Mise en œuvre d`un outil de simulation de trafic en temps réel à la
Transcription
Mise en œuvre d`un outil de simulation de trafic en temps réel à la
ATEC 2016 – Duret, Esposito, Remesy Mise en œuvre d’un outil de simulation de trafic en temps réel à la DiRIF Aurélien DURET – Chercheur, IFSTTAR - LICIT [email protected] Marie Christine ESPOSITO – Mission prospective, recherche et développement, DiRIF/SEER [email protected] Romain REMESY – Chef de l’unité observatoire et ingénierie du trafic, DiRIF/SEER/DET [email protected] Enjeux et objectifs En Île-de-France, on compte 11 millions d'habitants dont 5 millions d'actifs. Cela représente 35 millions de déplacements par jour. Plus de 15 millions de déplacements sont effectués en voiture individuelle, surtout en banlieue, correspondant à 4 millions d'usagers de la route journaliers. Cependant, dans les espaces urbains denses, l'espace est limité et la construction de nouvelles infrastructures routières n'est pas possible. Ainsi, l'optimiser est une nécessité. A cet effet, la DiRIF est équipée depuis les années 80 du système d’information dit Sirius constitué aujourd’hui de près de 2500 points de mesure du trafic, 400 panneaux à message variable, 2000 caméras, etc. Ces équipements permettent de connaître en temps réel l’état du trafic mais ne permettent pas en l’état de prévoir son comportement à court terme, en cas d’incident par exemple. Dès 2010, la DiRIF a ainsi cherché un modèle de trafic capable de répondre au besoin de prévision de trafic en temps réel à court terme afin de fournir aux opérateurs trafic un outil d’aide à la décision pour conseiller des reroutages aux usagers par exemple. Ceci suppose la connaissance complète d’un état du trafic à tout instant, la connaissance d’un modèle d’écoulement du trafic et la connaissance de matrices origine-‐destination. Le travail entrepris a consisté à d’abord réaliser un état de l’art des différents modèles existants pour s’assurer d’une bonne adéquation entre les objectifs recherchés, les contraintes liées notamment aux particularités du réseau francilien, et les capacités intrinsèques du modèle. A l’issue de cette première étape, une étude de faisabilité a permis de déterminer la solution complète potentiellement utilisable avant réalisation de l’outil. Le présent article présente les résultats de cette étude de faisabilité et les recommandations associées avant un éventuel développement ultérieur. Etat de l’art des modèles de trafic Les modèles pouvant répondre aux besoins exprimés par la DiRIF, c’est-à-dire les modèles d’écoulement du trafic, ont été classés en 4 familles : 1/ les modèles de type microscopique : modélisation véhicule par véhicule via des lois de 1/14 ATEC 2016 – Duret, Esposito, Remesy comportement (poursuite, changements de files, insertion, …) ; ce type de modèle est particulièrement bien adapté pour reproduire les comportements aux intersections, giratoires, etc. 2/ les modèles de type macroscopique : modélisation du trafic comme un flux (assimilation à un liquide s'écoulant dans un tuyau) en étudiant des variables globales: débit, vitesse d'écoulement, concentration … ; ce type de modèle est plutôt destiné à l'observation de l'écoulement du trafic sur un grand secteur géographique 3/ les modèles de type mésoscopique : niveau intermédiaire où le trafic est modélisé à la fois en utilisant des lois de comportement et des lois d'écoulement des flux. Ces modèles ne permettent pas de localiser précisément les véhicules, mais ils tiennent compte de l'interaction entre ceux-ci. 4/ les modèles hybrides reposant sur un mélange de méthodes phénoménologiques et statistiques Les modèles macroscopiques ne permettaient pas de répondre à la problématique du temps réel et les modèles microscopiques, sur un réseau maillé comme celui de la DiRIF non plus, en raison de temps de calcul trop importants : ces types de modèles ont été rapidement écartés. Un modèle de type mésoscopique a semblé le plus approprié. Les avantages d’un tel type de modèle sont la rapidité des calculs, le faible nombre de paramètres et la possibilité de faire de l’affectation (contrairement au modèle macroscopique). L’inconvénient principal est la difficulté à représenter des effets très locaux du trafic (ex : zones d’entrecroisement). Quelques outils