Modélisation, systèmes multi-agents et logique floue dans la
Transcription
Modélisation, systèmes multi-agents et logique floue dans la
1 Modélisation, systèmes multi-agents et logique floue dans la régularisation du réseau de transport collectif de Montbéliard Saïd HAYAT, Aziz SOULHI, Slim HAMMADI et Pierre BORNE 2 Plan de de la la présentation présentation Plan ) Introduction ) Aide à la décision ) Problématique des systèmes de transport collectif ) ) ) ) Approche proposée : Système flou d’aide à la décision Processeur de fuzzification Simulations et résultats Conclusion et perspectives 3 ntroduction IIntroduction 4 )Assister les régulateurs à une maîtrise de la régulation de trafic )Assurer les correspondances dans les meilleures conditions, )Eviter l’attente excessive des clients, )Améliorer la qualité de service, )Augmenter l’attractivité vers les transports collectifs. 5 ) Introduction ) Aide à la décision ) Problématique des systèmes de transport collectif ) ) ) ) Approche proposée : Système flou d’aide à la décision Processeur de fuzzification Simulations et résultats Conclusion et perspectives 6 Aide ideààla ladécision décision A Qu’estce ceque quel’aide l’aideààla ladécision? décision? Qu’est L’aide à la décision est l’activité de celui qui, prenant appui sur des modèles clairement explicités mais non nécessairement complètement formalisés, aide à obtenir des éléments de réponses aux questions que se pose un intervenant dans un processus de décision. [ROY 85] 7 Lesintervenants intervenantsdans dans la ladécision décision Les Décideur Décideur Multiple Multiple Unique Unique Consensus Consensus Conflit Conflit 8 Lesniveaux niveauxde dedécisions décisions Les [DOUMEINGT 98] 9 Lesniveaux niveauxde dedécisions décisions Les ) Stratégique : acquisition des ressources à long terme et investissements importants, ) Tactique : planification à moyen terme et variations de certains paramètres, ) Opérationnel : activités quotidiennes à un niveau détaillé. 10 Modèlesde derésolution résolutiondu duproblème problèmed’aide d’aideààla ladécision décision Modèles Méthodes exactes - Théorie des graphes, Méthodes approchées - Algorithmes génétiques, - Logique floue, - Modèles mathématiques. - Système expert. 11 Modèlesde derésolution résolutionoptimale optimale Modèles Théorie des graphes Modèles mathématiques ) Factuels ) Formels ) Constructifs 12 Modèlesde derésolutions résolutionsapprochées approchées Modèles ) Règles de bon sens, ) Interprétation aisée de la stratégie de décision, ) Solution justifiée par l’expertise humaine, )Evaluation qualitative humaine, ) Processus génétique. 14 Système expert expert Système Expert Base de connaissances Module d'Acquisition des Connaissances Interface Acquisition Cogniticien Base de Faits Module d'Explication Interface Utilisateur Utilisateur Base de règles Moteur d’inférence 15 Avantages des des méthodes méthodes approchées approchées Avantages Un excellent rapport entre : ) La qualité des solutions obtenues, ) Le temps de calcul nécessaire, ) La facilité d’implémentation. 16 ) Introduction ) Aide à la décision ) Problématique des systèmes de transport collectif ) ) ) ) Approche proposée : Système flou d’aide à la décision Processeur de fuzzification Simulations et résultats Conclusion et perspectives 17 Problématiques des des systèmes systèmes de de transport transport collectif collectif Problématiques ) Systèmes dynamiques complexes, ) Exigences en terme de qualité de service, ) Exigences en terme de sûreté de fonctionnement, ) Dimension de réseau, ) Fréquence d’exploitation. 18 Problématique des des nœuds nœuds de de correspondances correspondances Problématique Régulateur S.A.E. 20 Leslimites limitesdes desapproches approchesactuelles actuelles Les )Modèles ne traduisant pas la réalité des phénomènes en cours, )Hypothèses de départ : souvent simplificatrices et réductrices, )Décalage entre la théorie et les réelles mises en places, )Difficulté de maîtriser la stabilité. 21 L’intelligence artificielle artificielle L’intelligence )La puissance et la capacité de résolution de problèmes complexes, )La simplicité et la souplesse d’application, )Modèles traduisant la réalité des phénomènes en cours, )Hypothèses de départ basées sur la réalité. 22 ) Introduction ) Aide à la décision ) Problématique des systèmes de transport collectif ) ) ) ) Approche proposée : Système flou d’aide à la décision Processeur de fuzzification Simulations et résultats Conclusion et perspectives 24 Qu’estce cequ’un qu’unmodèle modèleflou floud’aide d’aideààla ladécision? décision? Qu’est Un modèle flou d ’aide à la décision est un processus de génération de décision en temps réel qui tient compte d’un ensemble de connaissances de natures différentes, évolutives, incertaines et incomplètes : ) Connaissances théoriques, ) Connaissances empiriques, ) Connaissances concrètes. 25 Quellecontribution contributionapporte apportela lalogique logiquefloue floueààl’aide l’aideààla la Quelle décision?? décision L’intégration dans un même modèle des connaissances issues de responsables de l’exploitation à savoir : L’expertise théorique issue du bureau d’étude et de méthode, L’expertise empirique que détient l’ingénieur de simulation, ) L’expertise concrète que détiennent les experts. 