant la même sémantique, par exemple, les agents "individus". Egalement, ils permettent de réaliser une modélisation paramétrée, par exemple, un RdPC peut modéliser un protocole avec n agents participants (où n est une variable). En général les places représentent les états des agents dans le cadre d’une conversation et les transitions modélisent des unités de traitement comme des envois, réceptions et traitements de messages ([Estraillier2002]). Se reporter à annexe Anx. B-4 pour des détails sur cette partie.

2.3 Transport urbain et technologie multi agents

2.3.1 Simulateurs d’ingénierie de trafic à base de SMA

Dans un rapport PREDIT pour le développement du simulateur trafic/urbanisme SIMAURIF (modèle dynamique de SIMulAtion de l’interaction Urbanisation-transports en Région Ile-de-France) [DePalma2004], De Palma, le concepteur du simulateur trafic METROPOLIS, affirme « pour les praticiens qui seraient un peu familiarisés avec les jeux vidéo ludiques, il serait souhaitable de trouver sur le marché un logiciel comparable au jeu

SimCity mais à destinée professionnelle ».

Pour cela, on s’appuie sur le paradigme multi agents qui devient un outil privilégié des modélisateurs dès qu’il s’agit de simuler le comportement d’un système complexe évoluant dans un contexte dynamique (entreprises, transport, urbanisme, …).

Ces dernières années, de nombreux travaux ont porté sur les problèmes de trafic en s’appuyant sur la technologie multi agents [Bazzan1999], [Breckle2000], [Hernandez2001], [Garcia-Serrano2003]. Cela va de la gestion du trafic au sol dans un système aéroportuaire [Nguyen2004] jusqu’à la simulation des mouvements pédestres [Schelhorn1999], Dijkstra [Dijkstra2000], [Kukla2001], [Batty2003], [Gloor2003]. Dans le cadre de la simulation du trafic routier urbain, les travaux [Roozemond1999], [Manikonda2001], [DeSchutter2003], [Wiering2004], [Zhang2004], [Van Katwijk2005] ont pour objectif de proposer une solution à la problématique de la coordination du trafic. Dans le même registre, Doniec [Doniec2006] utilise l’approche de Demazeau [Demazeau2001] dans le cadre du développent du simulateur ARCHISIM.

Les travaux de Chabrol et de Sarramia [Sarramia2002], [Chabrol2003] sur lesquels s’appuie notre démarche de simulation du trafic utilisant l’approche "car following" que nous avons évoquée dans le paragraphe §1.3.1.B, ont permis l’écriture de modèles de simulation pouvant exécuter simultanément différents niveaux de détails, grâce à la méthodologie ASCI-mi. Un exemple d’application est l’étude de l’impact d’une nouvelle grande voie de circulation à l’entrée d’une ville, nécessitant un modèle agrégé, combiné à la modélisation très fine, au niveau du véhicule, pour les infrastructures permettant d’accéder à la ville.

De plus en plus de travaux se focalisent sur les systèmes d’accompagnement à la conduite. Par exemple, le projet du simulateur de conduite SCANeR II de Renault axe ses travaux sur les agents autonomes [Champion1999], tandis que d’autres auteurs se sont penchés sur le couplage agents, données en temps réel et GIS (Geographic Information

Systems) [Itami2000] ou encore sur la manière de fournir des informations d'itinéraire aux conducteurs [Schleiffer2002]. Paruchuri [Paruchuri2002] et Bonté [Bonte2006] recherchent une forte coloration comportementale afin de différencier le comportement des conducteurs (prévoyant, normal, agressif, fous du guidons, …).

Le paradigme multi agents est également employé pour la simulation des impacts de l’aménagement du territoire [Ferrand1997], [Vanbergue2000], [Noth2003], [Bellomo2004] avec une coloration agent plus ou moins marquée. Certains tentent d’intégrer le système de transport, mais il semble qu’aucune approche globale et structurée ne réponde aux problèmes communs apparaissant dans les systèmes urbains du trafic.

2.3.2 Simulateurs trafic à base d’activités utilisant le paradigme SMA

Il existe des simulateurs opérationnels à divers stades de développement qui sont basés sur la technologie multi agents (voir [Guo2001] pour une synthèse sur ces travaux), mais nous nous intéressons uniquement à ceux qui sont basés sur une approche de modélisation des déplacements similaire à celle adoptée pour notre simulateur (modèle basé sur les activités). Lors de ces dernières années, certaines recherches en matière de simulation semblent s'orienter vers la reconstitution des schémas d'activités à l’aide des systèmes multi agents (voir des synthèses récentes faites par [O’Kelly2003], [Buliung2005]). Ceci permet d’introduire une structure itérative visant à atteindre l’équilibre entre l’offre et la demande de transport. Compte tenu de la complexité et l’individualisation de la chaîne des déplacements, un besoin de discrétisation justifie l’intérêt croissant des outils orientés agents, qui se focalisent sur le comportement des entités décisionnelles.

