Coordination mufti-agent basée sur les jeux : application à la simulation de trafic routier

21/10/2017
Publication REE REE 2005-2
OAI : oai:www.see.asso.fr:1301:2005-2:20562
DOI : You do not have permission to access embedded form.

Résumé

Coordination mufti-agent basée sur les jeux : application à la simulation de trafic routier

Métriques

3
2
1.75 Mo
 application/pdf
bitcache://50afd27bb0404fcf8feff230358f792741f3d6f1

Licence

Creative Commons Aucune (Tous droits réservés)
<resource  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
                xmlns="http://datacite.org/schema/kernel-4"
                xsi:schemaLocation="http://datacite.org/schema/kernel-4 http://schema.datacite.org/meta/kernel-4/metadata.xsd">
        <identifier identifierType="DOI">10.23723/1301:2005-2/20562</identifier><creators><creator><creatorName>René Mandiau</creatorName></creator><creator><creatorName>Sylvain Piechowiak</creatorName></creator><creator><creatorName>Stéphane Espié</creatorName></creator></creators><titles>
            <title>Coordination mufti-agent basée sur les jeux : application à la simulation de trafic routier</title></titles>
        <publisher>SEE</publisher>
        <publicationYear>2017</publicationYear>
        <resourceType resourceTypeGeneral="Text">Text</resourceType><dates>
	    <date dateType="Created">Sat 21 Oct 2017</date>
	    <date dateType="Updated">Sat 21 Oct 2017</date>
            <date dateType="Submitted">Sat 24 Feb 2018</date>
	</dates>
        <alternateIdentifiers>
	    <alternateIdentifier alternateIdentifierType="bitstream">50afd27bb0404fcf8feff230358f792741f3d6f1</alternateIdentifier>
	</alternateIdentifiers>
        <formats>
	    <format>application/pdf</format>
	</formats>
	<version>34734</version>
        <descriptions>
            <description descriptionType="Abstract"></description>
        </descriptions>
    </resource>
.

Dossier LOGISTIQUE ET TRANSPORT (2) Coordination mufti-agent basée sur les jeux : application à la m simulation de trafic routier Par René MANDIAU 1, Sylvan PIECHOWIAK 1, Stéphane ESPIÉ 2 'LAMIH UMR CNRS 8530, Utiversité de Ualenciennes, l INRETS, Arcueil Mots clés Système multi-agent, Jeux, Traficroutier, Simulation, ARCHISIM 1. Introduction Depuis la fin des années 70 aux USA, des chercheurs ont envisagé l'étude de systèmes IA coopérants et ont .le e e e ainsi tenté de généraliser la plupart des travaux en intel- ligence artificielle (IA). Des agents définis comme des systèmes intelligents, plus ou moins autonomes, inter- agissent dans un environnement. De telles études sur les interactions inter-agents recouvrent le domaine des « systèmes multi-agent » (SMA) [3, 10 et 12]. Pour notre part, nous avons envisaQé une approche originale d'un mécanisme de coordination multi-agent inspiré de la théorie des jeux [2 et 111appliquée à des problématiques de trafic routier dans lesquels les agents caractérisent les différents véhicules. Cet article est organisé comme suit. Le chapitre 2 positionne le contexte applicatif envisagé, i.e. le trafic routier. Le chapitre 3 est consacrée au mécanisme multi-agent proposé. Le chapitre 4 illustre le mécanisme sur un exemple simple à trois véhicules. Le dernier chapitre vise à conclure ce papier. 2. Contexte applicatif : le trafic routier 2.1. Généralités et intérêts de l'analyse du trafic Le réseau routier a été développé pour répondre aux demandes commerciales de déplacements. Depuis quelques dizaines d'années, cette demande est complétée par celles liées aux déplacements domicile-travail et aux migrations de population lors des congés de fin de semaine et lors des vacances. La montée des préoccupations envi- ronnementales et la volonté d'orienter les systèmes de transport vers une croissance plus durable (y compris du point de vue des coûts de financement et d'exploitation des infrastructures) limitent les constructions de nouvelles routes et les élargissements des routes existantes. De plus, les aspects de sécurité lors des déplacements sont jugés de plus en plus importants. Une particularité du trafic auto- mobile est essentiellement liée à la recherche d'un opti- mum collectif en termes de conception d'infrastruc- tures et à la recherche par chaque individu d'un optimum individuel lors de la réalisation de son déplacement. Les phénomènes de trafic sont des phénomènes complexes résultants d'un tel compromis offre-demande ; ces phénomènes sont étudiés depuis de nombreuses années pour permettre principalement de contrôler ce sys- tème. Il s'agit d'identifier les phénomènes afin de pouvoir, entre autres, anticiper sur ceux-ci et les gérer au mieux. 