Comment les mathématiques contribuent
Transcription
Comment les mathématiques contribuent
Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion “Modèles mathématiques et réalité" Comment les mathématiques contribuent-elles à la gestion du trafic routier? Paola Goatin INRIA Sophia Antipolis - Méditerranée [email protected] Sourdun, 30 Aout 2012 1 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Plan de l’exposé 1 Modèles de trafic routier 2 Modèles macroscopiques 3 Lois de conservation 4 Exemples d’application 5 Dynamique des foules 6 Conclusion et perspectives 2 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Modèles de trafic routier Trois échelles possibles : Microscopique ẋi = vi , v̇i = C vi+1 − vi xi+1 − xi (“follow-the-leader”) simulations numériques (http://www.traffic-simulation.de/) beaucoup de paramètres 3 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Modèles de trafic routier Trois échelles possibles : Microscopique (et automates cellulaires) ẋi = vi , v̇i = C vi+1 − vi xi+1 − xi (“follow-the-leader”) simulations numériques (http://www.traffic-simulation.de/) beaucoup de paramètres 3 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Modèles de trafic routier Trois échelles possibles : Microscopique (et automates cellulaires) ẋi = vi , v̇i = C vi+1 − vi xi+1 − xi (“follow-the-leader”) simulations numériques (http://www.traffic-simulation.de/) beaucoup de paramètres Macroscopique : équations aux dérivée partielles dérivée de la dynamique des fluides théorie analytique peu de paramètres 3 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Modèles de trafic routier Trois échelles possibles : Microscopique (et automates cellulaires) ẋi = vi , v̇i = C vi+1 − vi xi+1 − xi (“follow-the-leader”) simulations numériques (http://www.traffic-simulation.de/) beaucoup de paramètres Cinétique : équations type Boltzmann Macroscopique : équations aux dérivée partielles dérivée de la dynamique des fluides théorie analytique peu de paramètres 3 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Plan de l’exposé 1 Modèles de trafic routier 2 Modèles macroscopiques 3 Lois de conservation 4 Exemples d’application 5 Dynamique des foules 6 Conclusion et perspectives 4 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Modèles macroscopiques h i Z nombre de voitures dans [a, b] au temps t = b ρ(t, x) dx a doit être conservé ! Z b a Z ρ(t2 −, x)dx = a + t2 t1 f (t, a+)dt Z b − Z ρ(t1 +, x)dx t2 t1 f (t, b−)dt t ⇓ t2 théorème de la divergence pour (ρ, f ) ⇓ Z t2 t1 Z b ∂t ρ + ∂x f dx dt = 0 t1 0 a b x a 5 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Conditions requises Aucune information doit se propager plus vite que les véhicules (anisotropie) Relation flux-densité : f (t, x) = ρ(t, x)v(t, x). La densité et la vitesse moyenne doivent toujours être non-négatives et bornées : 0 ≤ ρ(t, x), v(t, x) < +∞, ∀x, t > 0. Ce n’est pas vraiment de la dynamique des fluides : direction privilégiée pas de conservation de la quantité de mouvement / energie pas de viscosité n ≪ NA ∼ 6 · 1023 6 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Modèles macroscopiques n ≪ 6 · 1023 mais ... 7 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Modèles du premier ordre Lighthill-Whitham ’55, Richards ’56, Greenshields ’35 : Equation de transport non-linéaire : lois de conservation scalaire ∂t ρ + ∂x f (ρ) = 0, f (ρ) = ρv(ρ) Fonction flux émpirique : diagramme fondamental f f Ωf Ωf Ωc Ωc ρc ρc 0 R ρ Newell-Daganzo Greenshields avec R densité maximale (emboutillage) et ρc densité critique : 0 R ρ flux croissant pour ρ ≤ ρc : phase d’écoulement fluide flux décroissant pour ρ ≥ ρc : phase de congestion 8 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Modèles d’ordre superieur Motivation : les données experimentales montrent un diagramme fondamental plus complexe ρv (veh/hr) 3600 2000 0 0 100 225 ρ(veh/mile) Viale Muro Torto, Roma 9 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Modèles d’ordre superieur Motivation : les données experimentales montrent un diagramme fondamental plus complexe ρv (veh/hr) v = v(ρ, ?) 