Les modèles développés avec ArcGIS 10.3 ont permis de cartographier les zones présentant un risque professionnel potentiel face au risque de feu de transport. La connaissance de la
1 La programmation commence classiquement par zéro et non par 1.
profondeur des réseaux techniques permettrait d’affirmer/d’écarter les risques métier sur ces zones. Ces cartes constituent dans un même temps un outil d’alerte si plusieurs incidents se produisaient dans ces zones spécifiques. Les résultats obtenus sont différenciés par type d’intervention (embrasement de wagons de fret ou embrasement de véhicules), par nombre et nature des réseaux techniques en présence et par la nature de la zone retenue. Ces résultats ont été obtenus grâce à neuf modèles, sur la base de sept couches d’objets linéaires (données d’entrée) : le linéaire des routes avec des champs niveau/largeur/nature, le linéaire des lignes de fret, des tunnels de fret et des ponts ferroviaires et enfin le linéaire des trois réseaux techniques électricité HT/THT, gaz et vapeur. Cette méthode présente l’avantage d’être transposable à tous les territoires pour lesquels les données précédentes sont disponibles.
Les résultats sont donnés ici sous formes de statistiques de zones présentant un risque professionnel, mais aucune carte ne sera fournie. En effet, la cartographie de ces zones présentant un risque professionnel et donc une cause potentielle d’effets cascade a été jugée comme sensible, et sa consultation est donc réservée uniquement aux partenaires du projet DEMOCRITE.
Malgré la prudence qui doit entourer l’utilisation des statistiques de propension des zones sensibles à présenter un risque professionnel, il est intéressant de souligner ces ordres de grandeurs [Grangeat, 2015, b, c], [Grangeat, 2016, a, a*] [Grangeat, 2016, e]. La BSPP intervient sur un territoire de 850 km² avec un centre urbain très dense (Paris). Sur les zones sensibles à l’embrasement de véhicules, 7 % croisent un réseau technique provoquant un risque professionnel. Parmi ces zones, on compte environ 500 croisements avec un réseau électrique HT/THT enterré, 150 avec une canalisation de gaz, 100 avec un réseau vapeur (Table 16). Environ 50 zones sensibles à l’embrasement de véhicules croisent 2 réseaux techniques en même temps. Sur les zones sensibles à l’embrasement de fret, bien moins nombreuses que les zones sensibles aux feux de véhicules, 10 % croisent un réseau technique (Table 17). Parmi celles-ci, 60 zones croisent un réseau électrique HT/THT enterré, 20 une canalisation de gaz, et 20 un réseau vapeur. La comparaison de ces chiffres avec la superficie du territoire permet de se rendre compte de la faible densité de ces zones dangereuses.
La fréquence des types de zones sensibles par réseau technique et par type d’évènement est également intéressante à noter. Le nombre d’infrastructures routières sur le territoire d’Ile-de-France explique que 85 % des zones d’interventions sensibles concernent l’incident « aléa de véhicule », avec une majorité de croisements routiers avec ponts. Cependant, il est plus probable que les tunnels routiers ou les ponts ferrés au-dessus de routes abritent des réseaux techniques. Environ 95 % des zones sensibles à l’aléa « embrasement de fret » sont des ponts routiers au-dessus de ces voies. La probabilité des zones sensibles à cet aléa de croiser un réseau électrique n’est pas dépendant de leur nature. Il n’est pas possible de conclure sur les deux autres réseaux au vu de leur faible nombre de croisements.
Cependant quelques limites sont à souligner. Elles sont dues à la fois aux contraintes des traitements géographiques, mais également à la difficulté de traiter des données dont la description n’est pas exhaustive. Il est difficile de quantifier le nombre de zones qui n’ont pas
été répertoriées par le modèle. Chaque limite géomatique a été présentée et justifiée dans l’Annexe 4. Ces limites constituent des voies d’amélioration de cet outil de recherche automatique. Le relativement faible nombre de zones de risque professionnel potentiel, tel que présenté ci-dessous, permet d’envisager une vérification au cas par cas. Une enquête sur le terrain et auprès des opérateurs concernés permettra ensuite, dans un second temps de confirmer ou d’infirmer la présence d’un risque professionnel sur les zones retenues par l’outil DEMOCRITE développé sous ArcGIS 10.3.
