Thèse Modèles Microscopiques et Macroscopiques pour le Contrôle du Trafic à Autonomie Mixte H/F - Doctorat.Gouv.Fr

Établissement : Université Grenoble Alpes École doctorale : EEATS - Electronique, Electrotechnique, Automatique, Traitement du Signal Laboratoire de recherche : Grenoble Images Parole Signal Automatique Direction de la thèse : Paolo FRASCA ORCID 0000000309623119 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-31T23:59:59 L'émergence des véhicules autonomes (VA) ouvre de nouvelles perspectives pour améliorer la stabilité et l'efficacité du trafic, en particulier dans des contextes d'autonomie mixte où les véhicules conduits par des humains restent majoritaires. Des expériences récentes à grande échelle, notamment l'expérience de terrain MegaVanderTest [1], ont montré que même un faible taux de pénétration des VA peut atténuer significativement les ondes de type stop-and-go et réduire la consommation d'énergie lorsqu'ils sont équipés de stratégies de contrôle à rétroaction distribuée ou basées sur le MPC [2]. Ces avancées motivent une compréhension théorique plus approfondie de la manière dont les lois de commande locales des VA influencent le comportement macroscopique émergent du trafic.

Ce projet de doctorat vise à développer un cadre unifié de modélisation et de contrôle micro-macro pour le trafic à autonomie mixte. Au niveau microscopique, l'étudiant étudiera des dynamiques de suivi de véhicule hétérogènes ainsi que des contrôleurs pour véhicules autonomes [3]. Au niveau macroscopique, le projet développera des modèles continus d'écoulement du trafic [4] intégrant explicitement le taux de pénétration des VA et les actions de contrôle, en mobilisant des outils issus de la modélisation par EDP, des limites de champ moyen et de l'analyse de stabilité. Un objectif central de recherche est d'établir des liens rigoureux entre les politiques de contrôle microscopiques des VA et les performances macroscopiques du trafic, telles que l'atténuation des ondes, la capacité et les relations débit-densité.
This work will be carried out in the DANCE team (Dynamics and Control of Networks), a joint CNRS/Inria research team at GIPSA-Lab laboratory and Inria in Grenoble, France. The team's research concerns modeling, estimation, and control of network systems, with a broad spectrum of theoretical and applied topics including traffic networks, intelligent vehicles, social dynamics, and analysis of large-scale complex networks. The methodological core of the project will combine nonlinear dynamics, control design (feedback laws, MPC, and possibly learning-based components), and numerical simulation in various environments, including micro-simulators, such as SUMO. The student will:

Analyse how specific AV control strategies influence stability at both scales;

Derive micro-macro consistency conditions ensuring that local control produces predictable macroscopic effects;

Design and test scalable control schemes that remain effective under low AV penetration and heterogeneous human driving.

Le/la candidat(e) devra être titulaire d'un master en mathématiques appliquées, en automatique, ou dans un domaine connexe. Il/elle devra être familiarisé(e) avec la modélisation et le contrôle non linéaires, et posséder une bonne maîtrise d'un langage de script tel que Python ou un langage similaire. Une expérience préalable en simulation du trafic est appréciée mais non requise.