système d’information coopératif à base d’agents pour la
TRANSCRIPT
Système d’Information Coopératif à Base d’Agents pour la Recherche d’Itinéraires Multimodaux
Kamoun M.A.
Ecole Centrale de Lille / Institut National de Recherche sur les
Transports et Leur Sécurité Villeneuve d’Ascq, France
Uster G. Institut National de Recherche sur
les Transports et Leur Sécurité Villeneuve d’Ascq, France
Hammadi S. Ecole Centrale de Lille/
Laboratoire d'Automatique, Génie Informatique & Signal
Résumé - L’automobile en ville semble avoir trouvé ses limites. L’heure est aujourd’hui à une utilisation multimodale des transports individuels et collectifs. L’attractivité des transports en commun passe inévitablement par une simplification de leur usage. L’information liée au déplacement est un de ces leviers. Dans cette optique, s’appuyant sur la théorie multi-agents, ce travail vise à concevoir un système d’information coopératif d’aide au déplacement multimodal, qui éviterait au voyageur de consulter plusieurs sites web d’opérateurs de transport pour planifier son voyage, et ceci en automatisant cette démarche de recherche d’itinéraires.
Mots clés: systèmes d’information coopératifs, système multi-agents, information multimodale, aide au déplacement, transport multimodal.
1 Introduction Un citoyen souhaite avoir à disposition une information sur l’offre de mobilité, sur les itinéraires respectant ses critères. La recherche de cette information peut se faire par le client lui-même. Mais, cela nécessite une expertise forte en termes de connaissance de l’offre de transport, des différents sites d’information des opérateurs (Transpole, SNCF,RATP), de la tarification applicable… Cela nécessite, aussi, une certaine disponibilité de la part du client et même une certaine maîtrise de l’outil informatique. Pour lui éviter cette tâche fastidieuse de recherche, de mémorisation des différentes éventualités, de combinaison de différents moyens de transport et pour l’aider dans cette démarche de prise de décision, industriels et chercheurs travaillent aujourd’hui sur l’offre d’une information multimodale. Il s’agit de fournir toute information utile et pertinente sur les différents modes de déplacement (métro, tramway, bus, parking, etc.), afin d’une part d’améliorer le confort et l’efficacité des trajets à un niveau individuel, et d’autre part pour favoriser l’usage multimodal et raisonné des différents modes de transport à l’échelle collective [5].
2 Problématique de l’information multimodale
La majorité des systèmes d’information d’aide au déplacement pour le transport en commun sont des systèmes monomodaux, qui offrent une information sur un seul moyen de transport. D’autres systèmes d’information sont multimodaux, et offrent une information portant sur plusieurs modes de transports, mais généralement cette information concerne un seul opérateur, comme par exemple le site Transpole, opérateur de la métropole lilloise, ou RATP pour la région de l’Ile-de-France. Parce qu’ils appartiennent généralement à un seul opérateur de transport, ces systèmes multimodaux restent limités géographiquement.
Or, le citoyen souhaite se déplacer de manière libre, et ignore totalement ces cloisonnements. L’idée est de créer des gisements de données de mobilité actualisant l’ensemble de l’offre de transport individuel et collectif sur un territoire élargi. Pour répondre à ce défi, fédérer les projets et capitaliser les recherches et les expériences en termes d’information multimodale, le PREDIT [10], Programme de recherche et de l’innovation dans les transports terrestres a créé la PREDIM [9]- Plate-forme de recherche et d'expérimentation pour le développement de l'information multimodale.
Par ailleurs, il est à signaler parmi les projets européens qui concernent l’information multimodale, le projet TRIDENT [11] qui vise à assurer l’interopérabilité entre les systèmes monomodaux ou régionaux, par les nouvelles techniques d’intégration et d’échange d’information en informatique, tel que l’XML ou les web-services.