Table 16 : Répartition des réseaux techniques sur les zones
présentant un risque professionnel, selon leur nature [Grangeat, 2016, a, a*]
Zones d’interventions sensibles concernant l’incident
«feu de véhicule » présentant un risque professionnel
Electricité Gaz Vapeur
Nombre approximatif 500 150 100
Tunnel 20 % 30 % 30 %
Ponts ferrés sur route 10 % 20 % 10 %
Croisements routiers avec ponts 70 % 70 % 60 %
Zones d’interventions sensibles concernant l’incident
«feu de fret » présentant un risque professionnel
Electricité Gaz Vapeur
Nombre approximatif 60 20 20
Tunnel 4 % 6 % 20 %
Ponts routiers sur voies de fret 96 % 94 % 80 %
Table 17 : Propension des zones sensibles à l’aléa «feu de véhicule » ou «feu de fret » à croiser un réseau technique [Grangeat, 2016, a, a*]
Propension des zones sensibles à l’aléa «feu de véhicule » à croiser un réseau technique, selon leur nature
Electricité Gaz Vapeur
Tunnel 10 % 1% 4 %
Ponts ferrés sur route 10 % 8 % 3 %
Croisements routiers avec ponts 4 % 1 % < 1%
Propension des zones sensibles à l’aléa «feu de fret » à croiser un réseau technique, selon leur nature
La cartographie des zones où une intervention feu risque de créer une interruption de réseau démontre qu’il est possible dans certaines configurations d’anticiper les situations propices à
créer un effet cascade. Il serait intéressant d’approfondir par ailleurs les autres catégories de causes telles que proposées dans le paragraphe 3.1 en perspective de ce travail de thèse. Une analyse déterministe comme celle proposée ici n’est pas adaptée aux autres études des causes, et il faudrait développer une approche spécifique à chacune de celles-ci. Le paragraphe suivant s’intéresse quant à lui à la modélisation des effets cascade en eux-mêmes. Afin de généraliser l’étude des effets cascade, le déclenchement de ceux-ci sera vu comme la conséquence de la défaillance d’une ou plusieurs infrastructures, et non pas la conséquence directe de l’évènement initiateur (cause réelle). L’étude de la vulnérabilité et de la résilience des effets cascade fera dans le Chapitre 4 le lien entre l’évènement initiateur et la défaillance d’une infrastructure.
Limites d’une modélisation d’effets cascade à l’échelle du service urbain par une base de données orientée graphe
Le travail précédent a souligné à plusieurs reprises l’intérêt pour la sécurité civile de mieux connaître les effets cascade à l’échelle de l’infrastructure. Ce paragraphe se veut être une démonstration de la nécessité de descendre à cette échelle pour avoir une modélisation qui présente une utilité pour les opérationnels.
Pour cela, l’auteur se base sur les données récoltées par Toubin [Toubin, 2014] à l’échelle du service urbain (donc à l’échelle globale du réseau technique) auprès des opérateurs. Elles caractérisent les liens entre Services Urbains (SUs) et quantifient leur importance. Nous avons ensuite reconstitué le système relationnel entre les SUs sous une Base de Données Orientée Graphe (BDOG) appelé Neo4J. Cette modélisation présente un intérêt fort pour comprendre
« l’écosystème des dépendances » dans lequel évoluent les opérateurs [Grangeat, DEMOCRITE, Neo4J, 2015] car elle fait ressortir les acteurs centraux et quantifie leur importance (nombre de dépendances directes et indirectes par exemple). Pour autant, l’analyse des relations à cette échelle macro – c’est-à-dire sans descendre jusqu’aux infrastructures – ne fournit pas d’indicateurs utiles pour la gestion de crise ou la planification face aux effets cascade. Par exemple, lorsque le graphe de relations identifie la dépendance aux réseaux de transports comme majeure pour le fonctionnement des SUs, il ne permet pas de distinguer par infrastructure quelles sont les lignes de transports les plus importantes. Cela signifie par exemple qu’Eau de Paris est déclarée comme dépendante du fonctionnement de l’ensemble des lignes de métro. Or si l‘on regarde la localisation du siège d’Eau de Paris, son fonctionnement ne sera pas influencé de façon homogène selon les lignes de métro défaillantes.
Ce paragraphe montre ainsi qu’une Base de Données Orientée Graphe (BDOG) à l’échelle des SUs est un outil de compréhension du territoire, mais qu’il est insuffisant pour modéliser les effets cascade. En démontrant la nécessité de descendre à l’échelle inférieure d’analyse (l’infrastructure), ce paragraphe prouve la nécessité de spatialiser les liens de dépendance entre les infrastructures, car celles-ci ont une zone de desserte spécifique sur le territoire. Les requêtes présentées ici illustrent cependant le potentiel opérationnel de la constitution d’une BDOG à l’échelle de l’infrastructure.
3.3.1 Présentation de la base de données orientée graphe et des données sur les