UNE COMPARAISON DES TEMPS DE PARCOURS « BOUCLES
Transcription
UNE COMPARAISON DES TEMPS DE PARCOURS « BOUCLES
UNE COMPARAISON DES TEMPS DE PARCOURS « BOUCLES » ET FCD SUR LE RÉSEAU AUTOROUTIER LILLOIS Simon COHEN (IFSTTAR), David GIL (Cerema), Jean-Eric PÉRUCHON (DIR Nord) Les potentialités des données de Floating Car Data (FCD) ouvrent aux exploitants des perspectives nouvelles pour la diffusion des temps de parcours. Les données FCD fournies par les opérateurs privés peuvent constituer un complément précieux aux données des systèmes classiques, par exemple en cas de panne de capteurs. Elles sont bien adaptées à la diffusion des temps de parcours et laissent envisager, par ailleurs, la possibilité d’exploiter et de surveiller des parties du réseau non équipées de capteurs. Pour tirer partie des ces données FCD dans un système d’exploitation existant et déjà équipé, il est indispensable d’étudier la compatibilité entre les temps de parcours estimés à partir des données de base du système et ceux fournis par les véhicules traceurs. C’est dans ce contexte que s’inscrit cet article. Celui-ci présente les travaux effectués actuellement par la DIR Nord sur le réseau des autoroutes périurbaines de Lille. Une analyse statistique approfondie permet de comparer les temps de parcours estimés à partir des mesures fournies par les boucles électromagnétiques et ceux issus des données de véhicules traceurs. La première partie de la communication présente le contexte de l’expérimentation sur l’autoroute A25 et décrit les diverses données disponibles. La comparaison statistique entre les temps de parcours « boucles » et FCD est par la suite développée dans une deuxième partie. Elle s’effectue sur des trajets de longueur variable et distingue les deux catégories de traceurs : voitures particulières (VL) et poids lourds (PL). L’analyse prend également en compte plusieurs modalités : heures de pointes, heures creuses, jours ouvrables, week-ends, temps sec, pluie. Des corrélations et des relations linéaires stables, sont mises en évidence entre les temps de parcours des deux technologies. 1. LE SITE DE COMPARAISON ET LES TRAJETS L’autoroute A25 Lille Dunkerque est une pénétrante majeure du réseau géré par la DIR Nord. Elle supporte une forte demande de trafic, particulièrement aux heures de pointe. Cette demande est en constante augmentation du fait de l’attractivité économique de l'agglomération lilloise. Des enquêtes montrent que cette demande crée des zones de congestion récurrente au niveau des échangeurs ou en section courante. Le phénomène est accentué par l’effet des perturbations fréquentes. De plus, les faibles réserves de capacité d’éventuels itinéraires alternatifs favorisent la propagation de la saturation sur d’autres axes du réseau. A25 a une double vocation internationale et régionale. Elle constitue, dans ses premiers kilomètres, le périphérique sud de Lille. Chaque jour, sur plusieurs km jusqu’à Lille, A25 est le lieu de congestions récurrentes et d’incidents fréquents. 1 Les Rencontres de la Mobilité Intelligente 2016 Le périmètre géographique d’étude sur A25 correspond à un tronçon de 15 km environ, allant de la Porte Sud jusqu’à l’échangeur de La Chapelle d’Armentières (Figure 1). Seul le sens Lille Dunkerque est analysé. Figure 1 : Périmètre d’étude sur A25, sens Lille vers Dunkerque Ce tronçon peut être subdivisé en 2 parties : • Une première section de 9 km très urbanisée, à 2x3 et 2x4 voies, allant de la Porte Sud à l’échangeur d’Englos. Sur cette partie, communément appelée Boulevard Périphérique Sud de Lille, la vitesse est limitée à 90 km/h et à 80 km/h pour les PL. La multiplicité des échangeurs crée plusieurs zones d’entrecroisements ; • Une seconde section de 6 km environ, de l’échangeur d’Englos à la Chapelle. La section est à 2x3 voies et la vitesse y est limitée à 110 km/h. Dans le sens Lille-Dunkerque, le trafic est de 50 000 véh/jour et atteint 75 000 véh/j environ aux abords de la confluence avec l’autoroute A1. La pointe du soir est très marquée, de 16h30 à 19h environ. Le pourcentage de poids lourds (PL) est important : les jours ouvrables, il atteint 