Vitesse réglementaire
estimée
Autoroute 130 km/h Quasi-autoroute 110 km/h Bretelle 50 km/h Route à 2 chaussées 90 km/h ou 25 km/h Route à 1 chaussée 90 km/h ou 25 km/hdéfinie lorsque les routes sont situées à moins de 100 mètres des zones d’habitation, et où le trafic est alors assimilé à un trafic pulsé, c’est-à-dire soumis aux feux tricolores et à des arrêts multiples, par exemple à des intersections (Lunardi, 2013). Les attributs de vitesse sont une information essentielle du modèle SCAUP car ils permettent à la fois de proposer une hiérarchisation du réseau routier de la ville de Dijon (cf. en haut de la figure 2.19) et d’appréhender la vitesse de déplacement des véhicules sur le réseau routier (cf. section 6.2.2, p. 196). C’est une information non négligeable qui est portée par le réseau routier et qui permettra d’appréhender autant la dynamique spatiale (direction des véhicules) que temporelle (vitesse de déplacement) du modèle.
Figure 2.19 : Hiérarchies du réseau routier retenues sur la ville de Dijon (en haut : les vitesses réglementaires ; en bas : la hiérarchie issue de OpenStreetMap)
La figure 2.18 permet de distinguer les réseaux traversant l’espace urbain entre les routes présentant des liaisons d’importance départementale, et les liaisons interurbaines et urbaines. Cependant, à l’extérieur du réseau urbain, la différenciation entre les réseaux autoroutiers et la rocade n’apparait pas aussi nettement que sur les deux cartes présentées ensuite. La figure 2.19 (en haut) permet d’observer la répartition des vitesses réglementaires sur le territoire de la ville de Dijon ; toutefois, si l’autoroute ainsi que la rocade sont mises en évidence (à l’Est de la zone), cette illustration ne permet de faire ressortir nettement les routes traversant l’espace urbain qui apparaissent trop homogènes pour les tronçons définis à 50 et à 25 km/h. De plus, le référentiel de la BD TOPO est applicable à l’ensemble du réseau routier français, mais est plus difficilement manipulable pour d’autres pays.
C’est pourquoi, dans le souci d’obtenir des informations plus facilement exploitables sur un grand nombre de villes, nous nous sommes dans un troisième temps tourné vers les informations associées au référentiel OpenStreetMap (en bas de la figure 2.19). Notons ici que les attributs OpenStreetMap ont été affectés manuellement sur la géométrie du réseau routier de la BD TOPO afin de pouvoir comparer les trois référentiels de type de voies. Le référentiel du réseau routier associé à OpenStreetMap est défini par l’attribut « highway »100. Il est d’autant plus
intéressant que les types de voirie sont associés à un référentiel d’équivalence internationale permettant d’appliquer cette typologie à toutes les villes mondiales101. En passant par cette
information, 11 typologies de voies sont définies, que l’on peut, néanmoins, réduire à 6 types de routes, les 5 autres correspondant aux bretelles permettant d’accéder au réseau qui lui est associé. Le réseau routier est illustré en haut de la figure 2.19 : d’une manière générale, il permet d’observer les mêmes caractéristiques que la BD TOPO, en apportant une précision plus fine à l’intérieur des zones résidentielles pour les routes inter-résidentielles qui n’apparaissent pas au sein des précédents référentiels. Cette typologie permet d’avoir un réseau routier mieux hiérarchisé, où l’on peut observer une information plus hétérogène à l’échelle des quartiers résidentiels de la ville de Dijon.
Enfin, si nous avons présenté les éléments permettant de caractériser le réseau routier, il faut mettre en lumière la manière dont ces informations permettront de définir les axes routiers qui seront privilégiés par les véhicules routiers. Que les mesures soient permanentes ou ponctuelles, en nous reposant sur les figures précédentes (cf. figure 2.18 et figure 2.19), on peut observer que l’ensemble des typologies est couvert par au moins un comptage routier. En croisant d’une part les informations relatives à la fréquentation des axes (les comptages), et d’autre part la typologie des axes, on peut obtenir une image de la fréquentation type d’une catégorie de voirie, permettant de définir un pourcentage d’utilisation des différents types de voiries. Cette information permettra de définir les tronçons routiers qui seront privilégiés par les véhicules en tenant compte des valeurs de fréquentation par type de route que nous détaillerons au cours de la section 6.2.2 (p. 196). À noter que les informations relatives à la hiérarchie du réseau routier que nous avons retenues pour le fonctionnement de SCAUP sont présentées au sein de la figure 2.19 (ci-dessus). Pour finir, nous soutenons l’idée que le réseau routier joue un rôle essentiel dans le processus de simulation pour introduire et appréhender les comportements des véhicules sur le réseau routier.
