Les systèmes de transports intelligents (STI) représentent un domaine multidisciplinaire combinant des technologies émergentes dans le but d’optimiser les planifications et opérations des réseaux de transports. Nous considérons particulièrement les STI pour l’étude des problèmes de recherche liés à la gestion des incidents dont la résolution présente encore des défis et des difficultés. Comme axe de recherche, nous considérons le problème de répartition dynamique des véhicules d’urgence vu ses retombées. En effet, l'efficacité du processus de gestion des véhicules d’urgence permet de minimiser les conséquences des incidents sur les vies humaines, les biens matériels ainsi que le rétablissement de la fluidité et de la performance du réseau routier. La prise de décision dans ces situations d’urgence demeure une tâche difficile, vu le nombre de variables qui entrent en jeu d’une part et le dynamisme et l'imprévisibilité de certains d'entre eux d’autre part. La littérature montre de nombreuses contributions relatives aux études de ce problème notamment la définition d’algorithmes d’optimisation basés sur des méta-heuristiques de plus en plus sophistiquées et leurs combinaisons. Cependant, la plupart des recherches dans ce domaine ont porté sur la relocalisation dynamique des véhicules de façon à tenir compte du dynamisme des arrivées des appels tout en négligeant les répercussions des incertitudes de l’environnement routier sur les solutions. L’intégration d’une telle problématique dans le contexte des transports représente une innovation qui nous permet de considérer de nouveaux formalismes de ces problèmes et qui permettent d’étudier le problème dans un contexte dynamique et interactif. Dans ce contexte, les changements dynamiques et imprévisibles de l'environnement pourraient être mieux adressés. Nous proposons une approche réactive pour l’affectation des véhicules d’urgence basée sur une résolution contextuelle et une architecture basée sur des composantes dynamiquement reconfigurables. Pour expérimenter et valider notre approche, nous avons défini un cadre de simulation conçu pour mieux supporter notre étude. Nous avons défini et testé plusieurs scénarios réalistes. Les résultats numériques mettent en évidence l’avantage de notre approche de répartition proposée pour l’optimisation du temps de réponse définie par la réduction des délais d’intervention.