Caractérisation du risque routier vis à vis de l’infrastructure
2. Constitution de la base de données 1 Sélection de l’échantillon
1. Introduction
Le CETE de Lyon a réalisé une étude sur la relation entre le niveau d'adhérence des infrastructures routières et les accidents corporels dans le cadre de l’opération de recherche LCPC
« Risques routiers ». En effet, l'adhérence est un des critères rentrant en ligne de compte lorsque les chargés d'études en sécurité routière réalisent un diagnostic d'itinéraires. Or, il n'est pas rare de disposer de données d'adhérence ne correspondant pas à la situation rencontrée par l'usager lors d'un accident. C'est pourquoi un travail de modélisation de l'évolution de l'adhérence des revêtements routiers a été mené dans un premier temps. Les travaux se sont déroulés en trois temps. Dans une première partie, une base de données a été constituée suivant des critères spécifiques et une analyse statistique a permis de définir les données explicatives permettant de modéliser l’évolution du niveau d’adhérence. Dans une deuxième partie, différents types de lois d’évolution sont proposés. Dans une troisième partie, le niveau d’adhérence est corrigé à l’aide des lois d’évolution et corrélé avec les accidents corporels constatés sur les itinéraires considérés.
2. Constitution de la base de données
Le regroupement des revêtements par classes d'âge montre que la moitié des revêtements de la base a plus de 5 ans et un quart a plus de 10 ans. Ce résultat s'explique par le mode de sélection des itinéraires sur lesquels il fallait au moins trois mesures de CFT, sachant que la plupart de ces mesures sont réalisées dans le cadre de l'IQRN (Indicé de Qualité de routes Nationales) avec une fréquence moyenne de passage de 3 ans.
Figure 2 – Répartition par classes de rayons de courbures (2a) et dévers (2b)
La répartition des données de la base par classes de rayon de courbure montre que plus de la moitié des données correspondent à des zones de grandes courbes (rayon > 1500 m) ou des lignes droites (Figure 2). Ce résultat est cohérent avec le type de réseau routier considéré. De même, plus de la moitié des valeurs de dévers est comprise entre 1 et 3%. Ce résultat est cohérent avec les valeurs de rayon observées puisque le dévers doit être de l'ordre de 2,5% en ligne droite (ICTAVRU, Figure 3). Enfin, un tiers de la base se situe sur des zones plates (-1 à 1%) et un tiers se situe en montée (1 à 5%).
Figure 3 – Répartition par classes de pente longitudinale (3a) et de TMJA 6 en veh/j (3b) L’adhérence des revêtements est évaluée à l'aide d'une mesure de frottement (Coefficient de Frottement Transversal) réalisé par l'appareil SCRIM et d’une mesure profilométrique (Profondeur Moyenne de Profil) réalisée par le RUGO. La répartition des valeurs de CFT et de PMP est indiquée dans les figures 4a et 4b. On observe que 54% des valeurs de CFT sont inférieures à 0,60 ce qui traduit une adhérence médiocre pouvant présenter un risque. Le reste de la base correspond à des valeurs de CFT comprises entre 0,60 et 0,80. Il n'y a pas de zones de très forte adhérence correspondant à des techniques particulières comme des enrobés à base de bauxite calcinée par exemple. La valeur moyenne de CFT est de 0,59 avec un écart-type de 0,08.
La valeur moyenne de PMP est de 0,94 mm avec un écart-type de 0,38 mm. Les valeurs de macrotexture se répartissent sur une gamme assez étendue. Plus des trois quarts des valeurs sont supérieures à 0,80 mm. Cette valeur correspond à la valeur limite en réception de couche de
6 Trafic Moyen Journalier Annuel
0% 5% 9%
17%
33%
19%
12% 5%
0%
< -7%
-7 à -5%
-5 à -3%
-3 à -1%
-1 à 1%
1 à 3%
3 à 5%
5 à 7%
> 7%
0%
0%
83%
0%
4% 9% 4%
< 5 000
< 10 000
< 15 000
< 20 000
< 25 000
< 30 000
> 30 000
6% 7%
8%
3%
1%
3%
6% 8%
58%
< -1500 m -1500 à -1000 m -1000 à -500 m -500 à -250 m -250 à 250 m 250 à 500 m 500 à 1000 m 1000 à 1500 m
> 1500 m
0%3% 6%
11%
4%
58%
13% 4%
1%
< -7%
-7 à -5%
-5 à -3%
-3 à -1%
-1 à 1%
1 à 3%
3 à 5%
5 à 7%
> 7%
roulement neuve proposée par la circulaire. Les entreprises routières ont tendance à mettre en place des revêtements ayant une macrotexture plus élevée afin d'éviter tout risque de contentieux, ce qui explique que les valeurs de la base restent relativement hautes après plusieurs années de mise en service.