1 2.2. Critères de classification des modèles : modèles mathématiques vs modèles comportementaux Les simulateurs de trafic, et les modèles associés, peuvent être classés suivant plusieurs critères, dont les plus importants et significatifs pour la problématique sont maintenant exposés. En effet, différentes approches de classification peuvent être envisagées selon les domaines d'application et les contraintes inhérentes à chaque projet [6]. En particulier, les modèles peuvent être distingués par leur méthode de conception. Actuellement, deux types de modèle de conception radicalement diffé- rente coexistent. Les plus anciens, les modèles mathéma- tiques, sont apparus dans les années 50. Les plus récents, SSENTIEL SYNOPSIS Cetarticleprésenteun mécanismede coordination multi-agent pour des applicationsde simulationde trafic routier.Dansde telles appli- cations, lessituationsconflictuelles très fréquentes,en particulierau niveaudes intersectionstelles que les carrefours,peuventse révé- ler inter-bloquantes. Notre mécanismede coordinationa été implé- menté dans le simulateurde trafic ARCHISIM de l'INRETS, et les résultatsobtenussont globalement satisfaisants. This paper deals with a multi-agent coordinationmechanismfor applicationsof roadtrafic simulation. Inthis context,the conflictual situationsveryfrequent,in particularat junctionsmaybe realdead- locks. Our mechanism has been implemented ln ARCHISIM - INRETS - andthe resultsaresatisfying. REE N2 Fé,iici 2005 Coordination multi-agent basée sur les jeux : application à la simulation de trafic routier les modèles comportementaux, issus de travaux menés en particulier en intelligence artificielle, ont fait leur appari- tion voilà une quinzaine d'années. Ces deux méthodes de conception des modèles de simulation sont rapidement présentées dans les deux sections suivantes. La modélisation mathématique du trafic routier est un domaine de recherche et développement à part entière, et la littérature qui y est consacrée est extrêmement abon- dante depuis plusieurs décennies. De ce fait de nombreux modèles mathématiques du trafic ont vu le jour, ainsi que de non moins nombreux outils de simulation qui en ont été inspirés : AIMSUM2 [1], DYNASIM [7], PARAMICS [13], etc. Les modèles mathématiques simulent le trafic à l'aide de lois mathématiques. Ces lois sont identifiées à partir de données de trafic réelles mesurées, et ont pour objectif de reproduire les conditions de trafic observées. En fait, les outils de simulation mathématiques suivent le même principe fondateur : simuler le trafic à l'aide d'équations. L'inconvénient de cette méthode, vu la com- plexité du phénomène du trafic routier, est qu'elle se révèle ne pas toujours être suffisamment satisfaisante quant aux résultats et aux fonctionnalités qu'elle permet de fournir. Pour, entre autres pallier les lacunes des modèles mathématiques, des modèles issus d'une nouvel- le approche apparaissent depuis quelques années : une approche locale, dite " centrée véhicule " ou comporte- mentale, de la simulation de trafic s'est développée. Contrairement aux modèles mathématiques, les modèles issus de l'approche comportementale ne pren- nent pas comme objet de modélisation le trafic en tant que flux, mais les acteurs de la situation de trafic et leurs interactions. Il s'agit de modèles que l'on peut qualifier de microscopiques, car ils simulent des entités individua- lisées. Les phénomènes de trafic (prise en congestion, occupation des voies de circulation...) émergent car ils sont le résultat, d'une part, des pratiques individuelles et des interactions et, d'autre part, de la variété (hétérogé- néité)des comportements (véhicules hétérogènes et com- ne e e c portements de conducteurs hétérogènes). La complexité des situations que l'on observe n'est donc pas issue de la complexité de