Journée anniversaire Chaire Stif, 2011, programme final
Transcription
Journée anniversaire Chaire Stif, 2011, programme final
Chaire « Socio-économie et modélisation des transports collectifs de voyageurs en milieu urbain » Première Conférence Anniversaire de la Chaire « Contraintes de capacité et congestion dans les réseaux de transport en commun » Marne-la-Vallée, Ecole des Ponts ParisTech, 6 janvier 2011 PROGRAMME 09h30 Accueil des participants 09h50 Mot d'accueil, présentation de la journée Matinée 10h00 Présentation des effets de capacité dans les réseaux TC, revue des modèles TC avec contraintes de capacité Fabien Leurent et François Combes, Ecole des Ponts ParisTech 10h45 La simulation des contraintes de capacité dans les réseaux de transport en commun avec CUBE, principes et application Laurent Guimas, Martin Chourrout, MVA 11h30 Modélisation du confort des passagers dans le modèle IMPACT Felipe Garcia-Castello, RATP 12h15 Déjeuner (buffet sur place) Après-midi 13h30 (DRIEA - Cété Est - Cété Nord-Picardie) Application du modèle à fréquences effectives à l'Ile-deFrance Mathieu Jacquot, Cété Est, et Patrick Palmier, Cété Nord-Picardie 14h15 Sur la contrainte de capacité dans les véhicules de TC Ektoras Chandakas, Ecole des Ponts ParisTech 15h00 Evaluer la performance Trafic (dwell time) de l'agencement d'un train (voitures, portes, sièges) : simulation fine des mouvements des voyageurs à quai et en véhicule avec le modèle Légion Kaisheng Liu, Alstom 15h45 Pause 16h00 Table ronde : Gestion du trafic de voyageurs sur un réseau de TC, besoins d'observation, besoin de simulation Participants : Veolia, RATP, Stif, Gretia, Alstom 17h00 Fin de la journée En partenariat avec le Séminaire modélisation des réseaux Contraintes de capacité et congestion dans les réseaux de transport en commun. Les réseaux de transport en commun sont soumis à des contraintes de capacité, qui engendrent des phénomènes de congestion, de retard et d’inconfort. Comme ces conditions influencent l’usage, le trafic et l’efficacité du réseau, les capacités de transport font justement l’objet de problèmes de conception : gestion de flux, planification de réseau, aménagement spatial à diverses échelles (du véhicule jusqu’au territoire). Dans une démarche de conception ces problèmes peuvent être étudiés au moyen de modèles de simulation. La conférence propose une compréhension d’ensemble des phénomènes de capacité, un état de l’art des modèles de simulation et des problèmes de conception qu’ils servent à étudier. Elle devrait intéresser les professionnels de la planification des réseaux, les aménageurs, les consultants et les chercheurs en modélisation. Résumés des interventions Présentation des effets de capacité dans les réseaux TC, revue des modèles TC avec contraintes de capacité Fabien Leurent et François Combes, Ecole des Ponts ParisTech Les systèmes de transport en commun sont des systèmes complexes, constitués de nombreux composants en interaction étroite les uns avec les autres. Les contraintes de capacité (à la source des effets de congestion) se placent généralement à l’interface, soit entre des sous-systèmes, soit entre des composants de ces sous-systèmes. On peut citer : le temps perdu par les véhicules à quai à cause du temps que mettent les passagers à monter et descendre, la formation de files d’attente à quai à cause du manque de place à bord des véhicules, le temps perdu par les véhicules en ligne à cause de la trop grande densité de véhicules, etc. Nous proposons une analyse systémique à portée générique pour un réseau TC et les phénomènes de capacité. Nous donnons d’abord un cadre d’analyse qui distingue quatre sous-systèmes composant un réseau TC : la ligne, le véhicule, la station, et le voyageur. Les différentes relations entre ces sous-systèmes et avec leurs composants sont identifiées. Ensuite, nous situons dans ce cadre sept types de contraintes de capacité. La modélisation des contraintes de capacité dans les réseaux TC est assez récente. Quelques modèles existent désormais, capables de traiter chacun une ou deux contrainte de capacité. Ces modèles sont brièvement présentés. Au vu de la typologie des contraintes de capacité présentée précédemment, on verra que peu d’entre elles sont actuellement prises en compte par la modélisation. La simulation des contraintes de capacité dans les réseaux de transport en commun avec CUBE, principes et application Laurent Guimas, Martin Chourrout, MVA Il est possible, sous CUBE, de rendre compte de la congestion dans les transports en commun. Cela se fait au travers de deux types de paramètres : − D’une part la capacité des véhicules qui effectuent les missions conditionne la probabilité pour un usager du réseau de pouvoir ou non monter à bord, et impacte donc le temps d’attente moyen. − D’autre part, en