Actes INRETS A110 PDF

Conformment la note du 04/07/2014 de la direction gnrale de l'Ifsttar
prcisant la politique de diffusion des ouvrages parus dans les collections dites
par l'Institut, la reproduction de cet ouvrage est autorise selon les termes de la
licence CC BY-NC-ND. Cette licence autorise la redistribution non commerciale de
copies identiques loriginal. Dans ce cadre, cet ouvrage peut tre copi, distribu
et communiqu par tous moyens et sous tous formats.
Attribution Vous devez crditer l'Oeuvre et intgrer un

lien vers la licence. Vous devez indiquer ces informations
par tous les moyens possibles mais vous ne pouvez pas
suggrer que l'Ifsttar vous soutient ou soutient la faon dont
vous avez utilis son Oeuvre.
Pas dUtilisation Commerciale Vous n'tes pas autoriser
faire un usage commercial de cette Oeuvre, tout ou partie
du matriel la composant.
(CC BY-NC-ND 4.0)
Pas de modifications Dans le cas o vous effectuez une
adaptation, que vous transformez, ou crez partir du
matriel composant l'Oeuvre originale (par exemple, une
traduction, etc.), vous n'tes pas autoris distribuer ou
mettre disposition l'Oeuvre modifie.
Le patrimoine scientifique de l'Ifsttar

Le libre accs l'information scientifique est aujourd'hui devenu essentiel pour
favoriser la circulation du savoir et pour contribuer l'innovation et au
dveloppement socio-conomique. Pour que les rsultats des recherches soient plus
largement diffuss, lus et utiliss pour de nouveaux travaux, lIfsttar a entrepris la
numrisation et la mise en ligne de son fonds documentaire. Ainsi, en complment
des ouvrages disponibles la vente, certaines rfrences des collections de
l'INRETS et du LCPC sont ds prsent mises disposition en tlchargement
gratuit selon les termes de la licence Creative Commons CC BY-NC-ND.
Le service Politique ditoriale scientifique et technique de l'Ifsttar diffuse

diffrentes collections qui sont le reflet des recherches menes par l'institut.
www.ifsttar.fr
Institut Franais des Sciences et Techniques des Rseaux,

de l'Amnagement et des Transports
14-20 Boulevard Newton, Cit Descartes, Champs sur Marne
F-77447 Marne la Valle Cedex 2
Contact : diffusion-publications@ifsttar.fr
Direction scientifique
Patrick LEBACQUE,
Florence BOILLOT,
Maurice ARON
Modlisation du trafic
Actes du groupe de travail 2004-2005
Actes INRETS N110

Avril 2008
Modlisation du trafic Actes du groupe de travail 2004-2005
Coordination scientifique :
Jean-Patrick Lebacque, Ingnieur gnral des Ponts et Chausses
l'INRETS-GRETIA. patrick.lebacque@inrets.fr
Florence Boillot, Charge de Recherches l'INRETS-GRETIA.
florence.boillot@inrets.fr
Maurice Aron Charg de Recherches l'INRETS-GRETIA.
maurice.aron@inrets.fr
LUnit de recherche :
Laboratoire Gnie des Rseaux de Transport et Informatique Avance
(GRETIA)
2, avenue du Gnral Malleret-Joinville
F 94114 Arcueil cedex
Tl. : 01 4740 7103 Fax : 01 45 47 56 06
Auteurs des communications :

Hassane Abouassa, Ruth Bergel-Hayat, Anne Briand, Christiane Bielefeldt,
Christine Buisson, Nicolas Chiabaut, Vaya Dinopoulou, Nadir Farhi, Marc
Gaudry, Maurice Goursat, Violina Iordanova, Daniel Jolly, Elias Kosmatopoulos,
Ray Morris, Jrgen Mueck, Isabelle Paulmyer, Markos Papageorgiou, Jean-
Pierre Quadrat, Andy Richards, Cong-Liem Tran, Florian Weichenmeier
Institut National de Recherche sur les Transports et leur Scurit

INRETS
Service des publications 2, avenue du Gnral Malleret-Joinville
94114 ARCUEIL CEDEX Tl. : 33 (0)1 47 40 70 74 Fax : 01 45 47 56 06
www.inrets.fr
Les collections de lINRETS
N ISBN 978-2-85782-630-9 N ISSN 0769-0266
En application du code de la proprit intellectuelle, lINRETS interdit toute reproduction intgrale ou partielle du
prsent ouvrage par quelque procd que ce soit, sous rserve des exceptions lgales
2 Actes INRETS n110

Fiche bibliographique
UR (1er auteur) GRETIA Projet n Actes INRETS n110
Modles de trafic- Actes du groupe de travail, 2004-2005
Langue : Franais
Auteurs Organismes
Maurice Aron INRETS/Gretia
Florence Boillot INRETS/Gretia
Patrick Lebacque INRETS/Gretia
Nom adresse financeur, co-diteur N contrat, conv.
Date de publication Fvrier 2008
Six contributions portent sur le choix modal pour le transport des
marchandises, lcoulement et la rgulation du trafic routier, le risque routier.
Marc Gaudry modlise le choix du mode (fer, route, intermodal) pour le
transport de marchandises via une transformation non linaire (Logit Box Cox
gnralis) qui fait intervenir, dans le calcul de lutilit de chaque mode, non
seulement les caractristiques (prix,) du mode mais aussi celles des autres
modes. Ceci permet de dceler des complmentarits intermodales.
Violina Iordanova, Hassane Abouassa et Daniel Jolly dcomposent la
circulation routire en petits volumes soumis des pressions venant soit des
diffrences de densit entre lamont et laval, soit de rtrcissements. Ces
pressions provoquent une variation de la vitesse, assimilable une
acclration ; la vitesse est ensuite calcule analytiquement grce lquation
dquilibre des forces, aux quations de conservation de lnergie et du dbit
(dans le cas statique) ou de la quantit de mouvement dans le cas dynamique,
cas rsolu laide des Bond-Graph .
Nicolas Chiabaut et Christine Buisson calibrent les trois paramtres
(concentrations maximum et critique, vitesse libre) dun modle dcoulement
er
macroscopique du 1 ordre et en tudient la sensibilit. Leur but terme est
dadapter les valeurs de ces paramtres en temps rel, lors de changements
temporaires des limites de vitesse ou de changements mtorologiques.
Nadir Farhi modlise un rseau routier par un rseau de Ptri, la
progression des vhicules peut tre considre comme linaire en utilisant les
oprations de lalgbre MinPlus. Ceci dbouche sur un diagramme
fondamental relativement raliste, et sur un calcul du comportement
asymptotique (indpendamment des conditions initiales).
Markos Papageorgiou prsente TUC , une stratgie de contrle des
feux, et son application sur trois cits (La Cane, Munich, Southampton). Un
recueil de donnes supplmentaires (capteurs de trafic, vhicules quips) a
permis une valuation prcise ; une comparaison avec les stratgies
prcdemment implantes montre la supriorit de TUC.
Ruth Bergel-Hayat prsente la modlisation agrge du risque
routier, telle quelle est pratique au niveau national,avec un tat de
lart des applications des sries chronologiques utilises en Europe
pour de telles modlisations. Des recomandations , issues du
programme europen SafetyNet- Construction de lobservatoire
europen en scurit routires sont donnes.
Mots cls : coulement, affectation, rgulation, trafic routier, logit,
algbre Minplus, calibration, approche volumique
Nb de pages 226 Prix 15,24 euros Bibliographie : oui
Actes INRETS n110 3

Publication data form

UR: INRETS/GRETIA Project n INRETS proceedings n110
Title: Traffic Modelling
Subtitle: Proceedings of the Language : French
Working group, 2004-2005
Auteurs Organismes
Maurice Aron INRETS/Gretia
Florence Boillot INRETS/Gretia
Patrick Lebacque INRETS/Gretia
Publication date February 2008
These proceedings group six contributions, addressing the freight
modal choice, road traffic modelling and control, and safety models.
M. Gaudry models the freight mode choice between rail, road, intermodal
rail- road, via a non linear transformation (generalized Logit Box Cox) that
makes it possible to include in each representative utility function the
characteristics of other alternatives in addition to own characteristics. This
inclusion is proven to highly enhance the model.
V. Iordanova, H Abouassa et D. Jolly split up the traffic in small volumes
subjected to pressures due to the density differences between upstream and
downstream traffic conditions, or to narrowing. These pressures bring about a
speed variation, analogous to a deceleration. Speed is analytically calculated
thanks to the conservation equations of forces, of energy, the continuity
equation of traffic flow (in the static case) or of movement quantity (in the
dynamic case) which can be solved by a Bond-Graph .
N.Chiabaut & C. Buisson calibrated the three parameters (maximum and
critical densities, free speed) of a macroscopic 1st order traffic flow model and
studied their sensitivity. Their final objective consists in their real time fitting, in
relation with temporary speed limits changes or meteorological changes.
N. Farhi modelled a road network thanks to the Ptri network. The
advance of the vehicles is made linear within the MinPlus algebra operations.
A relatively realist fundamental diagram is derived. The asymptotic behaviour
(independently of initial conditions) is computed.
M. Papageorgiou presents TUC , a traffic responsive signal control
strategy, and its application on three cities (Chania, Munchen, Southampton).
A precise assessment is derived from a supplementary data collection
(accurate loops, floating cars). Comparisons with previous installed strategies
showed that TUC was generally better.
Ruth Bergel-Hayat presents the aggregate road risk modelling at a
national level. A review of time series analysis applications, as
performed in Europe, is given. Recommandations for a best practise,
as defined within the framework of the EU FP6 project SafetyNet -
Building the European Road Safety Observatory, are given.
Key Words Road Traffic Flow modelling, assignment, control, logit,
Minplus algebra, calibration, approach by volume unit, bond graphs
Nb of pages 226 Price: 15,24 euros Bibliography: yes
4 Actes INRETS n110
Table des matires
1re partie. Affectation et choix modal:
Marc GAUDRY, Anne BRIAND, Isabelle PAULMYER, Cong-Liem

TRAN
Choix modal transpyrnen ferroviaire, intermodal et routier :
Un modle Logit Universel de forme Box-Cox Gnralis 9
2me partie. Ecoulement du trafic :

Violina IORDANOVA, Hassane ABOUASSA, Daniel JOLLY
Approche volumique pour la modlisation macroscopique du trafic 121
Nadir FARHI, Maurice GOURSAT, Jean-Pierre QUADRAT

Drivation du diagramme fondamental du trafic pour un systme 145
Nicolas CHIABAUT, Christine BUISSON

Rgulation de Vitesse sur A7 : Calibrage d'un modle d'coulement
du trafic
Erreur ! Signet non dfini.
3me partie. Rgulation du trafic
E. KOSMATOPOULOS, M. PAPAGEORGIOU, C. BIELEFELDT, V.

DINOPOULOU, R. MORRIS, J. MUECK, A. RICHARDS, F.
WEICHENMEIER
International Comparative Field Evaluation of a Traffic Responsive
Signal Control Strategy in Three Cities. 185
4me partie. Risque routier
Ruth BERGEL-HAYAT
Une prsentation des modles agrgs de risque routier ................ 211
Actes INRETS n110 7

Premire partie
Affectation du trafic et choix
modal
7
Actes INRETS n110
Choix modal transpyrnen
ferroviaire, intermodal et routier :
un modle Logit Universel de forme
Box-Cox Gnralise
Marc Gaudry1,2 Anne Briand3 Isabelle Paulmyer3 Cong-Liem Tran1
1. Agora Jules Dupuit (AJD), www.ajd.umontreal.ca

Dpartement de sciences conomiques, Universit de Montral, Montral
2. Dpartement conomie et Sociologie des Transports - Modlisation de
lIncertitude et du Risque des Transports DEST-MIRT www.inrets.fr
3. Setec conomie,tour Gamma B, quai de la Rape Paris 75012
http://www.setec.fr
Cette tude est rdige en hommage Claude Abraham dont les travaux de
prcurseur sont mconnus lextrieur de la France
Marc Gaudry
Lestimation des modles prsents dans cette tude a t ralise davril

novembre 2005 lAgora Jules Dupuit de lUniversit de Montral en
continuit des travaux suivis au Comit de pilotage (2003-2004) dun projet
de Setec conomie financ par le PREDIT 2002-2006 (Groupe 5 : Transport
de marchandises et logistique ; Axe 2 : Politiques publiques et transport des
marchandises), Lettre de commande no03MT09, Ministre de lquipement,
des Transports, du Logement, du Tourisme et de la Mer (METLTM), Paris.
Les rsultats du modle retenu sont utiliss par le Service conomie,
statistiques et prospective (SESP) dans le modle gographique
Transpyrnen . Les auteurs remercient de leur appui et de leurs
commentaires Florence Bourdin de Setec conomie et Ariane Dupont-Kieffer
de lINRETS. Les rsultats prliminaires ont par ailleurs t prsents au
Sminaire MODE-M organis par NESTEAR la Fondation Reille, Paris, le 4
novembre 2005.
Universit de Montral Agora Jules Dupuit, Publication AJD-88
Institut National de Recherche sur les Transports et leur Scurit DEST No 7
9
Actes INRETS n110
Choix modal transpyrnen

