Modélisation macroscopique du flux de trafic basé sur l'estimation paramétrique des modèles bond graphs - Archive ouverte HAL Access content directly
Conference Papers Year : 2008

Modélisation macroscopique du flux de trafic basé sur l'estimation paramétrique des modèles bond graphs

(1) , (2, 3)
1
2
3

Abstract

Le flux de trafic est un phénomène complexe dont le comportement dynamique, par ailleurs bien compris, est généralement mal défini. En effet, la seule loi physique exacte dans ce domaine est celle relative à l'équation de conservation du flux. Les autres lois et modèles reflètent des idéalisations et des approximations empiriques. Nous développons dans cet article une démarche méthodologique pour la modélisation macroscopique du trafic. L'approche exploite la puissance des Bond Graphs (BG) pour décrire les phénomènes de base qui régissent le trafic. L'intérêt majeur est la description du trafic à l'aide d'un langage graphique unifié permettant de déduire systématiquement les modèles mathématiques. Par ailleurs, afin de prendre en compte les incertitudes et les variations des paramètres, la démarche est enrichie à l'aide des nouvelles techniques algébriques permettant leur estimation en temps réel. Les résultats de simulation montrent la pertinence de l'approche proposée et laissent entrevoir des perspectives intéressantes dans les domaines de la modélisation, de l'identification, de la surveillance et de la commande du trafic.
Fichier principal
Vignette du fichier
mosim_08_ab_cedric.pdf (315.5 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

inria-00250900 , version 1 (12-02-2008)

Identifiers

  • HAL Id : inria-00250900 , version 1

Cite

Hassane Abouaïssa, Cédric Join. Modélisation macroscopique du flux de trafic basé sur l'estimation paramétrique des modèles bond graphs. 7ème Conférence Internationale de Modélisation, Optimisation et Simulation des Systèmes, MOSIM 08, Mar 2008, Paris, France. ⟨inria-00250900⟩
267 View
688 Download

Share

Gmail Facebook Twitter LinkedIn More