fonction du remplissage des véhicules, le confort n’est pas le même pour les voyageurs, ce qui impacte leur perception du temps de trajet par rapport au temps réel. Notre présentation du fonctionnement de CUBE se fera en deux parties : − Dans un premier temps, nous montrerons dans les grandes lignes le fonctionnement théorique du logiciel au travers de quelques tests très simples. Ce sera l’occasion de présenter les données d’entrée du logiciel. − Dans un deuxième temps, nous présenterons les résultats d’une simulation à partir des données du modèle ANTONIN du STIF et nous comparerons, dans la mesure du possible, les résultats de deux affectations, avec ou sans modélisation des phénomènes éventuels liés à la congestion. Modélisation du confort des passagers dans le modèle IMPACT Felipe Garcia-Castello, RATP Le modèle IMPACT de la RATP permet de simuler l’effet d’une grande diversité de politiques de transport sur le comportement de mobilité des Franciliens. Ce modèle utilise une approche désagrégée pour représenter ce comportement, avec une distinction par motif de déplacement. Cette approche lui permet de prendre en compte un grand nombre de caractéristiques individuelles différentes, mais en revanche lui oblige de se resteindre à la simulation de politiques de transport à l’échelle régionale. La RATP dispose d’un outil de simulation complémentaire au modèle IMPACT, le modèle GLOBAL, qui lui permet de descendre à un niveau spatial plus fin. Cette communication vise à présenter un des quatre modules du modèle IMPACT qui introduisent des mécanismes d’équilibre entre la demande de déplacement et l’offre de transport disponible. Ce module, PTOC (Public Transport OverCrowding), utilise une approche simplifiée pour simuler deux aspects différents de la congestion des transports en commun. D’une part, PTOC permet de considérer le temps d’attente supplémentaire quand les véhicules sont trop remplis. D’autre part, il permet de faire évoluer la perception du temps passé à l’intérieur du véhicule en fonction de son taux de remplissage. De plus, PTOC distingue le réseau lourd de transports en commun du réseau léger. Nous devons noter que cette prise en compte est nécessairement simplifiée, pour être cohérents avec les principes de modélisation du modèle IMPACT. Nous diviserons cette communication en trois parties : nous commencerons par décrire rapidement le modèle IMPACT, ainsi que son structure générale et ses principes de modélisation. Ensuite, nous présenterons le fonctionnement du module PTOC et comment il s’insère dans la structure du modèle. Nous finirons par présenter quelques résultats du modèle IMPACT, avec et sans l’utilisation du module PTOC. Application du modèle à fréquences effectives à l'Ile-de-France Mathieu Jacquot, Cété Est, et Patrick Palmier, Cété Nord-Picardie Tous les jours, des milliers d’usagers font l’expérience de la saturation du réseau de transport collectif en Île-de-France, le RER A ou la ligne 13 en constituant les cas les plus emblématiques. Qui plus est, les planificateurs tablent sur une croissance de 40% de la demande en heure de pointe du matin à l’horizon 2030, compte-tenu des prévisions sociodémographiques. Un modèle de déplacements visant l’évaluation économique des aménagements des services existants et/ou des nouveaux projets d’infrastructure pourra de moins en moins faire l’impasse de la prise en compte des phénomènes de congestion. La DRIEA – IF souhaite donc faire évoluer son modèle multimodal MODUS en fonction de ce contexte. L’étude s’est concentrée sur l’étape d’affectation, qui est actuellement effectuée sous Davisum, « selon les horaires » et sans prise en compte de paramètres de capacité. Dans un premier temps, l’objectif était de sélectionner les méthodes éprouvées et d’en examiner les possibilités pratiques d’intégration dans MODUS. Une revue bibliographique a été conduite, centrée sur les modèles d’affectation selon les fréquences ; un examen des outils disponibles dans Davisum, TransCAD et Emme lui a été associée. Si de nombreux angles d’analyse du problème (temps d’attente à l’arrêt, temps perdu par le véhicule à l’arrêt et effet rétroactif sur la fréquence offerte, congestion des places assises,…) sont examinés par la recherche, l’existence d‘outils réellement opérationnels est au mieux très récente, voire inexistante. La notion de fréquence effective a été jugée centrale pour l’amélioration de MODUS, sa mise en œuvre n’étant possible pour les trois logiciels examinés que sous Emme. En raison de limitations sur la taille de licence du logiciel utilisé pour l'étude; le modèle d’affectation TC de MODUS n’a pu être transféré que partiellement sous Emme : un seul connecteur a été retenu par zone. La méthode est basée sur un seul paramètre, qui a été calibré selon une heuristique, notamment