l'algorithme mis en oeuvre, mais reflète les effets induits des multiples interactions qui s'opèrent entre l'entité et son environnement. Des simulateurs de conduite impliquant un trafic simulé ont vu le jour (par exemple, Pharos de l'université de Carnegie Mellon [15]). La majorité des simulateurs qui mettent en oeuvre la simulation comportementale ne le font toutefois qu'en abordant le comportement sous un aspect strictement « automate », sous forme d'une base de règles. L'objectif est de produire localement des épisodes de conduite « plausibles » et reproductibles ; il n'est pas possible de réaliser une simulation de trafic. En France, PINRETS'effectue depuis la fin des années 80 des recherches sur une simulation de trafic routier, fondée sur le comportement de conduite des conducteurs humains [8 et 9]. L'outil de simulation appelé ARCHISIM est issu de travaux en psychologie de la conduite automobile [16]. Cet outil peut être considéré comme un outil de réalité virtuelle, dans lequel un conducteur humain peut interagir dans un environnement de mobiles autonomes. Dans ARCHI- SIM, le phénomène de trafic est issu d'actions indivi- duelles et d'interactions émergentes de différents acteurs d'une situation routière. L'avantage de ce modè- le comportemental consiste surtout à pouvoir modifier dynamiquement des conditions de simulation (le niveau de visibilité lié à la météorologie, les préférences de conduite du conducteur humain, les caractéristiques des mobiles autonomes - les voitures, les camions, les bus, les piétons, etc.) ainsi que les équipements routiers (feux de carrefours, panneaux de signalisation, etc.). ARCHI- SIM est caractérisé par un modèle comportemental « non normatif » suivant une approche « humaine » de la conduite. ARCHISIM est un modèle de simulation et son implémentation s'inspire des principes des SMA. En effet, chaque mobile autonome est considéré comme un agent. Il possède donc un modèle de son environne- ment et iuteragit avec les autres mobiles, y compris le véhicule dirigé par l'être humain. Un trafic routier est perçu comme un système hétérogène (plusieurs classes de comportements dans un large spectre : de comporte- ments agressifs à des comportements courtois) et ouvert (nombre de mobiles quelconque), dans lequel des conducteurs sont non-coopératifs et ayant des objectifs différents, impliquant des mécanismes de nature différen- te (agent situé et/ou cognitif). L'environnement est non- déterministe et le système peut avoir un nombre infini d'états. L'information perçue par les agents est géogra- phiquement limitée et incomplète. Le comportement des différents mobiles, sauf le véhicule dirigé par le conducteur humain, est aussi caractérisé par des « classes de conducteurs ». 2.3. Notre problématique Dans une situation de conduite, un agent se déplace (ou continue à se déplacer) ou décide de s'arrêter (ou de freiner pour éviter une situation conflictuelle) en fonction du contexte étudié. En effet, l'objectif du conducteur consiste à se déplacer pour atteindre son objectif individuel tout en évitant des accidents ou des interblocages (objectif collec- c tif). La conduite d'un mobile/agent peut s'exprimer sous Institut nanonai derecherche etd'étude slIr \cs transports CIlasécurité REE N 2 Féviici 200 Dossier LOGISTIQUE ET TRANSPORT (2) forme d'un compromis entre d'une part la sécurité et la capacité d'écoulement du trafic, et d'autre part son propre objectif, que nous caractériserons par un gain. Notons que chaque déplacement ou freinage respecte le modèle cinéma- tique du mouvement de mobile. Pour notre part, nous nous intéressons aux situations critiques. Des exemples d'une situation critique sont par exemple, des véhicules accidentés sur une route ou l'in- sertion de véhicules sur autoroutes. Il s'agit d'une réduction du nombre de voies même si les véhicules devant s'insérer viennent d'une autre route : il y a fusion de deux flots de véhicules, l'un étant prioritaire par rapport à l'autre. Une situation bloquante risque d'apparaître lorsque les conduc- teurs des véhicules se trouvant sur une voie non-prioritaire qui disparaît respectent strictement le code de la route. Pour sortir d'une situation bloquante, les conducteurs sur la