Cependant, contrairement à la littérature abondante sur les modèles et l'analyse des activités (paragraphe §1.4.1.C), il existe très peu d’outils de simulation qui soient opérationnels et basés sur la technologie multi agents.

A notre connaissance, il n’existe pas d’outil opérationnel développé en France, mais juste des projets en cours dont nous rappellerons un des plus avancés, le projet MIRO (Modélisation Intra-urbaine des Rythmes quOtidiens) dans le cadre PREDIT [MIRO2005]. Le but est de concevoir un simulateur basé sur les activités afin d’assister les décideurs dans la définition de nouvelles politiques urbaines temporelles. L’approche "Time-Geography" est employée (comme pour FAMOS [Pendyala2005]) pour prendre en considération le dynamisme spatio-temporel des activités des agents. L’approche est centrée individu afin de prendre en compte un enchaînement de déplacements et non plus des déplacements simples et segmentés, tout comme les contraintes de tout ordre qui orientent les choix des individus. Le caractère innovant de ce projet tient à son ambition de contribuer à une approche renouvelée des rythmes urbains, à la fois par un apport de connaissances nouvelles issues d'enquêtes spécifiquement mises en place, par la création de protocoles méthodologiques reproductibles et par la mise au point d'outils informatiques aptes à être diffusés. Les dernières avancées [Banos2005] concernent les interactions entre voitures et piétons.

Nous avons focalisé notre analyse sur deux simulateurs opérationnels, deux projets ambitieux qui sont réactualisés en permanence afin d’améliorer leurs performances et le

réalisme de la représentation comportementale. Le choix n’est ni anodin, ni réducteur, en effet leurs bases et leurs objectifs sont proches de ceux que nous nous sommes fixés.

2.3.2.A Simulateur TRANSIMS

TRANSIMS (TRansportation ANalysis SIMulation System, développé par Los Alamos National Laboratory) [Transims] utilise la technologie multi agents pour modéliser les usagers du réseau routier comme des agents qui effectuent des activités indépendamment des autres [Raney2002], [Nagel2003], [Nagel2004].

L’objectif est de fournir aux utilisateurs des informations complètes sur les impacts du trafic, la congestion, la pollution et les conséquences de l’évacuation en urgence. TRANSIMS crée une région métropolitaine virtuelle avec une représentation exhaustive de la population, des activités journalières et de l’infrastructure de transport. Il simule le mouvement multimodal des voyageurs (voiture, camions, piéton, vélo).

Une autre ambition de l’outil est d’évaluer les impacts des changements de stratégies trafic ou des caractéristiques démographiques (minorités, regroupements à revenus modérés) sur la distribution modale, l’heure de départ et les comportements en général des utilisateurs du réseau transport. TRANSIMS remplace le processus à quatre étapes par une approche multi agents et travaille avec des voyageurs individuels dans tous les modules.

2.3.2.B Simulateur ALBATROSS

ALBATROSS (A Learning Based Transportation Oriented Simulation System), [Arentze2000], [Arentze2000b] est également basé sur les activités et est le résultat d’une complexe interaction entre les besoins individuels d’un ménage et diverses contraintes. Il est basé sur un des modèles dits informatiques (Computational Process Models - CPM) qui s’intéressent davantage à une modélisation comportementale du système activités/trafic [Gärling1993]. Un CPM est un programme informatique basé sur un ensemble de règles du type condition-action (IF-THEN) qui spécifie comment une tâche se déroule (voir [Arentze2000] pour des discussions et des applications détaillées au sujet de ces méthodes). L’approche de modélisation se focalise sur le processus de décision et utilise des heuristiques contrairement aux méthodes basées sur la maximisation de l’utilité pour TRANSIMS.

Une raison pour démarrer le projet a été le besoin d’évaluer l’impact des stratégies en matière économique (comme le changement des heures de travail ou d’ouverture des magasins, par exemple). Une autre raison a été l’évaluation des stratégies de transport en matière de congestion, pollution, bruit ou sécurité des usagers.

Le système est formé d’agents qui manipulent les données, les résultats des choix

heuristiques et des modèles de simulation, les calculs des indicateurs et l’évaluation des divers scénarios. La classification plutôt détaillée des activités, l'inclusion d'un ensemble complet d'espace-temps et des contraintes d'établissement du programme sont les points forts du modèle comparés à la plupart d’autres modèles. ALBATROSS prévoit quelles sont les activités à effectuer, où, quand, pour combien de temps, et selon quel mode de transport. Les activités sont du type "in-home" et "out-of-home" et également obligatoires (travail, école, …)

ou non obligatoires (récréatives, magasins). Chaque individu possède un agenda avec des activités, réunies dans un programme d’activités, qu’il doit effectuer dans une période de temps. La génération de l’agenda des activités est dépendante des décisions à long terme liées au statut de la famille, du travail, de résidence et de propriété de voitures. Les modes disponibles sont choisis en accord avec des contraintes spatio-temporelles et démographiques comme le nombre d’heures de travail, les horaires d’ouverture des commerces, l’âge de l’individu.