vis à vis de la quantité de déplacements se reportant sur la marche à pied. Les résultats de l’application de ce modèle à la situation actuelle mettent en évidence les saturations globales ou partielles (sur certains services) à l’œuvre et les reports qui s’opèrent du RER A vers le métro (notamment la ligne 1) ou le transilien (ligne J). En s’appuyant sur les premiers résultats sous Emme, une méthode pragmatique de mise en œuvre sur l’affectation Davisum « selon les horaires » a été programmée en VBA. Notamment, l’effet de l’augmentation du temps d’attente en fonction de la quantité de montants n’a pu être correctement conservé que pour les correspondances. Une pénalisation du temps de parcours à bord du véhicule (fonction d’inconfort) a également été intégrée à ce modèle. Cet outil, dont les premiers résultats en situation actuelle semblent satisfaisants, est actuellement en cours de finalisation. Il devrait donc permettre d’entamer une démarche opérationnelle de prise en compte de la capacité dans l’affectation TC de MODUS. Sur la contrainte de capacité dans les véhicules de TC Ektoras Chandakas, Ecole des Ponts ParisTech Les réseaux de transport collectifs de sont largement utilisés en milieu urbain et ils sont soumis à des contraintes de capacité, qui engendrent des phénomènes de congestion, de retard et d’inconfort. Dans une démarche de conception de réseaux ces problèmes peuvent être étudiés au moyen de modèles de simulation. La présentation est divisée en deux parties et concerne un phénomène de capacité en TC : la contenance des véhicules en voyageurs. En première partie nous présenterons le modèle de stock de passagers et seuils d’attractivité (PSAT) novateur, d’affectation de flux. Il s’agit d’un modèle qui explicite les stocks de voyageurs sur le quai en station, afin d’exprimer rigoureusement le coût d’une option de déplacement (mission, ligne) et le choix d’un itinéraire pour un voyageur et d’intégrer ce phénomène dans un modèle d’affectation du trafic sur un réseau. En deuxième partie, nous effectuerons une comparaison du modèle PSAT avec des modèles existants dans la pratique et dans la recherche. Cette comparaison inclura une comparaison théorique ainsi qu’un cas d’école simplifié. On présente donc les résultats numériques pour un choix d’itinéraire entre deux lignes alternatives selon les modèles de pénalité duale (DP), fréquences effectives (FF), probabilité d’échec à l’embarquement (FTB), modèle stratégique (UPS) et enfin le modèle PSAT. Ce projet s’inscrit dans une Chaire de Recherche et de Formation, portée par l’Ecole des Ponts ParisTech en partenariat avec le Syndicat des Transports d’Ile de France. Evaluer la performance Trafic (dwell time) de l'agencement d'un train (voitures, portes, sièges) : simulation fine des mouvements des voyageurs à quai et en véhicule avec le modèle Légion Kai Sheng Liu, Alstom Les concepteurs de matériels roulants composent les trains de voyageurs avec une ou plusieurs motrices et des voitures pour satisfaire les différentes combinaisons requises par les clients. Chaque voiture doit être considérée comme un sous-système physique destiné à accueillir les voyageurs. Elle est définie en termes de dimensions géométriques, de gabarit de caisse, de bogies et d'habitacle. L'habitacle est contraint par la géométrie de la caisse. L'étagement sur deux niveaux est un choix de conception sensible. Une fois des dimensions fixées, l'aménagement intérieur doit être étudié et en particulier la disposition des sièges, des travées et des dispositifs d'échange avec les quais. Ces choix influencent directement le trafic maximum des voyageurs qui empruntent le système de transport par la limitation des temps d'accès aux véhicules ainsi que la facilité à se mouvoir à l’intérieur du train (e.g. accès aux places assises). Le dimensionnement des dispositifs d'accès, combiné aux flux des voyageurs à l’heure de pointe, conditionnent le temps de stationnement du véhicule au quai (dwell time) et par conséquent la capacité maximale de la ligne (intervalle minimum) et le nombre de rames nécessaires pour assurer l’exploitation. Dans le cadre de l’étude des « Choix d’architectures et de leurs conséquences en exploitation », nous cherchons à identifier en détail l’impact du comportement des voyageurs à l’interface quai-voie sur la performance globale des Systèmes de Transports Guidés. La communication décrit l'étude qui a été réalisée pour différentes configurations de Systèmes de Transport en milieu urbain ou régional sur la base de la simulation du cheminement des piétons dans les différentes configurations envisagées. Après avoir exposé les variables de conception, on identifie les indicateurs requis pour l'évaluation des performances des solutions qui sont proposées au moyen d’analyses de sensibilité.