Table des matiresc
Introduction 13
3.1. Logit Linaire Standard (S-LIN) et sous-identification de
paramtres ............................................................................................................. 19
3.2. Logit Linaire Gnralis (G-LIN) ................................................................ 21
3.3. Logit Box-Cox Standard (S-BC).................................................................... 21
3.4. Logit Box-Cox Gnralis (G-BC) ................................................................ 23
4. Freins lusage de la non linarit et des transformations Box-Cox 24
4.1. Complications thoriques............................................................................... 25
4.2. Difficults numriques, statistiques et dexpression des rsultats.................. 28
5. Base de donnes et modle transpyrnen 30
5.1 Rgion danalyse, zonage et flux modliss ................................................... 30
5.2 Spcifications du modle : chantillon et formulation conomique................ 33
6. Tests et rsultats 39
6.1 Variables de rseaux : choix entre formulation usuelle ou en taux ................. 39
6.2 tapes de la gnralisation .............................................................................. 40
7. Comportement en prvision de la forme linaire et des formes non
linaires 47
7.1 Les lasticits comme rsum de comportement ............................................ 48
7.2 Leffet sur les parts prdites suite une modification des prix ....................... 48
7.3 Peut-on prdire lvolution de la diffrence entre deux prvisions? ............... 52
8. Conclusion : un nouveau systme complet de demande forme souple 58
Rfrences bibliographiques 59
Annexe 1. Donnes sur les modes routier et ferroviaire (749

observations) 65
A1.1 Part du trafic par transport routier et distance routire ................................. 65
A1.2 Part du trafic par transport ferroviaire et distance routire........................... 65
A1.3 Indice de prix par t-km du transport routier et distance routire .................. 66
A1.4 Indice de prix par t-km du transport ferroviaire et distance routire ............ 66
A1.5 Indice de vitesse en km/h du transport routier et distance routire .............. 67
A1.6 Indice de vitesse en km/h du transport ferroviaire et distance
routire .................................................................................................................. 67
10 Actes INRETS n110

Choix modal transpyrnen,ferroviaire, intermodal et routier
Annexe 2. Prsentation commente dune dition TABLEX de rsultats

TRIO 68
Annexe 3. Rsultats dtaills principaux 70
Annexe 4. lasticits et chantillons endognes dans le modle Logit 75
A4.1 Effet de la sous-estimation du mode fer sur les constantes modales..................... 75
A4.2. Effeft sur les lasticits-parts et les lasticits-points de
pourcentage........................................................................................................... 76
Annexe 5. Rsultats sans et avec modes manquants 78
Annexe 6. Autres rsultats des modles de lannexe 3 82
Annexe 7. lasticit-points croises de la part modale par rapport au
prix du transport intermodal ou combin 86
A. Route : diffrence entre les lasticits des modles Box-Cox
Standard 60 et Linaire 58 .................................................................................... 86
B. Route : diffrence entre les lasticits des modles Box-Cox
Gnralis 61 et Linaire 58 ................................................................................. 86
D. Fer : diffrence entre les lasticits des modles Box-Cox Gnralis
61 et Linaire 58 ................................................................................................... 87
Annexe 8. Diffrences entre les parts croises prdites suite une baisse
de 10% du prix du transport intermodal ou combin 88
A. Route : diffrence entre les parts prdites des modles Box-Cox
B. Route : diffrence entre les parts prdites des modles Box-Cox
C. Fer : diffrence entre les parts prdites des modles Box-Cox
D. Fer : diffrence entre les parts prdites des modles Box-Cox
Annexe 9. Comportement en prvision : modles de NIVEAUX et de
PARTS 90
A9.1. Lalgorithme de niveaux LEVEL L-1.4...................................................... 90
A9.1.1. Diffrence entre les parties fixes.............................................................. 91
A9.1.2. Diffrence entre les lasticits-points...................................................... 93
A9.2 Lalgorithme de parts SHARE S-1: le Logit Box-Cox Standard ................. 95
A9.3 Lalgorithme de parts SHARE S-1: le Logit Box-Cox
Gnralis ........................................................................................................... 107
1
Actes INRETS n110 11

Liste des Tableaux de larticle Choix modal transpyrnen
Tableau 1. Rendements constants ou variables dans un modle Logit Box-Cox ......... 23

Tableau 2. Rgion dintrt, zonage des 16 pays et flux modliss ........................... 31
Tableau 3. Trafics transpyrnens 1999 modliss (Milliers de tonnes)..................... 33
Tableau 4. chantillon utilisable et disponibilit des modes ..................................... 34
Tableau 5. Structure de lusage progressif des variables de prix ............................... 38
Tableau 6. Log vraisemblances du Logit Linaire au Logit Box-Cox Standard et
Gnralis ......................................................................................... 40
Tableau 7. lasticits-points de la demande par mode et t de Student des coefficients 42
Tableau 8. Systme complet de demande et robustesse des lasticits-points............. 44
Tableau 9. tude de la diffrence entre les variables dpendantes prdites et entre leurs
lasticits-points calcules soit par deux modles classiques de niveaux ou
par deux modles Logit de parts aux formes Box-Cox distinctes ............ 56
Tableau 10. Dfinition des lments dune dition Tablex de TRIO (page 1 de 2)...... 68
Tableau 11. Du Logit Linaire au Logit Box-Cox Gnralis (page 1 de 5) ............... 70
Tableau 12. Matrice scalaire et chantillon largi (page 1 de 4)............................. 78
Tableau 13. lasticit-parts et coefficients des modles de lAnnexe 3 ( page 1 de 4). 82
Liste des Figures de larticle Choix modal transpyrnen
Figure 1. Franchissements transpyrnens ferroviaires et routiers enquts ............... 16

Figure 2. Logit Linaire vs Logit Box-Cox ............................................................. 23
Figure 3. Zonage NUTS 2 et NUTS 3 du modle transpyrnen en France................ 31
Figure 4. Part du trafic par transport combin rail-route et distance routire .............. 35
Figure 5. Indice de prix par t-km du transport combin rail-route et distance routire. 36
Figure 6. Indice de vitesse en km/h du transport combin rail-route et distance routire
......................................................................................................... 36
Figure 7. lasticits-points propres de la part modale par rapport au prix du combin 49
Figure 8. Diffrences entre les parts propres prdites suite une baisse de 10% du prix
du transport intermodal ou combin par rapport au niveau de ce prix...... 50
Figure 9. Diffrences entre les parts propres prdites suite une baisse de 10% du prix
du transport intermodal ou combin par rapport la distance ................. 51

Introduction
Nous formulons un modle de choix modal des trafics de marchandises qui
traversent les Pyrnes par voie terrestre en lorientant vers la prvision de la
demande de transport intermodal fer-route, mode appel aussi transport
combin (non accompagn); le modle traite implicitement la conteneurisation
de certaines catgories choisies de marchandises. Le transport maritime, ainsi
que le transport fer-camion associ au changement dcartement des voies
ferroviaires la frontire espagnole, sont exclus de notre analyse directe en
labsence pour ces modes de donnes de la qualit et du raffinement de celles
dont nous disposons pour les trois modes retenus (fer classique, intermodal ou
combin fer-route et route). Nos donnes sont tires de lenqute Transit 1999
pour les trafics analyss (entre 14 pays europens et la pninsule Ibrique) et
sont drives des modles de cot et dacheminement par catgorie de
marchandise et de vhicule (types de train ou de camion) de Setec conomie
pour les rseaux.
La formulation initiale du modle de choix est de type Logit Linaire mais la
qualit exceptionnelle de la base de donnes autorise ensuite non seulement
des formulations Box-Cox Logit Standard, conformment la pratique actuelle
de nombreux modles europens tant voyageurs que marchandises, mais
aussi une gnralisation de cette dernire formulation par linclusion dans les
fonctions dutilit reprsentatives des modes tudis de caractristiques autres
que celles du mode considr lui-mme. Lide dj ancienne du Logit
Universel de McFadden prend ainsi corps dans une formulation systmatique,
forme souple, avec effets tant propres que croiss : cette voie ramne le
modle Logit dans le giron des systmes complets de demande, eux-mmes
traditionnellement de forme fixe.
Les tests, faits par gnralisation successive du Logit Linaire Standard au
Logit Box-Cox Gnralis, montrent que lajout des prix croiss aux prix propres
amliore normment le modle et en modifie les prvisions, ce qui nous
loigne de lutilit linaire additive et permet mme de dceler des
complmentarits intermodales. Cet assouplissement nous sort du carcan de la
substitution obligatoire entre les alternatives impose par une pratique linaire
qui peine rsoudre ses nombreux problmes de sous-identification des
paramtres de variables appartenant plus quune fonction dutilit, que ces
variables soient des variables de rseaux ou des variables socioconomiques.
Mots cls : Marchandises, transport ferroviaire, transport intermodal, transport

combin non accompagn, transport routier, choix modal, conteneurisation,
Logit Linaire, Logit Box-Cox, Logit Universel, Logit hirarchique, substituts,
complments, systme complet de demande, prvisions, Pyrnes, Europe,
enqute Transit 1999, trafic origine-destination, catgories NST, niveaux de
zonage NUTS, Setec conomie.
13
Actes INRETS n110
English Introduction
We specify a model of trans-Pyrenean freight mode choice among three
land-based modes, namely rail, intermodal rail-road and road transport, focused
on the explanation of intermodal demand; the model builds in an implicit
containerization choice for selected categories of freight. Sea flows and rail-
truck flows specific to the change in rail gauge at the French-Spanish border are
excluded from our analysis due to the absence of data of the quality of those
made available to us for the three modes selected. Our traffic data on flows
between 14 European countries and the Iberian peninsula come from the
Transit 1999 survey and our network data characteristics by freight and vehicle
category (by type of train and truck) are derived from the costing and path
choice procedures developed by Setec conomie.
The high quality of our database allows us to go far beyond an ititial Linear
Logit form: we estimate not only Standard Box-Cox Logit specifications, now
current in many European passenger and freight models, but also a
generalization of the latter, called the Generalized Box-Cox Logit, that makes it
possible to include in each representative utility function the characteristics of
other alternatives in addition to own characteristics. McFaddens Universal Logit
idea of 1975 thereby obtains a flexible form incarnation that allows for both own
and cross effects: this takes the Logit down the path of complete demand
equation systems, typically of fixed form themselves.
The succession of nested tests performed across the spectrum covering the
Linear Logit and the Generalized Box-Cox Logit specification end points shows
the huge import of adding cross to own prices in the utility functions, including
on forecasts: we thereby move away from additively separable utility and by the
same token allow for the identification of complementarities among modes. We
are freed from the straightjacket of built-in substitution imposed by linearity and
from its powerlessness at solving its numerous underidentification problems
arising from the presence in Logit utility functions of variables, be they network
or socioeconomic, belonging to other such functions.
Key words : Freight, rail transport, intermodal transport, combined

unaccompanied transport, road transport, mode choice, containerization, Linear
Logit, Box-Cox Logit, Universal Logit, hierarchical Logit, substitutes,
complements, complete system of demand equations, forecast, Pyrenees,
Europe, Transit 1999 survey, origin-destination traffic, NST categories, NUTS
zoning levels, Setec conomie.

Choix modal transpyrnen ferroviaire, intermodal et routier
1. Intermodalit et modlisation du choix modal des

marchandises
Le march du transport intermodal des marchandises. Au vu de la
croissance rapide du transport routier des marchandises, il existe un intrt
croissant pour les solutions intermodales ferroviaires ou maritimes, notamment
pour le transport de caisses mobiles 1, de conteneurs ou de remorques 2. Do
lintrt dvaluer le potentiel du transport ferroviaire intermodal. Dans le cas qui
nous intresse ici, lObservatoire Franco-Espagnol des Trafics dans les
Pyrnes fait tat dune augmentation du trafic poids lourds de 21 % entre 1998
et 2003 (OTP 2003, 2004) et des groupes dtude utilisent actuellement pour
2025 le chiffre annuel de 144 millions de tonnes, soit environ 27 000 poids
lourds par jour. Comment y mesurer ce potentiel du transport ferroviaire
intermodal qui fait partie des amnagements ltude pour absorber cette
croissance ?
Les mthodes danalyse utilisables par les spcialistes du choix modal
dpendent beaucoup de la taille des chantillons disponibles par type de bien
traiter et du degr de raffinement spatial du rseau requis par ltude. Leur
choix mthodologique est fait entre une modlisation par affectation sur un
rseau multimodal, procdure qui combine les deux dernires tapes du
schma quatre tapes des modles de trafic, et une modlisation par mode
principal qui les distingue.
La modlisation par micro affectation multimodale. Il peut tre trs
difficile, ou mal indiqu, dappliquer des modles de choix classiques comme le
modle de type Logit la modlisation du choix entre les diverses
alternatives (itinraire, mode, ou les deux la fois) 3 lorsque les chantillons
disponibles comprennent relativement peu dobservations sur une ou plusieurs
catgories de marchandises ou denvois en cause, ou lorsque des prvisions
prcises sur des sections fines dune infrastructure modale particulire 4 sont
requises.
Dans ce cas, on prfrera tudier individuellement les acheminements au
niveau fin dun rseau multimodal, comme le fait par exemple pour les
marchandises le logiciel multimodal le plus raffin en la matire, NODUS
(Jourquin, 1995) dont la dernire version 5.0 autorise mme des calculs de
congestion (Beuthe et alii, 1999; Jourquin et Beuthe, 2006), en appliquant ne
serait-ce quune simple rgle daffectation tout ou rien tous les envois pris
1
Le lecteur intress la terminologie du transport intermodal ou combin trouvera le Lexique
quadrilingue des Nations Unies, prpar par la Commission conomique pour lEurope, la page
Politique de concurrence du site de lAgora Jules Dupuit (www.ajd.umontreal.ca).
2
Il sagit surtout de remorques non-accompagnes : laccompagnement, trs coteux pour toutes
les parties, nest gnralement envisageable que pour le franchissement dobstacles naturels de
courte distance.
3
Selon lusage linguistique rcent, chaque possibilit est une alternative .
4
Comme par exemple pour lamlioration du gabarit de maillons dun rseau fluvial : cest le cas
des travaux de 2005-2006 sur la prvision de limpact du projet Seine-Nord Europe.
15
Actes INRETS n110
tour tour. Cette pratique de la micro affectation sur un rseau multimodal est
ne des travaux sur les voyageurs, par exemple Marche (1980). Si on utilise
cette approche, les parts modales rsultent ex post de la somme des
affectations sur les sections propres chaque rseau modal pur :
lexplication du choix modal est alors indirecte parce quelle est drive de
laffectation des flux sur le rseau multimodal.
Les modles utilit alatoire. Par contre, lorsquon sintresse au choix
du mode principal plutt quaux itinraires de rabattement et aux parcours
exacts des flux, il est prfrable dutiliser un modle probabiliste comme le
modle Logit si lchantillon disponible permet den bien estimer les
paramtres. Les modles de ce genre expliquent directement les choix modaux
entre alternatives dfinies par lusage dun mode principal 5. On traitera
ventuellement des acheminements sur chaque rseau modal pour obtenir la
tendance centrale des valeurs des niveaux de service modaux utiliser dans le
modle de choix modal.
Donnes et choix mthodologique orient. Ces deux conditions, sur la
taille de lchantillon et lintrt second des cheminements terminaux exacts,
sont ici les ntres. Lchantillon est important. La demande est observe partir
des enqutes TRANSIT 1999 (SES, 1999; OTP, 2001) route et fer. Lenqute
ferroviaire contient des donnes agrges par origine-destination (O-D), sens et
catgorie (selon la Nomenclature Statistique des Transports (NST) franaise),
recueillies aux points de franchissement dHendaye (Pyrnes-Atlantiques) et
de Port-Bou, lextrmit mditerranenne du massif : ces points sont indiqus
la Figure 1.
Figure 1. Franchissements transpyrnens ferroviaires et routiers

