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