Adaptive SDN-Assisted Traffic Signal Control for Road Traffic Congestion Mitigation in VANETs

Chaque jour, des millions de conducteurs naviguent dans les rues des villes, se retrouvant souvent coincés dans de longues files d'attente aux intersections où les feux de signalisation passent selon un programme rigide et immuable. Ces minuteurs fixes ne savent pas si une voie est encombrée de voitures ou vide, ce qui entraîne une perte de temps, une consommation supplémentaire de carburant pendant l'arrêt et un engorgement frustrant des véhicules qui ralentit l'ensemble du réseau. Ces dernières années, des ingénieurs ont commencé à connecter les voitures à l'infrastructure routière elle-même, permettant aux véhicules de diffuser leur vitesse et leur position aux unités de bord de route. Ce flux de données en temps réel offre la possibilité de dépasser les minuteurs statiques, mais la gestion de cette information nécessite un cerveau central capable de prendre des décisions rapides et équitables pour l'ensemble du système. Le défi consiste à créer un système de contrôle capable de voir instantanément quelle route est la plus encombrée, de donner le feu vert à cette voie, tout en veissant à ce qu'aucune autre direction ne soit laissée attendre indéfiniment.

Des chercheurs de l'Université de Pondichéry ont développé une nouvelle approche pour résoudre ce problème en combinant la communication entre véhicules et un système de gestion de réseau centralisé connu sous le nom de mise en réseau logicielle (SDN). Au lieu de s'appuyer sur des minuteurs préétablis, leur système agit comme un gestionnaire de trafic dynamique qui écoute constamment les voitures. À mesure que les véhicules approchent d'une intersection, ils émettent de brefs balises numériques contenant leur position et leur vitesse. Les unités de bord de route collectent ces informations et résument l'état de chaque voie, comptant le nombre de voitures arrêtées ou se déplaçant lentement et calculant leur vitesse moyenne. Ce résumé est envoyé à un contrôleur central, qui agit comme un centre de commandement du trafic, analysant les données pour déterminer quelle voie présente la demande la plus forte à cet instant précis.

Le système décide ensuite quel feu de signalisation doit passer au vert. Il identifie la voie présentant la plus grande congestion et lui accorde la priorité, permettant ainsi à ces véhicules de dégager l'intersection en premier. Pour garantir l'équité, le système utilise une méthode de rotation structurée pour les voies restantes, de sorte que si deux routes présentent des niveaux de trafic similaires, elles se relaient pour recevoir le feu vert plutôt que de voir l'une d'elles être ignorée. Ce processus se répète toutes les cinquante secondes, permettant aux signaux de trafic de s'adapter continuellement au flux changeant des véhicules. Les chercheurs ont testé cette idée à l'aide d'une simulation informatique sophistiquée qui modélisait une intersection urbaine à quatre voies avec jusqu'à 250 véhicules circulant à travers elle. Ils ont comparé leur système adaptatif aux signaux à temps fixe traditionnels et à d'autres méthodes existantes pour voir comment il se comportait dans des conditions de trafic intense.

Les résultats de ces simulations ont montré un avantage clair pour l'approche adaptative. Lorsque le volume de trafic augmentait, le système traditionnel peinait, les véhicules attendant en moyenne plus de cinq minutes lors des périodes de pointe. En revanche, le nouveau système a maintenu les temps d'attente moyens nettement plus bas, les maintenant à environ 51 secondes même lorsque les routes étaient les plus encombrées. Cette efficacité s'est traduite directement par un meilleur mouvement des véhicules ; au cours de la simulation, le système adaptatif a permis à 415 voitures de traverser l'intersection, contre seulement 261 avec les signaux traditionnels à temps fixe. Cela représente une amélioration substantielle de la rapidité avec laquelle l'intersection peut dissiper l'accumulation de voitures.

Au-delà de la simple accélération du mouvement des voitures, le système a également amélioré la communication entre les véhicules et la route. Parce que les signaux adaptatifs évacuaient les files d'attente plus efficacement, la congestion sur les routes était moindre, ce qui a réduit le nombre de paquets de données perdus ou retardés lors de la transmission. Le système a maintenu un taux plus élevé de livraison réussie de données et a maintenu le temps nécessaire pour que l'information voyage d'un point à un autre bien plus bas que les méthodes conventionnelles. De plus, la réduction des périodes d'arrêt et des cycles d'arrêt-démarrage a entraîné une baisse mesurable de la consommation de carburant, les véhicules utilisant nettement moins de carburant par trajet par rapport à ceux coincés dans les files d'attente plus longues créées par les minuteurs fixes.

L'étude démontre qu'en utilisant des données en temps réel pour guider les signaux de trafic, les villes peuvent gérer la congestion plus efficacement sans avoir besoin de construire de nouvelles routes. Bien que les résultats proviennent d'une simulation informatique plutôt que d'une ville physique, les conclusions suggèrent qu'un système capable d'écouter la route et de s'ajuster en temps réel peut réduire considérablement les délais, économiser du carburant et maintenir les réseaux de communication en bon fonctionnement. Les chercheurs concluent que cette méthode offre une manière équilibrée et évolutive de gérer les demandes complexes du trafic urbain moderne, prouvant qu'une approche flexible et axée sur les données est bien supérieure aux calendriers rigides du passé.