enquts
5
On prendra en compte les caractristiques des rabattements dextrmit pour expliquer lusage du
mode principal.

Les donnes de lenqute routire aux points de franchissement

autoroutiers 6 Irun (A63) et Le Perthus (A9, Pyrnes-Orientales), aussi situs
aux extrmits du massif, ont pu tre agrges de manire compatible avec les
donnes ferroviaires. Les variables de la base sur loffre sont disponibles ou
construites de manire exogne lenqute TRANSIT 1999 par Setec (2004).
Nous choisissons donc une modlisation de type Logit qui, en labsence
dinformation sur les flux maritimes, doit expliquer le choix entre les modes
terrestres suivants : ferroviaire classique, intermodal ou combin rail-route,
et routier. En labsence aussi dinformation fiable sur le mode fer-camion, n du
changement dcartement ferroviaire la frontire espagnole, ce mode trs
particulier nest pas analys directement mais limpact possible de son absence
sur nos rsultats est trait en annexe. Comme nous navons ici que peu
dintrt direct lanalyse des flux par catgorie de marchandise pour eux-
mmes, nous nutilisons linformation disponible sur ces flux ou leurs cots que
dans la mesure o ils servent notre analyse modale oriente vers les besoins
en infrastructure.
Du Logit Linaire classique au Logit Universel. Plusieurs grands
modles courants, comme le module voyageurs VACLAV-VIA (Schoch, 2000)
du modle TEN-STAC (2004) labor pour valuer les projets prioritaires du
rseau transeuropen de transport (RTE-T) ou le modle BVU (Seltz, 2004)
utilis pour faire les prvisions marchandises du plan de transport allemand,
sont dj fonds sur des formulations de type Logit Box-Cox Standard.
Grce la qualit de notre base de donnes sur les flux transpyrnens et
les rseaux pertinents, il sera possible daller au-del de cet tat de lart et de
tester pour la premire fois sur les marchandises 7 le modle Logit Box-Cox
Gnralis. Ce dernier donne corps au Logit Universel, modle en fait
inexploit en labsence dune forme pratique qui en incarnerait aussi bien lide
dorigine que ne le fait la forme gnralise du Logit Box-Cox. Pour tre
complets, nos rsultats reprendront les diverses tapes qui conduisent du Logit
Linaire classique fond sur lutilit sparable et additive une incarnation du
Logit Universel qui franchit le seuil de porte des systmes complets de
demande utilit libre de ces contraintes.
2. Le Logit Multinomial Universel de McFadden

Une fonction dsincarne. En effet, ds le dbut il y a trente ans de
lusage systmatique du modle Logit Multinomial comme cheville ouvrire de
la modlisation du choix modal, la forme que nous pouvons appeler Linaire
Standard (S-LIN) sest impose la pratique et lide dinclure dans chaque
fonction dutilit dun mode les caractristiques des modes concurrents,
suggre trs tt par McFadden (1975), a t immdiatement rejete. En effet,
6
Sur les 27 passages frontaliers, 90% du trafic sont concentrs aux deux extrmits, ces deux
passages ayant vu leur trafic poids lourds passer de 10 063 16 326 vhicules par jour de 1995
2003.
7
On ne connat quune application aux voyageurs (Gaudry and Le Leyzour, 1994).

sagissant de ce quon appela alors le Logit Universel 8 , on ne voyait aucune

spcification fonctionnelle qui simposait pour y donner corps et on craignait
den obtenir des rsultats peu intuitifs, comme des complmentarits entre les
modes (Ben-Akiva, 1974), aprs des cots levs destimation dun nombre
lev de paramtres et des risques vidents de colinarit, linstar des
systmes complets de demande de type systme linaire (Stone, 1954),
Rotterdam (Barten, 1969), AIDS (Deaton and Muellbauer, 1980) ou autre, tous
forme mathmatique fixe 9.
Les scurits linaires aux prix de la sous identification des
paramtres. On peut comprendre que la linarit suppose des fonctions
dutilit soit commode parce quelle garantit en thorie la conformit des calculs
drivs de surplus des consommateurs aux hypothses de maximisation de
lutilit sous-jacentes (McFadden, 1998) et assure en mme temps lunimodalit
des fonctions de vraisemblance. Mais la linarit a un envers : dabord, une
invraisemblable prsomption de constance des effets marginaux et des taux de
substitution (dont les valeurs du temps) entre variablesprsomption parfois
compense tant bien que mal en pratique par une segmentation de lchantillon
par tranche de prix et de temps de transport ; ensuite, une sous identification 10
des coefficients de toute variable incluse dans lensemble des fonctions
simplification parfois assouplie par des accrocs ad hoc comme lusage fortuit du
logarithme 11 dune variable dans une ou plusieurs fonctions dutilit 12.
Nous montrerons dans cette analyse du choix modal transpyrnen que
lusage des transformations de Box et Cox permet dexprimer et destimer une
formulation utilisable du Logit Universel ; nous constaterons que cette
spcification rsout de manire satisfaisante plusieurs problmes, dont celui du
choix dune forme fonctionnelle pour ce modle et celui de la sous identification
des coefficients autres que ceux des constantes modales 13. Notre exemple
tablira aussi que la question de savoir si certains modes sont concurrents ou
8
Ou parfois le Mother Logit , par exemple chez Koppelman and Sethi (2000) ou Steenburgh
(2004).
9 Les variantes en niveaux et en premires diffrences utilises avec les sries chronologiques, par
exemple pour le modle de Rotterdam, sont incluses dans cette appellation. La forme fixe
dominante utilise est logarithmique.
10 Nous pourrions adopter le langage alternatif de la sur spcification du modle et dire que
lajout dune mme variable toutes les fonctions dutilit naffecte pas la vraisemblance de
lchantillon, problme trait formellement pour les constantes spcifiques aux alternatives par
Bierlaire et alii (1995). Mais, plus simplement, on comprend intuitivement partir de lquation (9)
plus bas quune telle formulation implique bien implicitement lusage rpt de la mme variable
parmi les variables explicatives, sauf utiliser alors des formes fonctionnelles distinctes pour les
variables concernes, solution qui nest pas applicable aux constantes spcifiques.
11
Sauf lusage de formes explicitement quadratiques (en France, RATP & Cambridge Systematics
Europe, 1985).
12 En France, voir le modle ANTONIN (STIF, 2004) dvelopp par The Hague Consulting Group
qui utilise le logarithme des variables de cot mais la forme linaire des autres variables
caractristiques des trajets. La diffrence entre ces formes nest gnralement pas justifie.
13
Pour identifier les coefficients de toutes les constantes, on peut par exemple envelopper les
fonctions dutilit elles-mmes dans une transformation, comme le font les gnralisations du type
IPT Puissance Inverse (Gaudry, 1981).

complments est une question admissible dont les modlisateurs ne doivent

pas avoir peur, pas plus dailleurs quils ne doivent craindre les cots
supplmentaires de calcul occasionnes par labandon des scurits linaires
du S-LIN.
Vers lutilit non sparable. Notre dmarche aura trois temps : dabord
ltablissement dune typologie des structures des modles Logit Multinomiaux
ordinaires (non hirarchiques 14) utiliss depuis une trentaine dannes ; ensuite
une description sommaire de notre base de donnes ; et enfin les rsultats. Ces
derniers tablissent clairement, sans doute pour la premire fois de manire
systmatique, la pertinence de lancienne ide de McFadden. Un tel rsultat ne
surprendra pas les conomistes de tradition classique pour lesquels il aurait t
tonnant que lutilit des alternatives considres savre sparable dans
ltude de substituts aussi proches que des modes de transport.
3. Le contexte : modle Logit et transformation Box-

Cox
3.1. Logit Linaire Standard (S-LIN) et sous-identification de
paramtres
Soit, comme point de dpart, le modle Logit Linaire Standard expliquant, au
sens classique de Warner (1962), Rassam et alii (1970, 1971) ou Domencich et
McFadden (1975), la probabilit de choix ou la part de march du mode i:
exp(Vi )
p (i ) = , i, j = 1,..., M (1)
exp(V j )
jC
et dont les fonctions dutilit reprsentative Vi sont dfinies par

alternative i:
Vi = i 0 + ini X ni + is X s + ui
n s (2)
o la notation usuelle des variables explicatives X identifie dans un premier lot
i
les variables X n , dites de rseaux (lindice suprieur dsignant le mode), et
dans le second lot les variables X s , dites socioconomiques, au sens de
variables indpendantes des modes et ne variant donc pas selon lalternative 15
considre.
14
Les mmes problmes se posent videmment dans ce cas largi, mais nous ne les discuterons
pas. On comprendra que le Logit Box-Cox Gnralis ne souffre pas de la proprit de
compatibilit avec laxiome IIA de Luce qui a motiv le dveloppement de hirarchies : comme il
possde les proprits usuelles des systmes complets de demande, il est en fait un substitut aux
hirarchies visant saffranchir des insupportables lasticits croises gales du modle Logit
Linaire Standard.
15
Ce mot, qui dsignait il y a 30 ans le choix entre 2 choses, dsigne maintenant dans ce contexte
chacune des choses elles-mmes, indpendamment de leur nombre propos.

Pour expliquer par exemple le choix modal de voyageurs, on inclut des

variables comme le tarif et le niveau de service du mode dans le premier
groupe et des facteurs comme le sexe ou le revenu du voyageur dans le
second. Pour expliquer les choix modaux marchandises, on mettrait dans le
second groupe une variable relie la massification des envois comme le
volume total transporter dune origine une destination sans gard au mode
choisi.
Comme la fait remarquer Bhat (2000), lerreur en (2) est homoscdastique
2 2
et le fait que sa variance /6 soit alors constante entre les alternatives
implique que le facteur dchelle 1/ de la distribution sous jacente de Gumbel,
f(ui) = (1/)[exp(-ui/)][exp(-exp(-ui/)], est bien commun toutes les
alternatives. Cette hypothse dhomoscdasticit sajoute donc aux hypothses
classiques dindpendance et didentit qui caractrisent les distributions des
erreurs des alternatives. Le facteur dchelle qui pondre en fait les parts
respectives des parties systmatique et alatoire de chaque fonction dutilit est
le mme pour toutes les fonctions dutilit.
Explicitons, dans ce cas de la forme S-LIN, la difficult de sous-estimation
des coefficients de toutes les variables communes aux alternativesles
constantes et les variables socioconomiques : elle signifie quil nest au mieux
possible didentifier pour ces variables que des diffrences entre les coefficients
structuraux appartenant une fonction donne et ceux qui appartiennent une
autre fonction, dite de rfrence , arbitrairement choisie en y mettant
16
zro les coefficients appartenant ces variables . Nous nintroduirons pas ici
17
dhtroscdasticit .
Cette pratique ncessaire revient bien crire la forme estimable suivante
(en ngligeant les termes derreur) :
Vi = ( i 0 r 0 ) + iin X ni + ( is rs )X s
n s

Vi = i 0 + in X n +
i i
is Xs (3)
n s
o il est clair que le coefficient estim de chacune de ces variables doit tre
interprt comme une diffrence de coefficients structuraux et quen
consquence la statistique t de Student qui leur est associe ne renseigne
alors, dfinie par rapport 0, que sur lgalit de ces deux coefficients
structuraux entre eux. Contrairement son usage normal lorsquelle est
associe aux variables de rseaux, cette statistique ne dit rien sur la pertinence
dinclure 18 la variable socioconomique dans la fonction dutilit considre.
16
La fonction de rfrence choisie peut varier de variable en variable.
17
Pour une discussion sur lestimation conjointe de lhtroscdasticit et des transformations Box-
Cox, voir Gaudry et Dagenais (1979).
18
Pour dcider de cette inclusion, le test des rapports de vraisemblance est adquat.