Comme piste récente, la personnalisation de l’information multimodale essaie d’adapter l’information présentée aux profils des usagers, en utilisant des algorithmes de personnalisation et des architectures multi-agents pour la collecte et le filtrage des données [1] ,[4].
le Système d’Information d’Aide au Déplacement (SIAD), dont disposent la majorité des opérateurs de transport est généralement composé d’une Base de Données (BD) décrivant le réseau de transport de l’opérateur et d’un Algorithme de Calcul d’Itinéraires (ACI). La BD décrit via une information statique telle que l’ensemble des lignes, des arrêts, des itinéraires et des horaires de passage, l’ensemble du réseau et services offerts à l’utilisateur. L’ACI utilise cette base de données locale pour rechercher et trouver le ou les itinéraires qui s’adaptent au mieux à la requête de l’utilisateur.
Pour produire l’information multimodale, et afin de la composer à partir de plusieurs SIADs de différents opérateurs, Il est nécessaire de procéder à une intégration de données. Deux stratégies d’intégration sont alors à considérer (figure 1):
• Soit, on procède à une intégration des différentes bases de données, pour constituer une base de donnée globale et centralisée : un gisement de données conforme à un modèle relationnel unique tel que TRIDENT. Et construire un ACI global et assez puissant pour s’adapter à cette base de donnée.
• Soit, on procède à une intégration d’applications : produire l’information multimodale à partir des résultats de plusieurs ACI. En d’autres termes, il s’agit d’interroger les SIADs existants d’une manière automatique, et de profiter des algorithmes qui sont déjà implémentés. Dans la suite de ce travail, nous optons pour cette deuxième stratégie en s’appuyant sur la théorie multi-agents.
Figure1. Stratégies d’intégration
3 Vers un Système d’Information Coopératif de Mobilité (SICM) à base de SMA
3.1 SMA et applications dans le transport Les systèmes multi-agents s’inspirent, trop souvent, de l’adage « diviser pour régner ». En effet, au lieu d’avoir un seul agent, très intelligent et autonome qui prend en charge la résolution de l’intégralité du problème
en percevant son environnement, on considère plusieurs agents, et on affecte à chaque agent la résolution d’une partie du problème. Ainsi la solution est obtenue grâce aux comportements individuels et des interactions. Les systèmes multi-agents représentent alors une nouvelle approche pour l’analyse, la conception et l’implantation des systèmes informatiques complexes.
Les SMA se caractérisent alors par [2]:
• une perception partielle de l’environnement pour chaque agent,
• des compétences limitées qui ne leur permettent pas de résoudre individuellement le problème,
• une décentralisation de données,
• des traitements en mode asynchrone.
Dans le domaine de transport, les SMA ont été utilisés dans différentes applications :
• la surveillance des véhicules automatisés,
• les systèmes d’aide au pilotage des avions militaires,
• le contrôle du trafic aérien (plate forme OASIS),
• la simulation pour le transport de marchandise,
• la modélisation des réseaux de transport,
• la modélisation et régulation des perturbations dans les réseaux de transport.
Par ailleurs, s’inspirant de travaux antérieurs qui ont associé les SMA à la construction d’intergiciels (middlewares) et de systèmes d’information coopératifs [3], on utilise ici, le concept d’agent pour l’optimisation de l’interopérabilité entre les différents opérateurs et utilisateurs, afin de produire un service mobilité de qualité, à partir de différentes sources d’information dispersées et hétérogènes
3.2 Le Système d’Information Coopératif de Mobilité (SICM)
Pour produire l’information multimodale nécessaire à l’aide au déplacement, le SICM ou Système d’Information Coopératif de Mobilité doit accéder à différents SIADs et intégrer des résultats qui sont générés par les différents algorithmes monomodaux des différents opérateurs de transport. En effet, dans cette approche, le SICM sera un intergiciel (middleware), qui sera un client parmi d’autres usagers des systèmes d’information monomodaux mono-opérateur.
Le SICM devient alors l’intermédiaire entre les différentes sources d’informations hétérogènes et distribuées d’une part et les clients d’autre part. Ce
système doit alors être capable à la fois de trouver la bonne source d’information pour l’interroger selon les différentes requêtes des utilisateurs, et de regrouper les informations de manière significative pour répondre aux requêtes. Le SICM compose l’information multimodale à partir de l’existant. Il s’agit de proposer l’itinéraire optimisé moyennant les différents SIADs. On se limite au départ à la recherche d’un plus court chemin en fonction d’un critère C, qui peut être soit la distance, soit le temps, soit une fonction pondérée des deux.
