Abstract:
Ce mémoire explore en profondeur les défis et les innovations du contrôle de la circulation urbaine, en se concentrant sur l'analyse comparative des stratégies et l'intégration de techniques avancées comme l'apprentissage par renforcement. Il souligne l'importance cruciale d'une gestion efficace du trafic pour la sécurité routière. ? travers des approches mathématiques et l'utilisation d'intelligence artificielle, notamment l'apprentissage automatique et par renforcement, l'étude vise à rendre les systèmes de signalisation urbains plus adaptatifs et efficaces. Les résultats montrent que l'approche MetMod-RL, combinant théorie des jeux et apprentissage par renforcement, offre des performances significatives dans l'optimisation du trafic urbain. En conclusion, ce mémoire contribue à promouvoir des solutions urbaines intelligentes et durables, améliorant la mobilité urbaine.