3600 2000 0 0 100 225 ρ(veh/mile) Viale Muro Torto, Roma 9 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Plan de l’exposé 1 Modèles de trafic routier 2 Modèles macroscopiques 3 Lois de conservation 4 Exemples d’application 5 Dynamique des foules 6 Conclusion et perspectives 10 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Systèmes hyperboliques de lois de conservation On retrouve un système d’EDPs de la forme ∂t u + ∂x f (u) = 0, u(0, x) = u0 (x), où t ∈ [0, +∞[, x ∈ IR1 , u = u(t, x) ∈ IRn quantités conservées, f : IRn → IRn flux. 11 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Systèmes hyperboliques de lois de conservation On retrouve un système d’EDPs de la forme ∂t u + ∂x f (u) = 0, u(0, x) = u0 (x), où t ∈ [0, +∞[, x ∈ IR1 , u = u(t, x) ∈ IRn quantités conservées, f : IRn → IRn flux. On va essayer de répondre aux questions suivantes : Ce problème admet-il toujours une solution ? Est-elle unique ? Comment la trouve-t-on ? 11 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Cas linéaire : f (u) = Au, avec A ∈ Rn×n matrice Le système est (strictement) hyperbolique si A admet n valeurs propres réels distincts λ1 < . . . < λn ∂t vi + λi ∂x vi = 0 v(0, x) = v̄(x) où vi = li · u, u = n X vi ri i=1 12 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Cas linéaire : f (u) = Au, avec A ∈ Rn×n matrice Le système est (strictement) hyperbolique si A admet n valeurs propres réels distincts λ1 < . . . < λn ∂t vi + λi ∂x vi = 0 v(0, x) = v̄(x) où vi = li · u, u = n X vi ri i=1 Méthode des caractéristiques : ẏi (t) = λi ⇒ d vi (t, yi (t)) = ∂t vi + λi ∂x vi = 0 dt vi (t, yi (t)) = v̄i (y0 ) ⇒ vi (t, x) = v̄i (x − λi t) ⇒ 12 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Cas linéaire : f (u) = Au, avec A ∈ Rn×n matrice Superposition des ondes : u(t, x) = n X v̄i (x − λi t)ri i=1 v1 t x v2 x x ⇒ existence et unicité 13 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Cas linéaire : f (u) = Au, avec A ∈ Rn×n matrice Superposition des ondes : u(t, x) = n X v̄i (x − λi t)ri i=1 v1 λ1 t x v2 λ2 x x ⇒ existence et unicité 13 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Cas NON-linéaire Strictement hyperbolique : la Jacobienne Df (u) a n valeurs propres réels distincts λ1 (u) < λ2 (u) < . . . < λn (u) vecteurs propres r1 (u), . . . , rn (u) Vraiment non-linéaire : ∇λi · ri > 0 (∼ flux convexe) Linéarment dégénéré : ∇λi · ri ≡ 0 (∼ flux linéaire) 14 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Flux non-linéaire ⇒ apparition de chocs ! Exemple : ∂t ρ + ∂x [ρ(1 − ρ)] = 0 ( 0 si x < 0 ρ0 t.q. 1 si x > 1 Courbes caractéristiques : ρ(t, y(t)) = ρ0 (y0 ) pour y(t) solution de ẏ(t) = f ′ (ρ(t, y(t))) = 1 − 2ρ(t, y(t)) = 1 − 2ρ0 (y0 ) ( 1 si y0 < 0 y(t) = (1 − 2ρ0 (y0 )) t = −1 si y0 > 1 ⇒ t ρ x x 15 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Flux non-linéaire ⇒ apparition de chocs ! Exemple : ∂t ρ + ∂x [ρ(1 − ρ)] = 0 ( 0 si x < 0 ρ0 t.q. 1 si x > 1 Courbes caractéristiques : ρ(t, y(t)) = ρ0 (y0 ) pour y(t) solution de ẏ(t) = f ′ (ρ(t, y(t))) = 1 − 2ρ(t, y(t)) = 1 − 2ρ0 (y0 ) ( 1 si y0 < 0 y(t) = (1 − 2ρ0 (y0 )) t = −1 si y0 > 1 ⇒ t ρ x x 15 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Flux non-linéaire ⇒ apparition de chocs ! Exemple : ∂t ρ + ∂x [ρ(1 − ρ)] = 0 ( 0 si x < 0 ρ0 t.q. 1 si x > 1 Courbes caractéristiques : ρ(t, y(t)) = ρ0 (y0 ) pour y(t) solution de ẏ(t) = f ′ (ρ(t, y(t))) = 1 − 2ρ(t, y(t)) = 1 − 2ρ0 (y0 ) ( 1 si y0 < 0 y(t) = (1 − 2ρ0 (y0 )) t = −1 si y0 > 1 ⇒ t ρ x x 15 