15%. Les trajets ont été définis afin de mettre en cohérence les temps de parcours FCD avec ceux déjà calculés par le système Allegro. Dans Allegro, un trajet est constitué de plusieurs arcs consécutifs entre un Panneau à Message Variable (PMV) et un pôle de destination. Les débuts et les fins de trajets correspondent à des positions précises. Sept trajets, d’une longueur comprise entre 2,5 km et 14,5 km ont été ainsi choisis (Table 1). L’identifiant de chaque trajet est fondé sur la localisation du PMV de début. Notons enfin que les 7 trajets choisis font l’objet d’un affichage sur 4 PMV situés sur la partie urbaine de l’autoroute A25. 2 Les Rencontres de la Mobilité Intelligente 2016 2. LES DONNÉES DISPONIBLES La période de comparaison correspond au mois de juin 2014. On dispose pour cette période des temps de parcours issus des deux systèmes, boucles et FCD. Les temps de parcours du système Allegro Ils sont destinés à l’information des usagers. Ils sont affichés sur PMV ou alimentent un site internet grand public. Les temps de parcours sont déterminés à partir des mesures de base issues des stations à boucles électromagnétiques. Ils sont calculés sur une base de 3 min et lissés toutes les minutes. La vitesse V mesurée par une station est associée à un arc de longueur donnée La. Elle permet de déterminer le temps de parcours TPa de l’arc par le rapport TPa = La/V. Sur un trajet constitué par une suite d’arcs (ai) consécutifs, le temps de trajet TPtrajet s’en déduit par la sommation étant étendue à l’ensemble des arcs. Dans le système TPtrajet = Σ Lai/Vi Allegro, le temps de parcours est calculé pour l’ensemble des véhicules, dans distinction des catégories voitures légères et poids lourds. Le mode de calcul précédent correspond à un algorithme très répandu – appelé algorithme d’extrapolation - et couramment utilisé de manière opérationnelle sur les réseaux autoroutiers équipés de boucles électromagnétiques ou d’autres capteurs ponctuels [Turner et al, 1998]. On notera que dans le système Allegro, un indice de tendance est calculé à partir des valeurs historiques du temps de parcours. Cet indice permet d’indiquer si la tendance est à l’augmentation ou à la diminution du temps de trajet, information précieuse pour les usagers du réseau. Les temps de parcours FCD Ils sont obtenus auprès de l’opérateur Autoroute Trafic. Les informations de base sont recueillies en temps réel à partir de flottes de véhicules traceurs, c’est-à-dire équipés d’assistants à la conduite de nature diverse (systèmes GPS, téléphones mobiles, …). Les informations de base intègrent la vitesse, la localisation et la direction de chaque véhicule, à une date et un instant précis. Par la suite, un traitement statistique permet de calculer un temps de parcours TPFCD sur un trajet donné. Ces temps de parcours sont agrégés sur une base de 3 min et lissés toutes les minutes. Ils sont calculés séparément pour les deux catégories véhicules légers et poids lourds. Avec les données FCD, des indicateurs intéressants sont également fournis par l’opérateur. Il s’agit d’un indice de fiabilité de la donnée (exprimé en %) et d’un identifiant précisant le nombre de véhicules traceurs – VL ou PL - ayant servi au calcul du TPFCD pendant le pas de temps considéré. Pour la comparaison avec les TPAllegro, les TPFCD sont acquis auprès de l’opérateur Autoroute Trafic pour tout le mois de juin 2014. 3 Les Rencontres de la Mobilité Intelligente 2016 Les données de contexte Elles permettent d’affiner l’analyse statistique. Il s’agit d’informations relatives à la météo et d’éléments figurant sur la « main courante » de l’exploitant. Les informations météo du mois de juin 2014 sont obtenues pour la ville de Lille sur le site international Weather Underground. Les informations fournies permettent, par exemple, de prendre en compte le niveau des précipitations. Il est alors possible de sélectionner les jours de juin 2014 correspondant aux modalités temps sec ou pluie. Les informations de la main courante de l’exploitant sont également intéressantes. Elles permettent d’identifier a posteriori des périodes correspondant à des événements