26 Modèleflou floud’aide d’aideààla ladécision décision Modèle CONNAISSANCES FUZZIFICATION INFERENCE C R IT E R E S DE D E C IS IO N S REGLES DE D E C IS IO N S DEFUZZIFICATION ts , n e li e c …... d bre e, etc m No chin ma Si C on di tio . PROPOSITION DES STRATEGIES EVALUATION DES STRATEGIES OK STRATEGIES OPERATIONNELLES SUGGESTION DE STRATEGIES n Al or sA ct io n, 28 ) Introduction ) Aide à la décision ) Problématique des systèmes de transport collectif ) ) ) ) Approche proposée : Système flou d’aide à la décision Processeur de fuzzification Simulations et résultats Conclusion et perspectives 31 Fuzzification Fuzzification Fuzzification du Retard/Avance T Retard -3 µ(t) Retard Avance 1 0 1 Tt - Tr ( min) 32 Fuzzification Fuzzification Fuzzification du nombre de clients Négligeable Moyen µ(Nc) 1 0 3 Important 5 Nombre de clients 33 Fuzzification Fuzzification Fuzzification du moment de la journée (conditions de circulation) HP HR= HP HC FS 1 µ(h) 8 9 10 11 12 13 14 15 16 17 18 19 20 Heure 34 Fuzzification Fuzzification Fuzzification des classes de ralentissement Negligeable Faible Moyen Important µ(y) 1 y temps( min) 0 1 2 3 4 5 Tt - Tr 35 Autres paramètres paramètres Autres Moyens de réserve Bus garés, ) ) Camionnettes, ) Chauffeurs disponibles, ) Autres moyens. Evénements ) Réguliers, ) Occasionnels. 37 L’inférence floue floue L’inférence ) Extraction de connaissances, ) Divers groupes de travail, ) Divers scénarios, ) Validation et agrégation des règles d’inférence, ) Aboutissement au module d ’inférence floue. 38 L’inférence floue floue L’inférence 39 L’inférence floue floue L’inférence Si le bus amenant est en retard et le bus emportant est très en retard et le nombre de voyageurs est moyen et le moment de la journée est l’heure creuse, alors le ralentissement du bus emportant est faible. si le bus amenant est en avance et le bus emportant est très en retard et le nombre de voyageurs est moyen et le moment de la journée est l’heure creuse, alors le ralentissement du bus emportant est moyen. 40 L’inférence floue floue L’inférence A/R Si A/R NV MO Retard Avance Moyen HP M Retard Avance Moyen FS I T Rd Retard Moyen HR F T Rd Retard Moyen HP T Rd Avance Moyen HP . . . . . . . . . . . . Alors M I . . . 41 L’inférence floue floue L’inférence X = ( X1, X 2,.................,Xn) A = Am , n : Vecteur d’état de l’inférence floue. : Matrice caractéristique de l’inférence floue. C = (C1, C2,......................,Cm) : Vecteur résultat de l’inférence floue. R1 : si X1 est A11 et X2 est A12 …………..et Xn est A1n alors y est C1 . . . Rm : si X1 est Am1 et X2 is Am2 ………….et Xn est Amn alors y est Cm 43 Défuzzification Défuzzification Méthode du centre de gravité S µ(y) G0 µ(y0) Y : l’univers de discours, y0 y µ (y) : la fonction d’appartenance de l’univers de discours, S G0 : surface dont on veut calculer le centre de gravité, : le centre de gravité du sous-ensemble de discours. Yg = ∫ y µ ( y )dy ∫ µ ( y )dy 44 Exemple 11 Exemple Soit le vecteur suivant :(-3, 0.4, 3, 13 H) Moment de la journée Flux de passagers Bus emportant Bus amenant µ(t1) µ(t2) 0.6 0.3 Bus emportant Bus amenant µ(h) µ(f) Moment de la journée Flux de passagers 46 1 Si le bus amenant est très en retard et le bus emportant est en avance et le nombre de voyageurs est moyen et le moment de la journée est l’heure de pointe, alors le ralentissement du bus emportant est important. 2 Si le bus amenant est très en retard et le bus emportant est en retard et le nombre de voyageurs est moyen et le moment de la journée est l’heure de pointe, alors le ralentissement du bus emportant est moyen. 51 ) Introduction ) Aide à la décision ) Problématique des systèmes de transport collectif ) ) ) ) Approche proposée : Système flou d’aide à la décision Processeur de fuzzification Simulations et résultats Conclusion et perspectives 60 Exemple de de décision décision Exemple Substitution Substitution 61 Exemple de de décision décision Exemple Transbordement Transbordement 62 Exemple de de décision décision Exemple Nouveau point point de de rencontre rencontre Nouveau 63 A 13h 32 minutes, 5 personnes se rendent à leur travail situé à la rue de souchaux . les personnes habitent à Hérimoncourt la bouloie . Rue de souchaux Temple Mandeure Hérimoncourt la bouloie 64 66 Arrêt Mandeure Valentigney Temple Hérimoncourt Monbéliard Ligne4 Ligne 3 67 ) Introduction ) Aide à la décision ) Problématique des systèmes de transport collectif ) ) ) ) Approche proposée : Système flou d’aide à la décision Processeur de fuzzification Simulations et résultats Conclusion et perspectives 68 Conclusion et et perspectives perspectives Conclusion ) Contribution de l’intelligence artificielle à résoudre des problèmes aussi difficiles que les systèmes de transport. ) Faisabilité de la réalisation d’un model d’aide à la décision basé sur les techniques de la logique floue. ) L’agrégation des règles et le groupement des décisions sous forme de classes. )L’apport de la collaboration entre la recherche et l’expérience du terrain : l’expertise. 69 ) Le développement des méthodologies capables de s’adapter à toutes les stratégies de prise de décision. ) La prise en compte d’un nombre considérable de critères de décisions qui reste une perspective immédiate au sein de notre équipe de recherche. ) Généraliser le SAD à des réseaux TC multimodaux : Métro, Autobus, Tramway et TER.