Cette pertinence est valuable par un test de rapport des vraisemblances entre
la formulation sans la variable et celle qui la comprend dans M-1 fonctions.
3.2. Logit Linaire Gnralis (G-LIN)
Si le mot standard signifie que (2) ne comprend, pour chaque alternative,

que les caractristiques propres son mode, le mot gnralis signifie au
contraire quon inclut dans la ime fonction les caractristiques (de rseaux)
dautres alternatives. On peut alors rcrire la fonction (2) dune manire plus
gnrale:
Vi = i 0 + ini X ni + inj X nj + is X s , (4)

n n ji s
dont nous ne discuterons pas en dtail les problmes vidents

didentification impliqus par sa linarit. On peut toutefois les rsoudre en
principe, de manire satisfaisante notre avis, si on introduit pour les variables
incluses dans toutes les fonctions des transformations de Box et Cox (1964).
Dans sa version commune, cette transformation est applicable toute 19
variable Varv dpendante ou explicative strictement positive sans tre une
constante, et scrit :
(Varv ) 1
, si 0,

( )
Varv (5)
ln (Var ) , si 0.
v
3.3. Logit Box-Cox Standard (S-BC)

Formul et tudi dans la foule de la monte en puissance du Logit
Linaire Standard, le Logit Box-Cox (Gaudry et Wills, 1978) montra bien
limportance thorique et pratique de la non linarit des variables partir dune
formulation standard:
i
Vi = i 0 + ini X ni( in ) + is X s( is )
n s (6)
qui permettait naturellement dobtenir comme cas particuliers non seulement
le cas linaire 20 du modle LIN-S, parfois appliqu au choix ditinraire dans les
19
Dans le cas dune variable dont certaines observations sont nulles, il faut soit remplacer les
valeurs nulles par des valeurs proches de zro, soit ajouter une variable dummy pour garantir
linvariance de la transformation aux units de mesure de X.
20
Lorsque le paramtre de la transformation est gal un, on obtient une formulation identique
celle du Logit Linaire lexception de la constante de rgression qui est alors multiplie par un

rseaux (Dial, 1971), mais aussi plusieurs modles en usage courant, comme
par exemple le modle classique de la littrature du marketing :
X ik ik

pi = k
. (7)
X jk jk

jCn k
Dans le cas particulier dune fonction dutilit une seule variable

explicative, et en prsence dune contrainte de gnricit particulire impose
verticalement aux coefficients (ik = jk = 10, pour tout i, j), ce modle inclut
la forme dite simplifie 21 de ce quon appelle en France la Loi dAbraham
(Abraham et Coquand; 1961, Abraham, 2001).
Mais il ne sagit alors dun Logit Logarithmique (Leurent, 2002) qu
condition que la fonction dutilit (8) ne comprenne quune variable explicative.
Ds quelle en comprend plusieurs, comme dans le cas dun cot gnralis
linaire de forme (2), la formule de la Loi dAbraham nest plus au sens strict
celle du Logit Logarithmique .
Lavantage de (6) est que la prsence de transformations distinctes
appliques une variable socioconomique prsente dans toutes les fonctions
dutilit permet didentifier le niveau de leffet spcifique de cette variable sur
chacune des fonctions dutilit : on sort enfin de linterprtation des diffrences
entre deux effets structuraux dcrits en (3).
La non linarit des variables implique que la courbe de raction de la part
modale par rapport une modification dune variable dintrt nest plus
symtrique autour dun point dinflexion gal comme limplique la linarit
reprsente par la courbe en gras sur la Figure 2.
scalaire : ce changement dchelle est sans effet sur le produit obtenu de cette constante et de son
nouveau coefficient qui sajuste alors de manire inversement proportionnelle.
21
Sa forme premire est bien celle dun modle Probit. Si lauteur avait suppos que les erreurs
associes aux itinraires suivaient une loi de distribution de Weibull (1939, 1951) au lieu dune loi
normale de Gauss (1821), il aurait obtenu directement un modle Logit de type S-LIN. Il nest donc
pas surprenant que son approximation du Probit, indpendamment des motifs de simplification qui
ont prsid son adoption, soit trs apparente un cas particulier et classique du Logit de type S-
BC condition quune seule variable explicative y soit utilise.

Figure 2. Logit Linaire vs Logit Box-Cox
Si donc on croit que le phnomne qui nous intresse (raction la vitesse

amliore dun mode de transport, etc.) a une reprsentation asymtrique, alors
les variables explicatives du modle Logit ny interviennent pas linairement. Du
point de vue conomique, on peut dire que la linarit dsigne simplement le
cas de rendements constants indiqu au Tableau 1.
Tableau 1. Rendements constants ou variables dans un modle Logit Box-Cox
U m ( 1) U m2
2 = mk ( mk 1) X mk
= mk X mk mk (
mk 2)
X mk X mk Rendements
= 1 mk X mk
2
2mk X mk
3
Dcroissants
=0 mk X mk mk X mk
2
Dcroissants
=1 mk 0 Constants
=2 mk X mk mk Croissants
3.4. Logit Box-Cox Gnralis (G-BC)
Il est naturel dappliquer la mme ide aux variables de rseaux pour

pallier les difficults de la formulation linaire (4) car les variables caractrisant
chaque mode, prsentes dans chaque fonction, souffrent alors de la mme
sous identification de leurs coefficients que les variables socioconomiques
en (2) plus haut.

La formulation du Logit Box-Cox Gnralis (G-BC) applique ici pour la

premire fois dans toute sa gnralit, qui prconise aux mmes maux les
mmes remdes (Gaudry, 1978), simposait alors delle-mme:
i 0 + ini X ni ( in ) + inj X nj ( in ) + is X s( is )
i j
Vi = (8)
n n j i s
et permettait, condition que les transformations Box-Cox diffrent entre

elles, dincarner enfin le Logit Universel de McFadden en donnant une forme
concrte particulire autre que linaire aux variables utilisables dans une
fonction comme (4).
Il fallait bien formuler une procdure systmatique pour dpasser
lexploration combinatoire fonde sur des formes fixes ad hoc dont lusage
frquent montrait lvidence 22 limportance dcisive de la prsence, dans la
fonction dutilit reprsentative dun mode donn, de caractristiques dautres
modes. Concernant leffet des prix des modes, il ny avait donc plus lieu
dexclure doffice la possibilit deffets de substitution spcifiques, ou mme de
complmentarit, entre des biens ; sagissant du revenu, on pouvait rintroduire
les notions classiques de biens suprieurs et infrieurs. Bien sr, dans le cas
dune classification fine de biens de consommation, des simplifications peuvent
tre acceptables et utiles, comme dans tous les systmes classiques de
demande (Goldberger, 1967), mais on ne les fait plus contraints par une sous
identification structurale.
Le grand nombre possible de paramtres en (8) pourrait nous ramener dans
les mandres des systmes complets de demande. Nous imposerons donc ici
des contraintes de gnricit 23 sur les coefficients associs aux variables de la
matrice des prix : soit aux coefficients associes la diagonale, soit aux
lments hors diagonale. Nous ne poserons aucune des questions classiques
sur lhomognit et la symtrie de la matrice de Slutsky, questions qui
exigeraient de nombreux tests supplmentaires 24.
4. Freins lusage de la non linarit et des

transformations Box-Cox
Cette introduction systmatique de non linarit souple, pour intuitive quelle
soit, pose des problmes divers quil y a lieu de mentionner brivement afin de
cadrer les commentaires des rsultats obtenus.
22
Dans la pratique, on utilisait parfois la caractristique propre sous forme linaire et la
caractristique croise appartenant lautre mode sous forme logarithmique, mais seulement dans
une des fonctions dutilit.
23
Nous avons relax cette contrainte et fait plusieurs tests de spcificit, mais les gains sont
gnralement faibles.
24
On sait que la symtrie de Slutsky est trs souvent rejete dans les systmes complets de
demande et que la solution de paresse est alors de limposer. Luigi Solari de lUniversit de Genve
a aussi affirm vers 1975 notre collgue Marcel Dagenais que, dans ses tests sur les systmes
complets de demande, les consommations obliges taient trs souvent ngatives !

4.1. Complications thoriques

Non linarit et calcul des quilibres et des surplus. Dans tous les
modles utilit alatoire comme le Logit, la non linarit de linfluence du
revenu perturbera la formule du log-sum (McFadden, 1998) et compliquera
le calcul usuel (Small and Rosen, 1981) des diffrences de surplus entre deux
tats du rseau : il faudra tenir compte de la courbure des fonctions de
demande dans le calcul des surplus.
Dune manire analogue, la recherche des conditions dquilibre dans un
problme daffectation avec congestion sera aussi plus complexe : ce calcul
dquilibre est fait par la maximisation de la surface comprise entre la fonction
inverse de demande et la courbe dbit-temps (dbit-vitesse).
Estimation des paramtres et maximum global. Les fonctions de
vraisemblance devront par ailleurs tre maximises en prenant en compte des
dimensions non linaires supplmentaires, ce qui est dj lourd, et il faudra
sassurer en plus quon aura trouv le maximum global.
Dans le cas des donnes de type dsagrg, lunimodalit bien connue de
la fonction de vraisemblance aura disparu. Dans le cas des donnes de type
agrg, la convergence de la version itre de lestimateur Berkson-Theil
nimpliquera plus un maximum global. Lexprience montre que la probabilit de
maxima multiples augmente si le nombre de transformations utilises sur les
variables explicatives dpasse 2, surtout si elles sont appliques des
variables individuelles plutt qu des sous-ensembles importants regroupant
ventuellement la totalit des variables transformables.
Pour retenir un modle, il faudra donc vrifier que son maximum de
vraisemblance calcul correspond bien un maximum global. Cette vrification
peut tre faite en changeant les valeurs de dpart des paramtres, sans quil
soit ncessaire de construire formellement une mta-statistique de la probabilit
davoir trouv un maximum global.
Vraisemblance de lchantillon et modes manquants . Par ailleurs, il
arrive que tous les modes ne soient pas disponibles pour toutes les
observations. Si la prise en compte de ces observations htrognes najoute
pas de nouvelles dimensions non linaires, elle peut toutefois, selon
lalgorithme utilis, modifier les proprits des paramtres estims.
Dans le cas de donnes de type dsagrg (discret), on formule la
vraisemblance des observations en utilisant directement la forme non linaire
(1) pour obtenir les valeurs calcules pour chaque tat de chaque observation.
Cette procdure admet naturellement dans lchantillon des ensembles
dobservations htrognes. Lalgorithme P-2 construit pour traiter ces cas
discrets ne fait alors qutendre une pratique de la maximisation non linaire
un cas davantage non linaire que le cas usuel, comme en atteste sa
documentation complte (Liem and Gaudry, 1993) : les observations
comprenant des modes manquants ne posent pas de problme particulier
nouveau.

Dans le cas de donnes de type agrg toutefois, les bnfices pratiques de

la rduction du nombre de dimensions non linaires sont tels quil est utile de
procder une transformation de la formulation du modle avant de procder
lestimation des paramtres. Cette simplification, dite de Berkson-Theil, consiste
choisir un mode de rfrence et construire, partir des parts observes non
nulles, un vecteur de ratios dont le logarithme aura lavantage, sans pour autant
changer la localisation du maximum, dliminer les exponentielles pour nen
retenir que des diffrences entre leurs exposants.
Dans ce cas, la prise en compte dobservations comportant des modes
manquants affectera les proprits des paramtres estims, comme ctait
dj le cas avec des fonctions dutilit linaires : il y a lieu de se les remmorer
pour notre problme. Par exemple, avec 3 modes dont le dernier est choisi en
rfrence, on crit comme Berkson (1949) et Theil (1969):
P1
P V1 V3 u1 u3
ln =
3
+ (9)
P2 V2 V3 u 2 u3
P
3
qui est bien de la forme familire :
y1 X 1 1 1
y = X + (10)
2 2 2 2
pour laquelle la matrice de variance-covariance de dimension (M-1)x(M-1)
entre les rsidus, permet d'crire l'estimateur des moindres carrs gnraliss
ou celui du SUR (Seemingly Unrelated Regression) 25 de Zellner (1962):
= (X -1X)-1X-1y . (11)
Il est connu que, si on itre entre les estimations des et de jusqu
convergence, le choix dun mode de rfrence nest quun artifice de calcul qui
ne change en rien linterprtation des rsultats puisquau point de convergence
itr global les valeurs des paramtres:
A. sont celles du maximum de vraisemblance; (12)

B. sont invariantes au mode de rfrence choisi en (9). (13)
Ces proprits (12)-(13), dmontres par Wills (1982) pour le cas du Logit
Linaire Standard, dpendent de lusage dune matrice pleine : elles valent
donc aussi pour la forme Box-Cox des variables des fonctions dutilit
25
Cette procdure a t gnralise par Parks (1967) pour tenir compte de lautocorrlation lorsque
lapplication utilise des sries chronologiques. Mais en ralit lusage de schmas dautocorrlation
spcifiques chaque quation rend alors la procdure SUR de Zeller efficace mme si les
ensembles de variables explicatives (ici X1 et X2) sont identiques (Gaudry and Liem, 1981). Si les
schmas autorgressifs sont identiques, lefficacit requiert toujours des ensembles distincts et une
matrice pleine, conditions ncessaires aux gains SUR.

