Modèles microscopiques et macroscopiques pour le contrôle du trafic à autonomie mixte // Microscopic and Macroscopic Models for the Control of Mixed-Autonomy Traffic

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.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

The emergence of autonomous vehicles (AVs) offers new possibilities for improving traffic stability and efficiency, especially in mixed-autonomy settings where human-driven vehicles remain predominant. Recent large-scale experiments, notably the MegaVanderTest field experiment [1], have shown that even low AV penetration can significantly dampen stop-and-go waves and reduce energy consumption when equipped with distributed feedback control or MPC-based strategies [2]. These developments motivate deeper theoretical insight into how local AV control laws influence emergent macroscopic traffic behavior.

This PhD project aims to develop a unified micro–macro modeling and control framework for mixed-autonomy traffic. At the microscopic level, the student will study heterogeneous car-following dynamics and AV controllers [3]. At the macroscopic level, the project will develop continuum traffic-flow models [4] that explicitly incorporate AV penetration and control actions, using tools from PDE modeling, mean-field limits, and stability analysis. A central research objective is to establish rigorous links between microscopic AV control policies and macroscopic traffic outcomes, such as wave attenuation, capacity, and flow-density relationships.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Contrat doctoral

Concours pour un contrat doctoral

Université Grenoble Alpes

220 EEATS - Electronique, Electrotechnique, Automatique, Traitement du Signal

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.
The candidate will have a master degree in Applied Mathematics, Automatic Control, or related fields. They should be familiar with non-linear modeling and control, and have general proficiency in a scripting language such as Python or a similar language. Previous experience with traffic simulations is appreciated but not required.