2.3.2.C Commentaires sur TRANSIMS et ALBATROSS

La description des modules, des performances et limites ainsi que les dernières réactualisations de ces deux simulateurs figurent dans ANNEXE C -.

Ici, nous commenterons quelques aspects étant en inadéquation avec nos objectifs fixés.

• Au niveau des agents humains :

- Modèles décisionnels : les processus décisionnels, qu’ils soient de nature probabiliste ou heuristiques, ne peuvent pas reproduire un certain ressenti ou perception particulière des notions d’accessibilité, d’attractivité, de sûreté, qui sont, de plus, intimement liées aux caractéristiques d’une ville.

- Dynamique du comportement : au niveau agent, le mécanisme d’apprentissage n’est pas

approfondi, ce qui peut affecter des choix dans la destination, le mode, l’heure de départ.

- Interactions interindividuelles : des interactions parmi des agents devraient prendre la forme de participation commune à certaines activités, tel que, faire des déplacements ensemble ou s'engager dans des activités récréatives, activités de covoiturage et d’accompagnement. De telles interactions peuvent mener aux contraintes qui peuvent être très importantes au niveau du trafic.

• Au niveau de la structuration des activités :

- Génération des activités : Bien que certains modèles partent de choix d’activités en relation avec les caractéristiques sociodémographiques des individus, à notre connaissance, ne sont pas pris en compte les caractéristiques des points d’attraction autres que les horaires d’ouverture ou le nombre de personnes employées. Cela peut mener à des incohérences importantes. Ainsi, il est possible de voir une centaine d’agents constituer leurs agendas et choisir la même destination et cela dans le même créneau horaire, alors que le taux de fréquentation du bâtiment ne doit pas excéder 15 personnes par heure. - Unité de temps pour l'analyse : L'unité de l'analyse typiquement utilisée est le jour de la

semaine, sous prétexte qu'il y a peu de variation en fonction des jours de la semaine. Cependant, des travaux se concentrant sur des aspects simples (tel que la fréquence de déplacement, le nombre et le type d'arrêts effectués pendant les trajets) ont indiqué la variabilité considérable selon les jours de la semaine (voir [Prasetyo2003]).

- Difficulté de transposabilité : Les scénarios sont figés, avec des variables d’entrée qui ne sont pas toujours celles que voudraient tester un régulateur. Ainsi, la difficulté de tester de nouvelles alternatives (modes de transport, points d’attraction, etc.) demeure.

- Absence d’analyse de l’activité des parkings : Comme dans la plupart des simulateurs d’ingénierie de trafic, et selon l’état actuel de développement, l’analyse de l’activité de stationnement est très peu abordée.

2.4 Architecture de notre simulateur trafic multi agents

2.4.1 Vue d’ensemble

La description des unités de notre simulateur (Figure 2-2) a été faite lors des premiers

travaux précédents menés par notre équipe [Augeraud2005]. Nous les rappelons brièvement dans la mesure où elles constituent le cadre dans lequel s’inscrivent les propositions de ce mémoire.

Figure 2-2. Notre proposition pour l’architecture du simulateur [Augeraud2005]

Le système multi agents est divisé en trois sous-ensembles. Chacun d'eux est consacré à un aspect du problème : simuler le monde réel urbain avec ses trafics, contrôler les services que certains peuvent consulter comme les systèmes d'information et gérer ces systèmes d'information afin d'améliorer la qualité des services à offrir aux utilisateurs :

• le premier concerne la simulation urbaine du trafic. Les agents participent à l'activité de

la ville (véhicules, bicyclettes, piétons ...). Leurs comportements doivent reproduire des activités réelles très proches de celles existantes dans la ville.

• le second concerne les comportements des services de système d'information. Dans la présente partie, les agents sont les utilisateurs et le système d'information lui-même. Les actions des agents appartenant à ce sous-ensemble sont le résultat des interactions entre les agents de la simulation du système urbain du trafic. Ces interactions peuvent produire des nouveaux véhicules, nouveaux piétons ... dans le système.

• le troisième est consacré à l'aide à la décision. Ce sous-ensemble est organisé pour des

buts d'observation et d'analyse sur des services étudiés. Le système produit une synthèse de l'analyse entière tenant compte des statistiques voulues par l'utilisateur et en rassemblant des données de simulation des autres sous-ensembles.

Chaque voyageur et, potentiellement, chaque entité de la simulation, comme les feux de circulation, la signalisation, les ronds points, les points d'attraction, etc. sont représentés en tant qu’objets ou agents qui prennent des décisions concernant leurs actions. En exécutant