Modèle Multi-Agent de gouvernance de réseau Machine-to-Machine pour la gestion intelligente de place de parking

(1)

HAL Id: hal-00919640

https://hal.archives-ouvertes.fr/hal-00919640

Submitted on 20 Dec 2013

HAL is a multi-disciplinary open access

archive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Modèle Multi-Agent de gouvernance de réseau

Machine-to-Machine pour la gestion intelligente de place

de parking

Mustapha Bilal, Camille Persson, Fano Ramparany, Gauthier Picard, Olivier

Boissier

To cite this version:

Mustapha Bilal, Camille Persson, Fano Ramparany, Gauthier Picard, Olivier Boissier. Modèle Multi-Agent de gouvernance de réseau Machine-to-Machine pour la gestion intelligente de place de parking. 2011. �hal-00919640�

(2)

Modèle Multi-Agent de gouvernance de réseau

Machine-to-Machine pour la gestion intelligente de

place de parking

Mustapha Bilal1, Camille Persson12, Fano Ramparany1, Guathier Picard2 and Olivier Boisier2

1 : Orange Labs Network and Carrier, TECH/MATIS Grenoble, France {firstname.lastname}@orange.com

(3)

1.2 Contexte et Problématique

1.2.1 Problématique de la gestion de parking

Les villes modernes ont fortement esoi de syst es ava s pou l’assista e au stationnement et de systèmes de transport intelligents donnant aux conducteurs des informations su le pa de statio e e t. Les syst es d’i fo atio de statio e e t ignorent généralement plusieurs facteurs et critères du parking. En effet ils ne fournissent pas automatiquement la place de parking optimale qui correspond à la demande des conducteurs.

Les métropoles du monde entier attirent les populations pour y vivre, travailler et visite , e off a t des styles de vie diff e ts, des possi ilit s d’e ploi, de meilleures ressources et plus de services publics. Comme la modernisation de la ville progresse, le nombre de véhicules augment en conséquence. Au lieu de prendre les transports publics, les personnes voyagent dans leurs véhicules personnels pour plus de commodité et de confort. E aiso de l’a se e d’u e politi ue ie pla ifi e pou les installations de stationnement, la de a de de pla es de statio e e t est g ale e t eau oup plus g a de ue l’off e. En outre, les zones du centre-ville sont progressivement saturées avec des immeubles de bureaux commerciaux, mais sans avoir des places de parking suffisantes. Les conducteurs passent généralement leurs temps à circuler dans les blocs autour de leur destination pour

he he u e pla e li e ou pou atte d e u’u e pla e se libère. Ces phénomènes ne tou he t pas seule e t à l’effi a it des activités économiques, mais aussi augmentent l’i pa t so ial physi ue et émotionnel pour les voyageurs urbains.

Trouver une place de stationnement libre est un problème courant commun dans la plupart des grandes villes qui se produit surtout dans les endroits populaires comme les centres commerciaux, les stades et les points d’att a tio tou isti ue. Cette situatio est devenue plus grave, surtout, pendant les heures de pointe, les saisons de vacances,

carnavals et festivals. Ce problème se pose car, la plupart du temps les personnes viennent avec leurs propres moyens de transport individuels, causant, une concurrence importante pour occuper les places de stationnement vacantes. La disponibilité limitée des places de

(4)

2

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(14)

(15)

00 n04 01 02 00 03 n00 04 n00 05 n00 00 03 04 05 00

(16)

∆

Zdest Zdest

∆ δ

Zdest= {∀z ∈ Zall: |destination + z.location| ≤ ∆}

∆ ← ∆ × δ where δ > 1

DestinationAndArriving = {Destination, ArrivalT ime} Zdest

Zdest

P laces = {P arkingP lacesAvailable}

GetP ath = {CoordinatesOf SelectedP lace}

Distance max

P rice Pmax

P laceT ype {O, H, E, R, M } =Ptype

P arkingDuration Tmax Availability > Pavail

T imeT oReserve T imeT oReserve T Rmax

(17)

eval(P ) P criteria cri(P ) cri P Ncri.imp cr Ncr cr.imp eval(P ) = cri∈criteria cri(P ) ∗ Ncrcri.imp

eval(P ) P BestP lace

P laces = {P0..Pmax}

BestP lace Imp ← {M, I, O} BestP lace ← P0

(P in P laces\P0)

eval(P ) > eval(BestP lace) BestP lace ← P BestP lace evalImp P evalImp(P ) = cri cri.imp=Imp cri(P )

(18)

p1 p2 Imp ChosenP lace p1 Imp0= ∅ p1 Imp0 p1 Imp0 p2 p1 Imp0 p1 Imp0 p2 compare(p1, p2, Imp\Imp0) p2

(19)

(20)

(21)

(22)

(23)

(24)

(25)

∗ ∗∗∗ ∗∗∗ ∗ ∗ ∗∗∗ ∗∗∗ ∗ uccp/context application − messagedispatcher session − manager device − cnx f acadeContext clientapplicationcontext clientapplication − manager messageSimulator storeAndF orwardContext applicationN otif ierContext

internal.client.usp/context

storeContext applicationT est application − conf igurator application − dataextractor

application − store application − session .internal.client.uccp/context.xml

(26)

(27)

(28)

01 02 03 04 05 06 07 08 01 02 03 04 05

(29)

(30)

(31)

(32)

(33)

(34)

(35)

∗∗ ∗ ∗ ∗ ∗ ∗∗ ∗ ∗ ∗

(36)

(37)

∗∗ ∗ ∗ ∗∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗∗ ∗ ∗ ∗ ∗∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗

(38)

∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗∗ ∗ ∗ − ∗∗ ∗

(39)

∗ ∗ ∗ ∗∗ ∗ ∗ ∗∗ ∗ ∗ ∗ ∗ ∗∗ ∗ ∗ ∗ ∗ ∗∗ ∗ ∗

(40)

(41)

(42)

(43)

∗∗ ∗ ∗ ∗ ∗

(44)

∗∗ ∗ ∗ ∗ ∗ ∗

(45)

(46)

(47)

(48)

∗ ∗∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗ − ∗ − ∗ − ∗∗ ∗ ∗ ∗

(49)

∗∗ ∗ ∗ ∗