Une codification systématisée des réseaux de transport pour simuler les trafics

Les travaux présentés dans les parties précédentes permettent de disposer des flux d’échanges entre toutes les zones de l’aire urbaine. Ils ont été complétés par les trafics de transit et d’échange avec l’exté- rieur, qui restent marginaux, ainsi que par la répartition entre heure de pointe et heure creuse donnée par les EMD et les Enquêtes marchan- dises en ville (EMV ; v. Chapitre 8). Il reste ensuite à affecter ces flux sur les réseaux pour déterminer les itinéraires, les tronçons congestion- nés et les temps d’accès entre les zones.

Pour cette dernière étape de modélisation, le logiciel DAVISUM a été retenu, tant du fait de ses bonnes performances que parce qu’il est bien utilisé au sein des services de l’équipement du Ministère du déve-

loppement durable (MEEDDM) et par les collectivités territoriales. Cependant, plus que le choix du logiciel proprement dit et les calculs d’affectation qu’il propose, c’est le travail de codification des réseaux qui apparaît le plus décisif pour la qualité des résultats. Cette codifica- tion est extrêmement chronophage lors du développement d’un modèle de transport. Elle nécessite le plus souvent un important tra- vail de collecte de données existantes, complétée par des productions de données spécifiques.

Dans le cadre de SIMBAD, nous avons souhaité d’une part explo- rer les potentialités offertes par les bases de données géographiques existantes pour limiter le travail de collecte, et d’autre part évaluer les possibilités d’une codification la plus automatique possible afin de pouvoir reproduire cette codification dans le temps, tant dans le passé pour un calage dynamique des modèles que pour garantir la cohérence des représentations de réseaux dans le futur. Ce sont les résultats de cette réflexion qui sont présentés ici.

2.4.1. Le réseau routier

Notre objectif a été de traiter les réseaux de la manière la plus automatique possible à partir de bases routières existantes comme NAVTEQ® (qui fait aujourd’hui référence en matière de navigation routière), ou la base GEOROUTE® développée par l’Institut géogra- phique national (IGN). Cela nous a permis de réduire le temps de codification, mais surtout, de reproduire des réseaux passés ou à venir de manière homogène, sans être liés aux contingences d’une codifica- tion ad hoc. Nous ne souhaitions pas avoir à traiter des agrégations de liens aux caractéristiques différentes qui nécessitent toujours un traite- ment particulier dont l’automaticité est forcément limitée. En conser- vant la totalité du réseau, nous avons décrit chacun des liens à partir des informations disponibles sur les infrastructures correspondantes. Par contre, même si le réseau et le zonage retenus apparaissent très fins, puisque l’ensemble des voiries sont conservées et connectées aux 777 IRIS de l’aire urbaine de Lyon, cette finesse ne se retrouve pas au niveau de la mesure des attributs des nœuds et des liens, qui sont quant à eux traités de manière agrégée à partir de règles systématiques.

De ce fait, la précision du réseau routier est largement illusoire et ne doit pas tromper sur le niveau d’analyse des résultats, qui doit se limiter à un niveau macro à l’échelle de l’agglomération. L’objectif est bien de donner des indications sur les flux et les temps de parcours ou les temps généralisés entre secteurs de l’agglomération afin de pro- duire des indicateurs d’évaluation des politiques de transports à l’aune du développement durable à l’échelle de l’agglomération ou d’illustrer

le degré de péri-urbanisation ou de périphérisation des flux ou encore le poids relatif du centre par rapport à des couronnes périphériques.

Nous avons appliqué nos principes de codification des réseaux sur les bases NAVTEQ® et GEOROUTE®. Ceci nous a permis de mesu- rer la qualité insuffisante des bases routières à ce jour, même si le développement des applications de guidage routier devrait conduire à les améliorer dans le futur. Un important travail de correction a permis de produire un réseau routier extrêmement fin contenant plus de 100 000 arcs et près de 45 000 nœuds, validé grâce aux données de comptages disponibles. Le test des résultats de l’affectation a été réa- lisé avec l’indice GEH12_{, qui permet de comparer deux séries de}

volume de trafic :

où M représente les flux modélisés et C les flux des données de comp- tage.

Nous avons comparé les résultats de l’affectation avec tous les comptages disponibles. Généralement, dans les études de circulation de projets d’infrastructure de transport, on considère qu’il est souhai- table que 85 % du volume de trafic ait un GEH inférieur à 5 % (DMBR, 2009). Compte tenu de notre objectif qui vise une analyse macro-économique des politiques, cette exigence de précision ne cons- titue pas une contrainte absolue. Comme l’indique la Figure 2, les

12. du nom de son concepteur : Geoffrey E. Havers.

