Des chercheurs de l’université de technologie de Sydney ont récemment mis au point une nouvelle méthode d’optimisation de la synchronisation des signaux en milieu urbain dans des conditions de circulation difficiles. Leur approche implique l’utilisation d’algorithmes génétiques, une technique informatique répandue pour la résolution de problèmes d’optimisation.
L’idée de ce travail de recherche est venue de plusieurs allées avec une voiture dans la ville de Sydney, qui est souvent affectée par des accidents de la route, causant beaucoup de retard et une congestion routière accrue. Les chercheurs se sont ainsi demandé comment faire pour résoudre ce problème à l’aide de techniques informatiques avancées.
Des technologies très populaires
Les signaux de contrôle de la circulation sont les outils les plus répandus pour gérer le trafic routier dans des environnements urbains densément peuplés. Les réglages d’un signal, également appelé plan de contrôle du signal, peuvent affecter de manière significative le trafic routier, en particulier lorsque les perturbations se produisent.
Voici une explication détaillée de ce procédé en anglais :
Jusqu’à présent, la majorité des solutions proposées pour l’optimisation du contrôle du trafic sont conçues pour fonctionner dans des conditions de trafic normales. En effet, l’optimisation des plans de contrôle d’un feu de signalisation après un incident ou lorsque le trafic est intense est une tâche particulièrement ardue, notamment si plusieurs voies sont affectées.
Les travaux des chercheurs
Contrairement à la plupart des travaux antérieurs, les chercheurs ont essayé d’optimiser le contrôle des feux de signalisation dans des conditions de trafic difficiles en utilisant des GA. Les GA sont une technique informatique inspirée de l’évolution biologique observée chez l’homme, conçue pour sélectionner naturellement les solutions les plus optimales parmi un ensemble initial de possibilités.
Les GA sont couramment utilisés dans les problèmes d’optimisation en exploitant des fonctions biologiques telles que la mutation individuelle, le croisement et la sélection naturelle.