Limitations de vitesse variables et contrôle d'accès dans un réseau routier urbain pour une meilleure durabilité environnementale

The problem of urban traffic management for improved environmental sustainability is addressed. The objective is to reduce the energy consumption (electricity or fuel), as well as the emission of pollutants, without deteriorating the traffic performance. Traffic eco-management strategies, which are greatly enhanced by the development of connected and automated vehicles, can correspond either to the control of vehicles or infrastructures.The vehicle-side control includes motion planning (or eco-driving), route planning (or eco-routing), as well as cooperative control designs. The higher the level of connectivity, the larger the environmental benefits of such algorithms. Additionally, autonomous vehicles open the door to vehicles cooperation because of their more precise positioning and control, i.e. vehicles that coordinate their movements by communicating within each others and with the infrastructure. This includes vehicle platooning, cooperative adaptive cruise control (CACC), lane changing and merging control, and cooperative intersection control.The infrastructure-side control corresponds to the dynamic management of road-based flow regulation actuators such as speed limits and traffic light signals duty cycles and offsets. Its objective is to reduce the total pollutant emissions and energy consumption in the network by influencing the vehicular flow as a whole. In practice, such approaches consist in collecting data from vehicles traveling in the road network (vehicle density, traffic flow, average speed, etc.). Then, algorithms are used to predict and optimize the state of traffic. In this work, we choose to focus on the infrastructure-side control.The contributions of this work to traffic ecological management may be summarized as follows.Firstly, a formalization of a macroscopic traffic model adapted to the urban environment is proposed. It includes a methodology for treating intersections with traffic light signals. To estimate the fuel consumption, this traffic model is associated with a macroscopic model based on an artificial neural network (ANN). The latter is calibrated using a microscopic physical energy model and data provided by a microscopic traffic simulator parameterized in order to be compliant with real-world urban Floating Car Data (FCD). Macroscopic models are preferred for large-scale control because they are much faster to compute when the number of vehicles is large. They also have the advantage of considering the overall energy efficiency, which is the metric of interest for road network managers when it comes to traffic eco-management.Then, experiments are conducted in order to evaluate the relationship between congestion and vehicles' energy efficiency, especially at steady state. The impact of various speed limits are analyzed for different scenarios. Speed limits directly impact energy consumption and pollutant emissions as they affect the accelerations and average speeds through the network.Finally, a control design comparing variable speed limits (VSL) and signalized access control is proposed for improved environmental sustainability and traffic performance both in a synthetic urban area and in the peri-urban area at its boundaries. The traffic system is modeled using the microscopic traffic simulator SUMO, and a physical fuel consumption and NOx emission model is used. Speed limits are controlled in closed loop through a nonlinear model predictive control (NMPC) approach, in which the traffic evolution and the fuel consumption are predicted with macroscopic models. The results reveal that in transient phases between different levels of congestion, the closed-loop controller is faster to decongest the network, in an energy-efficient way, resulting in an improvement of the environmental sustainability and the traffic performance both in the controlled network, and at its boundary roads.Cette thèse aborde le sujet de la gestion écologique du trafic urbain. L'objectif est de réduire la consommation d'énergie et les émissions de polluants, sans détériorer les performances du trafic. Les stratégies d'éco-gestion, fortement valorisées par le développement des véhicules connectés et autonomes, peuvent correspondre au contrôle des véhicules, ou à celui des infrastructures.Le contrôle des véhicules comprend la planification de mouvement (ou eco-driving), d'itinéraire (ou eco-routing), ainsi que le contrôle coopératif. Plus le niveau de connectivité est élevé, plus les avantages environnementaux de ces algorithmes sont grands. De plus, les véhicules autonomes offrent de nouvelles perspectives en terme de coopération, en raison de leur commande plus précise. En pratique, cela correspond à des véhicules qui coordonnent leurs mouvements en communiquant entre eux et avec l'infrastructure.Le contrôle des infrastructures correspond à la gestion dynamique d'actionneurs de régulation de flux tels que les limitations de vitesse et les feux de signalisation. Son objectif est de réduire les émissions et consommation totales en influant sur les flux de véhicule. En pratique, de telles approches consistent à collecter les données des véhicules circulant dans le réseau routier (densité de véhicules, flux, vitesse moyenne). Ensuite, des algorithmes sont utilisés pour prédire et optimiser l'état du trafic. Dans ce travail, nous avons choisi de nous concentrer sur le contrôle des infrastructures.Les contributions de cette thèse à la gestion écologique du trafic peuvent être résumées comme suit.Dans un premier temps, la formalisation d'un modèle de trafic macroscopique adapté au milieu urbain est proposée. Il comprend une méthodologie pour traiter les intersections avec des feux de signalisation. Pour estimer la consommation de carburant, ce modèle de trafic est associé à un modèle macroscopique basé sur un réseau de neurones artificiels (ANN). Ce dernier est calibré à l'aide d'un modèle d'énergie physique microscopique et de données fournies par un simulateur de trafic paramétré avec des données urbaines de Floating Car Data (FCD). Les modèles macroscopiques sont préférés pour le contrôle à grande échelle car ils sont plus rapides lorsque le nombre de véhicules considérés est grand. Ils ont également l'avantage de considérer l'efficacité énergétique globale, qui est la métrique d'intérêt pour les gestionnaires de réseaux routiers en matière d'éco-gestion du trafic.Ensuite, des expériences sont menées afin d'évaluer la relation entre congestion et efficacité énergétique, notamment en régime permanent. L'impact des limitations de vitesse est analysé pour différents scénarios. Les limitations de vitesse impactent directement la consommation d'énergie et les émissions polluantes car elles affectent les accélérations et les vitesses moyennes sur le réseau.Enfin, un contrôleur est paramétré afin de comparer l'impact du contrôle dynamique des limitations de vitesse avec le contrôle d'accès à une zone urbaine, à la fois dans une zone contrôlée mais aussi dans la zone périurbaine à sa frontière. Le système est simulé à l'aide du simulateur de trafic SUMO, et un modèle physique de consommation de carburant et d'émission de NOx est utilisé. Les limitations de vitesse sont contrôlées en boucle fermée grâce à une approche de commande prédictive non linéaire (NMPC), dans laquelle l'évolution du trafic et la consommation de carburant sont prédites à l'aide de modèles macroscopiques. Les résultats révèlent que dans les phases transitoires entre différents niveaux de congestion, le contrôleur en boucle fermée est plus rapide pour décongestionner le réseau, de manière économe en énergie. Cela améliore la durabilité environnementale et les performances de trafic à la fois dans le réseau contrôlé, mais aussi au niveau de ses routes frontalières