sur étagère existaient déjà sur le marché mais les premiers échanges avec les différents éditeurs ont convaincu la DiRIF d’une nécessité d’une montée en compétence sur ce domaine afin de s’assurer de la bonne compréhension des modèles sous-jacents, ainsi que des contraintes associées. Le travail préliminaire de calage du modèle a semblé aussi très important, aussi bien en coûts qu’en charge et délais. La DiRIF s’est donc dirigée vers l’IFSTTAR, et plus particulièrement le LICIT qui avait récemment développé un modèle mésoscopique simplifié qui pouvait répondre aux besoins. Il s’est avéré que le modèle mésoscopique seul ne pouvait pas répondre au besoin et nécessitait un interfaçage avec différents modèles et autres calculs statistiques portant la solution finale vers une famille de modèles hybrides. Description de la solution initiale étudiée Le fonctionnement du modèle mésoscopique nécessite une connaissance de l’état du trafic à chaque instant t sur chaque tronçon modélisé du réseau. Le recueil du trafic sur le réseau de la DiRIF n’étant pas exhaustif sur l’ensemble du réseau, une fonction d’assimilation de données est nécessaire pour corriger les états simulés avec les observations statistiques. La particularité de ce modèle mésoscopique est qu’il n’est pas adapté à l’assimilation de données, n’utilisant pas les mêmes variables d’état. L’étude de faisabilité initiale a donc consisté à s’assurer de la possibilité d’intégrer dans la même architecture un modèle 2/14 ATEC 2016 – Duret, Esposito, Remesy mésoscopique et une procédure d’assimilation de données. En effet, de manière générale, l’assimilation de données et la prise en compte de matrices origine-destination (O/D) alimentant le modèle présentent des exigences contradictoires. Des compromis, nécessitant un arbitrage ont donc été nécessaires. Présentation du modèle mésoscopique Le modèle mésoscopique d’écoulement décrit la manière dont les véhicules passent d’un nœud du réseau à l’autre. Les nœuds sont généralement les lieux de singularités géométriques : convergent, divergent, réduction du nombre de voies, changement de vitesse réglementaire, etc. Les nœuds sont les extrémités des sections homogènes du réseau et permettent de les relier entre elles. Lorsqu’un véhicule passe par un nœud, il s’engage sur une section homogène et il est possible de calculer son instant de demande de passage au nœud suivant. Selon les conditions d’écoulement sur la section, le véhicule franchira le nœud suivant à cet instant de demande de passage, ou à un instant ultérieur s’il subit un retard le long de la section homogène. Au cours d’une simulation mésoscopique, le modèle est résolu de manière « événementielle », c’est-à-dire que les instants de passage sont calculés chronologiquement, à chaque fois qu’un véhicule doit passer un nœud. Présentation de l’assimilation de données 3/14 ATEC 2016 – Duret, Esposito, Remesy La procédure d’assimilation commence par une étape d’initialisation qui définit les informations utiles pour la simulation ainsi que pour l’assimilation : définition du réseau (ses tronçons, leur capacité et ses nœuds), définition de la demande (à l’aide des matrices OD), définition des points de mesure trafic (qui permettront d’effectuer l’assimilation) ainsi que les régulations qui s’effectuent sur le réseau. A noter que pour l’étude de faisabilité, nous n’avons pas défini de régulation particulière. Ensuite le processus d’assimilation démarre : la simulation est lancée et les informations relevées sur le terrain remontent. A chaque remontée d’observation, un filtre particulaire calcule les conditions de trafic les plus probables à chaque lieu d’observation et les variables du modèle sont alors mises à jour, pour alimenter les nouvelles simulations. Résultats de l’étude de faisabilité initiale Résultats sur l’étude de cas de l’A1 Le réseau étudié est non maillé : l’autoroute A1 sur une section de 17km entre l’aéroport Charles de Gaulle et le boulevard périphérique. Cela consiste à coder 49 noeuds, 48 liens, 7 entrées et 8 sorties. Concernant la demande du réseau, 30 matrices OD 10 min ont été reconstituées à partir de 22 points de mesure entre 6h et 11h du matin. 