3.2.1 Organisation Multi-Agents pour le SICM Comment organiser les agents pour construire cet SICM ? On définit les agents suivants :
Agent d’Information (AI): A chaque SIAD d’un opérateur de transport, et par conséquent, à chaque réseau de transport on associe un Agent d’Information (AI). L’AI est un extracteur d’information à partir du SIAD.
Pour illustrer l’approche adoptée on considère dans la suite l’exemple suivant, associant des AIs à des SIADs correspondant à des réseaux de transports multimodaux, mono-opérateurs (Figure 2).
Figure 4 : Agents d’Informations (AIs)
Chaque agent est responsable de son réseau de transport : il peut répondre à une requête sur un itinéraire, si le lieu de départ A et le lieu d’arrivé B de celui-ci sont inclus dans la zone gérée par cet agent. Il a une connaissance limité sur son réseau. Des travaux sur la localisation et les localisants par rapport au réseau de transport ont été réalisés [6]. Dans cette étape de l’étude, on considère qu’un lieu est associé à la zone d’un agent
AI, s’il existe une station de transport gérée par cet agent, et qui est, même en considérant les autres réseaux de transport, la plus proche station du lieu demandé. On fait alors l’hypothèse suivante; on peut associer à chaque lieu demandé une station de transport.
Par ailleurs si le lieu A est inclu dans la zone d’un agent AI1 et B dans une zone d’un agent AI2 (figure 2), dans ce cas AI1 et AI2 doivent coopérer pour répondre à la requête de l’utilisateur. Pour pouvoir coopérer les agents doivent être adjacents : ils ont au moins une station commune, intersection de leur lignes de transport.
Dans le cas ou A est géré par AI1 et B et géré par IA3 qui ne sont pas adjacents, ces agents doivent coopérer avec d’autres agents qui leur sont adjacents afin de composer d’une manière optimale l’itinéraire « A vers B ». On définit alors par la suite un algorithme de coopération.
Agent Annuaire Sélectionneur (AS): Il représente « les pages jaunes », des services de l’information voyageur. Les AIs viennent s’inscrire chez l’agent annuaire, en indiquant à quels agents, ils sont adjacents, de manière à construire dans cet annuaire le graphe d’adjacence des agents, c’est le graphe des coopérations possibles. En effet, les différents chemins de ce graphe constituent les différentes coopérations possibles entre agents d’information.
Figure 3: Graphe d’Adjacence des Ais
Le graphe d’adjacence est représenté dans l’agent annuaire par la matrice d’adjacence symétrique suivante indiquant aussi les stations communes ou pôles d’échange : intersection des différents réseaux de transport impliqués. AI1 AI2 AI3 AI4 AI5 AI1 { }c { }e φ φ AI2 { }c { }k { }kji ,, φ AI3 { }e { }k { }lk, { }l AI4 φ { }kji ,, { }lk, { }ol, AI5 φ φ { }l { }ol,
Figure 4 : Matrice d’adjacence
Si pour une requête, le lieu de départ A est géré par un agent d’information AIi ; et le lieu d’arrivée B, est géré par un agent AIj qui ne sont pas adjacents, alors l’AS utilise un algorithme de sélection, pour suggérer, à partir du graphe d’adjacence, un ensemble de groupes de coopération. Chaque groupe de coopération étant un ensemble d’agents qui constituent le plus court chemin entre AIi , et AIj . En d’autres termes, chaque coopération doit être en mesure de répondre à la requête « aller de A vers B », en impliquant le moins d’agents possible. La consultation d’un AI pour une information a toujours un certain coût en temps de réponse.
