Méthodes collaboratives de sensibilité au contexte dans les systèmes multi agents mobiles
Loading...
Date
2024
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
universit2 20 qout 1955 skikda
Abstract
Dans les réseaux véhiculaires, la gestion de la congestion du trafic demeure un problème crucial, particulièrement aux intersections où les embouteillages affectent directement la fluidité de la
mobilité urbaine. Les approches traditionnelles reposant sur des algorithmes fixes ou des modèles
statiques montrent leurs limites face à la complexité des environnements dynamiques, marqués
par des conditions imprévisibles telles que les variations de trafic, les comportements aléatoires des
conducteurs, et les perturbations externes comme les conditions météorologiques. Dans ce contexte,
il devient impératif de concevoir des systèmes de gestion du trafic capables de réagir et de s’adapter
aux conditions changeantes et imprévisibles.
Cette recherche présente deux contributions majeures pour aborder ces défis. La première consiste
en l’exploitation de l’outil RENEW (Reference Net Workshop) pour la modélisation de la gestion
de la congestion du trafic aux intersections dans les réseaux véhiculaires (VANET). Cette approche
repose sur des systèmes multi-agents mobiles capables de représenter et de simuler les comportements des véhicules dans un environnement dynamique et souvent congestionné. En utilisant des
agents mobiles pour modéliser le flux de trafic, cette méthode permet d’optimiser les déplacements
et de réduire les embouteillages aux intersections. Bien que cette approche se concentre sur la
simulation du comportement des systèmes de transport intelligents sans intégrer de règles complexes, elle constitue une base solide pour comprendre et simuler l’évolution du trafic en tenant
compte des variations de trafic et des conditions externes. La deuxième contribution va au-delà de
la simple modélisation en intégrant les règles JESS avec l’outil RENEW. Cette intégration permet
de renforcer la sensibilité contextuelle des agents dans le modèle en leur fournissant une capacité
de raisonnement plus avancée. Grâce à l’intégration de JESS, les agents sont désormais capables
de prendre des décisions plus raffnées en fonction de l’évolution dynamique de l’environnement,
comme les fluctuations du trafic en temps réel ou les comportements imprévisibles des conducteurs.
Cela permet aux agents d’adopter une prise de décision autonome, réactive et sensible au contexte,
améliorant ainsi l’effcacité globale de la gestion du trafic aux intersections