Figure 2

résultats finaux sont tout à fait corrects. Ils restent acceptables pour le périurbain, mais sont de moins bonne qualité en milieu urbain et pour les échangeurs autoroutiers. Le calage du réseau méritera donc d’être affiné, ce qui pourra être réalisé lors du calage dynamique de l’ensem- ble du modèle SIMBAD.

2.4.2. Le réseau de transports collectifs : vers une codification automatique à partir des données publiques ?

La codification du réseau TC a également été développée à un niveau très fin à l’aide d’une digitalisation de tous les arrêts. La cons- truction des attributs des lignes a ensuite été réalisée de manière automatique à partir des guides horaires du réseau. Le calage des réseaux donne des résultats satisfaisants à un niveau macro. En revan- che, malgré la finesse de la description des réseaux, l’analyse des résultats ne peut être conduite à un niveau spatial fin (Nicolas et al., 2009).

La description du réseau TC est de nature différente de celle du réseau viaire. Un réseau de transports collectifs est composé de lignes et le passage d’une ligne à une autre génère un coût ou temps généra- lisé supplémentaire qui n’a pas d’équivalent pour la voiture. Il est donc nécessaire de superposer au graphe du réseau une description des lignes de transports collectifs. Pour chaque ligne, cette description consiste en une succession de nœuds correspondant à des possibilités de monter ou descendre de la ligne. Selon la finesse de représentation nécessaire, on peut isoler chacun des arrêts d’une ligne ou bien agréger plusieurs arrêts dans un même nœud (Bonnel, 2004). Le graphe sup- port de ce réseau peut être le graphe du réseau viaire. Toutefois, la description de lignes en site propre nécessite en général l’ajout de nœuds et de liens supplémentaires, car ces liens ne peuvent pas être utilisés par les autres modes de transport et sont bien souvent situés, au moins partiellement, en dehors du réseau viaire.

Les principes de codification retenus sont similaires à ceux que nous avons exposés pour le réseau routier. De même, dans le prolongement de cette logique, nous avons retenu une codification fine du réseau de transports collectifs qui conduit à codifier tous les arrêts de transports collectifs y compris lorsque plusieurs arrêts sont localisés au sein d’un même IRIS. Concernant la codification des liens connectant la zone au réseau, le travail est plus complexe et plus sensible que pour le réseau routier. Nous avons tout de même privilégié une approche conduisant à une codification automatique, permettant une reproductibilité pour réaliser différents scénarios de réseau. Ce choix a été facilité par le

travail de D. Caubel (2006), qui a réalisé la digitalisation de l’intégra- lité du réseau TC du Grand Lyon dans le cadre de sa thèse.

Toutefois, la finesse spatiale de la codification du réseau TC ne doit pas tromper, car l’usage de règles les plus automatiques possible fait que l’analyse doit rester agrégée. Par exemple, lorsque plusieurs arrêts sont inclus dans une même zone, la modélisation ne permet pas d’iden- tifier correctement la charge de chacun des arrêts. En effet, toute la demande étant concentrée sur le centroïde de chaque zone, il n’est pas possible de la répartir entre les arrêts sur une base comportementale solide même si DAVISUM, comme d’autres logiciels, propose des fonctionnalités qui permettent d’éclater la demande entre les diffé- rents nœuds.

Pour réaliser le travail de calage, ne disposant pas des données de charge des différentes lignes de transports collectifs pour 1999, nous avons comparé nos résultats avec ceux du logiciel TERESE développé par EGIS RAIL (SEMALY, 2000). Nous avons considéré que ces derniers étaient proches de la « réalité » dans la mesure où les nom- breuses études réalisées sur l’agglomération lyonnaise avec le logiciel TERESE apportent des résultats très satisfaisants (GESMAD, 2000). Plusieurs tests ont été réalisés afin de caler les paramètres de la fonc-

Figure 3

Résultats du calage du réseau de transports collectifs

tion de temps généralisé, ainsi que les matrices de pénalités de corres- pondance entre modes et les matrices de temps de marche à pied entre zones d’arrêt. Les résultats obtenus sont proches de ceux produits par le logiciel TERESE à la fois sur le plan de la répartition entre les modes de transports collectifs et sur celui de la charge des principales lignes du réseau. Il n’est donc pas nécessaire de chercher à affiner ce calage dans la mesure où l’analyse devra être reprise lors du calage en dynamique de l’ensemble des modules de SIMBAD.

2.5. Conclusion : le double usage des résultats du modèle