V. Expérimentations
V.2. SUMO : une simulation microscopique dans un environnement dynamique et incertain
V.2.4. Simulation de l’imprécision des actions dans un environnement incertain
En vue d’automatiser le contrôle de vitesse, SUMO implémente de nombreux modèles de suivi de véhicules, en particulier les modèles qui considèrent que les actions des véhicules sont déterministes et précises (ex. Krauß [80], Kerner [81], IDM [82], Wiedemann [83], etc). Pour cette raison, nous considérons SUMO, et aussi tout simulateur qui implémente de tels modèles, comme des environnements de simulation déterministes dans lesquels l’incertitude de contrôle est absente.
SUMO a été utilisé pour le développement et la simulation de nombreux systèmes de contrôle (ex. voir [163, 164, 165, 166, 167]). De ce fait, ces systèmes sont optimisés pour accomplir certaines tâches dans un environnement considéré comme déterministe et, par conséquent, ils peuvent souffrir d’un contrôle sous-optimal dans un environnement stochastique et incertain.
Un véhicule agit dans un environnement dynamique et incertain, un environnement dans lequel la précision des actions change d’un segment à un autre pour affecter l’actionnement du véhicule. Par conséquent, il est crucial de modéliser et de simuler l’imprécision des actions afin de produire un environnement de simulation réaliste, plus précisément un simulateur qui peut être configuré pour être déterministe ou stochastique. Ceci nous permet de développer et de simuler de nombreux systèmes, notamment le modèle IVC-RCFM proposé ici, dans différentes conditions de l’environnement de simulation.
Dans ce qui suit, nous proposons de modéliser et de simuler l’imprécision des actions à travers différents segments de la route et dans différentes conditions de environnementales. En fait, les différentes conditions de la route et l’imprécision des actions de contrôle sont connues de causer certains effets tels que :
À cause du glissement des pneumatiques, en particulier dû au blocage pendant le freinage et dû au patinage pendant l’accélération, un véhicule devient incertain de l’effet exact de ses actions [4, 12].
Dans des mauvaises conditions de la route et en raison du glissement des pneumatiques, l’environnement devient stochastique, ce qui augmente significativement la distance du freinage et l’imprécision des actions du véhicule [10, 11],
Les routes avec mauvaises conditions ralentissent à la fois le processus de l’accélération et celui de la décélération [72].
En se basant sur ces effets, nous proposons un modèle stochastique basé-équations en vue de modéliser et de simuler l’imprécision des actions des véhicules en fonction de l’état de la route (voir Eq.V-1). Parce que SUMO est un simulateur open source, nous configurons et nous implémentons ce modèle dans SUMO pour rendre les actions des véhicules déterministes ou stochastiques.
𝑣(𝑡 + Δ𝑡) = 𝑣(𝑡) + (𝜏𝑋× 𝑎 × Δ𝑡) V-1 où :
𝒗(𝒕 + 𝚫𝒕) : la vitesse d’un véhicule après l’exécution d’une action 𝑎 à un instant 𝑡 + 1.
𝒗(𝒕) : la vitesse du véhicule à un instant 𝑡.
𝚫𝒕 : l’étape de simulation (Dans SUMO Δ𝑡 = 1𝑠𝑒𝑐).
𝒂 : l’accélération à appliquer à un instant 𝑡 sur une vitesse 𝑣. 𝑿 : un segment 𝑿 de la route.
𝝉𝑿 : la valeur de 𝜏𝑋 ∈ [1 − 𝛾, 1 −𝛾2] est générée de façon aléatoire à chaque étape de la simulation pour simuler l’effet du segment 𝑿 sur la précision d’une accélération 𝒂 à un instant 𝒕. D’un autre côté, 𝜸 ∈ [0,1[ est choisie et fixée dès le début de la simulation pour décrire l’état d’un segment 𝑿.
