Système intelligent d'aide à la décision pour la planification du projet urbain

Abstract

Ces derniers temps, le milieu urbain a connu une expansion extraordinaire ce qui multiplie les problèmes urbains de jour en jour et provoquant un phénomène urbain plus dynamique et plus complexe. En raison des aspirations des décideurs et du peu de temps alloué, la planification de projets urbains demeure une tâche fastidieuse, qui mène souvent à des choix arbitraires pour trouver de bonnes adéquations des projets en fonction des situations envisagées. D'un autre côté, elle devrait s'occuper de la préservation des ressources disponibles (les fonds, le foncier, l'eau, l'énergie et les matières premières) qui devraient être exploitées de manière rationnelle et préservées pour les générations futures. En effet, les décideurs ont besoin de plus en plus des plans actualisés portants des solutions durables pour faire face aux éventuels changements urbains tout en maintenant les caractéristiques générales des zones urbaines, telles que la couverture, l'interdépendance et la cohérence. Par conséquent, il est nécessaire de faire appel aux experts pour une éventuelle planification urbaine, pour qu’ils fournissent des solutions rationnelles et cela dans les meilleurs délais. Le présent document propose un système intelligent d'aide à la décision (SIAD), dont l’objectif est de fournir les meilleurs plans urbains associant les projets urbains aux zones appropriées. Ce SIAD s’appuie principalement sur l’approche holonique pour modéliser notre système de planification urbaine, où les agents holoniques de chaque niveau appliquent un nouvel algorithme d'optimisation multi-objectifs par colonies de fourmis (BKPACS) pour résoudre le problème de la planification des projets urbains, considéré comme un problème du sac-à-dos. Afin de produire des plans urbains optimaux globaux, l'algorithme principal appelé H-MACO coordonne entre les différents niveaux de ce système multi-agents holonique (SMAH). Les expérimentations menées sur les cas d’étude ont montré l’efficacité et la performance des algorithmes proposés pour fournir des plans urbains optimaux, en les comparant à d’autres algorithmes heuristiques et méta-heuristiques notamment les algorithmes génétiques.