reprsentative. Mais il arrive encore des auteurs, travaillant mme

simplement sur le cas linaire, de se limiter appliquer les Moindres Carrs
Ordinaires (MCO) au problme transform (10), mais doublier ditrer ensuite.
Par exemple, considrons le cas Linaire Standard du modle dit CPB-
VITO de choix conjoint du port maritime atlantique et du mode terrestre
europens entre 18 alternatives (6 ports et 3 modes dont la voie fluviale)
dacheminement des conteneurs. Ses auteurs (Veldman and Bckmann, 2003,
et ECORYS Transport et alii, 2004) choisissent en rfrence pour (9) lune des
17 alternatives admissibles et nappliquent ensuite que les MCO : cette faon
de faire produit bien lun de 17 rsultats particuliers concevables, selon la
combinaison port-mode choisie en rfrence, mais ne peut jamais restituer le
rsultat annonc correspondant la formulation (2) du modle. On pourrait la
rigueur imaginer lestimation de lensemble des 17 modles suivie dun choix
entre eux, mais ce pis-aller ne serait gure satisfaisant.
La prise en compte dobservations modes manquants avec cet
algorithme Berkson-Theil va modifier cette proprit utile 26 associe litration
jusqu convergence et nous mettre sciemment dans une situation comparable
celle des auteurs du modle conjoint de choix de port maritime et de mode de
transport terrestre CPB-VITO.
Mais avant dappliquer la procdure dans cette situation, certaines
conditions doivent tre prsentes. Il faut: (i) quil y ait au moins deux modes qui
existent pour toutes les liaisons ou observations retenues; (ii) que le mode
choisi comme mode de rfrence soit prsent pour toutes les
observations (paires origine-destination), sans quoi les diffrences entre les
erreurs de (9) ne sont pas toutes dfinies; (iii) que lestimation soit faite en
contraignant la matrice tre scalaire. Bien que ces conditions ncessaires
soient satisfaites, les valeurs estimes des paramtres obtenus par la suite:
C. dpendent du mode de rfrence choisi, (14)
comme si on avait formul un modle bizarre qui expliquerait lutilit de chaque

mode en relation vritable un mode de rfrence particulier, selon
linterprtation 27 littrale de (9). Et si lchantillon permet quon change de mode
de rfrence parce que certains des modes sont toujours disponibles, des
coefficients encore diffrents seront obtenus, au contraire du cas o tous les
modes taient partout prsents.
Le manuel de lalgorithme SHARE S-1/S-5 utilis ici (Liem et alii, 1997)
dcrit bien en dtail les conditions requises pour un emploi judicieux de loption
S-1 qui permet destimer des modles Logit G-BC avec ou sans modes
manquants .
26
La matrice de variance-covariance initiale de dimension MxM est singulire cause de la
normalisation inhrente un modle dont les parts somment 1.
27
On verra plus loin que cet inconvnient de lalgorithme Berkson-Theil itr est compens par son
efficacit dans le cas de fonctions comme (6) ou (8) pour lesquelles il est utile de rduire le nombre
de dimensions non linaires du problme de maximisation.

4.2. Difficults numriques, statistiques et dexpression des

rsultats
Considrations numriques. On peut enfin comprendre que lusage des
transformations Box-Cox puisse, indpendamment des difficults didentification
dun maximum global, poser aussi des exigences de prcision machine 28 dans
les cas de puissances leves, ngatives ou positives.
Ces considrations de calcul permettent de comprendre, au moins pour la
forme G-BC, quelle nait t utilise que rarement : ce jour, seul un exemple
voyageurs avec des donnes dsagrges (Gaudry and Le Leyzour, 1994)
montre que lajout des caractristiques de la voiture particulire aux fonctions
dutilit des autres modes amliore considrablement les rsultats du modle
de prvision de la demande interurbaine quatre modes (voiture, autocar, train,
avion).
La forme S-BC, dont la fonction de vraisemblance est plus facile valuer,
est par contre en usage courant : avec des donnes voyageurs, le module
VACLAV-VIA (Schoch, 2000) du projet europen TEN-STAC (2004) et divers
cas reprsentatifs dusage de donnes franaises urbaines (Gaudry, 1985 ;
Lapparent, 2005 et 2006) ou interurbaines (Lapparent, 2004). Sagissant des
marchandises, les exemples comprennent des modles norvgien (Fridstrm
and Madslien, 1995), canadien (Picard and Gaudry, 1998), allemand (Seltz,
2004) et franais (JLR Conseil & Stratec, 2005).
Considrations statistiques. la surprise gnrale, les valeurs des
statistiques t de Student des , valeurs calcules de manire inconditionnelle
cest--dire en tenant compte des des transformations en mme temps que
des autres coefficientsne sont plus invariantes aux units de mesure des X
(Spitzer, 1984) : seules les valeurs calcules en supposant connus les
optimaux sont invariantes au changement dunits de mesure des X .
Il faut donc se contenter des t calculs de manire conditionnelle aux valeurs
des paramtres de forme fonctionnelle. Heureusement, le test du rapport des
vraisemblances demeure valide pour tous les paramtres estims suite la
reparamtrisation implique par lapplication des transformations Box-Cox.
Considrations sur lexpression des rsultats : les lasticits. Il est clair
que les calculs des drives partielles et des lasticits des probabilits de
choix dun mode par rapport des variables ventuellement prsentes dans
plus dune fonction dutilit, comme en (8), seront plus compliqus que ceux qui
sont ncessaires dans le cas (6).
Nonobstant ces complications ncessaires, nous prsenterons deux
mesures dlasticit, appeles lasticit-parts et lasticit-points, chacune
tant dfinie pour les deux catgories de variables en usage, les variables
continues et les variables auxiliaires Boolennes (dummies). Cette
28
Dans le cas des deux algorithmes P-1 et S-1/S-5 implants dans les procdures PROBABILITY et
SHARE de la Version 2 de TRIO (Gaudry et alii, 1993), la puissance utilise ne peut dpasser 10 en
valeur absolue.

gnralisation des notions dlasticit aux variables catgoriques explicatives

dun modle permet de prsenter lAnnexe 3 des tableaux qui montrent les
lasticits associes toutes les variables explicatives de chaque modle,
quelles soient continues ou Boolennes.
Si nous commenons par les variables continues strictement positives, la
premire mesure dlasticit considrer est celle de llasticit-part
gnralement prsente dans la littrature:
pi X k
(p,X ) = (15-A)
t i k
X k pi
Xkt , pit , Xlt
expression o la ligne verticale signifie que la drive est value au point

X kt pour la variable dintrt Xk et au point t pour les autres variables X t et
pit .
Si on crit au long cette expression, il est prfrable de reconnatre que la
variable dintrt Xk appartient en fait une alternative particulire h et dcrire
le cas gnral qui recouvre les effets propres et croiss comme cas particuliers:
pi Xkh {exp(Vi )[Vi / Xk ]} pi {exp(Vm )[Vm / Xk ]} Xkh

h h
= m
(15-B)
Xhk pi exp(Vm ) pi
m
Xkt , pit , Xlt
o Vm / X kh = 0 , si Xhk est absente de lalternative m h ;

Vm / X kh = r X rm , ( r 1) , si Xhk est spcifique et aussi prsente dans
lalternative m h avec un coefficient r k ;
Vm / X = k X
h
k
m , ( k 1)
k , si Xhk est gnrique et aussi prsente dans
lalternative m h avec un coefficient
commun k ;
Vm / X kh = k X kh , ( k 1) , si m = h et Xhk est gnrique ou spcifique.
On pourrait croire que cette mesure dlasticit-part permet de comparer
divers rsultats publis entre eux, mais ce nest pas le cas : la comparaison na
pas de sens car la variation en pourcentage dune part na de sens quen
rfrence au niveau de rfrence de la part. Imaginons deux tudes qui
trouvent les mmes paramtres, mais o le mode dintrt ait une part de 15%
dans le premier cas A et de 5% dans le second cas B. Une lasticit-part gale
-1,00 dans ltude A sera exactement gale -3,00 dans ltude B, mme si
la variation des points de march induite par la variation de Xk est gale en A et
en B, mais partir dun niveau de rfrence diffrent !
Plutt que de faire une comparaison qui na pas de sens sauf garder en
mmoire les parts en effet une part est un nombre dj normalis (est dj un
pourcentage !) , il est prfrable, pour retrouver le sens original de la mesure

dlasticit dveloppe dans les modles de niveaux, de calculer llasticit-

points de pourcentage qui elle, est strictement comparable entre modles :
pi X k
(p,X ) = (16)
t i k
X k 1
Xkt , pit , Xlt
Enfin, pour les dummies ou variables Boolennes indicatrices, nous

prsenterons aussi deux estims dlasticit-part et dlasticit-point qui
rapportent limpact sur la part de march explique de la prsence de la
variable catgorique. Comme lont montr Dagenais et alii (1987), on peut en
effet calculer une lasticits pour variable dummy partir des expressions
(15) ou (16) elles-mmes en y utilisant simplement pour la variable dummy Xk
sa moyenne chantillonnale (valeurs nulles non comprises).
5. Base de donnes et modle transpyrnen

5.1 Rgion danalyse, zonage et flux modliss
Zone dtude et zonage. La base de donnes est rsume au Tableau 2.

Les donnes 29 routires dsagrges sur les trafics proviennent des 36 280
poids lourds enquts deux points de passage routier et les donnes fer
agrges correspondantes (par O-D, sens, type de trafic et catgorie de
marchandises et ajustes pour exclure le poids des caisses) proviennent des
6 038 enregistrements obtenus aux deux seuls points de passage ferroviaires
ouverts (SES, 1999).
Ces trafics ne comprennent pas les flux fer-camion changeant de mode au
passage de la frontire espagnole pour viter les cots et la perte de temps
supplmentaires lis au changement dcartement ferroviaire. Ce mode aurait
pu tre trait comme un mode part entire si une information fiable avait t
disponible sur le volume total et la rpartition par O-D de ces trafics : il
reprsente entre 3% et 4% du trafic routier transpyrnen, ce qui est
comparable au fer conventionnel. Mais les donnes disponibles ne sont elles-
mmes pas toutes utilises, car notre tude ne sintresse quaux trafics
transpyrnens terrestres entre les 2 pays de la pninsule ibrique et les 14
autres pays europens indiqus au Tableau 2. Les autres trafics
transpyrnens sont donc supprims : ils ont leur origine ou leur destination
ailleurs que dans la zone considre, par exemple entre lEspagne et les Pays
de lEst, ou nont pas leur origine ou destination dans la pninsule ibrique, par
exemple entre la France et le Maroc. Ces suppressions reprsentent 4% des
trafics routiers et 3% des trafics ferroviaires.
29
Nous rsumons les informations dtailles prsentes dans Setec conomie (2004).

Tableau 2. Rgion dintrt, zonage des 16 pays et flux modliss
A. Niveau NUTS et nombre de zones dans les 16 pays

Niveau Nombre Niveau Nombre
Pays Pays
NUTS de zones NUTS de zones
Allemagne 2 38 Italie 2 20
Autriche 2 9 Luxembourg 1 1
Belgique 1 3 Pays-Bas 1 4
Danemark 1 1 Portugal 2 5
Espagne 3 47 Royaume Uni 1
12
Finlande 1 1 Irlande 1
France 3 95 Sude 1 1
Grce 1 2 Suisse 2 7
B. Flux modliss entre les 14 pays et la pninsule ibrique
O\D 14 pays Espagne Portugal Autres pays
Non
14 pays Modliss
modlis non modlis
Espagne
Modliss non modlis
Portugal
Autres pays non modlis non modlis
Figure 3. Zonage NUTS 2 et NUTS 3 du modle transpyrnen en France

Le modle sappuie sur le dcoupage des 16 pays de cette rgion dtude

en 246 zones NUTS 30. On dcle bien au Tableau 2 un codage NUTS 3 pour la
France, NUTS 2 pour le Portugal, lItalie, lAllemagne, la Suisse et lAutriche et
NUTS 1 pour les autres pays. La carte des zones NUTS 2 et NUTS 3 en France
est fournie la Figure 3.
Flux modliss. Les trafics ayant leur origine et destination dans une des
zones indiques en fonc dans la matrice O-D du Tableau 2 sont ensuite lobjet
de la modlisation. Leur rpartition par mode et catgorie NST est indique au
Tableau 3. Nous y avons indiqu en gris les catgories 1, 5, 8 et 9 qui sont
considres comme combinables suite des analyses dtailles des contenus
des caisses qui traversent les Alpes 31. Les catgories 2 et 3 ne sont
transportes que sur route et sont exclues de la modlisation. Les autres
catgories (0, 4, 6 et 7) sont considres comme non combinables mais sont
modlises.
30
La Nomenclature des Units Territoriales Statistiques (NUTS) a t dcide par le projet COST 305
(1988).
31
Il sagit de ltude Alpetunnel (I.T. Ingegneria dei Transporti, 1999). Ici une marchandise est
combinable si sa part de march du trafic ferroviaire international es
t suprieure 10%.