voie qui disparaît adoptent alors un comportement non nor- matif (le plus souvent en coordination avec les conducteurs les plus prioritaires). En effet, le seul respect du code de la route ne leur permet pas de trouver une solution à la situation. Le fait que les deux flots arrivent à fusionner pro- vient du fait que les véhicules de ces flots coordonnent leurs actions afin d'éviter l'arrêt d'une voie tout en évitant l'ac- cident, que cela se produise parce que certains conducteurs de la voie prioritaire collaborent ou non. Malheureusement, les situations de fusion de flots ne sont pas les seules situations de blocage. En effet, il est possible de dégager deux classes de situations cri- tiques : celles qui impliquent des flots de priorités diffé- rentes, et celles qui impliquent des flots de même priori- té. Dans les premières, un flot de véhicules peut être blo- qué par un flot prioritaire. Il n'y a pas d'interblocage mais uniquement possibilité de blocage d'une partie du trafic à un endroit du réseau. Dans les secondes, le nombre de flots peut être supérieur à deux et, de plus, ces flots peuvent être de même priorité. Dans de telles situa- tions, il existe une possibilité d'interblocage et tout le trafic local concerné peut se trouver arrêté indéfiniment (ce qui est inacceptable lors d'une simulation). Il s'agit des cas d'intersections non autoroutières, par conséquent rurales ou urbaines, impliquant simultanément des fùsions et des croisewents de flots. Pour notre part, des travaux ont été réalisés pour valider le modèle de simu- lation pour les réseaux autoroutiers [4]. Les résultats de ces études permettent de valider d'un point de vue trafic le comportement des mobiles aux insertions et, par voie de conséquence, le mécanisme de coordination proposé. Notre travail de recherche porte essentiellement sur les situations critiques de conduite : les carrefours et les sens giratoires (cas particulier d'un carrefour, souvent définis comme une succession de carrefours simples). Dans de telles situations, les simulations nous conduisent naturellement à étudier des problèmes non triviaux tels que des « livelocks » (situations dans lesquelles aucun agent ne décide d'entrer), ou plus grave à des « deadlocks » (situations conduisant à des interblocages au centre du carrefour). Ces situations critiques immobilisent une partie du trafic simulé, et invalident par la même occasion, une « expérimentation trafic » en cours'. Pour éviter ce désa- grément, nous devons concevoir et implémenter un n mécanisme de coordination des actions des mobiles aux carrefours. Nous allons maintenant présenter le principe proposé de coordination multi-agent, appliqué à des propose L- contextes de simulation de carrefour. 3. Principe appliqué à une situation de carrefour 3.1. Principe de base Une situation de trafic simulé à une intersection peut être considérée comme un jeu [14]. Dans le contexte de la simulation comportementale de trafic routier, les agents joueurs sont les mobiles approchant ou entrant dans l'intersection. Les actions possibles des joueurs peuvent être accélérer et.freiner (il s'agit ici d'une extra- polation puisque l'objectif réel est de faire avancer ou arrêter les mobiles), la principale caractéristique d'un mécanisme de coordination dans le contexte présent étant de contraindre l'accélération longitudinale (l'accélération latérale, dépendante de celle-ci, étant gérée par ailleurs). La conception du mécanisme de coordination consiste alors à définir les règles et la méthode de résolution. Dans une situation de trafic au carrefour, l'objectif des conducteurs est de traverser en évitant d'être impli- qués dans un accident. Dans ce contexte, les relations qui gèrent les interactions sont des relations de priorité. La priorité change avec l'évolution des situations : elle est ici entendue comme une notion large " (code de la route, bien sûr, mais aussi : distance au point de conflit, temps d'arrivée au point de conflit, temps d'attente, etc.). L'aspect dynamique temporel est important car il joue un rôle majeur dans une situation de trafic [5]. Cette dynamique est considérée à l'aide des relations de priorité, en amont, afin de permettre la création du jeu. Le temps est donc inexistant pour les joueurs : seul l'instant d'une situation est modélisé sous forme de jeu, une situation de trafic en carrefour étant une succession d'instants, donc de différents jeux. Ainsi, les joueurs et les relations qu'ils entretiennent sont inconnus avant l'analyse de la situation, 2 Le cour poui uneexpérimentation trafic peutvarier selon sacomplexité deplusieurs milliers 2 un million d'euros. Desdizaines demilliers devéhicules peuvent être impliqués dans certaines simulations desituations pouvatnt durer despériodes deplusieurs hcures. voire plusieurs journées ousemaines. 