en fr Leveraging geolocalization technologies to model and estimate urban traffic Dveloppement dun modle destimation des variables de trafic urbain bas sur lutilisation des technologies de golocalisation Report as inadecuate

en fr Leveraging geolocalization technologies to model and estimate urban traffic Dveloppement dun modle destimation des variables de trafic urbain bas sur lutilisation des technologies de golocalisation - Download this document for free, or read online. Document in PDF available to download.

1 IFSTTAR-GRETTIA - Gnie des Rseaux de Transport Terrestres et Informatique Avance

Abstract : Sustainable mobility development requires the optimization of existing transportation infrastructure. In particular, ubiquitous traffic information systems have the potential to optimize the use of the transportation network. The system must provide accurate and reliable traffic information in real-time to optimize mobility choices. Successful implementations are also valuable tools for traffic management agencies. The thesis studies how the emergence of Internet services and location based services on mobile devices enable the development of novel Intelligent Transportation Systems which estimate and broadcast traffic conditions in arterial networks. Sparsely sampled probe data is the main source of arterial traffic data with the prospect of broad coverage in the near future. The small number of vehicles that report their position at a given time and the low sampling frequency require specific models and algorithms to extract valuable information from the available data. On the one hand, the variability of traffic conditions in urban networks, caused mainly by the presence of traffic lights, motivates a statistical approach of arterial traffic dynamics. On the other hand, an accurate modeling of the physics of arterial traffic from hydrodynamic theory formation and dissolution of horizontal queues ensures the physical validity of the model. The thesis proposes to integrate the dynamical model of arterial traffic in a statistical framework to integrate noisy measurements from probe vehicle data and estimate physical parameters, which characterize the traffic dynamics. In particular, the thesis derives and estimates the probability distributions of vehicle location and of travel time between arbitrary locations. The thesis leverages the data and the infrastructure developed by the Mobile Millennium project at the University of California, Berkeley to validate the models and algorithms. The results underline the importance to design statistical models for sparsely sampled probe vehicle data in order to develop the next generation of operation large-scale traffic information systems

Rsum : Face laugmentation de la mobilit, les politiques de dveloppement durable cherchent optimiser lutilisation des infrastructures de transport existantes. En particulier, les systmes dinformation du trafic large chelle ont le potentiel doptimiser lutilisation du rseau de transport. Ils doivent fournir aux usagers une information fiable en temps rel leur permettant doptimiser leurs choix ditinraires. Ils peuvent galement servir doutils daide la dcision pour les gestionnaires du rseau. La thse tudie comment lmergence des services Internet sur les tlphones portables et la rapide prolifration des systmes de golocalisation permet le dveloppement de nouveaux services destimation et dinformation des conditions de trafic en rseau urbain. Lutilisation des donnes provenant de vhicules traceurs ncessite le dveloppement de modles et dalgorithmes spcifiques, afin dextraire linformation de ces donnes qui ne sont envoyes, jusqu prsent, que par une faible proportion des vhicules circulant sur le rseau et avec une frquence faible. La variabilit des conditions de circulations, due la prsence de feux de signalisation, motive une approche statistique de la dynamique du trafic, tout en intgrant les principes physiques hydrodynamiques formation et dissolution de files dattentes horizontales. Ce modle statistique permet dintgrer de faon robuste les donnes bruites envoyes par les vhicules traceurs, destimer les paramtres physiques caractrisant la dynamique du trafic et dobtenir lexpression paramtrique de la loi de probabilit des temps de parcours entre deux points quelconques du rseau. La thse sappuie sur les donnes et les infrastructures dveloppes par le projet Mobile Millennium lUniversit de Californie, Berkeley pour valider les modles et algorithmes proposs. Les rsultats soulignent limportance du dveloppement de modles statistiques et dalgorithmes adapts aux donnes disponibles pour dvelopper un systme oprationnel destimation du trafic large chelle

en fr

Keywords : Forecast Geolocalization data Statistical model Arterial traffic

Mots-cls : Prdiction Donnes de go-localisation Modle statistique Traffic urbain Estimation

Author: Aude Hofleitner -

Source: https://hal.archives-ouvertes.fr/


Related documents