{"id":91,"date":"2019-07-02T14:14:09","date_gmt":"2019-07-02T12:14:09","guid":{"rendered":"http:\/\/pagesperso.litislab.fr\/gdelmondo\/?page_id=91"},"modified":"2020-05-11T09:48:42","modified_gmt":"2020-05-11T07:48:42","slug":"modelisation-et-analyse-du-trafic-routier","status":"publish","type":"page","link":"https:\/\/pagesperso.litislab.fr\/gdelmondo\/projets\/modelisation-et-analyse-du-trafic-routier\/","title":{"rendered":"2016-? Mod\u00e9lisation et analyse du trafic routier"},"content":{"rendered":"\n\n\n\n\n\n\n\n\n
Nom du projet<\/td>\nSpatio-Temporal Modeling of Road Traffic in Urban Environment<\/strong><\/span><\/td>\n<\/tr>\n
P\u00e9riode<\/td>\n2016 – 2019 \/ 2020 –<\/td>\n<\/tr>\n
Financement<\/td>\nContrat doctoral \/ Stage ENSMR<\/td>\n<\/tr>\n
R\u00f4le<\/td>\nEncadrement du doctorant Kamal Deep Oberoi<\/a> (Directeur de th\u00e8se Pascal Vasseur<\/a>, encadrant Yohan Dupuis<\/a>) \/ Encadrement de stagiaires M2 : Mohamed Bakali el Mohamadi<\/a> & Youssef el Kinany<\/td>\n<\/tr>\n
Mots-cl\u00e9s<\/td>\nMod\u00e9lisation de l’information spatiale et temporelle, multi-\u00e9chelles, th\u00e9orie des graphes, extraction de pattern temporel, analyse du trafic routier, mobilit\u00e9<\/td>\n<\/tr>\n
Site(s) web(s)<\/td>\nhttps:\/\/tel.archives-ouvertes.fr\/tel-02438498<\/a><\/td>\n<\/tr>\n
\"\" \"\"<\/p>\n

 <\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Contexte des travaux<\/strong><\/p>\n

L’\u00e9tude et l’analyse du trafic routier se fait souvent au travers d’indicateurs quantitatifs (e.g. densit\u00e9, flux) calcul\u00e9s \u00e0 partir de divers capteurs permettant de r\u00e9cup\u00e9rer un certain nombre d’information comme la vitesse ou la g\u00e9olocalisation par exemple. L’objectif de ces travaux est de proposer une mod\u00e9lisation qui introduit des aspects qualitatifs de l’information ce qui permettra d’obtenir des indicateurs compl\u00e9mentaires de ceux habituellement propos\u00e9s.<\/p>\n

Contribution<\/strong><\/p>\n

En terme d’extraction d’information, ce qui nous int\u00e9resse particuli\u00e8rement est la possibilit\u00e9 de retrouver dans les donn\u00e9es des situations particuli\u00e8res du trafic. A terme il s’agira par exemple de d\u00e9tecter des situations dangereuses ou interdites. Pour ce premier travail nous avons choisi trois exemples simples, et notre objectif est de produire un mod\u00e8le et un algorithme permettant de retrouver ces situations (appel\u00e9es \u00ab\u00a0patterns\u00a0\u00bb dans la suite du texte).<\/p>\n\n\n\n\n\n
\"\"Pattern 1 : sur 2 temps (t1-t2), le pi\u00e9ton P1 traverse sur le marquage M1, la rue R1 devant la voiture V1<\/td>\n<\/tr>\n
\"\"<\/p>\n

Pattern 2 : sur 5 temps, la voiture V1 tourne \u00e0 l’intersection I de R4 vers R3<\/td>\n<\/tr>\n

\"\"<\/p>\n

Pattern 3 : sur 5 temps, la voiture V1 tourne \u00e0 droite sur R2, un pi\u00e9ton P1 traverse\u00a0 sur le marquage M1, la rue R2 (obligeant V1 \u00e0 s’arr\u00eater)<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Il faut imaginer un flot de donn\u00e9es tr\u00e8s cons\u00e9quent sur une ville ou plus raisonnablement un quartier, voire une section de route particuli\u00e8re. Autrement dit, l’analyse doit \u00eatre possible \u00e0 plusieurs niveaux d’\u00e9chelles.<\/p>\n

La mod\u00e9lisation choisie pour ce probl\u00e8me est un graphe spatialis\u00e9s dans lequel chaque objet de l\u2019environnement est un n\u0153ud et o\u00f9 l’on pr\u00e9cise les relations spatiales entre ces objets au travers des arcs.\u00a0 Dans un premier temps on se contente de mettre une ar\u00eate d\u00e8s lors qu’il y a une relation spatiale entre deux objets de l\u2019environnement, ce qui produit ces s\u00e9quences de graphes associ\u00e9es \u00e0 chacun des patterns.<\/p>\n\n\n\n\n\n
\"\"<\/td>\n<\/tr>\n
\"\"<\/td>\n<\/tr>\n
\"\"<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Notons que c’est ici principalement la structure des graphes qui nous permet de diff\u00e9rencier deux patterns diff\u00e9rents. Les travaux de th\u00e8se qui ont \u00e9t\u00e9 men\u00e9s ont permis :<\/p>\n