Tableau 3. Trafics transpyrnens 1999 modliss (Milliers de tonnes)
A. Trafics par mode et catgorie NST

Catgorie NST Route Fer Intermodal Total
NST0 : Produits agricoles
49 13 870
et animaux vivants 13 821
NST1 : Denres
alimentaires et fourrages 8 195
71 combinable 8 266
NST2 : Combustibles
0 76
minraux solides 76
NST3 : Produits ptroliers 1 416
0 1 416
NST4 : Minerais et
13 2 636
dchets pour la mtallurgie 2 624
NST5 : Produits
mtallurgiques 4 581
813 combinable 5 394
NST6 : Minraux bruts

ou manufacturs et 3 295
12 3 307
matriaux de construction
NST7 : Engrais 515 18 533
NST8 : Produits
chimiques 8 170
59 combinable 8 228
NST9 : Machines,
vhicules, objets 20 321
1 101 combinable 21 422
manufacturs, etc.
Transport Intermodal
(Combin) Rail-Route
1 685 1 685
Total 63 013 2 135 1 685 66 833
B. Trafics par mode et par pays d'origine ou de destination

au nord des Pyrnes
France Italie Benelux Roy.-Uni Allem/Scan. Suisse Autriche Total
Route 31 835 7 837 7 099 3 365 11 571 641 666 63 013
Fer 1 045 121 155 20 713 22 60 2 135
Tc 170 65 393 327 720 11 0 1 685
Total 33 049 8 023 7 646 3 711 13 003 674 726 66 833
5.2 Spcifications du modle : chantillon et formulation

conomique
Regroupement des flux par catgorie. Comme on ne connat pas les

contenus des caisses du transport ferroviaire combin et que ce mode est un
objet principal de notre tude, on exclut de ltude les catgories NST 2 et 3 qui
nutilisent que la route et on partage les autres catgories entre trafics
combinables et trafics non combinables, avec en tte lide de les expliquer

sparment. Mais pour formuler le modle, il faut que le service soit disponible,
ce qui signifie que tous les trafics combinables ne seront pas traits par
lestimation avec trois modes.
Groupes dobservations utilisables sur les parts. En effet, lchantillon
final retenu prsent au Tableau 4 inclut, pour les trafics combinables, les O-D
o le trafic combin reprsente au moins 1% du trafic total et, pour les trafics
non combinables, les O-D o le trafic ferroviaire reprsente au moins 1% du
trafic total. On souponne en effet les flux trs faibles exclus dtre observs
avec moins de prcision que les flux plus importants 32.
On remarque au Tableau 4 que 749 liaisons O-D sont desservies par les 3
modes et que 182 paires O-D ne sont desservies que par deux modes. Comme
la route est toujours disponible, on peut alors envisager une estimation du
modle avec lchantillon complet de 931 paires O-D ou avec des sous
chantillons de liaisons desservies par la route et un autre mode, le transport
combin (799 observations) ou le fer conventionnel (881 observations), ou par
lun et lautre (749 observations): il y a donc quatre groupes dobservations
utilisables des fins destimation.
Tableau 4. chantillon utilisable et disponibilit des modes
Intersections entre les ensembles de liaisons origine-destination

desservies par chacun des modes
Nombre de paires origine-destination
TC 50 749 = 799
Rte 50 749 132 = 931
Fer 749 132 = 881
On trouvera la Figure 4 la part modale du transport intermodal et

lAnnexe 1 les parts complmentaires de la route et du fer classique pour les
749 observations du Tableau 4.
32
Si cette hypothse est vraie, on aura supprim des observations dont la prsence introduirait un
biais destimation; si elle est fausse, on aura perdu un peu defficacit mais sans introduire de biais.

Figure 4. Part du trafic par transport combin rail-route

et distance routire
1.00
0.80
p Intermodal observ.
0.60
0.40
0.20
0.00
0 500 1000 1500 2000 2500 3000 3500
Distance Route (km )
Les prix reprsents par les cots. Les prix ne nous sont pas connus mais
nous disposons dun calcul des cots par catgorie de marchandise transporte
et par mode. Pour le mode routier, les prix et les cots sont certainement trs
proches cause du caractre concurrentiel de cette industrie : notre mesure
des prix routiers comprend les cots dexploitation et dentretien, de carburant
et des pages. Pour le mode ferroviaire, approximer les prix par les cots
introduit une erreur cause de la prsence de discrimination tarifaire dans cette
industrie : notre mesure des prix ferroviaires est construite pour quatre grands
types de trains (de transport combin, porte-auto, pondreux et conventionnel)
et distingue les caractristiques du parcours, de la conduite du train, du prix de
revient du train, des redevances et cots de passage la frontire franco-
espagnole ainsi que les cots des parcours terminaux routiers et de rupture de
charge rail/route.
Comme ces cots sont spcifiques une catgorie de marchandise, le cot
par origine-destination pour un ensemble de catgories de marchandises est un
cot pondr par les parts de chaque type de marchandise transporter sur
litinraire considr. On trouvera la Figure 5 lindice de prix par tonne-km
calcul pour le transport combin et lAnnexe 1 les indices correspondants
pour la route et le fer classique.

Figure 5. Indice de prix par t-km du transport combin rail-route

et distance routire
0.050
0.048
0.046
P Intermodal
0.044
0.042
0.040
0.038
0.036
0 500 1000 1500 2000 2500 3000 3500
Temps et vitesses par mode. Les mesures du temps de transport rsultent

dun calcul de plus court chemin en fonction des vitesses attribues chaque
catgorie darc. Dans le cas du temps routier, il faut compter les temps de repos
rglementaires ajouts aprs 4h30 et aprs 9 heures de conduite. On trouvera
la Figure 6 lindice de vitesse calcul pour le transport combin et lAnnexe
1 les indices correspondants pour la route et le fer classique.
Figure 6. Indice de vitesse en km/h du transport combin rail-route

et distance routire
31
30
29
28
V Intermodal (km/h)
27
26
25
24
23
22
21
0 500 1000 1500 2000 2500 3000 3500
Formulation des fonctions dutilit. Nous estimerons les paramtres dun

modle de choix modal qui, dans un premier temps, dtermine implicitement ce

qui est conteneuris parce que lchantillon utilis est celui de 749
observations. Dans un second temps, lusage de lchantillon maximal de 931
observations changera le sens des mmes fonctions dutilit, conformment
(14). Les fonctions dutilit retenues comprendront dans tous les cas les mmes
variables :
(i) Prix par tonne-km, Vitesse en km/h, et Distance (routire en

km) sur la liaison. Le Tableau 5 prsente la structure des prix des
fonctions Standard (6) et Gnralise (8) qui seront considres;
(ii) Tonnage total transport par lensemble des modes sur la
liaison O-D. Cette variable de taille est relie la possibilit de
massifier des envois plus importants ou frquents;
(iii) Indicatrices Boolennes de 6 des 15 pays lorigine ou la
destination du flux, reprsentant des spcificits du trafic : Italie,
Belgique ou Luxembourg, Allemagne, Suisse et France. Et comme il ny
a pas de variable qui reprsente leffet frontire entre la pninsule
ibrique et les autres pays, ces variables jouent aussi un rle deffet
frontire diffrenci par rapport celui des 9 autres pays pour lesquels
cette diffrence ne savrera pas significative.
Nos formulations sont usuelles sauf pour le rle des prix : la structure
dajouts successifs dcrite au Tableau 5 nous fera passer dune formulation
diagonale de la matrice des prix dun systme complet de demande une
formulation avec matrice en principe pleine o lutilit des modes nest plus
additive et sparable. En consquence, ds quon ajoutera des termes ceux
de la diagonale, les modes ne seront plus, automatiquement et par
construction, des substituts : la prsence dventuels signes ngatifs hors
diagonale peut rvler lexistence de complmentarit. On peut alors
comparer ainsi des modles embots et tester limportance de sloigner
progressivement de la structure diagonale lasticits croises gales : cest
plus naturel que de construire des structures hirarchiques non embotes et
donc non comparables dont les branches continueraient davoir entre elles
des lasticits croises gales.

Tableau 5. Structure de lusage progressif des variables de prix

A. Modle S-BC
dfini par lusage de la diagonale de la matrice des prix
Fonction dutilit Prix route r Prix intermodal c Prix fer f
(1)
V route r 1Pr
V intermodal c 1Pc(1)
V rail f 1Pf(1)
B. Modle G-BC
avec ajout des premiers substituts ou complments
V route r 1Pr(1) 2Pf(2)
V intermodal c 2Pr(2) 1Pc(1)
(2)
V rail f 2Pr 1Pf(1)
C. Modle G-BC
avec ajout de tous substituts ou complments identifiables
V route r 1Pr(1) 3Pc(3) 2Pf(2)
(2)
V intermodal c 2Pr 1Pc(1) 3Pf(3)
V rail f 2Pr(2) 3Pc(3) 1Pf(1)
Deux questions empiriques sont par ailleurs suscites par ce tableau : celles
de la symtrie de la matrice pleine et celle de lhomognit des fonctions
dutilit enrichies. Sagissant du premier point, notre procdure destimation
slectionne dabord ltape B du Tableau 5 les substituts les plus
importants au sens statistique : la question de la symtrie de la matrice dfinie
ltape C de ce mme tableau se poserait 33 alors ventuellement ex post,
partir des rsultats, et non pas en limposant a priori et ex ante. On peut
imaginer dfinir la symtrie et la tester comme contrainte sur les paramtres ou
leurs combinaisons.
Pour ce qui est du second point, lhomognit de degr 0 exigerait des
valeurs pratiquement gales des lasticits propres entre elles, pour ne rien
dire des lasticits croises : une probabilit de mesure nulle avec des
fonctions de type (8) collant aux donnes hors carcan global priori. Comme
nos rsultats sur la formulation G-BC de type complet C ne seront pas
suffisamment robustes, nous ne poserons mme pas cette seconde question.
On peut penser quelle se poserait avec dautres bases de donnes.
Dans un modle de demande voyageurs, limportance considrable des
temps de transport (ou des vitesses) conduirait aussi logiquement dfinir pour
le temps de transport une matrice analogue celle des prix et se poser son
sujet les mmes questions. Dans lessai cit plus haut (Gaudry and Le Leyzour,
1994), cest le temps de transport par la route qui est lobjet dune analyse
matricielle, les prix nayant dans ce cas aucun rle au del de celui qui est
avr sur la diagonale de la matrice 4x4 dfinie par les 4 modes voyageurs
interurbains.
33
Comme un Logit est un systme dquations individuelles normalises par leur somme, les
questions de symtrie seront plus complexes que celles qui se posent dans un systme dquations
individuelles indpendantes au sens o elles ne sont pas normalises par leur somme.

6. Tests et rsultats
6.1 Variables de rseaux : choix entre formulation usuelle ou
en taux
Formulation : dpenses ou taux ? Un premier ensemble de tests raliss
avec lchantillon trimodal de 749 observations a montr quil y avait un choix
rel faire entre une formulation des variables de rseaux sous la forme
usuelle de dpenses dargent et de temps (Tarif, Temps) et une formulation
sous forme de taux (Prix, Vitesse, Distance 34). Cette dernire rapproche des
fonctions de demande microconomiques car la variable de distance joue alors
un rle analogue celui du revenu dans les systmes de demande (Dagenais
and Gaudry, 1986) ; du point de vue statistique, on suppose que la vraie
distance gale la distance routire plus une erreur de type Berkson (1950), ce
qui permet dutiliser la mme mesure de distance pour tous les modes.
Mais ce choix entre formulations ne se pose que si les fonctions dutilit de
type (6) ne sont pas logarithmiques : autrement, les vraisemblances des
observations sont identiques pour les deux formulations et on peut prdire la
valeur des coefficients de la premire formulation (Tarif, Temps) en
recombinant les valeurs estimes des coefficients obtenus pour la seconde
(Prix, Vitesse, Distance). Dans notre cas, les rsultats des deux formulations
rvlrent des formes trs loignes du cas logarithmique, mais les rsultats de
la formulation en taux taient suprieurs tous gards (log-vraisemblance 35,
signes et colinarit) ceux de la formulation en dpenses.
Prsentation des rsultats. Nous tirerons divers rsultats des tableaux
interactifs Tablex produits par TRIO, le logiciel utilis. La structure dtaille des
ditions Tablex est dcrite lAnnexe 2 en introduction aux ditions retenues :
le contenu dune dition particulire est dcid la carte par lusager.
Pour vrifier ou complter nos choix faits dans cette annexe, il est important
de remarquer ici que la structure dune dition Tablex comprend trois parties,
dnotes I, II et II, et que leurs enttes en rsument les contenus respectifs :
I. La Partie I contient : les coefficients de rgression k, leurs statistiques t,
diverses lasticits, un rappel (G) de la prsence dune contrainte de
gnricit si le coefficient k propre une variable est utilis pour
lensemble des modes ou un indicateur (S) de spcificit sil ne
34
En labsence de mode fluvial ou maritime, les distances mesures par les divers modes terrestres
sont quivalentes toutes fins utiles de modlisation : des tests de spcificit des coefficients ont
confirm que lusage de la distance routire nintroduit aucun biais destimation.
35
On peut traiter ce choix entre modles non embots de manire rigoureuse. On construit alors
un pseudo modle par lunion des deux modles concurrents, ce qui permet de traiter chacune des
formulations concurrentes comme un cas particulier embot de linvraisemblable formulation
unitaire combine. En pratique, comme on connat dj les vraisemblances des deux modles
particuliers, le recours au calcul de la vraisemblance du modle combin est de peu dintrt. Plus
importante peut-tre que la vraisemblance, la colinarit doit naturellement tre prise en compte
dans ce choix entre modles.

sapplique que pour un mode, et un identifiant (LAM1,, LAM4) de la

transformation Box-Cox applique la variable.
II. La Partie II prsente les valeurs, estimes ou fixes, de ces transformations
et leurs propres statistiques t calcules par rapport au cas logarithmique
[0] et linaire [1].
III. La Partie III contient les statistiques gnrales associes chaque modle
prsent sur une colonne : on y appelle Variante un modle particulier.
6.2 tapes de la gnralisation

