Estimation and control for resilience in large-scale network systems
Estimation et commande pour la résilience dans les systèmes en réseaux à grande échelle
Résumé
This research is done mainly in the context of European Research Council’s (ERC) Advance Grant project Scale-Freeback. The aim of Scale-Freeback project is to develop a holistic scale-free control approach to complex systems, and to set new foundations for a theory dealing with complex physical networks with arbitrary dimension.The contributions of this Ph.D. work are divided into two parts:Part 1 Outlier detection and state estimation in network systemsPart 2 Modeling and control of mobility for epidemic mitigation in large scale urban networksIn part 1, we consider the problem of average state estimation in network systems in which only some states are measured and there exists an outlier among the unmeasured states, which is so different from the remaining states that it affects the average value significantly. We develop a methodology to detect the outlier and to estimate the average state excluding the outlier for the cases when the system matrices might be known or partially unknown. Our method has also been illustrated on a thermal diffusion system.In part 2, we consider the problem of modeling and control of human mobility in large-scale urban networks. At first, we provide a supply-demand based mobility model in discrete time which preserves the properties of non-negativity, boundedness and mass conservation. This model captures the daily movement of people between residences and places of interests such as workplaces, schools, hospitals, cinemas etc. called destinations, using time schedules and gating profiles which also accommodate the possibility of imposing restrictions on mobility. We also built the large-scale mobility network in the metropolitan city of Grenoble by using publicly available information to answer the questions: “where do the people move?” “when do they move?” and “how many people move?” Secondly, since in the model, the mobility can be controlled by using a control parameter which tunes the capacities of the destinations, we exploit this control for epidemic mitigation. Using an integrated model for epidemic and mobility in discrete time, we provide solutions to an optimal control problem, in order to devise mobility control policies which maximizes the economic activity of an urban area by tuning the operating capacities of destinations of different types using control inputs and keeps the total infections within the area bounded with application to the mobility network of Grenoble metropolis. Finally, we also developed an online simulation platform called GTL-Healthmob, which aims at visualizing the population movement, simulating epidemic propagation and optimizing the mobility restrictions to limit the epidemic spread in the Grenoble metropolis by taking different epidemic and mobility control parameters inputs from users and showing the results in terms of plots and heatmaps overlaid onto the map of the metropolis.
Cette recherche s'inscrit principalement dans le cadre du projet Scale-Freeback du Conseil européen de la recherche (ERC). L'objectif du projet Scale-Freeback est de développer une approche holistique du contrôle invariant d’échelle des systèmes complexes, et d'établir de nouvelles bases pour une théorie traitant des réseaux physiques complexes de dimension arbitraire.Les contributions de cette thèse sont divisées en deux parties:Partie 1: Détection de valeurs aberrantes et estimation d'état dans les systèmes de réseauxPartie 2: Modélisation et contrôle de la mobilité pour la réduction des épidémies dans les réseaux urbains à grande échelleDans la première partie, nous considérons le problème de l'estimation de l'état moyen dans les systèmes de réseau dans lesquels seuls certains états sont mesurés et il existe une valeur aberrante parmi les états non mesurés, qui est si différente des autres états qu'elle affecte la valeur moyenne de manière significative. Nous développons une méthodologie pour détecter la valeur aberrante et pour estimer l'état moyen en excluant la valeur aberrante pour les cas où les matrices du système peuvent être connues ou partiellement inconnues. Notre méthode a également été illustrée sur un système de diffusion thermique.Dans la deuxième partie, nous considérons le problème de la modélisation et du contrôle de la mobilité humaine dans les réseaux urbains de grande échelle. Dans un premier temps, nous fournissons un modèle de mobilité en temps discret basé sur l'offre et la demande qui préserve les propriétés de non-négativité, de limitabilité et de conservation de la masse. Ce modèle capture le mouvement quotidien des personnes entre les résidences et les lieux d'intérêt tels que les lieux de travail, les écoles, les hôpitaux, les cinémas, etc. appelés destinations, en utilisant des horaires et des profils d'accès qui permettent également d'imposer des restrictions à la mobilité. Nous avons également construit le réseau de mobilité à grande échelle de la ville métropolitaine de Grenoble en utilisant les informations disponibles publiquement pour répondre aux questions suivantes : "où les gens se déplacent-ils ?" "quand se déplacent-ils?" et "combien de personnes se déplacent ?". Deuxièmement, puisque dans le modèle la mobilité peut être contrôlée en utilisant un paramètre de contrôle qui règle les capacités des destinations, nous exploitons ce contrôle pour l’atténuation d’épidémies. En utilisant un modèle intégré pour l'épidémie et la mobilité en temps discret, nous fournissons des solutions à un problème de contrôle optimal, afin de concevoir des politiques de contrôle de la mobilité qui maximisent l'activité économique d'une zone urbaine en ajustant les capacités de fonctionnement des destinations de différents types en utilisant des entrées de commande et en maintenant les infections totales dans la zone bornées avec une application au réseau de mobilité de la métropole de Grenoble. Enfin, nous avons également développé une plateforme de simulation en ligne appelée GTL-Healthmob, qui vise à visualiser le mouvement de la population, à simuler la propagation des épidémies et à optimiser les restrictions de mobilité pour limiter la propagation de l'épidémie dans la métropole grenobloise en prenant différents paramètres de contrôle de l'épidémie et de la mobilité des utilisateurs et en montrant les résultats en termes de graphiques et de heat map superposées à la carte de la métropole.
| Origine | Version validée par le jury (STAR) |
|---|