Efficient route planning for dynamic and multimodal transportation networks
Planification efficace d'itinéraires pour réseaux de transports dynamiques et multimodaux
Résumé
The performance of the socio-economic world is closely linked to our ability to move people and goods. Thus, mobility has always been a crucial requirement for building prosperous societies. A significant boom in information and communication technologies has made it possible to address various mobility problems such as traffic management and accident prevention. Route planning designates a system that optimizes one or a combination of metrics simultaneously, such as the duration of the travel time, the travel distance, and the incurred expenses. On a dynamic road network, it is necessary to take congestion into account to adapt the route according to the traffic conditions. This, therefore, requires the collection and processing of traffic data, often in real-time. Traffic data is mainly obtained via GPS positioning devices, subject to significant localization errors. To address applications such as real-time vehicle guidance, various probabilistic algorithms allow the processing of GPS traces, emitted by the vehicle in question, to locate it on a digital map. However, it is often required to guarantee correctness and, therefore, correct any errors and rule out ambiguous measurements. This has sparked our interest in the map matching problem, an essential step to pursue our research on route planning. Dynamic route calculation consists of computing and continuously updating the best route between a departure and arrival locations. It corresponds to a vast research topic, and the proposed algorithms are diverse. However, in terms of experimental evaluations, the state-of-the-art mainly consists of simulations based on synthetic traffic data or only focuses on small geographical areas. We instead focused on a data-driven approach that relies mainly on real traffic data, collected over several months for several road networks. Our goal is to understand the impact that congestion has on various routing strategies. In practice, journeys often combine several modes of transportation. A multimodal network incorporates various modes such as cars, public transit, walking, and bicycles. Route planning on multimodal networks has received few contributions. This is due in particular to the fact that user constraints specifying the desired modes are only known during query-time. As a result, the preprocessing techniques applied to unimodal networks are not easily adaptable.
Les performances du monde socio-économique sont étroitement liées à notre capacité à déplacer les personnes et les marchandises. Ainsi, la mobilité a toujours représenté un enjeu crucial pour bâtir des sociétés prospères. Un essor important des technologies de l'information et de la communication a permis la sophistication des méthodes de gestion du trafic et la prévention d'accidents. La planification d'itinéraire désigne un calcul optimisant une ou plusieurs métriques : durée du trajet, distance parcourue, et les dépenses encourues. Sur un réseau routier dynamique, il est nécessaire de prendre en compte la congestion pour adapter l'itinéraire en fonction du trafic. Ceci requiert donc la collecte ainsi que le traitement des données de trafic, souvent en temps réel. Les données de trafic sont principalement obtenues via des dispositifs de positionnement GPS, sujets à des erreurs de localisation importantes. Pour répondre à des besoins, tels que le guidage de véhicules en temps réel, divers algorithmes probabilistes permettent le traitement de traces GPS, émises par le véhicule en question, afin de le positionner sur une carte numérique. Toutefois, il est important de corriger toute erreur et d'écarter les mesures ambiguës. Nous nous sommes intéressés à ce problème, une étape essentielle pour la suite de nos travaux. Le calcul d'itinéraire dynamique consiste à calculer et mettre à jour en continu le meilleur itinéraire entre un point de départ et d'arrivée fixes. Il correspond à un vaste sujet de recherche et les algorithmes proposés sont divers. Néanmoins, en matière d'évaluation, l'état de l'art contient principalement des simulations basées sur des données de trafic synthétiques, ou sinon, les études ne se focalisent que sur de petites régions géographiques. Nous avons donc exploité des données de trafic réelles, collectées sur une durée de plusieurs mois sur plusieurs réseaux routiers. Nous souhaitions comprendre l'impact qu'a la congestion sur diverses stratégies de routage. En pratique, les trajets combines souvent plusieurs modes de transport. Un réseau, dit multimodal, incorpore divers modes tels que les voitures, les transports publics, la marche à pied, et les vélos. La planification d'itinéraires sur des réseaux multimodaux a reçu peu de contributions en recherche. Ceci est dû notamment au fait que les contraintes utilisateur spécifiant les modes souhaités ne sont connus que lorsque sa requête est émise. De ce fait, les techniques de pré-calcul appliquées aux réseaux monomodaux ne sont pas facilement adaptables.
| Origine | Version validée par le jury (STAR) |
|---|