Vers des stratégies efficaces pour la circulation routière
Des informations générales:
Le niveau |
Master |
Titre |
Vers des stratégies efficaces pour la circulation routière |
SPECIALITE |
Génie Informatique |
Page de garde:
Sommaire:
Chapitre I: Introduction générale
1.1 Contexte :
1.2 Problématique :
1.3 Objective de travail :
1.4 Organisation du travail :
Chapitre II :La Circulation routière
1.1 Introduction:
1.2 Circulation routière :
1.2.1 Composantes de la circulation routier
1.2.1.1 L’infrastructure:
1.2.1.2 Les mobiles :
1.2.2 Variables élémentaires du trafic routier
1.2.2.1 L’écart du temps inter-véhiculaire
1.2.3 La congestion routière.
1.2.3.1 Conséquences de la congestion de la circulation routier
1.2.3.1.1 Conséquences économiques :
1.2.3.1.2 Conséquences sociétales:
1.2.3.1.3 Conséquences environnementales
1.3 Des solutions pour réduire la circulation routière :
1.4 Le code de la route :.
1.4.1 Règles de priorité.
1.4.2 Les panneaux de signalisation :
1.4.3 Les feux de circulation tricolores:
1.5 Feux de circulation intelligents:
1.5.1 Contrôle dynamique par l’infrastructure
1.5.1.1 Première génération : contrôle à temps fixe
1.5.1.2 Deuxième génération : contrôle à temps dynamique.
1.5.1.3 Troisième génération : contrôle à temps réel :
1.5.1.3.1 Contrôle réactif :
1.5.1.3.2 Contrôle adaptatif :
1.6 Conclusion:
Chapitre III: L’apprentissage automatique proposée pour
Les feux de signalisation
1 L’apprentissage automatique proposée pour les feux de signalisation
1.1 Introduction:
1.2 Présentation de notre approche :
1.2.1 Les étapes de notre approche.
1.2.1.1 Création des données d’apprentissage
1.2.1.1.1 Smart+ConnectedTM Traffic de Cisco
1.2.1.1.1.1 Historique de Cisco :
1.2.1.1.1.2 Définition de Smart+ConnectedTM Traffic de Cisco :
1.2.1.1.1.3 Principales caractéristiques de Smart+ConnectedTM Traffic de Cisco :
1.2.1.1.1.4 Architecture de Smart+ConnectedTM Traffic
1.2.1.1.2 Présentation du simulateur << SimCirc » :
1.2.1.1.3 Traitement de data set.
1.2.1.1.3.1 Traitement les données avec Foda (Feature-Oriented Domain Analysis)
1.2.1.1.3.1.1 Feature-Oriented Domain Analysis (Foda).
1.2.1.1.3.1.2 Modélisation de la variabilité :
1.2.1.2 Apprentissage automatique (Machine Learning) :
1.2.1.2.1 Les types d’apprentissage automatique
1.2.1.2.1.1 Apprentissage supervisé :
1.2.1.2.1.2 Apprentissage non supervisé :
1.2.1.2.1.3 Apprentissage par renforcement :
1.2.1.2.2 Classification :
1.2.1.2.3 Les algorithmes de la classification: 1.2.1.2.3.1 Foret aléatoire (Radom Forest).
1.2.1.2.3.2 Machine à Vecteur de Support (SVM): .
1.2.1.2.3.3 Réseau Bayésien (Naïve bayes):
1.3 Conclusion.
Chapitre IV : L’implémentation
1 L’implémentation
1.1 Introduction
1.2 Environnement de développement et Les outils techniques.
1.2.1 Dentition du langage Python en informatique :
1.2.2 Anaconda.
1.2.3 Jupiter
1.2.4 Les bibliothèques utilisées :.
1.2.4.1 Numpy :
1.2.4.2 Matplotlib.
1.2.4.3 Pandas:.
1.2.4.4 Scikit-learn:
1.3 Apprentissage et Paramétrage des Modèles :.
1.3.1 Préparation du Dataset.
1.3.2 Application de PCA:.
1.3.3 Algorithme LDA
1.4 Apprentissage du modèle
1.4.1 Algorithme de Radom Forest
1.4.2 Algorithme de Réseau Bayésien :
1.4.3 Algorithme de SVM :
1.5 Comparaison entre Les Trois stratégie