3 Notion nondéveloppée dans cetarticle. REE N 2 Février 2005 Coordination multi-agent basée sur les jeux : application à la simulation de trafic routier c'est-à-dire au début de chaque pas de la simulation. Le jeu auquel un joueur va participer est donc a priori incon- nu. De plus, chaque situation de trafic est potentiellement différente, car elle peut changer à chaque instant au gré de la sortie de véhicules présents et de l'approche de nou- veaux véhicules au carrefour. Par conséquent, les étapes de la modélisation d'une situation de trafic au carrefour sont les suivantes : étape 1 : chaque mobile s'approchant d'un carrefour se déclare joueur ; étape 2 : il détermine avec quels autres mobiles il va jouer ; étape 3 : il détermi- ne les relations de priorité qu'il entretient avec les autres joueurs ; étape 4 : il détermine le jeu (calcul de la matri- ce) auquel il va jouer ; étape 5 : il résout son jeu en choi- sissant la stratégie qui lui semble la plus intéressante. Il faut ici insister sur le fait que chaque joueur peut potentiellement jouer un jeu différent de celui des autres joueurs. Donc, pour une situation de trafic au carrefour donnée, chacun des mobiles joue : 1) à son propre jeu, 2) en considérant ses propres adversaires. Cela provient du fait que chaque mobile ne voit qu'une partie de la situa- tion globale. Par exemple, un conducteur peut se consi- dérer prioritaire par rapport à un autre conducteur, alors que ce dernier ne considère pas sa relation avec le premier de la même manière. Outre le réalisme du principe proposé, ce dernier nous semble essentiel, notamment si un participant du jeu est un joueur humain qui ne doit évidemment pas avoir connaissance du jeu modélisant la situation. Par conséquent, contrairement à la théorie des jeux qui suppose que tous les joueurs ont une connaissance complète de la matrice du jeu, et donc des paiements de chacun : chaque joueur joue à son propre jeu avec ses propres adversaires, il ne peut connaître que ses paie- ments. D'ailleurs, il ne connaît qu'une partie de la situa- tion globale, et donc ne pourrait faire que des hypothèses sur les paiements/gains des autres. Il est à noter que ce principe a ensuite été généralisé afin de l'appliquer à un mécanisme distribué à n agents à information incomplète. La distribution est nécessaire car, dans la réalité comme en simulation, chaque conduc- teur ne dispose généralement pas de toute l'information relative à la situation globale. Le jeu modélisant une situation est donc un jeu à information incomplète. En situation réelle de conduite, un conducteur n'estime généralement de manière correcte que les relations qu'il entretient avec les autres mais, très souvent pour des raisons de charge intellectuelle trop importante, ne peut pas déterminer la nature des relations existantes entre deux autres véhicules. De même, en simulation multi-agent de trafic routier, les conducteurs simulés ne peuvent directement et systématiquement avoir d'informations sur les relations existantes entre deux autres agents. 