Design of behaviour models in dynamic systems: applied to the organization and the regulation of parking and displacements in urban traffic systems
Modélisation de comportements dans les systèmes dynamiques :
Application à l'organisation et à la régulation de stationnement et de déplacement dans les Systèmes de Trafic Urbain
Résumé
Our research work objective is to design a methodical framework for modelling preferences, behaviour changes of people and their impacts on the state of a complex system in a dynamic context. End-user may simulate the consequences of transport and town planning policies based on supply and demand of parking needs. A multi agent approach, had to be used to model the strongly heterogeneous preferences of road network users, and to integrate the knowledge obtained, this was done according to different behavioural logics. In order to get adaptive and evolutionary representations of individual agent behaviours, decision-making and learning processes are modelled thanks to a set of tools. These tools
result from the industrial process optimization, data mining and marketing techniques. The personalized use of a computerized tool and the interactivity between end-user and simulator were important aspects to adapt this methodical framework for the simulation of complex systems used in society.
result from the industrial process optimization, data mining and marketing techniques. The personalized use of a computerized tool and the interactivity between end-user and simulator were important aspects to adapt this methodical framework for the simulation of complex systems used in society.
L'objectif de nos travaux est de développer un cadre méthodique afin de modéliser les préférences, les changements de comportement des individus ainsi que leurs impacts sur l'état d'un système complexe dans un contexte dynamique. L'utilisateur doit simuler les conséquences des politiques de transports et d'urbanisme sur l'offre et demande de stationnement, étape essentielle. Modéliser les préférences hétérogènes des usagers, intégrer des connaissances, selon des logiques comportementales différentes, ont justifié l'approche multi agents. Afin d'avoir des représentations adaptatives et évolutives des comportements des agents individus, les processus décisionnels et d'apprentissage sont modélisés au moyen d'un panier d'outils issus de l'optimisation des procédés industriels, des techniques Data Mining, de marketing. L'emploi personnalisé du simulateur avec l'interactivité utilisateursimulateur a motivé l'adaptation de ce cadre méthodique à la simulation des systèmes complexes sociétaux.
Mots clés
complex systems
computer simulation
3D simulator of multimodal urban traffic
distributed artificial intelligence
multi agent systems
decision support systems
adaptative control systems
decision models
learning mechanisms
negotiation
stated<br />preference surveys
centralized optimization
experimental design
factorial experiment<br />designs
analysis of variance
Dempster-Shafer theory
mathematical theory of evidence
<br />fuzzy logic
Petri nets
urban transportation
parking facilities
signal-to-noise ratio
systèmes complexes
simulation par ordinateur
simulateur 3D de trafic urbain multimodal
intelligence artificielle distribuée
systèmes multi agents
systèmes d'aide à la décision
systèmes adaptatifs
modèles décisionnels
mécanismes d'apprentissage
<br />négociation
enquêtes à préférences déclarées
optimisation centralisée
plan d'expérience
<br />plans factoriels
analyse de variance
théorie de Dempster-Shafer
théorie mathématique de<br />l'évidence
logique floue
UML
réseaux de Petri
transports urbains
parcs de stationnement
<br />coefficient de robustesse
Fichier principal
thJMB-070724b.pdf (6.14 Mo)
Télécharger le fichier
slides_ThJMB_03a.pdf (1.42 Mo)
Télécharger le fichier
test5hq.wmv (1 Mo)
Télécharger le fichier
Format : Autre
Format : Autre