particuliers : incidents, accidents, travaux, etc. 3. COMPARAISON LES JOURS OUVRÉS PAR TEMPS SEC 50 700 Allegro 600 30 FCDVL 500 Tempssec 10 400 0 300 -10 200 trajet 0025P0300C02 100 Trajet 0025P0300C02, jeudi 12juin 2014 longueur = 5766 m 0 0 0 -30 500 1 000 1 500 Incrément de temps (mn) 5 10 15 -50 0 0 20 Heure 500 1 000 1 500 Incrément de temps (mn) 5 10 15 20 Heure Figure 2a : Comparaison des TP FCD et boucles sur un trajet, par temps sec Figure 2b : Représentation des écarts relatifs La figure 2a illustre la comparaison effectuée pour la journée du jeudi 12 juin 2014, pour un trajet de longueur 5,77 km. Plusieurs éléments ressortent de ce graphique : • Les 2 technologies réagissent de manière synchrone dans le temps ; • Le temps de parcours FCD des véhicules légers, noté TPFCD(VL) est systématiquement inférieur à celui estimé à partir des boucles et noté TPAllegro. Ce résultat est cohérent puisque TPAllegro prend en compte tous les véhicules et pas seulement les VL. 4 Les Rencontres de la Mobilité Intelligente 2016 Ces constatations ont pu également être vérifiées sur d’autres trajets. Par ailleurs, comme cela a été mentionné précédemment, la pointe de trafic se produit le soir, entre 16h30 et 19h, et donne lieu à de très fortes valeurs des temps de parcours TPFCD et TPAllegro. Pour caractériser les différences entre les temps de parcours TPFCD et les valeurs de référence TPAllegro, nous définissons l’écart relatif par la formulation : ER = 100 (TPAllegro - TPFCD)/ TPAllegro D’autres indicateurs pourraient être utilisés [Purson et al, 2014] et [Mazaré et al, 2012]. La figure 2b représente les variations de l’écart relatif ER, calculés à chaque pas de temps (1 min), pour la journée du jeudi 12 juin 2014. Sur ce parcours d’une longueur de 5,7 km, l’écart moyen entre TPAllegro et TPFCD(VL) est de 30 s environ et l’écart relatif moyen de 11,8%. De plus, 80% des écarts relatifs ER sont inférieurs à 17%. 4. LA PRISE EN COMPTE DES POIDS LOURDS Elle apparaît essentielle compte tenu de l’importance du trafic des poids lourds. Elle est illustrée dans les figures 3a et 3b ci-dessous relatives à 2 jours ouvrés, lundi 23 juin et vendredi 27 juin 2014. Les chroniques journalières des temps de parcours sur un trajet de 7,7 km sont représentées à la fois pour les boucles (Allegro), les traceurs VL et les traceurs PL. 1 000 3 000 trajet 0025P0100C02 800 trajet 0025P0100C02 2 500 Allegro FCDPL 600 Allegro FCDPL 2 000 FCDVL FCDVL 1 500 400 1 000 200 500 longueur = 7,7 km 0 0 500 5 10 longueur = 7,7 km temps sec 0 0 1 000 Incrément de temps (mn) 0 pluie, orages 15 0 20 Heure 500 1 000 1 500 Incrément de temps (mn) 5 10 15 Figures 3 : Comparaison des TP FCD VL, FCD PL et boucles (a) lundi 23 juin 2014 (b) vendredi 27 juin 2014 5 Les Rencontres de la Mobilité Intelligente 2016 20 Heure Avec des conditions météorologiques favorables - temps sec et ensoleillé du 23 juin -, les temps de parcours des traceurs PL sont beaucoup plus proches des TP boucles que ne le sont les traceurs VL. Par rapport aux boucles, l’écart relatif ER moyen est de 10% avec les traceurs VL. Il est réduit à 5% avec les traceurs PL. De plus, 90% de ces écarts relatifs ER sont inférieurs à 18% pour les traceurs VL et à 4% pour les PL. 100 100 Ecart relatif TPboucleset FCDVL lundi 23 juin2014, temps sec Ecart relatif TPboucles et FCDPL 50 50 0 0 -50 -50 Ecart relatif TPboucles et FCDVL vendredi 27 juin 2014 Ecart relatif TPboucleset FCDPL pluies, orages -100 0 0 500 1 000 -100 0 1 500 Incrément de temps (mn) 5 10 15 0 20 Heure 500 1 000 1 500 Incrément de temps (mn) 5 10 15 20 Heure Figures 4 : Ecarts relatifs avec FCD VL et FCD PL (a) lundi 23 juin 2014 (b) vendredi 27 juin 2014 Sur ce même trajet et avec des conditions météo défavorables - fortes pluies et orages du 27 juin -, les écarts relatifs ER entre les chroniques restent du même ordre de grandeur que précédemment. La valeur moyenne de ER diminue à 8% pour les traceurs VL et augmente à 7% (au lieu de 5%) avec les traceurs PL. 90% des valeurs de ER sont inférieures à 21% pour les traceurs VL et à 8% pour les PL. Pour cette même journée du 27 juin, on observe