3.2. Illustration d'une situation à trois agents Un exemple d'application de modélisation et de réso- lution d'une situation impliquant trois mobiles B, C/ est maintenant présenté (figure 1). Approchant du carrefour, A va tourner à droite, B va tourner à gauche et C va aller tout droit. A et B arrivent face à face et C arrive sur la droite de A et sur la gauche de B. Si nous considérons comme relations de priorité celles qu'impliquent le code de la route, nous savons que : A est prioritaire sur B et B n'est par prioritaire sur A ; A n'est pas prioritaire sur C et C n'est pas prioritaire sur A (ils ne sont pas en conflit) ; B est prioritaire sur C et C n'est pas prioritaire sur B. Nous obtenons des matrices de jeu déduites de ces consi- dérations. Le mécanisme proposé est une approche par agrégation de matrices de jeux. Une fois connu le jeu modélisant la situation, il ne reste qu'à calculer sa solution. c A m B Figiire 1. Exeiiiple de situatioii iiiipliqttaiit trois niobiles. Si nous supposons le cas idéal, i.e. une situation à information complète (chaque agent perçoit parfaitement les informations issues de son environnement), la métho- de de résolution appliquée est la méthode privilégiant le collectif. Donc, le mobile A peut passer ainsi que le mobi- le C, le mobile B devant attendre qu'au moins un des deux autres mobiles ne soit plus en conflit avec lui. Même si un joueur ne possède pas la totalité de l'in- formation concernant une situation, il doit être capable de modéliser cette situation pour raisonner. Comme il existe un manque d'information sur la situation globale, la résolution des matrices à n joueurs (et en particulier pour notre exemple à 3 joueurs) peut ne pas être toujours optimale. Un système d'inéquations a été établi pour déterminer les matrices deux joueurs permettant d'obtenir les meilleures solutions possibles aux jeux n joueurs à information imparfaite et incomplète. Dans les situations à n joueurs (y compris pour trois joueurs), la résolution révèle un nombre de conjlits non résolus égal à zéro et un nombre croissant d'interblocages dépendant du nombre de joueurs impliqués darcs la situatiort conflictuelle. Pour des raisons identiques, cette résolution a été complète- ment étudiée dans des situations où le nombre d'agents en situations de conflits reste inférieur ou égal à 6 (pour REE No 2 Février 2005 Dossier LOGISTIQUE ET TRANSPORT (2) n > 6, les machines disponibles ne nous permettent pas d'obtenir des résultats dans des temps acceptables). Pour poursuivre ce raisonnement, il faut également d'abord rappeler que les nombres de conflits non résolus et d'interblocages s'entendent dans l'instant. C'est-à-dire que lorsqu'il se produit un interblocage celui-ci ne dure qu'un certain intervalle de temps (par exemple 0, 1 seconde si la fréquence de simulation est de 10 Hz). Après cette période écoulée, un autre jeu est calculé et résolu, ce nouveau jeu étant établi à partir des nouvelles relations inter-joueurs. Or, s'il existe un interblocage, celles-ci peuvent et doivent changer, afin de favoriser la levée de cette situation d'in- terblocage. En fait, l'agent, s'il est bloqué, doit prendre en compte cet état et adapter son comportement. 4. Conclusion L'objectif de cet article a été de mettre en évidence l'apport d'un mécanisme distribué de coordination multi- agent, fondé sur la résolution de jeux à information impar- faite et incomplète, pour des applications réalistes de tra- fic routier. Nous avons implémenté ce mécanisme dans le simulateur de trafic de l'INRETS : ARCHISIM. Compte tenu de la quantité d'information disponible, ce mécanis- me est efficace pour un nombre de joueurs raisonnable, en fonction évidemment du type d'application étudié. Pour les situations impliquant plus de joueurs, l'efficacité du mécanisme est moyennement satisfaisante car, même si l'information disponible devient extrêmement faible, le nombre d'interblocages est, dans l'absolu, assez impor- tant. Nous devons toutefois signaler, à la décharge de ce mécanisme, que, jusqu'à aujourd'hui, les études faites sur les jeux traitent généralement des cas pour lesquels le nombre de joueurs ne dépasse pas deux. Nous avons remarqué qu'avec un modèle simple de coordination, les résultats théoriques ont montré que la construction des matrices de jeu, comme une interprétation d'une situation par chaque agent est optimale pour un nombre raisonnable d'agents en situation conflictuelle [5]. Enfin, les résultats obtenus de simulations réelles, non développées dans le cadre de cet article, sont très satisfaisants, en termes de comportement réaliste - le comportement individuel des différents agents simulés (véhicules ou être humain, et le comportement global du trafic - et en termes de comportement collectif analysé par des critères statistiques (comparaison