Agent Courtier (AC):L’AS engage des ACs pour la requête de l’utilisateur. Chaque AC est responsable de la coordination d’un groupe de coopération. I’AC lance à son tour un appel à proposition aux agents d’information dont il est responsable, et applique l’algorithme de coopération qui sera détaillé par la suite pour la composition d’itinéraire.
Agent Personnalisation (AP) : Chaque agent courtier responsable d’un groupe va envoyer son offre d’itinéraire entre A et B, à l’agent Personnalisation. Ce dernier, va procéder à un dépouillement des offres. En effet, il va choisir la ou les meilleures alternatives à présenter à l’utilisateur, selon les critères de la requête de départ. C’est un agent de personnalisation de l’information. Dans des travaux récents, (Abdurrahmane 2004)[1] propose une architecture complète pour ce type d’agent, qui à partir d’une offre de plusieurs itinéraires, utilise des algorithmes de personnalisation basés sur l’historique des interactions Homme/Machine pour déterminer les meilleures offres par rapport au profil de l’utilisateur.
Agent Interface Utilisateur (AIU) : permet à l’utilisateur de formuler la requête, peut tenir compte de profils spécifiques et des critères de la requête, et assure le retour des résultats.
Scénario Global : Le scénario global est décrit par la figure suivante (figure 4). Les AIs s’inscrivent sur l’AS en indiquant leurs adjacences et leurs stations communes. En recevant une requête, l’AP, la transmet avec les différents critères demandés à l’AS. L’AS, en fonction du lieu de départ et celui d’arrivée, va suggérer et sélectionner différents groupes de coopération entre agents. Chaque groupe de coopération est composé d’agents adjacents, qui vont coopérer pour composer l’itinéraire ou les itinéraires, avec lesquels, ils vont répondre à la requête. Pour chaque groupe de coopération l’AS va engager un AC, c’est le « compositeur d’itinéraire ». Ensuite chaque groupe de coopération va envoyer son offre à l’AP, qui procède alors à un dépouillement des offres. Une fois le dépouillement est réalisé, l’AP suggère à l’AIU, les n meilleures offres ; n étant le nombre d’alternatives demandées par l’utilisateur.
Figure 5. Scénario Global
3.2.2 Principe de coopérations entre agents La coopération entre agents est basée principalement sur deux algorithmes. . Pour répondre à la requête « comment aller de A vers B ? », le SICM va répondre à deux questions. Il répond à la question «quels sont les AIs qui devraient coopérer pour répondre à cette requête ? » en utilisant l’algorithme de sélection de groupes de coopération (ASGC). Et il répond aussi à la question « Comment faire coopérer les AIs ?» en utilisant l’algorithme de coopération pour la Composition d’Itinéraires (ACCI).
Ces deux algorithmes proposés sont basés sur l’algorithme Dijkstra de plus court chemin.
3.2.2.1 Algorithme Dijkstra de plus court chemin Pour un graphe G(S,Ar), défini par un ensemble de sommets S, et un ensemble d’arcs Ar. Chaque arc (a,b) ∈ Ar, est caractérisé par un poids positif ; une distance d(a,b). On cherche le plus court chemin entre les deux sommets A et B.
i. Soit l’ensemble de sommets R = {A}; et de même S = S \ {A}.
ii. Faire tanque B ∈R : identifier la plus courte distance d(j; k) tel que j ∈Ret k ∈S:
iii. Soit R = R ∪ {k}; S = S \ {k}.
3.2.2.2 L’Algorithme de Sélection de Groupes de Coopération (ASGC)
c’est l’algorithme utilisé par l’AS, pour déterminer à partir d’une requête « aller de A vers B », quels sont les agents qui peuvent coopérer ensemble et par conséquent déterminer les groupes de coopération possibles aux
quels il va associer des agents courtiers. Cet algorithme est décrit par les différentes étapes suivantes:
• Etape 1 : L’AS détermine au départ quel est l’IAA et ‘IAB qui correspondent respectivement à la station de départ A, et la station d’arrivée B. S’il exixte plusieurs IAAs et IABs, on applique les étapes suivantes à chaque couple (IAA,IAB).
• Etape 2 : tester l’adjacence de IAA et IAB.