Du logit LIN-S au logit BC-G. La formulation en taux tant choisie, on peut
mesurer au Tableau 6 les gains en vraisemblance encourus suite aux
gnralisations successives dont chacune comprend les prcdentes comme
cas particulier embots : le nombre de degrs de liberts (D.L.) sacrifis
chaque tape est identifi la dernire ligne du Tableau.
Tableau 6. Log vraisemblances du Logit Linaire au Logit Box-Cox

Standard et Gnralis
1 (Modle 58) 2 (Modle 59) 3 (Modle 60) 4 (Modle 61) 5 (Modle 62)
Linaire Box-Cox Box-Cox Box-Cox Box-Cox
Standard Standard Standard Gnralis Gnralis
1 prix 1 prix 1 prix 1 prix

propres = propres = propres = propres =
-1.75 -1.83 -1.70 -1.89
=1 3 prix croiss 3 prix croiss

= -6.27 = 1.05
4 prix croiss
= -0.16
2 distance = 2 distance = 2 distance =
6.49 6.27 6.92
-2581.502 -2550.301 -2535.256 -2524.557 -2510.918
D.L. = 0 D.L. = 1 D.L. = 2 D.L. = 4 D.L. = 6
(Rfrence)
Les premiers gains en vraisemblance, en passant du modle linaire

classique (Colonne 1) au modle Box-Cox Standard avec une transformation
sur les prix propres (Colonne 2), sont normes (pour une perte dun seul degr
de libert) ; si ajoute cette dernire variante une transformation sur la distance
(Colonne 3), les gains supplmentaires sont trs importants. Enfin, le passage
au modle Box-Cox Gnralis (Colonne 4), avec deux transformations
associes respectivement aux prix propres et la premire tranche de prix
croiss conformment la ligne B au Tableau 5, engendre des gains trs
significatifs ; le passage une matrice de prix pleine (Colonne 5), suivant la
ligne C du Tableau 5, engendre des gains encore plus importants. Pour plus de

dtails, on consultera lAnnexe 3.

lasticits-points et statistiques t conditionnels des coefficients. Mais
quels sont les impacts de ces transformations sur la signification statistique des
coefficients importants ? Le Tableau 7 tire notamment de la partie I de lAnnexe
3 les lasticits-points propres et croises et les t de Student (conditionnels 36
aux valeurs estimes des transformations Box-Cox) des coefficients k. Le
lecteur intress des valeurs plus prcises de ces coefficients k ou aux
lasticits-parts traditionnelles prfrera ldition du Tablex de lAnnexe 6 qui
met laccent dans la Partie I sur ces deux statistiques.
Si nous montrons au Tableau 7 les lasticits plutt que les coefficients,
cest parce que ces derniers sont difficilement interprtables intuitivement : la
signification statistique ne renseigne pas sur la pertinence conomique et le
caractre, raisonnable ou pas, dun coefficient k. Par exemple, on constate
bien au Tableau 7 que, mme sils sont significatifs, les coefficients des prix du
modle Linaire Standard impliquent des lasticits (Colonne 1) qui sont plus
faibles que celles que lon trouve ds quon introduit la non linarit dans les
colonnes suivantes (Colonne 2 et suivantes) o les coefficients des prix propres
sont encore plus significatifs. Difficile de faire un choix sans tenir compte et de
la signification statistique et de la taille des lasticits : elles jouent un rle de
filtre puissant du caractre raisonnable dun rsultat.
36
On peut toujours se fier au test des rapports de vraisemblance, mais pas toujours aux valeurs des
t de Student calculs ici seulement partir des drives premires par la mthode de Berndt et alii
(1974), mthode qui peut savrer approximative dans certains cas.

Tableau 7. lasticits-points de la demande par mode

et t de Student des coefficients
1 (Modle 58) 3 (Modle 60) 4 (Modle 61) 5 (Modle 62)

Route
Prix -0,382 -0,523 -0,572 -0,489

Routier (-7,50) (-10,98) (-11,83) (-8,18)
Prix 1,16
intermodal (-11,05)
Prix 0,079 0,227
ferroviaire (-4,72) (-10,88)
Vitesse 0,132 0,153 0,149 0,103

routire (-2,54) (-3,41) (-3,37) (-2,20)
Intermodal Combin Rail-Route
0,441 0,383
Prix
routier (-4,72) (-10,88)
Prix -0,194 -0,984 -1,232 -1,233

intermodal (-7,50) (-10,98) (-11,83) (-8,18)
Prix -0,145
ferroviaire (-9,55)
Vitesse 0,09 0,105 0,103 0,072

intermodale (-2,54) (-3,41) (-3,37) (-2,2)
Distance -0,018 -0,041 -0,047 -0,037

par route (-0,48) (-5,74) (-6,16) (-6,08)
Trafic 0,02 0,018 0,018 0,02
tous modes
(-3,3) (-3,01) (-3,07) (-3,15)
Rail
Prix 0,131 0,106
routier (-4,72) (-10,88)
Prix 0,068
intermodal (11.05)
Prix -0,137 -0,093 -0,12 -0,082
ferroviaire (-7,50) (-10,98) (-11,83) (-8,18)
Vitesse 0,032 0,036 0,035 0,023
ferroviaire (-2,54) (-3,41) (-3,37) (-2,2)
Distance -0,006 -0,012 -0,014 -0,01
par route (-0,48) (-5,74) (-6,16) (-6,08)
Trafic 0,006 0,005 0,005 0,006
tous modes (-3,3) (-3,01) (-3,07) (-3,15)
Quarrive-t-il quand on ajoute une premire tranche de prix de substituts ou

complments ? On constate que les lasticits doublement encadres (Colonne

4) de la demande ces premiers prix des substituts, sont toutes plus faibles
que les lasticits propres, sauf dans le cas du fer classique o on trouve une
valeur gale celle de llasticit propre. Lajout dune seconde tranche de prix
substituts dans les trois fonctions dutilit produit pour ces variables les rsultats
surligns en gris (Colonne 5) ; llasticit leve du prix intermodal dans la
fonction dutilit de la route est cause par un indice de colinarit leve, ce
qui fait que ces rsultats de la Colonne 5 sont gnralement moins robustes
que ceux de la Colonne 4 ; par ailleurs, le signe ngatif du prix intermodal dans
la fonction dutilit du rail classique suggre que ces deux modes sont
complmentairesnous y reviendrons.
On constate aussi que les lasticits par rapport la vitesse ne sont pas
ngligeables 37, mme si elles sont plus faibles que les lasticits-prix propres.
Enfin, sagissant des variables dont les coefficients sont en diffrence par
rapport ceux du mode routier, les 5 variables catgoriques visant des
spcificits inexpliques des marchs O-D avec 6 pays 38 rduisent, comme
dailleurs la distance 39, les parts de march des deux modes ferroviaires (par
rapport au mode routier) mais la possibilit de massification associe un
trafic total lev les augmente quelque peu (par rapport au mode routier). Si,
une fois pris en compte le prix et la vitesse, leffet diffrenci de la distance
ferroviaire (par rapport celui de la route) est bien ngatif, son lasticit est par
contre trs faible.
Du Box-Cox Logit Standard au Gnralis : vers un systme complet de

demande. La signification statistique des paramtres tant tablie, en quoi
lajout de prix de substituts change-t-il notre comprhension, mesure que la
gnralisation nous conduit progressivement vers un systme complet de
demande ? Pour rpondre cette question, reprenons au Tableau 8 la structure
du Tableau 4 en y insrant les lasticits-points des prix pour lensemble des
modles, y compris pour le modle (59) absent au Tableau 7 (mais rapport
lAnnexe 3).
On y remarque, en passant de (A) (B), que lajout dune transformation
Box-Cox sur les prix propres en diagonale a un effet important sur les
lasticits-points rapportes mais que lajout en (C) dune seconde
transformation sur la distance na pas deffet. Par ailleurs, lajout dans un
premier temps en (D) des trois prix croiss des alternatives les plus importantes
(au sens statistique) la formulation (C) ne rvle aucune prsence de
complmentarit puisque tous les signes hors diagonale sont tous positifs.
37
Lajout dune transformation Box-Cox sur la vitesse ne donnait pas de gains significatifs, la
fonction tant plate.
38
Supprimer ces 5 variables spcifiques de la fonction dutilit du transport combin et les 6
variables semblables de la fonction dutilit du transport par rail fait chuter la log-vraisemblance de
273 points dans le cas du modle (58) et de 163 points dans le cas des modles (59) et (60); dans
les trois cas, cette suppression rend positif le coefficient diffrentiel de la Distance. Il est donc clair
que ces marchs ont des caractristiques particulires prises en compte par les 11 variables
catgoriques ou impliquent des effets-frontire particuliers.
39
Nous navons pas russi identifier pour la route un effet de la Distance qui lui serait spcifique.

Par contre, si la matrice des prix est pleine en (E), on constate parmi les
nouveaux rsultats la prsence de complmentarit dans la dtermination de
lutilit du transport combin : son lasticit prix croise par rapport au prix du
fer classique est de -0,145, cest dire de mme signe que son lasticit prix
propre de -1,233. On peut penser que, puisque le transport intermodal combine
le fer et la route, la complmentarit constate est raisonnable malgr que la
rciproque ne soit pas vraie : cette lasticit croise est bien positive et gale
0,068. Le fer est complmentaire du combin intermodal, mais pas linverse. On
remarque aussi en (E) que les deux autres prix ajouts par rapport (D), ceux
du transport intermodal dans les fonctions pour la route et le rail classique,
indiquent quant eux des effets de substitution puisque leurs coefficients sont
positifs comme le sont tous les cas hors-diagonale en (D).
Tableau 8. Systme complet de demande et robustesse des lasticits-points
A. Modle (58) Logit Linaire

Fonction V Prix route r Prix intermodal c Prix fer f
V route r - 0,382
V intermodal c - 0,194
V rail classique f - 0,137
B. Modle (59) Box-Cox Logit Standard avec une transformation
V route r - 0,517
C. Modle (60) Box-Cox Logit Standard avec deux transformations
V route r - 0,523
D. Modle (61) Box-Cox Logit Gnralis avec premiers substituts ou complments
V route r - 0,572 0,079
V intermodal c 0,441 - 1,232
V rail classique f 0,131 - 0,120
E. Modle (62) Box-Cox Logit Gnralis avec tous les substituts ou complments
V route r - 0,489 1,165 0,227
V intermodal c 0,383 - 1,233 - 0,145
V rail classique f 0,106 0,068 - 0,082
Note : les six cellules doublement encadres et aux valeurs en italiques sont les
mmes quau Tableau 7.
Au Tableau 8, la seule lasticit tonnante est, en (E), llasticit de la

demande routire par rapport au prix du transport combin : elle est en effet
plus leve en valeur absolue (1,165) que llasticit propre (-0,489). Nous
avons mentionn plus haut que la cause de cette valeur leve tait la multi -

colinarit 40 interne la fonction dutilit de la route et qui rend peu robustes les
rsultats du modle (62) le plus gnral.
On se rappelle que les lasticits prix, les lasticits-parts calculables par la
formule (15) ou les lasticits-points calculables par la formule (16), font
intervenir ce prix o quil apparaisse dans lensemble des fonctions dutilit du
modle et sont le rsultat dun calcul complexe. Explicitons par exemple, dans
le cas du modle (62) qui est le plus gnral, le calcul de deux des valeurs
rapportes au Tableau 8, celles de llasticit propre -0,489 et de llasticit
croise 0,227 de la demande routire. Lusage de la formule (16) conduit, pour
llasticit directe ou propre par rapport au prix de la route, lexpression
suivante value la moyenne des variables de prix:
1-1 1-1 2-1 3-1
(pr, Pr) = {[1Pr (pr 1Pr +pc 2Pr + pf 3Pr )]Pr}pr=-0,489 (17-A)
comme on peut le constater en la drivant explicitement de (15-B) multiplie par

p r:

pr exp Vr Vr exp Vm Vm
( pr , Pr ) = Pr = pr Pr
Pr
m
exp Vm Pr m exp Vm Pr
m
(
= pr 1 Pr1 1 pr pr 1 Pr1 1 + pc 2 Pr2 1 + p f 3 Pr3 1 Pr)
( )
= 1 Pr1 1 pr 1 Pr1 1 + pc 2 Pr2 1 + p f 3 Pr3 1 Pr pr = 0, 489
o m = 1 pour Route, 2 pour Combin et 3 pour Fer daprs lordre de

prsentation des Vm dans les tableaux 5 et 8. Cette formule se rduit
lexpression usuelle de llasticit-point propre si le prix routier est absent des
fonctions dutilit des autres modes, comme dans le modle (59):
1-1 1-1
(pr, Pr) = {[1Pr (pr 1Pr )]Pr}pr ={1Pr 1(1 pr )]}pr . (17-B)
Le calcul de llasticit croise par rapport au prix du fer est:

3-1 2-1 3-1 1-1
(pr, Pf) = {[3Pf (pc 2Pc +pf 3Pf + pr 1Pr )]Pf}pr = 0,227 (18-A)
comme on peut le constater en la drivant explicitement de (15-B) multiplie par

p r:
40
Cette colinarit est mesure par lanalyse de lvolution des indicateurs conditionnels de
Belsley et alii (1980) qui dpendent des units de mesure (Erkel-Rousse, 1995) mais dont la
variation entre deux variantes est rvlatrice. Quand on compare les indices des modles (62) et
(61), on constate une hausse trs importante de lindice, ce qui rend le modle (62) suspect et
suggre lintrt ventuel danalyses plus pousses de ses variables.