4/14 ATEC 2016 – Duret, Esposito, Remesy Les 22 points de mesure ont relevé le trafic présenté à gauche sur la figure ci-dessous. Les résultats de la simulation mésoscopique sans assimilation sont présentés à droite. On constate que le modèle reproduit correctement le lieu d’apparition de la congestion en aval du réseau. En revanche, la capacité dans la congestion est mal représentée et les conditions de densité dans la congestion ne sont donc pas correctement reproduites. 5/14 ATEC 2016 – Duret, Esposito, Remesy Enfin, les propagations de perturbation sur des nœuds plus en amont ne sont pas correctes : la congestion remonte sur 1500m dans la simulation alors qu’elle couvre plusieurs kilomètres du réseau dans la réalité. Les résultats de simulation mésoscopique avec assimilation sont présentés dans la figure suivante, en corrigeant sur 6 capteurs (à gauche) ou 12 capteurs (à droite). A gauche, on constate une nette amélioration des résultats obtenus en appliquant l’assimilation de données. La congestion en aval du réseau est mieux représentée et remonte sur environ 3500m du réseau. A droite, on constate que les conditions de circulation sont correctement prises en compte dans le modèle grâce à la méthode d’assimilation. Les perturbations qui se déclenchent en aval du réseau remontent progressivement vers les nœuds capteurs les plus en amont avec les bons niveaux de débit. En revanche, on constate un défaut : lorsqu’une correction de congestion est effectuée sur un nœud capteur, la congestion (restriction d’offre) est correctement propagée vers l’amont mais elle ne se propage pas vers l’aval. 6/14 ATEC 2016 – Duret, Esposito, Remesy On constate par ailleurs, que les performances du modèle se dégradent au fur et à mesure que l’on s’éloigne des entrées du modèle. L’assimilation permet de corriger de manière significative ces écarts, dans la mesure du possible. Premières conclusions Deux conclusions se dégagent si on souhaite ensuite étendre l’étude à l’assimilation de données sur un réseau maillé de grande dimension : – la simulation avec assimilation de données est un problème résolu, reproduisant correctement les conditions de circulation sur le réseau avec néanmoins une faiblesse notable : il est impossible de propager l’information de congestion en aval de la station d’observation ; – le défi principal réside finalement dans l’estimation de matrices OD, laquelle est dépendante de mesures de flux aux entrées et sorties d’un réseau, ainsi qu’au niveau des divergents. Performances de la méthode d’assimilation Comme vu précédemment, il est impossible de propager l’information de congestion en aval de la station d’observation. Cette limite s’explique par les lois fondamentales qui régissent les propagations des états de trafic sur un réseau. Pour limiter les conséquences 7/14 ATEC 2016 – Duret, Esposito, Remesy liées à ce problème, une solution serait de disposer des stations de comptage à proximité des têtes de congestion du réseau. Nécessité d’un niveau de supervision Les résultats des tests réalisés en condition opérationnelle sur une portion de l’A1 du réseau DiRIF montrent que l’usage d’une matrice OD historique, qui ne correspond pas à la situation courante introduit des écarts importants en simulation, notamment dans la localisation des zones congestionnées et de leurs effets induits sur le réseau. Il apparaît également que l’assimilation locale des informations trafic montre ses limites quand la prévision des flux sur les itinéraires est trop loin des flux réalisés. Ainsi, il est apparu nécessaire de rajouter parallèlement au module de simulation de trafic un module de supervision, chargé d’exploiter globalement l’ensemble des informations trafic disponibles pour ajuster les flux sur les itinéraires avec un taux de rafraîchissement de l’ordre de 15 à 30 min. L’objectif de ce module de supervision est donc de produire des estimations de matrices OD suffisamment précises pour garantir la qualité des simulations produites mais également d’estimer l’affectation probable des véhicules sur le réseau. Il est décomposé en deux sous-modules (cf. figure ci-dessous) : – un composant hors-ligne qui regroupe les tâches déjà prévues relatives à la reconstitution des scénarios historiques (matrices OD et affectation), – un composant en temps réel qui ajuste les informations aux conditions sur les itinéraires courants de fonctionnement du