1.6 Conclusion
Conclusion générale & Perspectives
Bibliographie
1.1 Contexte :
1.2 Problématique :
1.3 Objective de travail :
1.4 Organisation du travail :
Chapitre II :La Circulation routière
1.1 Introduction:
1.2 Circulation routière :
1.2.1 Composantes de la circulation routier
1.2.1.1 L’infrastructure:
1.2.1.2 Les mobiles :
1.2.2 Variables élémentaires du trafic routier
1.2.2.1 L’écart du temps inter-véhiculaire
1.2.3 La congestion routière.
1.2.3.1 Conséquences de la congestion de la circulation routier
1.2.3.1.1 Conséquences économiques :
1.2.3.1.2 Conséquences sociétales:
1.2.3.1.3 Conséquences environnementales
1.3 Des solutions pour réduire la circulation routière :
1.4 Le code de la route :.
1.4.1 Règles de priorité.
1.4.2 Les panneaux de signalisation :
1.4.3 Les feux de circulation tricolores:
1.5 Feux de circulation intelligents:
1.5.1 Contrôle dynamique par l’infrastructure
1.5.1.1 Première génération : contrôle à temps fixe
1.5.1.2 Deuxième génération : contrôle à temps dynamique.
1.5.1.3 Troisième génération : contrôle à temps réel :
1.5.1.3.1 Contrôle réactif :
1.5.1.3.2 Contrôle adaptatif :
1.6 Conclusion:
Chapitre III: L’apprentissage automatique proposée pour
Les feux de signalisation
1 L’apprentissage automatique proposée pour les feux de signalisation
1.1 Introduction:
1.2 Présentation de notre approche :
1.2.1 Les étapes de notre approche.
1.2.1.1 Création des données d’apprentissage
1.2.1.1.1 Smart+ConnectedTM Traffic de Cisco
1.2.1.1.1.1 Historique de Cisco :
1.2.1.1.1.2 Définition de Smart+ConnectedTM Traffic de Cisco :
1.2.1.1.1.3 Principales caractéristiques de Smart+ConnectedTM Traffic de Cisco :
1.2.1.1.1.4 Architecture de Smart+ConnectedTM Traffic
1.2.1.1.2 Présentation du simulateur << SimCirc » :
1.2.1.1.3 Traitement de data set.
1.2.1.1.3.1 Traitement les données avec Foda (Feature-Oriented Domain Analysis)
1.2.1.1.3.1.1 Feature-Oriented Domain Analysis (Foda).
1.2.1.1.3.1.2 Modélisation de la variabilité :
1.2.1.2 Apprentissage automatique (Machine Learning) :
1.2.1.2.1 Les types d’apprentissage automatique
1.2.1.2.1.1 Apprentissage supervisé :
1.2.1.2.1.2 Apprentissage non supervisé :
1.2.1.2.1.3 Apprentissage par renforcement :
1.2.1.2.2 Classification :
1.2.1.2.3 Les algorithmes de la classification: 1.2.1.2.3.1 Foret aléatoire (Radom Forest).
1.2.1.2.3.2 Machine à Vecteur de Support (SVM): .
1.2.1.2.3.3 Réseau Bayésien (Naïve bayes):
1.3 Conclusion.
Chapitre IV : L’implémentation
1 L’implémentation
1.1 Introduction
1.2 Environnement de développement et Les outils techniques.
1.2.1 Dentition du langage Python en informatique :
1.2.2 Anaconda.
1.2.3 Jupiter
1.2.4 Les bibliothèques utilisées :.
1.2.4.1 Numpy :
1.2.4.2 Matplotlib.
1.2.4.3 Pandas:.
1.2.4.4 Scikit-learn:
1.3 Apprentissage et Paramétrage des Modèles :.
1.3.1 Préparation du Dataset.
1.3.2 Application de PCA:.
1.3.3 Algorithme LDA
1.4 Apprentissage du modèle
1.4.1 Algorithme de Radom Forest
1.4.2 Algorithme de Réseau Bayésien :
1.4.3 Algorithme de SVM :
1.5 Comparaison entre Les Trois stratégie
1.6 Conclusion
Conclusion générale & Perspectives
Bibliographie
Télécharger:
Pour plus de
sources et références universitaires
(mémoires, thèses et articles
), consultez notre site principal.