Microscopic modeling of Personal Mobility Devices (PMDs), in mixed traffic and share space conditions - Archive ouverte HAL Accéder directement au contenu
Thèse Année : 2023

Microscopic modeling of Personal Mobility Devices (PMDs), in mixed traffic and share space conditions

Modélisation microscopique des Engins de Déplacement Personnel (EDP), dans des conditions de trafic mixte et d’espaces partagés

Résumé

PhD thesis on microscopic modeling of Personal Mobility Devices (PMDs) under mixed traffic and share space conditions is proposed in the context of the implementation of an eco-district LaVallée in Châtenay-Malabry, Île de France, France. LaVallée is an eco-district where the implementation of micromobility services will generate spaces where vehicles, pedestrians and PMDs can interact with each other. In order to ensure harmony and road security among the different users of the eco-district, the interactions of the different users are studied at a microscopic level in this thesis. The first chapter includes a comprehensive review of the existing literature review with emphasis on microscopic-level traffic simulation models of pedestrians, bicycles and cars. Both classical traffic models such as the Social Force Model (SFM) for pedestrians and the Car Following Model (CFM) for cars, as well as recent machine learning models such as the use of neural networks for microscopic traffic simulation. The second chapter focuses on the database, where the data was collected, and the development of a software based on advanced computer vision techniques (µ-scope) and which has been the subject of previous research. The methodology of data collection was thoroughly explained, and the locations where the data was collected were identified. In the third chapter, a process of calibrating existing traffic models is performed. Calibration allows to determine the parameters corresponding to the PMDs for both the SFM and the CFM, and therefore to make the first conclusions on the hybrid behavior of the PMDs. In view of the low performance of the existing models in Chapter 4, two new models based on Long-Short Term Memory (LSTM) recurrent deep neural networks are proposed. These models aim to improve the accuracy of traffic simulation by incorporating advanced machine learning techniques. The results of the simulation and the effectiveness of the proposed models are discussed and evaluated. The overall aim of the thesis is to advance the understanding of traffic behavior of PMDs and to contribute to the development of more effective traffic management under mixed traffic conditions
La thèse de doctorat sur la Modélisation microscopique des engins de déplacement personnel (EDP), dans des conditions de trafic mixte et d’espaces partagés est proposée dans le contexte de la mise en place d'un éco-quartier LaVallée à Châtenay-Malabry, Île de France, France. LaVallée est un éco-quartier où la mise en place de services de micromobilité va générer des espaces où les véhicules, les piétons et les EDP interagissent entre eux. Afin d'assurer l'harmonie et la sécurité de la circulation entre les différents utilisateurs de l'éco-quartier, les interactions des différents utilisateurs sont étudiées à un niveau microscopique dans cette thèse. Le premier chapitre comprend une revue complète de la littérature existante en se focalisant sur les modèles de simulation de trafic au niveau microscopique des piétons et des voitures. Il s'agit aussi bien de modèles de trafic classiques tels que le Social Force Model (SFM) pour les piétons et le Car Following Model (CFM) pour les voitures, que de modèles récents d'apprentissage automatique tels que l'utilisation de réseaux neuronaux pour la simulation de trafic microscopique. Le deuxième chapitre se concentre sur la base de données, où les données ont été recueillies, et sur le développement d'un logiciel basé sur des techniques avancées de vision par ordinateur (µ-scope) et qui a fait l'objet de recherches précédentes. La méthodologie de recueil des données est expliquée en détail, et les endroits où les données ont été recueillies sont identifiés. Dans le troisième chapitre, un processus de calibrage des modèles de trafic existants est effectué. Le calibrage permet de déterminer les paramètres correspondant aux EDP pour le SFM et le CFM, et donc de réaliser les premières conclusions sur le comportement hybride des EDP. En raison de la performance insuffisante des modèles existants, le chapitre 4 propose deux nouveaux modèles basés sur des réseaux neuronaux profonds récurrents à mémoire à long terme (LSTM). Ces modèles ont pour but d'améliorer la performance de la simulation du trafic en incorporant des techniques avancées d'apprentissage automatique. Les résultats de la simulation et la performance des modèles proposés sont discutés et évalués. L'objectif global de la thèse est de faire avancer la compréhension du comportement du trafic des PMD et de contribuer au développement d'une gestion plus efficace du trafic dans des conditions de trafic mixte
Fichier principal
Vignette du fichier
TH2023UEFL2011.pdf (5.72 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04198127 , version 1 (06-09-2023)

Identifiants

  • HAL Id : tel-04198127 , version 1

Citer

Yeltsin Valero Camarena. Microscopic modeling of Personal Mobility Devices (PMDs), in mixed traffic and share space conditions. Geography. Université Gustave Eiffel, 2023. English. ⟨NNT : 2023UEFL2011⟩. ⟨tel-04198127⟩
150 Consultations
30 Téléchargements

Partager

Gmail Facebook X LinkedIn More