𝝉 × 𝒂 est l’accélération (ou la décélération) effective. Plus précisément, elle représente l’accélération à obtenir à 𝒕 + 𝚫𝐭 après l’exécution d’une action 𝒂 sur une vitesse 𝒗 à un instant 𝒕 . De ce fait, nous définissons par 𝜹𝒂 = 𝒂 − (𝝉 × 𝒂) l’imprécision de l’exécution d’une action 𝒂 sur une vitesse 𝒗 à un instant 𝒕. En fait, si 𝛿𝑎 = 0 alors l’action sera précise, sinon elle sera imprécise.
En se basant sur ce modèle, si nous fixons 𝛾 = 0 pour un segment particulier de la route nous obtenons alors 𝜏 = 1, ce qui rend toujours les actions des véhicules sur ce segment déterministes et précises. Par contre, les valeurs de 𝛾 > 0 entraînent
des actions stochastiques et inexactes, ce qui simule la conduite dans un segment à une mauvaise condition (ex. route glissante, route glacée, etc.) ou l’actionnement sous un glissement de pneumatiques.
À cette fin, la valeur de 𝛾 est responsable de configurer et de contrôler la précision des actions des véhicules dans un segment spécifique de la route. En fait, plus la valeur de 𝛾 augmente plus la précision des actions diminue.
Nous implémentons le modèle stochastique (Eq.V-1) dans SUMO pour simuler l’imprécision des actions des véhicules dans différentes conditions de l’environnement. En fait, nous avons attribué différentes valeurs au paramètre 𝛾, une valeur pour chaque segment de l’environnement. De ce fait, chaque segment du simulateur possède une configuration différente et affecte la précision des actions de façon différente.
Plusieurs agents hétérogènes du MAS-IVC-RLC communiquent et coopèrent entre eux afin d’atteindre un contrôle longitudinal sans collision à travers les différents segments du simulateur. Cependant, les paramètres utilisés dans Eq.V-1 pour simuler l’imprécision des actions sont transparents aux agents du
MAS-IVC-RLC et, par conséquent, ces agents deviennent incertains des résultats exacts de
leurs actions. Plus précisément, plus la valeur de 𝛾 augmente, plus la précision des actions diminue et, par conséquent, plus l’incertitude de contrôle augmente.
À cette fin, après la manipulation de la précision des actions des véhicules à travers les différents segments de la route en utilisant Eq.V-1, SUMO devient un simulateur dynamique et stochastique. De plus, parce que les usagers de la route sont incertains des résultats exacts des actions de leurs véhicules, l’environnement de simulation devient un environnement dynamique et incertain. Dans ce simulateur, un véhicule doit s’occuper de l’incertitude de contrôle et de l’imprécision de ses actions afin d’atteindre un contrôle longitudinal sans collision.
V.2.5. Conclusion
Nous avons interconnecté JADE et SUMO en utilisant TraCI afin de produire un simulateur microscopique basé-agents du trafic urbain. De plus, nous avons implémenté le modèle stochastique basé-équations dans SUMO, ce qui nous permet de simuler l’imprécision des actions des véhicules et aussi de simuler l’incertitude de contrôle. De ce fait, nous avons développé un simulateur microscopique basé-agents du trafic urbain, plus précisément un simulateur qui peut être configuré pour être dynamique et incertain.
Finalement, nous avons ajouté un agent au simulateur proposé. Cet agent, nommé 𝑆𝑖𝑚𝐶𝑜𝑛𝑡𝑟𝑜𝑙𝐴𝑔𝑒𝑛𝑡, se charge du contrôle de la simulation (ex. charger un scénario de simulation, lancer/suspendre/arrêter la simulation d’un scenario, enregistre/charger les modèles de transitions, etc.).
Dans ce qui suit, nous utilisons le simulateur développé pour examiner l’effet de l’imprécision des actions sur le comportement de notre modèle. De plus, nous proposons d’utiliser ce simulateur pour examiner le comportement et aussi pour comparer la performance de quatre modèles de suivi de véhicules