une très forte variabilité des écarts relatifs au cours de la pointe du soir. 5. UNE PONDÉRATION OPTIMALE Les informations relatives aux temps de parcours des traceurs VL et PL associées aux indicateurs IDVL et IDPL permettent de construire un temps de parcours FCD pondéré et optimal au sens de la compatibilité avec le système Allegro. On détermine pour cela le coefficient α tel que : TPOptimal = α * TPFCD(VL) + (1- α) *TPFCD(PL) et [ TPAllegro - α*TPFCD(VL) - (1- α)*TPFCD(PL) ]2 minimum 6 Les Rencontres de la Mobilité Intelligente 2016 Une régression statistique adaptée permet de trouver le coefficient de pondération α. L’analyse est effectuée les jours ouvrés sur un trajet, de longueur 7,7 km. On trouve ainsi : α = 0,36 avec un intervalle de confiance à 95% correspondant à [0,338 ; 0,38] pour le trajet analysé. TPAllegro = 0,36TPFCD (VL) + 0,64TPFCD (PL) 900 trajet 0025P0100C02 800 700 600 500 400 300 200 Allegro Incrément de temps(mn) Modèle Figure 5 : Comparaison des TP boucles et modèle pondéré optimal, pour un trajet La figure 5 illustre cette modélisation pour 3 jours ouvrés. On constate alors une très forte baisse de l’écart relatif moyen avec le temps de parcours de boucles qui passe ainsi de 11% et -5% à 0,42%. Ecart relatif (%) avec FCD(VL) avec FCD(PL) avec FCD pondéré avec modèle optimal Médiane 11,67 -4,60 7,51 0,71 Moyenne 10,87 -4,71 6,73 0,42 Ecart type 6,11 6,44 5,79 5,56 Quantile 95 18,71 4,03 14,16 7,26 Table 1 : Statistiques des écarts relatifs avec le TPAllegro. Trajet 0025P0100C04 (14,5 km) On note que la valeur du coefficient α trouvée est pratiquement indépendante de la longueur du trajet. Ce coefficient est fortement lié à l’importance du trafic des poids lourds. Il est donc typique du réseau routier considéré. 7 Les Rencontres de la Mobilité Intelligente 2016 6. LA CORRÉLATION ENTRE LES TEMPS DE PARCOURS Dans cette partie, nous nous intéressons aux corrélations statistiques entre les temps de parcours des 2 technologies boucles et FCD. Les graphiques ci-dessous représentent les nuages de points empiriques croisant les valeurs des temps de parcours boucles, FCD(VL), FCD(PL) sur le trajet le plus long (14,5 km). Trois journées de mesure sont regroupées correspondant à des conditions météo homogènes (temps sec). Figures 6 : Corrélation entre TPboucles (a) TPFCD(VL) (b) TPFCD(PL) La forme des nuages confirme la corrélation entre les variables ainsi représentées. On note dans la figure relative au temps de parcours des PL, des points assez bien positionnés par rapport à la 1ère bissectrice. Ce constat est logique puisque les plus faibles écarts sont observés entre les TPAllegro et les TPFCD(PL). Pour quantifier la liaison entre les variables précédentes, nous utilisons le coefficient de corrélation linéaire de Pearson. Les valeurs correspondantes du coefficient sont données ci-après pour le trajet moyen 0025P0100C02. Coefficient de corrélation linéaire de Pearson entre TPAllegro et TPFCD(VL) = 0,8167 Coefficient de corrélation linéaire de Pearson entre TPAllegro et TPFCD(PL) = 0,7555 Ces valeurs relativement élevées du coefficient de Pearson confirment la bonne corrélation entre les divers temps de parcours. Partant de ce constat, on cherche à déterminer une relation analytique entre les variables en s’appuyant sur une méthode régression statistique. Compte tenu du phénomène physique étudié, il semble logique de rechercher une relation affine de la forme suivante : TPAllegro = a TPFCD 8 Les Rencontres de la Mobilité Intelligente 2016 dans laquelle a désigne un coefficient de régression. Le calibrage s’effectue par régression sans terme constant. Les résultats numériques pour le trajet moyen 0025P0100C02 sont les suivants : TPAllegro = 1,116 TPFCD(VL) TPAllegro = 0,97 TPFCD(PL) avec avec R2 = 0,653 R2 = 0,570 Les relations précédentes sont ajustées pour d’autres trajets. Il est remarquable de souligner que les coefficients de régression trouvés s’avèrent statistiquement très proches. On constate ainsi la stabilité des relations entre ces temps de parcours, sur des trajets de longueur variable. Ce résultat est essentiel. Il implique en particulier que la relation TPAllegro = a TPFCD est additive sur des parcours. Ces formulations numériques sont typiques pour les trajets de l’autoroute A25. Elles peuvent être particulièrement utiles pour les exploitants du réseau. Elles démontrent que la connaissance des temps de parcours fournis par une seule technologie est suffisante pour calculer le temps de parcours de l’autre technologie. Les estimations issues des boucles et des véhicules traceurs FCD apparaissent donc bien compatibles. 