100 Descriptif de la voirie sous OpenStreetMap : http://wiki.openstreetmap.org/wiki/FR:Voirie.
101 Référentiel d’équivalence international de l’attribut « Highway » issus de OpenStreetMap :
Il permettra de porter l’ensemble des informations qui permettront de définir non seulement la dynamique spatiale du système multi-agents, mais aussi sa dynamique temporelle en intégrant les informations de vitesse de déplacement des véhicules (cf. figure 2.19). À cet effet, l’affectation ainsi que l’écoulement des véhicules, sont, dans un premier temps, envisagés comme des informations macroscopiques de notre système au sein duquel les agents véhicules pourront parcourir l’ensemble du réseau routier en tenant compte d’une représentation fine du réseau routier. Dans cette perspective, le réseau routier n’est pas seulement un support, il est aussi un élément déterminant pour le fonctionnement du modèle SCAUP.
Les sorties pour l’évaluation de la PAA : les enjeux d’une approche intégrée
5.3.3.
Enfin après avoir vu les principaux éléments relatifs à l’abstraction et au fonctionnement du modèle SCAUP, nous nous intéressons à la dernière phase de la démarche de modélisation : l’interprétation. Nous nous arrêtons plus spécifiquement sur les éléments relatifs aux sorties du modèle (outputs) qui sont de deux natures : 1. générer un trafic routier émergent pour une journée de comptage routier sous la forme d’une carte de charge pour une journée de simulation ; 2. proposer une estimation des niveaux de PAA en mobilisant les sorties du modèle de simulation aux ASSQA. Le modèle SCAUP doit alors nous permettre d’atteindre trois objectifs :
- il doit être en mesure de généraliser l’information issue des comptages routiers sur un plus grand ensemble de tronçon routier à l’échelle de la ville de Dijon ;
- il doit être en mesure de reproduire la dynamique journalière du trafic routier en permettant d’observer le cycle type d’une journée identifié plus haut (matin, midi, soir) ; - il doit être en mesure d’alimenter le modèle d’estimation de la PAA utilisé par les
AASQA.
C’est au niveau de cette dernière composante que se situe la finalité de SCAUP. L’objectif est tout d’abord, de faire une évaluation précise de la PAA et pour cela de disposer de données relatives à l’intensité des flux de circulation routière autant dans l’espace que dans le temps pour une journée de comptage. Pour y parvenir, nous avons fait le choix de contourner l’usage des matrices O-D (cf. figure 2.6, p. 142). Dans le cas de la matrice technique exposée précédemment, les dispositifs techniques fonctionnent au sein d’un système que l’on qualifiera d’endogène (cf. figure 2.8, p. 146). Toutefois, pour le travail présenté ici, les dispositifs de modélisation et d’évaluation sont couplés et fonctionnent plutôt de manière exogène (cf. figure 2.9, p. 147).
S’inscrire dans cette démarche impose de se formaliser au standard de données utilisé par les AASQA, portant autant sur la nature des variables que sur la finesse des résultats. Le processus d’estimation de la PAA doit nous permettre de passer des données de trafic routier simulé à une estimation des niveaux de PAA sur l’espace de la ville de Dijon. D’une manière générale, la méthode d’estimation des polluants atmosphériques tient compte de l’intensité de l’activité humaine (A), comme la production énergétique, le chauffage résidentiel ou l’activité industrielle, à laquelle est appliquée un coefficient multiplicateur (F) pour estimer la quantité de polluant émis (E) par cette activité. Le calcul des émissions de polluants atmosphériques peut être formalisé sommairement par la formule suivante (PCIT, 2012) :
𝐸𝑠,𝑎,𝑡 = 𝐴𝑎,𝑡∗ 𝐹𝑠,𝑎
E : émission relative à la substance « s » et à l’activité « a » pendant un temps « t » A : intensité de l’activité « a » pendant un temps « t »
F : facteur d’émission relatif à la substance « s » et à l’activité « a »
Cette formulation permet de prendre en compte les variations temporelles d’une activité (t) mais aussi ses variations dans l’espace (SETRA, 2009). De surcroît, elle permet par sa formulation sommaire de comprendre les apports de notre démarche, qui vise à affiner l’estimation des flux de trafic routier (A), plutôt que l’ensemble de la chaîne d’estimation en se focalisant plutôt sur les émissions (E). Pour le calcul des émissions de PAA, les AASQA mobilisent le logiciel CIRCUL’AIR développé par l’ASPA102, qui est utilisé par l’ensemble des AASQA afin d’estimer les émissions de polluants atmosphériques automobiles sur la base de la méthodologie européenne dite COPERT103 (Ntziachristos et Zissis, 2009 ; AEE, 2014).