réseau. Lors de l’étude hors ligne, sont déterminés les variants qui seront affinés en temps réel, afin de réduire les temps de calcul en temps réel. Deuxième étape de l’étude de faisabilité 8/14 ATEC 2016 – Duret, Esposito, Remesy Ayant déterminé que le principe d’une telle solution fonctionnait sur un réseau simple (non maillé) mais nécessitait quelques ajustements, relatifs notamment à l’estimation des matrices OD, un test plus complet a été réalisé sur une portion plus importante, maillée, du réseau de la DiRIF. Réseau testé : initialisation Le réseau choisi correspond au quart sud-est du réseau francilien : Ce réseau est constitué de 85 entrées, 84 sorties et 709 liens. Il comprend 531 stations de recueil de données. Etant données les pannes rencontrées, uniquement 370 diagrammes fondamentaux ont pu être reconstitués immédiatement ; les autres ont été extrapolés. Les matrices OD de référence ont été déterminées à l’aide du modèle statique de déplacement MODUS de la DRIEA : flux OD à l’heure de point du matin et du soir. Cela représente 1750 couples OD pour ce réseau test. Présentation de l’architecture complète de la solution étudiée Suite aux premiers résultats obtenus, l’architecture étudiée a été revue afin d’intégrer le module de supervision permettant d’affiner les matrices OD en temps réel. L’architecture est représentée ci-dessous. Celle-ci intègre donc une entrée supplémentaire avant la réalisation de la simulation consistant à adapter la demande et son affectation en temps réel. Sur ce test, le composant temps réel du module de supervision n’a néanmoins pas été 9/14 ATEC 2016 – Duret, Esposito, Remesy testé. Cette deuxième phase a principalement consisté à s’assurer de la faisabilité de la mise en œuvre de la solution complète sur une portion maillée du réseau de la DiRIF. Le composant hors-ligne a donc été, lui, testé. Résultats de l’étude de faisabilité finale Temps de calcul Les tests sur ce réseau maillé ont été cette fois réalisés sur un PC disposant d’une configuration avancée (24 processeurs à 2Ghz chacun, 96 Go de RAM). Les calculs pour simuler la période de 0h à 12h dure 19h, ce qui correspond à un ratio temps de calcul simulation/durée de la période simulée de 160 %. Il est considéré comme acceptable, étant donné que la plateforme de test était loin d’être optimisée en termes de codage et le calage du modèle pouvait être également optimisé, permettant une limitation des calculs d’assimilation. Trafic La figure suivante présente un exemple de résultat sur les corrections de débits réalisées sur les simulations grâce à l’assimilation. Quatre débits sont présentés : – le débit mesuré par la station (noir) ; – le débit proposé par le modèle mésoscopique (bleu) ; – le débit consigne issu du filtre particulaire (rose) ; – le débit finalement simulé après correction (vert). On constate que les résultats de la procédure d’assimilation sont conformes aux attentes en termes de correction de débits. 10/14 ATEC 2016 – Duret, Esposito, Remesy Difficultés rencontrées Le travail d’initialisation sur moins d’un quart du réseau de la DiRIF a été très lourd. Le passage à l’échelle sera bien plus ardu, notamment pour l’estimation de la demande 11/14 ATEC 2016 – Duret, Esposito, Remesy dynamique. Les données boucles de la DIRIF présentent une couverture spatiale hétérogène. Cela peut poser des problèmes en vue du calage nécessaire des paramètres de simulation. Cela peut également impacter la qualité de l’estimation de demande, le problème présentant un nombre très important de degrés de liberté. Les résultats montrent que les lieux du réseau ne disposant pas de boucles sont critiques : aucun retour d’information ne peut être fait en ces lieux et cela nuit à la qualité de la modélisation des conditions de circulation, notamment lorsque des congestions apparaissent. Conclusions Dans un souci d’améliorer la qualité de l’information aux usagers de la route et de soutenir la recherche dans le domaine de la prévision du trafic en temps réel, la DiRIF s’est lancée dans le développement d’un outil ambitieux mêlant les domaines de l’informatique et de l’ingénierie routière. Les résultats ont donné satisfaction, en particulier sur la capacité de la procédure d’assimilation à réajuster les conditions de trafic internes du modèle à