Figure 4 – Répartition par classes de PMP (4a) et de CFT (4b) 3. Analyses statistiques
Trois types d’analyses statistiques ont été menés su cette base, à savoir :
• Une analyse en composantes principales (ACP),
• Une analyse de la variance (ANOVA),
• Une vérification de la normalité de l’échantillon.
L'Analyse en Composantes Principales (ACP) est une méthode d'analyse des données, qui consiste à transformer des variables liées entre elles (dites "corrélées" en statistique) en nouvelles variables indépendantes les unes des autres (donc "non corrélées"). L'ACP permet d'analyser de données quantitatives (continues ou discrètes). Ces nouvelles variables sont nommées
"composantes principales" ou axes. L’ACP permet au praticien de réduire l'information en un nombre de composantes plus limité que le nombre initial de variables. L'ACP réalisée dans le cadre de ces travaux est celle de Pearson, ce qui signifie que les calculs statistiques seront basés sur une matrice composée des coefficients de corrélation de Pearson. Le coefficient de corrélation de Pearson est le rapport de la covariance et du produit des écart-types des deux variables. Sa valeur est comprise entre -1 et 1.
Tableau 1 - Définition des composantes principales (coefficients de Pearson).
Le tableau 1 indique la composition des axes principaux. Le premier axe F1 dépend du rayon et du dévers (qui sont fortement corrélés étant donné que les règles de conception routière préconisent des valeurs de dévers pour différentes valeurs de rayon de courbure) et permettent d’expliquer 30% des variations de CFT. Le second axe F2 dépend de la pente et de la macrotexture et le cumul des axes F1 et F2 permet d’expliquer 50% environ des variations de CFT (Figure 5). De plus, la figure 5 montre qu’il est nécessaire de prendre en compte 5 axes au moins afin d’expliquer 90% des variations, ce qui laisse à penser que des modèles simples
> 1,20 mm 23%
< 1,20 mm 15%
< 1,00 mm 20%
< 0,80 mm 26%
< 0,60 mm 14%
< 0,40 mm
2% < 0,80
7% < 0,50
16%
< 0,60 38%
< 0,70 38%
> 0,80 0%
< 0,40 1%
F1 F2 F3 F4 F5 F6
PENTE 0,142 0,606 0,316 0,699 0,152 0,007
RAYON 0,810 -0,078 0,067 -0,107 0,168 -0,542
DEVERS 0,815 0,051 0,051 -0,163 -0,012 0,551
TMJA -0,073 0,320 0,729 -0,354 -0,477 -0,086
AGE -0,182 -0,431 0,664 -0,063 0,571 0,102
PMP -0,171 0,697 -0,195 -0,485 0,460 -0,006
Figure 5 – Pourcentages de variations expliqués par les axes principaux
Ensuite, les analyses de variance (ANOVA) ou analyses factorielles sont des techniques permettant de savoir si une ou plusieurs variables dépendantes (appelées aussi variables endogènes ou variables à expliquer) sont en relation avec une ou plusieurs variables dites indépendantes (ou variables exogènes ou variables explicatives). Lorsqu’il n’y a qu’une seule variable à expliquer, et une ou plusieurs variables explicatives, toutes continues, on fait appel au modèle de régression linéaire simple ou multiple. On appelle « régresseurs » les variables explicatives. Lorsque certaines des variables explicatives sont discrètes (discontinues), et d'autres continues, on réalise une analyse de la covariance. Le modèle se compose donc à la fois de facteurs et de régresseurs. De plus, ces analyses de variance permettent d’évaluer le niveau d’information apporté par une variable explicative dans le modèle de régression.
Il ressort de ces analyses que les lois d’évolution doivent être calculées par type de revêtement et qu’il est nécessaire de prendre en compte tous les paramètres proposés à savoir le rayon de courbure, la pente, le dévers, la macrotexture, le TMJA et l’âge. De plus, l’idée d’utiliser le trafic cumulé a été abandonnée car cela entraînait une perte d’information dans la modélisation en éliminant le paramètre âge et donc en masquant le phénomène de vieillissement de l’enrobé qui se produit simultanément avec le polissage du au trafic.