CIRCUL’AIR permet d’estimer, pour chaque axe routier, les émissions de polluants atmosphériques rattachées au trafic routier. Nous explorerons plus en détails ces différents éléments au cours du Chapitre 8 (p. 263). La méthodologie COPERT permet de définir les facteurs d’émissions (F), afin de « convertir des quantitatives d’activité (ici des données relatives aux
caractéristiques du trafic automobile) en émission de polluants » (SETRA, 2009, p. 2). Elle se fonde sur une
estimation des polluants émis à l’échappement des véhicules en fonction de la vitesse de circulation des véhicules, ainsi que du type de véhicule, comme nous l’illustrons ci-dessous pour les oxydes d’azote (NOx). À travers cette illustration, on remarque que les émissions de NOx prennent en compte les évolutions technologiques des véhicules en fonction non seulement des normes européennes (normes EURO), mais aussi des types de véhicules et de leur vitesse comme nous le présenterons plus en détail au cours du Chapitre 8 (p. 263).
Figure 2.20 : Illustration du facteur d’émission depuis la méthodologie COPERT pour l’estimation des oxydes d’azote (source : SETRA, 2009)
102 ASPA : Association pour la Surveillance et l'Étude de la Pollution Atmosphérique en Alsace.
103 COPERT (COmputer Programme to calculate Emissions from Road Transport) est un logiciel libre
Pour cela, le logiciel CIRCUL’AIR intègre les informations relatives à la circulation routière sous la forme d’un trafic agrégé comme le TMJA (Trafic Moyen Journalier Annuel) ou le TMH (Trafic Moyen Horaire) affecté à chaque tronçon routier. Les sorties du modèle SCAUP doivent donc permettre d’obtenir une carte de charge du trafic routier par tranche de temps, qui sera ensuite mobilisée pour alimenter le modèle d’estimation de la PAA. Les apports de notre approche se situent ici au niveau de la capacité de SCAUP à fournir des données de circulation plus rapidement qu’en utilisant une approche de modélisation classique ; en effet, les données étant réagrégées, on aura tendance à lisser les apports spatio-temporels du modèle de simulation du trafic routier. De plus, la méthodologie COPERT se base sur les vitesses moyennes par voie de circulation. Il faut relever que d’autres outils, comme HBEFA104, permettent quant à eux
d’intégrer une approche plus fine des conditions de circulation lors du calcul des émissions de PAA (André et al., 2013). Néanmoins, pour ce travail, nous avons fait le choix d’utiliser les mêmes approches que celles citées dans le guide défini par le Pôle de Coordination national sur les Inventaires d'émission Territoriaux (PCIT, 2012) et utilisé par les AASQA locales françaises.
Conclusion :
La géosimulation, et plus spécifiquement les modèles de simulation multi-agents (SMA), permettent de renouveler la manière dont les modèles de trafic routier sont conçus et construits. Ces outils sont aujourd’hui de plus en plus exploités pour la modélisation du trafic routier à un niveau spatial et temporel plus fin. S’inscrire dans le paradigme multi-agents apparait pouvoir apporter une autre réponse en vue d’estimer les niveaux de PAA en milieu urbain. L’approche que nous proposons s’inscrit dans une démarche de modélisation, qui s’est d’abord attachée à la constitution du modèle de données à travers le dispositif de quantification, puis à sa formalisation à travers un modèle conceptuel. L’ensemble de cette approche s’inscrit dans le cadre conceptuel de la géocomputation défini précédemment. Les SIG ont été mobilisés pour construire le modèle de données et les informations relatives aux agents et à l’environnement de la SMA, qui est ensuite relayé par les outils informatiques et statistiques pour la simulation du trafic routier (Openshaw et Abrahart, 2000).
L’objectif final du modèle de SMA du trafic routier SCAUP (Simulation multi-agents à partir de
CApteurs Urbains pour la Pollution atmosphérique automobile) vise à fournir des valeurs de trafic routier
pour ensuite en estimer les émissions atmosphériques à travers la PAA. Ainsi, s’inscrire dans une démarche de modélisation nécessite de mettre en place un processus de réflexion qui se caractérise par un ensemble interdépendant de modèles, allant de sa conceptualisation à sa finalité. Si nous nous rattachons au processus de modélisation abordé plus haut (cf. figure 2.1, p. 128), ce n’est qu’une fois la première phase d’abstraction établie que la mise en mouvement du modèle à travers la simulation peut être envisagée. Cette seconde phase vise à reproduire les dynamiques de la circulation routière en milieu urbain (Champion, 2003 ; Ferber, 2006).
