Multimodal and multiobjectif route computation in urban areas
Calcul d'itinéraire multimodal et multiobjectif en milieu urbain
Résumé
With the growth of environmental awareness and high energy prices, more and more people use public transport, cycle or walk. However, just one mean of transport cannot cover all the transportation needs. Therefor, combining different means of transport is often an interesting solution. Finding the best multimodal route for a given person is a hard task. Every person has different opinions concerning the duration, the cost, pollution, number of changes etc. Even the same person might choose different paths depending on circumstances: if it's raining he will not cycle and if he has to carry heavy luggages, he will avoid changes. Multicriteria optimization allows to suggest multiple solutions that are said to be equivalent. The user will chose the route that fits the best according to his preferences at a given moment. The main problem to solve is the shortest multimodal time dependent path. The challenge is to have results in less than a second on a large city in order to have a real life application. A great care has been taken to remain simple an generic. We do not restrict the number of means of transport nor the considered objectives. We adapted algorithms known for their theoretical or experimental performances in order to take in account the time dependency or to be multiobjective. Well also suggest heuristics to keep computation time around one second. The algorithms have been tested with success on San Francisco, Los Angeles and Rennes.
Par conscience environnementale ou à cause des coûts de l'énergie, de plus en plus de personnes utilisent les transports en commun ou les transports doux. Cependant, un seul mode de transport ne peut pas couvrir tous les besoins. De ce fait, la combinaison de différents modes de transport est une solution très intéressante. Trouver le meilleur chemin multimodal pour une personne donnée est une tâche difficile. Chaque personne a des préférences différentes concernant la durée, le coût, la pollution, les changements, etc. De plus, le choix d'un même usager dépendent des circonstances. S'il pleut, il ne prendra pas le vélo et s'il a des bagages encombrants, il évitera les changements. L'optimisation multiobjectif permet de proposer plusieurs solutions dites équivalentes. Ainsi l'utilisateur choisira l'itinéraire qui lui convient en fonction de ses préférences à un moment donné. Le problème principal à résoudre est donc celui du plus court chemin multiobjectif de point à point dépendant du temps. L'enjeu est d'être capable d'avoir des résultats de l'ordre de la seconde pour une grande ville pour envisager une application réelle. Une attention particulière a été portée sur la simplicité et la généricité des approches proposées. Nous ne nous restreignons pas à un nombre prédéfini de modes de transport ou d'objectifs. Plusieurs algorithmes réputés pour leurs performances théoriques ou expérimentales ont été adaptés au cas multiobjectif ou à la dépendance du temps. Nous avons également proposé des heuristiques permettant de garder le temps de calcul de l'ordre de la seconde.
Fichier principal
these_graebener.pdf (1.72 Mo)
Télécharger le fichier
beamer.pdf (1.88 Mo)
Télécharger le fichier
Format : Autre