entre les don- nées mesurées et les données simulées) utilisés dans les transports sur route. Ce travail est actuellement poursuivi afin d'étudier ce modèle pour des successions de carre- fours dans des contextes urbains. Références [1] AIMSUM2 V3.3 " User's Manual ", Getram Transport Simulation Systems, 1999. [2] Axelrod R., "The Evolution of Cooperation ", Basic Books, 1984. [3] Chaib-Draa B., Moulin B, Mandlau R. & Millot P, "Trends in Distributed Artificial Intelligence ", Artificial Intelligence Review, vol. 6, pp. 35-66, 1992. [4] Champion A.. Espié S., Mandiau R. & Kolski C, " Multl-agent Road Traffic simulation : the Coordination Issue ", Proceedings of the 13th European Simulation Symposium, Giambiasi N. and Frydman C. (Ed.}, London, pp. 903-908, Oct. 2001. [51 Champion A., " Mécanisme de coordination multi-agent à base de jeux : application à la simulation comportementale de trafic routier en situation de carrefour ", thèse de docto- rat, université de Valenciennes, France, 12 Déc 2003. [6] Cohen S., " Ingénierie du trafic routier ", cours de l'Ecole nationale des Ponts et Chaussées. Presses de l'Ecole nationale des Ponts et Chaussées, 1990. f7] http ://www.dynastm.fr 81 Espié S., Saad F.& Schnetzler B, " Microscopic traffic simula- tion and driver behaviour modelling the ARCHISIM project ", in Proceedings of the Strategic Highway Research Program and Traffic Safety on Two continents, Lille (France), 1997. [91 Espié S. & Saad F., " Driver behaviour modelling and traffic simulation ", in Proceedings of International Ergonomics Association Congress, 2000. [10] Ferber J., " Multi-agent Systems : An Introduction to Distributed Artificial Intelligence ", Addison Wesley, 1999. [11] Khoo N.K. & Chen D., "The evolution of intelligent agent and game theory : tovvards the future and intelligent automation ", Final Report, 1995. [121 Mandiau R.,Grislin-LeStrugeon E.& PéninouA. (dir.),"Organisation et Applications des SMA ", Hermes-LavoisierEds.,2002. [131 http ://www.paramics.com [14] Prentice J.W., " The evasive action decision in an intersec- tion accident : a game theory approach ", Journal of Safety Research, 6, 4, pp. 146-149, 1974. [151 Reece D. A. et Shafer S. A., " A computational model of dri- ving for autonomous vehicles ", Transpn. Res.-I. Vol 27A, no. 1, pp. 23-50. Pergamon Press Ltd, 1993. [161 Saad F., " Contribution of observation and verbal report techniques to an analysis of road situations and drivers, activity ", in Traffic and Transport Psychology, Theory and Application, T. Rothengatter & E. Carbonellvaya (Eds), Pergamon Press, pp. 183-192, 1997. L... René Mandiau est professeur des universitésen Informatique au LAMIH (Umverse de Va ! enciennes et du Hainaut Cambrésisl Responsabledu thème (i systèmes mulll-agem », Il étudie en par- ticulier ! es mécanrsmesde coordination entre desagents ainsi que la modéllsatlon des organisations dynamiques cemme support aux modetes d'interaction. Ces travaux sont appliques dans des contextes de workf ! ow ou dans ! e domaire des transports (par exempte dans la régulaüon de busou lasimulationde trafic routlerL Sylvain Piechowiak est professeur des,ii-,ivesitésen informatique au LAMIH et iespoiisaDieen pailiculier du théme " modéle de raison- nement n. II effectueses recherchessur raisonnement à basede COlltralntes dalls les systèmes complexes. Les champs prospectifs qu'II explore concernent la planlfication h ; teractive datribuée, le dia- gnosticà basede modèles intégrant des connaissances incertaines, ! a simulation dans les uansports et le raisonnement distribué. Stéphane Espiéest chargéde ecl) erclie à'INRETS (Ilstit,iL I) a10- ial ce recierc--p Sur leS [rpr,spo Ls et ; eLr séc,,i [é) l est d,eCteL] i de !'uni>ecl-iercl-ie MS'S ; Modé ! satoi-S, s ators et s rilu- lateurs de conduite ; qui conçoit et exploite les sünulateurs de conduite i ! te e ce l'NRETS l etudie d'ab (Di,d le déve op- pemient de nouveaux capteurs de trafic (vidéo,aser...), PUIS la iat ! on du trafic et les de coid ite. 1 est inipliqué. dans de nombreux'travaux, par exemple les « systèmes de transports in ('e) iigenLs ( ! TS), ou dans le PIOJPI CIL 5 " P (-RD STARDUST (déploiementde dispositifs I\TT en urbain) REE No 2 Février 2005