En s’inscrivant dans les paradigmes multi-agents, cette seconde phase vise à modéliser les processus sous-jacents au trafic routier par l’interaction de deux composants élémentaires : les véhicules et l’infrastructure de transports. En outre, l’approche que nous proposons s’entoure de différents éléments conceptuels qui permettent d’inscrire notre travail dans une optique deepening (Hassan et al., 2010a, 2010b). Cette expérimentation s’opère par un glissement progressif du protocole expérimental de SCAUP, d’un positionnement KISS vers une application KIDS (Edmonds et Moss, 2004). Ainsi dans cette optique, l’intégration progressive d’un environnement urbain complet permettra de tester les capacités opérationnelles d’une approche guidée par les comptages routiers pour l’évaluation de la PAA.
Pour finir, ce travail s’inscrit dans une optique expérimentale, dont les applications opérationnelles seront testées sur la ville de Dijon. Toutefois, l’application de SCAUP peut être transposée sur d’autres espaces urbains du moment que nous disposons d’informations issues des comptages routiers. En effet, toutes les villes ne disposent pas forcément de données permettant de construire des matrices O-D ; par contre, elles bénéficient très largement de comptages routiers qui sont parfois relevés manuellement ou automatiquement. L’approche expérimentale que nous proposons vise par ailleurs à s’inscrire dans une perspective de généralisation de l’approche expérimentale à d’autres espaces urbains que celui de la ville de Dijon.
E
XPÉRIMENTATION ET MISE EN MOUVEMENT DU TRAFICChapitre 6.
ROUTIER PAR LA SIMULATION MULTI
-
AGENTSAprès avoir exposé les différents éléments conceptuels et les hypothèses, liées autant à la construction qu’au fonctionnement du modèle SCAUP, nous présentons au cours de ce chapitre les éléments de réponse mis en place pour mettre en mouvement le trafic routier à partir du modèle SCAUP sur notre terrain d’expérimentation, la ville de Dijon. La simulation, et plus spécifiquement la simulation multi-agents, ouvre la voie à l’expérimentation sous la forme d’un
laboratoire virtuel, par l’intermédiaire d’une approche soit déductive soit inductive ou abductive (cf.
1.2.1, p. 36). Quelle que ce soit l’approche choisie, l’expérimentation par la simulation implique un usage central de l’ordinateur : à ce stade, on parlera plus aisément de simulation numérique, positionnant ainsi les outils associés à la géocomputation dans ce champ.
Il reste à préciser une dernière spécificité liée à la démarche géographique : si le modèle est une représentation simplifiée de la réalité (Haggett, 1965), il en constitue néanmoins une formalisation qu’il ne faut pas négliger dans une optique géographique, puisque ces modèles se caractérisent plus particulièrement par leur ancrage spatial et territorial (Daudé, 2005). Une entrée de lecture de la démarche du modélisateur en géographie peut se synthétiser autour de plusieurs éléments clés (Banos, 2013) :
- Étudier un système réel ;
- Les modèles doivent mieux s’enraciner dans la donnée ;
- La formalisation mathématique ne constitue pas l’unique solution ; - Construire un modèle pour réaliser des expérimentations ;
- S’inscrire dans une démarche de simplification et de parcimonie.
L’ensemble de ces arguments nous amène à focaliser nos investigations sur les différents éléments constituants le SCAUP, en s’intéressant autant aux agents et à leur environnement, qu’à leurs interactions (Demazeau, 2003 ; Marilleau, 2006). Rappelons ici, que la démarche entreprise est exploratoire et vise à reproduire autant la dynamique spatiale que temporelle du trafic routier en milieu urbain, en mobilisant la richesse des comptages routiers. L’application du protocole expérimental de SCAUP vise à passer d’un modèle simple KISS (Keep It Simple Stupid), en vue de mettre en place les différents éléments constitutifs du modèle (Edmonds et Moss, 2004), pour ensuite passer à un modèle plus complet KIDS (Keep It Descriptive Stupid), en y intégrant l’ensemble de l’environnement de la ville de Dijon. Le passage de l’un à l’autre se combine au caractère empirique de la démarche initiée en vue de positionner le processus d’expérimentation pour l’estimation de la PAA (Banos et Sanders, 2012).
La construction du modèle de simulation envisagé nous amène dans un premier temps à effectuer un état de l’art des outils de simulation multi-agents, afin de choisir l’instrument de recherche ad hoc pour simuler le trafic routier. Ensuite, nous nous attèlerons à décrire l’ensemble du modèle SCAUP, en nous appuyant sur la grille de lecture VOYELLES définie par Yves Demazeau (2003). Enfin, nous illustrerons l’apport des différentes fonctionnalités du modèle de simulation, en nous arrêtant sur les différents tests de sensibilité réalisés lors de sa mise en place.