交通拥堵是城市面临的一个严重问题，导致通勤时间延长和排放增加。城市道路上的混合交通，包括汽车、卡车和共享同一基础设施的两轮车，给建模和控制带来困难。本论文利用一个宏观框架来建模和控制多类车辆的交通流。类间耦合通过每类特定速度实现，这些速度通常是总密度的递减函数。通过这种方式，模型可以再现关键的多类现象，例如超车和“爬行”，其中一类车辆在其他车辆留下的空间中缓慢前进。这构成了后续所有分析的基础。模型随后扩展到一般道路网络。我们提出了一种耦合条件，用于集成特定于每类的分配和优先级系数的通用m x n交叉口。为了进行模拟，我们将Godunov的有限体积方案调整为多类网络的上下文，采用供需公式并建立其一致性。此外，我们整合了对原始和目的节点的输入和输出边界条件的管理，考虑到输入的缓冲段以跟踪等待进入网络的车辆。通过对由13条双向道路和6个交叉口组成的测试网络进行全面数值研究，评估了模型的描述能力，主要走廊和两条次要道路。车辆车队包括汽车、重型卡车和自行车。探讨了两种情景：（i）一个基础情景，采用线性速度函数，类间的最大密度相等；（ii）一个异质框架，每类的最大密度特定（通过等效汽车系数），从而触发“爬行”，并突显异质性如何改变宏观流动模式。实验评估了总通勤时间、网络流量和二氧化碳排放，突显了各种因素和交通管理策略（如不同路线间的路由和换乘或转延模式）影响的作用。结果表明，在交通拥堵情况下，模型能够准确描述自行车在汽车车队之间穿行的情况，以及汽车超越重型卡车的情况。依托这一建模层，我们开发了一个用于交通控制的优化框架。我们将特定于每类的变速限制作为主要控制因素，引入入流管理作为对比策略。该框架在三个合成网络上实现：一个中间有瓶颈的路段，一个在下游有瓶颈的环形道路，以及一个有八条道路的城市网络，目标是减少总通勤时间和排放。结果显示，随着受控车辆比例的增加，效果不断改善，速度控制优于入流控制。例如，只有30%的车辆被控制时，平均通勤时间比无控制情况减少了17.3%。最后，我们将方法学转移到一个真实的高速公路走廊上：法国索莱兹与里昂之间的A7。宏观优化（特定于每类的变速限制）整合到微观模拟器SUMO中。集成确认当个体车辆之间的相互作用被明确建模时，宏观模型预测的模式是持续存在的。
Agatha Joumaa (星期四)研究了这个问题。