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Solutions faibles Au sens des distributions : ZZ u ∂t φ + f (u) ∂x φ dx dt = 0 ∀φ ∈ Cc1 (R+ × R) Sur une courbe de discontinuité (choc) x = ξ(t) : ξ t n+ ω+ ω− n− x 16 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Condition de Rankine-Hugoniot A l’aide de la formule de Green : ZZ 0= u ∂t φ + f (u) ∂x φ dx dt ω ZZ ZZ = + u ∂t φ + f (u) ∂x φ dx dt ω− = Z ∂ω− + = = ⇒ Z Z ω+ (u− n− t Z + f (u− )n− x )φ ds − ZZ + (u+ n+ t + f (u+ )nx )φ ds − ∂ω+ − (u− n− t + f (u− )nx )φ ds + x=ξ(t) x=ξ(t) (∂t u + ∂x f (u))dt dx ω− ZZ Z (∂t u + ∂x f (u))dt dx ω+ + (u+ n+ t + f (u+ )nx )φ ds x=ξ(t) (u+ − u− )nt + (f (u+ ) − f (u− ))nx φ ds ξ̇(u+ − u− ) = f (u+ ) − f (u− ) 17 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Condition de Rankine-Hugoniot Dans l’exemple précedent : ∂t ρ + ∂x [ρ(1 − ρ)] = 0 ( 0 si x < 0 ρ0 s.t. 1 si x > 1 donc ρ− = 0, ρ+ = 1 ⇒ ξ̇ = f (ρ+ ) − f (ρ− ) = 1 − ρ+ − ρ− = 0 ρ+ − ρ− il s’agit d’un choc stationnaire ! 18 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Non-unicité des solutions faibles Exemple : ∂t ρ + ∂x [ρ(1 − ρ)] = 0 ρ0 (x) ≡ 1/2 On peut construire une infinité de solutions satisfaisantes RH ∀α > 0 : 1/2 x < −αt 1/2 + α −αt < x < 0 ρ(t, x) = 1/2 − α 0 < x < αt 1/2 x > αt t x = α t x = −α t ρ = 1 +α 2 ρ = 1 2 ρ = 1 −α 2 ρ = 1 2 x 19 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Condition d’entropie uε solution de ∂t uε + ∂x f (uε ) = ε∂xx uε converge vers u solution de ∂t u + ∂x f (u) = 0 20 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Condition d’entropie uε solution de ∂t uε + ∂x f (uε ) = ε∂xx uε converge vers u solution de ∂t u + ∂x f (u) = 0 Entropie : E = E(u) entropie convexe : D2 E(u) > 0 F = F (u) t.q. ∇F (u) = ∇E(u)Df (u) flux d’entropie 20 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Condition d’entropie uε solution de ∂t uε + ∂x f (uε ) = ε∂xx uε converge vers u solution de ∂t u + ∂x f (u) = 0 Entropie : E = E(u) entropie convexe : D2 E(u) > 0 F = F (u) t.q. ∇F (u) = ∇E(u)Df (u) flux d’entropie alors uε satisfait ∂t E(uε ) + ∂x F (uε ) =∇E(uε ) ∂t uε + ∂x f (uε ) = ε∇E(uε )∂xx uε =ε∂xx E(uε ) − εD2 E(uε )(∂x uε ⊗ ∂x uε ) ≤ ε∂xx E(uε ) 20 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Condition d’entropie uε solution de ∂t uε + ∂x f (uε ) = ε∂xx uε converge vers u solution de ∂t u + ∂x f (u) = 0 Entropie : E = E(u) entropie convexe : D2 E(u) > 0 F = F (u) t.q. ∇F (u) = ∇E(u)Df (u) flux d’entropie alors uε satisfait ∂t E(uε ) + ∂x F (uε ) =∇E(uε ) ∂t uε + ∂x f (uε ) = ε∇E(uε )∂xx uε =ε∂xx E(uε ) − εD2 E(uε )(∂x uε ⊗ ∂x uε ) ≤ ε∂xx E(uε ) et à la limite ε → 0, u doit satisfaire ∂t E(u) + ∂x F (u) ≤ 0 ou ZZ E(u)∂t φ + F (u)∂x φ dx dt ≥ 0, ∀φ ∈ Cc1 , φ ≥ 0 20 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Condition de Lax (cas scalaire) Pour un flux f strictement convexe (f ′′ (u) ≥ c > 0) ou concave (f ′′ (u) ≤ −c < 0), la condition d’entropie est équivalente à f ′ (u− ) > ξ̇ > f ′ (u+ ) les caractéristiques “entrent” dans le choc ξ̇ f ′ (u− ) f ′ (u+ ) x 21 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Condition de Lax (cas scalaire) Exemple : flux concave ∂t ρ + ∂x [ρ(1 − ρ)] = 0 La condition de Lax s’écrit : 1 − 2ρ− > 1 − ρ− − ρ+ > 1 − 2ρ+ f ρ+ ρ− ρ ⇒ le choc est admissible ssi ρ− < ρ+ 22 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Problème de Riemann Le problème de Cauchy plus simple : ∂t u + ∂x f (u) = 0 ( ug si x < 0 u(0, x) = ud si x > 0 La solution doit être auto-similaire u(t, x) ≡ u(at, ax) ∀a > 0 ⇒ on cherche u de la forme u(t, x) = v(x/t) t x 23 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Solveur de Riemann (n = 1) si f ′ (ug ) > f ′ (ud ) ⇒ choc de vitesse λ = f (ud )−f (ug ) ud −ug si f ′ (ug ) < f ′ (ud ) ⇒ onde de détente : u(t, x) = v(x/t), x/t = λ ⇒ d v 6= 0 dλ ⇒ d d f (v) = λ v dλ dλ d f ′ (v) − λ v dλ f ′ (v) = λ c’est à dire : u(t, x) = v(x/t) t.q. f ′ (u(t, x)) = x/t 24 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Plan de l’exposé 1 Modèles de trafic routier 2 Modèles macroscopiques 3 Lois de conservation 4 Exemples d’application 5 Dynamique des foules 6 Conclusion et perspectives 25 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Exemple : feu rouge Peut s’écrire comme un problème de Riemann : ∂t ρ + ∂x [ρ(1 − ρ)] = 0 ( ρ̄ si x < 0 ρ0 (x) = 1 si x > 0 0 < ρ̄ < 1 ρ̄ < 1 ⇒ choc de vitesse λ = 1 − ρ̄ − 1 < 0 26 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Exemple : feu vert Peut s’écrire comme un problème de Riemann : ∂t ρ + ∂x [ρ(1 − ρ)] = 0 ( 1 si x < 0 ρ0 (x) = 0 si x > 0 1 > 0 ⇒ détente de profil ρ(t, x) = 1 x − , 2 2t 0 < ρ̄ < 1 −t ≤ x ≤ t 27 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Exemple : péage Peut s’écrire comme un problème de Riemann avec contrainte : ∂t ρ + ∂x (ρ(1 − ρ)) = 0 ρ(0, x) = 0.3χ[0.2,1] (x) f (ρ(t, 1)) ≤ 0.1 rho at time t=0 rho 1.0 0.5 0.0 0.0 0.5 1.0 x 1.5 2.0 28 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Exemple : jonctions 29 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Exemple : jonctions 1) coefficients de distribution du trafic 2) maximisation du flux 29 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Exemple : reseaux Un grand rond-point à Rome : ou une ville entière, une agglomération (voir http://traffic.berkeley.edu/) ... 30 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Plan de l’exposé 1 Modèles de trafic routier 2 Modèles macroscopiques 3 Lois de conservation 4 Exemples d’application 5 Dynamique des foules 6 Conclusion et perspectives 31 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Dynamique des foules Système 2D modélisant une foule dans un espace confiné : ∂t ρ(t, x, y) + divx,y f (t, x, y) = 0 (cons. masse) +conditions au bord + équation de fermeture pour définir le flux f pour simuler le comportement des piétons : viser le chemin plus rapide éviter les endroits bondés et les parois comportement irrationnel en situation de panique formation de files dans flux opposés auto-organisation collective aux intersections etc ... 32 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Le chemin plus rapide ... ... ce n’est pas forcement le plus court ! 33 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Le paradoxe de Braess Un obstacle devant la sortie peut réduire la pression et le temps d’évacuation 34 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Plan de l’exposé 1 Modèles de trafic routier 2 Modèles macroscopiques 3 Lois de conservation 4 Exemples d’application 5 Dynamique des foules 6 Conclusion et perspectives 35 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Conclusion Modélisation macroscopique du trafic : ∂t u(t, x) + divx f (u(t, x)) = 0 t > 0, x ∈ IRD , u ∈ IRn AVANTAGES : modélisation de type milieu continu description globale de l’évolution spatio-temporelle comparaison satisfaisante avec les données réelles adaptés à la formulation de problèmes de contrôle ou d’optimisation MAIS : pas de théorie analytique générale pour systèmes hyperboliques multi-D (n > 1) contrôle des lois de conservation 36 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Perspectives Modèles macroscopiques pour le gestion du trafic : Trafic routier (D = 1) Dynamique des foules (D = 2) Contrôler pour : économiser temps et energie minimiser le temps d’évacuation diminuer la pollution prévenir les effets de la panique 37 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Mais il y aura toujours des phénomènes qui ne sont pas prévu par la modélisation... ! 38 / 39 Introduction Modèles macroscopiques Lois de conservation Exemples Piétons Conclusion Merci de votre attention ! 39 / 39