• Etape 3 : Si IAA et IAB sont adjacents, l’AS active leur coopération. les deux agents coopèrent pour calculer l’itinéraire « A vers B » le plus court. L’AC, qui leur a été associé applique l’algorithme de coopération que nous détaillerons dans la suite.
• Etape 4 : Si IAA et IAB ne sont pas adjacents, alors l’AS utilise le graphe d’adjacence pour sélectionner les K plus petits groupes de coopérations capables de répondre. Ces groupes contiennent le minimum d’agents pour minimiser le temps global de calcul de l’offre. Pour déterminer ces k groupes de coopération impliquant le moins d’agents, l’AS applique l’algorithme classique des k plus courts chemins entre les sommets concernés sur le graphe d’adjacence : IAA et IAB. nous utilisons l’algorithme de (De la Barra 1993) comme algorithme de k plus courts chemins [7], et qui s’applique sur les graphes valués et positifs. Dans notre cas, il s’agit de minimiser le nombre de sommet à impliquer dans ces k chemins.
Cet algorithme de k plus courts chemins, est basé sur une heuristique de pénalité. Il applique l’algorithme Dijkstra pour calculer le plus court chemin, ensuite il modifie le graphe en imposant une augmentation des poids des arcs du plus court chemin. Il applique ensuite Dijkstra pour trouver le 2ème plus court chemin….etc.
En appliquant l’algorithme de k plus court chemin sur le graphe d’adjacence de l’exemple précédent avec un k=3, on obtient des coopérations possibles définies par les ensembles suivants :
{ }4,2,1 IAIAIA ,{ }4,3,1 IAIAIA ,
{ }4,5,3,1 IAIAIAIA .
3.2.2.3 L’Algorithme de Coopération pour la Composition d’Itinéraires (ACCI): Algorithme de Dijkstra Distribué.
Cet algorithme de coopération appliqué par l’agent courtier sur les agents d’informations aux quels il a été affecté. Il se base principalement sur l’algorithme de Dijkstra distribué [8], pour calculer le plus court chemin d’une manière distribué. Les étapes de cet algorithme sont les suivantes :
• Etape 1 : Construire le graphe d’intersection étendu Gint(A ;B) ; il s’agit du graphe d’itinéraires possibles qui relie les stations A et B moyennant les stations communes, gérées par plusieurs IAs. Pour construire le Gint(A ; B) , chaque AI intervient, et relie les stations communes qui le concerne : chaque agent fourni à l’AC, l’information qui concerne sa zone. En d’autres termes, étant donné les sommets d’intersection en plus des sommets A, et B, l’agent courtier AC, moyennant un appel à proposition qu’il envoie aux agents qu’il gère, construit le Gint(A ;B) .
Figure 6. Graphe d’intersection Gint(A ;B)
• Etape 2 : Une fois le graphe Gint (A,B) construit, l’AC applique la dessus l’algorithme Dijkstra de calcul du plus court chemin. Une fois ce chemin choisi, chaque AI, dont l’arc a été retenu va être appelé à le détailler. L’AI décrit alors l’itinéraire qu’il propose, en termes de modes de transport à utiliser.
Figure 7. Plus court chemin sur le Gint(A ;B)
Scénario global de coopération : Finalement, Le scénario global de coopération est illustré par le diagramme UML d’activités suivant :
Figure 8. Scénario Global de Coopération
L’application du scénario global par les différents agents courtiers à l’exemple de la figure 2, donne les résultats suivants :
Figure 9: Itinéraires résultant de la coopération.
Ces propositions sont par la suite traitées par l’AP, pour choisir les offres qui s’adaptent le plus au profil de l’utilisateur.
3.2.2.4 Vers une Organisation Multi-Agents Holonique (OMAH)
« Il y a environ 30 ans, l’écrivain et philosophe hongrois Arthur Koestler qui étudiait les organismes vivants et les organisations sociales a mis en évidence le fait que dans la vie réelle, une entité, pouvant être un tout ou une partie, ne peut être considérée comme absolue. Il a alors introduit le concept de Holon, concaténation de
holos, signifiant le tout et du suffixe on suggérant une partie comme dans ‘proton’ ». Ainsi, Mandiau et al [3], ont introduit le concept holon. Une architecture multi agents holonique, est basé sur ce concept : un agent est composé d’agents mais il est aussi composant d’agents.
