La détection des incidents par les véhicules traceurs

Dans les villes de New York et de Houston, ont été respectivement lancés les projets TRANSMIT et TRANSTAR. Ils ont été initiés en vue de tester la faisabilité de l’utilisation du lien télépéage pour la supervision du trafic et la détection d’incidents. Le concept est basé sur l’installation de lecteurs de badges hyperfréquence (balises) espacés régulièrement le long de l’autoroute. Chaque fois qu’un véhicule équipé d’un badge hyperfréquence passe sous la balise, son identifiant et le temps de passage sont enregistrés et transmis à un serveur central tout en préservant l’anonymat des automobilistes. Ainsi, les temps de parcours des véhicules sont estimés à travers l’analyse des temps mis entre deux balises successives. D’autre part, des incidents sont identifiés en comparant les temps de parcours mesurés avec des valeurs dites « normales » de temps de parcours sur la même période de la journée et aussi le même jour de la semaine. Quand un certain nombre de véhicules (valeur non donnée) ont de longs temps de parcours inhabituels (3 fois la valeur de l’écart type du temps de parcours moyen), ceci signifie un incident détecté.

La détection s’effectue à partir de l'algorithme SND (Standard Normal Deviate) développé par Dudek et Messer (Dudek & al, 1974). Le principe consiste à comparer le temps de parcours mesuré sur un tronçon à l'instant 't' à un seuil (temps de parcours maximum) à partir duquel on considère qu'un incident affectant l'écoulement du trafic a lieu sur le tronçon. Le seuil est déterminé pour chaque tronçon et pour chaque intervalle de temps d'une journée à partir du temps de parcours moyen mesuré sur le tronçon pendant le même intervalle de temps.

Occurrence de l’incident

Détection de l’incident

Intervention sur site Fin de l’intervention

Retour à la normale

T1 T2 T3 T4

L’espacement entre les balises est fixé de manière à minimiser le taux de fausses alarmes (au maximum 2 %) et le temps moyen de détection d’un incident (au maximum 5 minutes).

Ainsi, ces applications permettent d’établir des matrices O/D et d’estimer des temps de parcours. Dans le cas de Houston, 720 balises sont déjà installées en section courante et 350 000 badges sont en circulation afin de mener une expérimentation visant à estimer les temps de parcours à travers les passages des véhicules traceurs [Ullmann, 1996]. Ceci permet de détecter la congestion due à des incidents dans un délai comparable à celui des boucles électromagnétiques à condition qu’il y ait un nombre adéquat de véhicules capteurs et des volumes de trafic importants.

Dans un flux de trafic, on mesure les temps de parcours entre deux points définis du réseau routier. Les systèmes de localisation automatique de véhicules ‘AVL’ (Automatic Vehicle Location) et d'identification automatique de véhicules ‘AVI’ (Automatic Vehicle Identification) ont été tous les deux testés.

L'avantage des véhicules traceurs est d’avoir la possibilité de calculer un temps de parcours sur un quelconque segment autoroutier donné. Les études montrent l'importance de la précision de l'information 'temps de parcours' sur le comportement des conducteurs en matière de choix d'itinéraire et de délestage.

Une expérimentation menée par le ‘Texas Transportation Institute’ (TTI) visait à faire varier le format des informations d'un jour à l'autre pour les conducteurs dès que ces derniers appelaient sur leur téléphone cellulaire. La variation du format de l'information consistait à donner uniquement la localisation d'un incident ; le temps de parcours et la localisation de l'incident ; ou l'incident et le retard.

Les résultats de cette étude n'ont pas montré de différence significative entre les formats d'information définis.

Les chercheurs du TTI ont voulu tester les temps de parcours (fournis par les véhicules capteurs) à une fonction de détection d'incidents. Pendant le test avec les téléphones cellulaires, on a modifié l'algorithme 'SND' (Standard Normal Deviate) qui a été développé à l'origine pour la détection d'incidents utilisant des données fournies par les boucles. Dans sa forme modifiée, l'algorithme 'SND' permet de juger statistiquement si un temps de parcours obtenu grâce à un véhicule capteur, excède d'une manière significative le temps de parcours normal sur la même section et au même moment de la journée. Si c'est le cas, on estime qu'il y a une congestion non récurrente (ex : un incident) présente sur cette même section.

En effet, l'algorithme 'SND' établit un intervalle de confiance sur le temps de parcours typique ou moyen. Cet algorithme est basé sur l'hypothèse suivante :

les temps de parcours, sur une section donnée à un instant donné de la journée, suivent une distribution normale avec une valeur moyenne u et un écart type.

La déviation SND d'un temps de parcours sur un tronçon est calculée par la formule suivante :

x x SND σ − = dans laquelle

x désigne le temps de parcours d'un tronçon mesuré à l'instant 't',

σ _{la déviation standard du temps de parcours du tronçon pour l'intervalle de temps donné.}

À partir de cette formulation, on déduit, dans des conditions de circulation nominales, c’est-à-dire sans incident, le temps de parcours à l'instant 't' d'un tronçon :

x= +x SND⋅σ

On présume la détection d'un incident si un temps de parcours mesuré sur un tronçon excède l'intervalle de confiance calculé autour du temps de parcours moyen du tronçon à une heure donnée. SND est la valeur correspondant au test Z de statistique classique pour une population respectant une distribution normale. Le SND permet d'estimer l'intervalle de confiance. Par exemple, pour une valeur de SND égale à 2, correspond un intervalle de confiance de 97.72 % de la population contenue dans l’intervalle [µ ±2σ].

Une base de données de 1133 incidents ayant un impact sur le trafic a été développée. En même temps, l'exploitation des temps de parcours mesurés hors incidents par des systèmes de communication route-véhicule a permis d'obtenir des temps de parcours moyens par tronçon et par tranche horaire de 15 min.

Les critères de performance de la détection des incidents par les véhicules capteurs sont pour les périodes de pointe du matin et du soir :

- le taux de détection (ratio entre le nombre d'incidents correctement identifiés via l'algorithme de temps de parcours et le nombre d'incidents survenus)

- le taux de fausses alarmes (rapport entre le nombre de fausses alarmes d'incidents et du nombre total de temps de parcours mesurés par les véhicules capteurs).

Le tableau ci dessous donne les valeurs numériques de ces paramètres pour différents algorithmes de DAI classiques basés sur des boucles magnétiques :

Algorithme taux de détection taux de fausses alarmes

SND - véh capteurs 58 % 5.3 %

Californien 82 % 1.7 %

Californien modifié 68 % 0.177 %

SND - boucles 92 % 1.3 %

McMaster 68 % 0.0018 %

Tableau n° III.2 – Performances des algorithmes de DAI

D'après le tableau n°III.2, le taux de détection le plus bas (58 %) est relatif à la détection par les véhicules capteurs. Ceci s'explique par le faible nombre de véhicules traceurs qui donnent l'information 'temps de parcours' (200 véhicules pour la démonstration). De plus, les distances entre les points de mesure (6 à 10 km) rendent l'estimation du temps de parcours insensible aux perturbations locales de trafic. Ainsi, des points de relevés plus rapprochés augmenteront le taux de détection.

L'expérimentation de Houston a montré l'intérêt de la collecte 'temps de parcours' par les véhicules traceurs et aussi la détection de la congestion due à un incident aux conditions qu'il y ait un nombre suffisant de véhicules capteurs et des conditions de trafic assez denses. En revanche l'utilité et la

réponse de l'usager à une information 'temps de parcours' sur le réseau associé demeurent inconnues.

III.6.6. Algorithmes de DAI basés sur des systèmes de communication route - véhicule