chaque fois que de nouvelles données de trafic remontaient du terrain. Néanmoins, il a été constaté la nécessité d’avoir une demande de trafic (matrices O/D) précise alimentant le modèle, pour avoir des prévisions fiables, notamment à l’échelle du réseau de la DiRIF. Une solution proposée a été de prévoir un réajustement en temps réel des matrices O/D. Ce test a été réalisé sur une portion du réseau de la DiRIF et a permis de montrer la faisabilité de réalisation d’un tel outil, en temps réel, malgré quelques points de vigilance qu’il s’agira de traiter par la suite : la validité du réseau, des données historiques, des données en temps réel, l’alimentation en matrices O/D, etc. En outre, les résultats de l’étude de faisabilité ont montré qu’une validation de l’outil complet était nécessaire pour s’assurer de la faisabilité opérationnelle de l’outil, notamment étant donnée la difficulté d’entretien des systèmes de recueil de données (RAD) à la DiRIF, indispensables au fonctionnement de l’outil. En effet, aux difficultés rencontrées liées à la modélisation dynamique du trafic, à la compatibilité des différents systèmes de géo-référencement pour la récupération des O/D et aux temps de calcul, viennent s’ajouter la difficulté des exploitants à maintenir les systèmes de recueil de données (obsolescence, vandalisme). Ces difficultés nous obligent à nous concentrer sur un RAD physique nécessaire minimum qui peut être comblé par l'arrivée des données FCD (données GPS) sur le marché. Malgré cela, les premiers résultats expérimentaux à petite échelle sont encourageants et permettent de poursuivre les développements et le déploiement de l’outil sur tout le réseau. Ces travaux qui permettent d’industrialiser la récupération des diagrammes fondamentaux sur tout le réseau seront par ailleurs réutilisables dans le cadre de la connaissance et de l’étude précises du fonctionnement des flux de circulation. 12/14 ATEC 2016 – Duret, Esposito, Remesy Brèves biographies MCE Formation Diplôme d’ingénieur ENTPE (Promotion 53, 2008) Diplôme de Master Recherche, spécialité ingénierie du trafic, à l’Université de Lyon (2008) Diplôme de MSc Transport à l’Imperial College London (2009) Expériences professionnelles - octobre 2009 - novembre 2011 : Sétra, chargée d'études gestion du trafic et information routière - établissement de guides/doctrines sur la gestion dynamique du trafic, son évaluation, le recueil de données de trafic routier, la prévision de trafic routier, les ITS, les systèmes coopératifs, les transports exceptionnels, le stationnement des PL, etc. - décembre 2011 - présent : DiRIF, chargée de mission prospective, recherche et développement - dans le service exploitation et entretien du réseau, analyse des besoins des exploitants et pilotage de projets innovants pour leur implémentation opérationnelle à la DiRIF, tels que SCOOP. RR Formation Diplôme d’ingénieur ENTPE (Promotion 55, 2010) Expériences professionnelles 2015 - MEDDE, Direction des routes d'Ile-de-France, Créteil – Chef de l'unité observatoire et ingénierie du trafic en charge notamment de l'évaluation des modes d'exploitation sur le RRNIF et de divers indicateurs de circulation 2010 - 2013 – MEDDE, La Défense, Paris – Chef de projet en charge de la réglementation française du diagnostic de performance énergétique (DPE) et du suivi des directives sur la performance énergétique des bâtiments (2010/31/UE) et efficacité énergétique (2012/27/UE) 2010 (stage) – CETE Méd, Aix-en-Provence – Développement d’un outil informatique (VBA) pour l’analyse du confort thermique théorique depuis des relevés climatiques mis en place dans des logements afin d’étudier les performances réelles des bâtiments basse consommation 2009 (stage) – Université Concordia, Montréal, Canada – Recherche dans le domaine de la qualité de l’air intérieur pour évaluer la performance de plusieurs types de charbons actifs vis-à-vis des contaminants les plus présents dans nos bâtiments. Développement de macro Excel pour l’analyse des résultats. AD Formation Diplôme d’ingénieur ENTPE (Promotion 52, 2007) 13/14 ATEC 2016 – Duret, Esposito, Remesy Thèse sur la théorie du trafic (2007-2010), INRETS/LICIT Expériences professionnelles avril 2014 - présent : IFSTTAR/LICIT décembre 2010 - mars 2014 : CETE de Lyon/ERA 38 14/14