On peut alors considérer le SICM comme une organisation multi--agents holonique, ou chaque agent d’information qui intervient peut être lui même un SICM. Un SICM est en effet autonome : il peut répondre seul, à une requête d’itinéraire. Il peut aussi coopérer avec d’autres SICMs, et être considéré comme un AI parmi d’autre dans un SICM de niveau plus élevé. On peut alors envisager q’un SICM Européen, est composé de plusieurs SICMs nationaux. Un SICM national est composé de plusieurs SICMs départementaux. Un SICM départemental ou régional est composé de plusieurs SICMs associés aux autorités organisatrices…..Et on peut descendre dans cette échelle jusqu’au SIADs monomodaux.
Figure 10: Organisation multi-Agents Holonique et OMGs
Le principe de coopération présenté reste valable dans cette OMAH. Ainsi pour composer un itinéraire qui va d’un lieu de départ à Londre vers un lieu d’arrivée à Paris via un transport terrestre, il serait nécessaire de faire appel à des SICMs nationaux et départementaux qui intègrent des ASGCs, et des ACCIs.
Agent Courtier
Chemin proposé Coût
AC124 (A )d→b→c→f→g→h→i→n(B) 215 AC134 (A)d→e→m→k→j→i→n (B) 240 AC1354 (A)d→e→m→l→p→c→o→n(B) 220
4 Conclusion En conclusion, l’appel à la théorie multi-agent pour réaliser ce Système d’Information Coopératif de Mobilité, rend l’architecture plus flexible, et ouverte vers d’autres systèmes. Ainsi en modifiant les compétences de quelques agents, nous pourrions adapter le système global, à un nouveau besoin utilisateur, à un nouveau protocole de communication avec un nouveau fournisseur de données, ou à un nouvel algorithme de calcul d’itinéraire. Le système reste ainsi ouvert, pour inclure de nouveaux agents d’information.
L’organisation multi-agents présentée, permet aussi d’assurer la mise à jour de l’information. En effet, si chaque IA assure la mise à jour des données dont il est fournisseur et responsable, l’information multimodale composée à partir des différents IAs serait automatiquement mise à jour.
Références [1] Abdurrahmane, A., & Petit-Rosé, C., & Grislin-Le-Strugeon, E. « User-Based Decision Support System », AISTA, Luxembourg, 2004.
[2] Fayech, B.,« Régulation des réseaux de transport multimodal : systèmes multi-agents et algorithmes évolutionnistes » Thèse université des sciences et technologies de Lille et École centrale de Lille, 2003.
[3] Mandiau, R., & Grislin-Le-Struegon, E., & Peninou, A. « Organisation et Applications des SMA », Lavoisier (Eds),Paris, 2002.
[4] Petit-Rozé, C., « Organisation multiagents au service de la personnalisation de l’information ». Thèse de l’Université Valenciennes et du Hainaut-Cambraisis, 2003.
[5] Uster, G., « Pour une mobilité raisonnée, Mobilités.net », collection ‘Questions numériques’ pp 324-320, 2004.
[6] Vu Anh, S., & Morice, N., & Uster, G. « Information Voyageurs et Localisation “INFOLO” », Dossier DTT 2001 0102, INRETS/RR-02-708-fr, 2001.
[7] Van Der Zijpp, N.J., Fiorenzo Catalano, S., “Path enumeration by finding the constrained K-shortest paths”, Transportaition Research Part B, Vol 39, pp 545–563, 2005.
[8] Wang, K., & Kaempke, K. “Shortest route computation in distributed systems”, Computers and operation research, Vol 31, pp 1621-1633, 2004.
[9] www.predim.org
[10] www.predit.prd.fr
[11] http://www.ertico.com/activiti/projects/trident/home.htm