7. CONCLUSION Cette recherche avait pour objet de comparer les temps de parcours boucles et FCD afin d’étudier leur compatibilité sur le réseau de la DIR Nord. Elle a été effectuée sur des tronçons de l’autoroute A25, dans le sens Lille Dunkerque. Les temps de parcours estimés toutes les minutes par le système Allegro, à partir des mesures issues des stations à boucles électromagnétiques, ont été comparés à ceux mesurés par la technologie FCD et fournis par l’opérateur Autoroute Trafic. La comparaison a porté sur des trajets de longueur variable (entre 2,5 et 15 km environ), durant le mois de juin 2014. Elle a été déclinée selon les conditions météo, la nature des jours (samedis, dimanches, jours ouvrables), la période de la journée (heures creuses, pointes) et la catégorie des véhicules, VL ou PL, pour les données FCD. Les principaux résultats se déclinent ainsi : • Les temps de parcours boucles et FCD sont bien synchrones ; • Les temps de parcours FCD des VL sont systématiquement inférieurs à ceux, toutes catégories confondues, estimés à partir des boucles. Les jours ouvrables, l’écart relatif moyen est de l’ordre de 11% sur l’ensemble de la journée, avec un écart type de 6%. Le dimanche, l’écart relatif moyen est de 9% environ. • Les temps de parcours FCD des PL sont plus proches de ceux, toutes catégories, issus des données de boucles. Les jours ouvrables, l’écart relatif moyen est de -5% environ sur l’ensemble de la journée, avec un écart type de 6%. Les valeurs FCD des PL semblent en revanche moins fiables le dimanche. • Il est possible de calibrer une combinaison linéaire optimale des temps de parcours FCD des VL et des PL approchant au mieux les temps de parcours des boucles. Les 9 Les Rencontres de la Mobilité Intelligente 2016 poids optimaux de cette combinaison sont typiques du réseau traité. Les jours ouvrables sur A25, l’écart relatif moyen est alors inférieur à 0,5%, avec un écart type de 6%. • Les temps de parcours FCD et boucles sont bien corrélés. Des formulations analytiques du type TPboucles = a TPFCD ont été calibrées sur les trajets effectués sur A25. Elles s’avèrent stables sur les trajets de longueur variable. Elles montrent que les temps de parcours boucles et FCD sont compatibles. Sous réserve d’études fines de calibrage, les conclusions de cette étude expérimentale sur A25 devraient pouvoir être étendues à d’autres axes ou d’autres réseaux autoroutiers. Il semble dès lors raisonnable d’envisager l’exploitation de certaines parties d’un réseau autoroutier partiellement équipé à partir des seules données FCD. RÉFÉRENCES Cohen S., (2015) Comparaison des temps de parcours « boucles » et FCD sur l’autoroute A25, rapport de convention DIR Nord/IFSTTAR, mars 2015. Mazaré P-E., Tossavainen O-P., Bayen A.M.. Work D.B. (2012) Trade-offs between inductive loops and GPS probe vehicles for travel time estimation: A Mobile Century case study. TRB 2012 Annual Meeting. Washington D.C. January 2012. Purson E., Klein E., Bacelar A., Reclus F., Levilly B. (2014) Assessment of simultaneous travel time data collection technologies on the East ring road of Lyon. International Symposium on Transport Simulation 2014. Ajaccio. June 2014. Turner S.M., Eisele W.L., Benz R.J., Holdener D.J. (1998) Travel time data collection Handbook. Texas Transportation Institute. Report FHWA n° PL-98-035. March 1998. BIOGRAPHIES DES ORATEURS Simon COHEN, Directeur de recherche à l’IFSTTAR, professeur à l’École des Ponts ParisTech Jean-Eric PÉRUCHON, Responsable de la Cellule Gestion du Trafic, DIR Nord David GIL, chargé d’études, CEREMA/DterNord-Picardie 10 Les Rencontres de la Mobilité Intelligente 2016