pr exp Vr Vr exp Vm Vm
( pr , Pf ) = Pf = pr Pf
Pf
m
exp Vm Pf m exp Vm Pf
m
( )
= pr 3 Pf3 1 pr pr 1 Pf1 1 + pc 2 Pf2 1 + p f 3 Pf3 1 Pf
( )
= 3 Pf3 1 pr 1 Pf1 1 + pc 2 Pf2 1 + p f 3 Pf3 1 Pf pr = 0, 227
o m = 1 pour Route, 2 pour Combin et 3 pour Fer daprs lordre de

prsentation des Vm dans les tableaux 5 et 8. Cette formule se rduit aussi
lexpression usuelle de llasticit-point croise si le prix ferroviaire nest prsent
que dans la fonction dutilit du fer, comme dans le modle (59) :
1-1
(pr, Pf) = {( pf 1Pf )Pf}pr = {( pf ) 1Pf 1}pr (18-B)
Impact de labsence du mode fer-camion. En quoi les lasticits des

Tableaux 7 et 8 sont-elles influences par labsence du mode fer-camion du
modle ? Dans lAnnexe 4, nous montrons que les lasticits propres du fer
classique indiques aux Tableau 7 et 8 sont surestimes d peu prs 6% si on
suppose que le mode fer-camion et le mode fer classique sont assimilables. La
preuve repose sur la dmonstration du fait que, si lchantillon endogne est
non biais, seules les constantes 41 modales dun modle Logit sont affectes
(Manski and Lerman, 1977) lors de lestimation, et le sont dune manire qui
peut tre corrige ex post si on connat le rapport entre la population enqute
et la population en gnral.
Usage des liaisons mode manquant. Nous avons aussi test leffet de
lusage de lchantillon global de 931 observations dcrit au Tableau 4 en
estimant les paramtres selon la procdure Berkson-Theil itre expose plus
haut : choix dun mode de rfrence et itration jusqu convergence.
Les rsultats sont dtaills lAnnexe 5 dans une dition du Tablex dont la
Partie I prsente les lasticits-points directes et croises. Dans un premier
temps, nous imposons dans le systme dquations (11), avec le mode routier
en rfrence, une matrice scalaire au modle (60) afin de constater leffet de
cette contrainte 42 sans changer la taille et la nature de lchantillon : la
vraisemblance du modle rsultant (63) est alors de -2601,958, une baisse
considrable puisque celle du modle (60) tait de -2535,256. Dans un second
temps dfini par le modle (50), nous ajoutons aux 749 observations de la
formulation (63) les 182 observations pour lesquelles un des modes nest pas
41
Ce rsultat, qui dpend en fait des proprits des exponentielles utilises dans le Logit, est sans
doute lun des rsultats les plus utiles de lconomtrie depuis 30 ans : il permet des rductions
dramatiques des cots denqute si le modle vis est un Logit : en effet, il nest pas valable si le
modle vis est, par exemple, un Probit, un modle Arc Tangente ou un modle de Probabilit
Linaire.
42
Cet exercice nest pas ralisable avec le modle (38) parce que les variables de prix croises
ne seront pas toutes disponibles dans lchantillon largi 931 observations.

disponible. On constate lAnnexe 5 que cet ajout modifie de 0% 30% les

coefficients du modle original (60), mais sans trop changer lallure des
rsultats.
Mais les coefficients alors estims dans les modles (63) et (50) ne sont
plus ceux du modle (6) ou (8) annonc, mais ceux du modle (9) entendu au
sens littral car la matrice est scalaire en (11) : ils ont alors un sens reli au
mode de rfrence choisi. Lequel prcisment? Comme notre chantillon
complet ne comporte quun seul mode commun, la route, les nouveaux
coefficients obtenus doivent tre littralement compris comme exprimant des
r
effets relatifs ceux des caractristiques de la route. Il va sans dire que de tels
rsultats peuvent tre utiles si on dispose de relativement peu dobservations
comprenant tous les modes et de beaucoup dobservations mode
manquant . Ce nest pas notre cas, mais il est quand mme intressant de
comparer le modle (60), dont la matrice est pleine et les rsultats sont
invariants au mode de rfrence choisi, aux rsultats plus limits des modles
(63) et (50) interprtables par rapport au mode de rfrence choisi.
7. Comportement en prvision de la forme linaire et

des formes non linaires
Ajuster et prdire. Cest une chose de montrer que lajustement non
linaire est plus raisonnable thoriquement et rend mieux compte des
observations que lajustement linaire, mais cest une autre chose de faire des
affirmations gnrales sur le comportement en prvision des gnralisations
utilises ici.
Quels modles comparer ? Nos gnralisations sont de deux ordres, dans
la mesure o, dans le format S-BC, lusage de formes non linaires appliques
au modle usuel (prix propres sur la diagonale de la matrice des prix et niveaux
de service propres sur la diagonale de la matrice des niveaux de service) diffre
profondment de celui dun modle universel de format G-BC (comprenant prix
croiss ou niveaux de service croiss hors diagonale). On comparera donc au
modle Linaire (58) le comportement du modle Box-Cox Standard (60) 43 et
le comportement du modle Box-Cox Gnralis (61) 44 : ces derniers se
distinguent radicalement entre eux par des proprits opposes du point de vue
de lutilit sparable et additive et de ladmission de complments.
Mais quel comportement de prvision considrer ? Leffet du prix du
transport combin. Nous dirons par simulation quelque chose du
comportement en prvision en examinant deux indicateurs de diffrence entre
les formulations LIN, S-BC et G-BC: la premire est celle des diffrences entre
les lasticits-points propres et croises calcules pour toutes les
43
On constate au Tableau 8 quil ny a pas beaucoup de diffrences entre les variantes (59) et (60)
du S-BC.
44
Mme si au Tableau 8 les variantes (61) et (62) donnent des rsultats proches, la fragilit de la
fonction dutilit de la route de ce dernier modle est trop grande pour tre nglige dans une tude
du comportement en prvision.

observations de lchantillon lors dune hausse du prix du transport combin;

ces premires diffrences entre les lasticits par rapport au prix intermodal
seront illustres par des graphes qui ordonneront les diffrences dintrt par
rapport au prix du transport intermodal ou combin lui-mme.
La seconde est lapplication de ces lasticits-points un cas particulier,
celui de leffet propre ou crois sur la part modale dune baisse de 10% du
prix du transport combin pour tous les points de lchantillon. Nous
illustrerons ces dernires diffrences de comportement calcules entre les parts
prdites par des graphes de 749 observations qui ordonneront les rsultats par
observation en fonction de la distance routire plutt que du prix de ce transport
intermodal.
Simuler ou utiliser des proprits analytiques ? Aprs avoir fait ces
constats sur les deux indicateurs obtenus par simulation, nous tenterons de
caractriser analytiquement les diffrences de comportement en prvision des
indicateurs dintrt : nous rsumerons brivement le contenu de lAnnexe 9 qui
tente de donner une explication analytique de ce que nous aurons constat des
diffrences simules en prvision.
7.1 Les lasticits comme rsum de comportement

Si les lasticits values en un point reprsentatif, par exemple la
moyenne de lchantillon, constituent un moyen privilgi de comparer deux
modles, notre intrt ici exige plutt de comparer leurs valeurs en tous points
de lchantillon, car les expressions (15) ou (16) varient bien de point en point,
cest--dire entre les paires origine-destination. En consquence, on compare
alors la Figure 7 les lasticits-points du transport combin des modles
S-BC 60 et G-BC 61 celles du modle LIN 58.
Comme ces lasticits sont ngatives, constater une diffrence ngative
entre elles signifie que les lasticits du nouveau modle S-BC 60 ou G-BC 61
sont plus grandes en valeur absolue que les lasticits du modle LIN 58.
On constate la Figure 7 que lusage des transformations de Box et Cox
implique des lasticits par rapport au prix plus fortes en valeur absolue lorsque
les prix du mode combin sont faibles et que cette diffrence samenuise
mesure quaugmente ce prix jusqu 0,05 Euro par tonne-km. On constatera
naturellement lAnnexe 7 un comportement tout fait complmentaire des
lasticits des parts routire et ferroviaire.
7.2 Leffet sur les parts prdites suite une modification des prix
Quarrivera-t-il si on baisse le prix du transport combin de 10% ? On constate
la Figure 8 que les modles S-BC et G-BC prdisent tous deux des gains de
part de march gnralement plus grands pour les paires origine-destination
pour lesquelles le prix par tonne-km est faible que pour celles dont ce prix est
plus lev : lallure triangulaire des diffrences de parts prdites est trs claire.
On peut tudier ces rsultats en cherchant analyser ces effets par rapport
la distance routire. On constate la Figure 9 que les modles S-BC et G-BC

prdisent en fait tous deux des gains de part de march gnralement plus
grands pour les paires origine-destination impliquant des distances
intermdiaires.
Figure 7. lasticits-points propres de la part modale
par rapport au prix du combin
A. Diffrence entre celles du modle
Box-Cox Standard 60 et celles du modle Linaire 58
0.00
-0.10
Diff. Elast.-Point p Intermodal (60 - 58)
-0.20
-0.30
-0.40
-0.50
-0.60
-0.70
-0.80
0.036 0.038 0.04 0.042 0.044 0.046 0.048 0.05
P Intermodal
B. Diffrence entre celles du modle

Box-Cox Gnralis 61 et celles du modle Linaire 58
0.00
-0.10
Diff. Elast.-Point p Intermodal (61 - 58)
-0.20
-0.30
-0.40
-0.50
-0.60
-0.70
-0.80
0.036 0.038 0.04 0.042 0.044 0.046 0.048 0.05
P Intermodal

Figure 8. Diffrences entre les parts propres prdites

suite une baisse de 10% du prix du transport intermodal ou combin
par rapport au niveau de ce prix
A. Diffrence entre les parts prdites des modles Box-Cox Standard 60 et Linaire 58
0.50
0.40
Delta p Intermodal = (60 sim. - 58 sim.)

0.30
0.20
0.10
0.00
-0.10
-0.20
-0.30
-0.40
0.035 0.036 0.037 0.038 0.039 0.04 0.041 0.042 0.043
Prix Intermodal
B. Diffrence entre les parts prdites des modles Box-Cox Gnralis 61 et Linaire 58
0.50
0.40
0.30
0.20
0.10
0.00
-0.10
-0.20
-0.30
-0.40
0.035 0.036 0.037 0.038 0.039 0.04 0.041 0.042 0.043
Prix Intermodal

Figure 9. Diffrences entre les parts propres prdites

suite une baisse de 10% du prix du transport intermodal ou combin par
rapport la distance
A. Diffrence entre les parts prdites des modles

Box-Cox Standard 60 et Linaire 58
0.50
0.40
0.30
0.20
0.10
0.00
-0.10
-0.20
-0.30
-0.40
0 500 1000 1500 2000 2500 3000 3500
B. Diffrence entre les parts prdites des modles

Box-Cox Gnralis 61 et Linaire 58
0.50
0.40
0.30
0.20
0.10
0.00
-0.10
-0.20
-0.30
-0.40
0 500 1000 1500 2000 2500 3000 3500
Cette faon de visualiser les rsultats prcdents donne un nuage de points

dont la forme ne surprendra gure si on se rappelle qu la Figure 4 le prix
intermodal par tonne-km a une distribution approximativement normale par
rapport la distance routire. Comme il est clair la Figure 8 que ce sont les

prix bas qui impliquent les plus grands impacts de la non linarit, leffet par
rapport la distance routire montr la Figure 9 dpend de la frquence
relativement leve des prix de niveau moyen dans le domaine des distances
intermdiaires.
Il est donc clair la Figure 9 que, dans cet chantillon, cet effet en U
renvers implique que les modles non linaires calculeront des variations de
parts de march aux extrmits de lchantillon des distances parcourues par
les flux plus faibles que celles qui sont prdites par le modle linaire. Cette
diffrence qui change de signe la premire fois aprs une certaine distance
relativement faible a des implications considrables pour les prvisions de
recettes, car le flux total par lensemble des modes de transport dcrot
gnralement plus vite que la distance.
Ainsi Deepack et Laferrire (1994) avaient-ils montr que leurs prvisions S-
BC impliquaient des recettes infrieures celles du modle LIN (embot) dans
le cas dun TGV entre Qubec et Windsor. Mandel et alii (1997) avaient
constat la mme chose en faisant des prvisions des parts de march du train
rapide ICE allemand (aprs insertion des niveaux de service amliors pour le
train) avec un modle multinomial 3 modes de formulation S-BC (qui
comprenait une transformation Box-Cox estime gale 0,25 applique au cot
et au temps de transport). Le graphe des diffrences entre leurs prvisions S-
BC et les prvisions LIN avait aussi cette allure dun U renvers : le modle
Box-Cox prdisait des parts de march du train ICE plus faibles en de de 150
km mais plus grandes au-del et cette diffrence entre les deux prvisions
atteignait un maximum vers 650 km avant de dcrotre.
7.3 Peut-on prdire lvolution de la diffrence entre deux

prvisions?
Nous avons obtenu ces diffrences de comportement en prvision des
modles par simulation. Toutefois, la frquence croissante dutilisation des
modles Logit non linaires exige de poser analytiquement la question du
comportement en prvision des deux modles qui diffrent par leur forme
fonctionnelle. En particulier, on peut se demander si, en sloignant de la
linarit, on obtient toujours pour la diffrence entre deux prvisions une courbe
en U renvers qui implique deux changements de signe de la diffrence entre
les prvisions 45 et un maximum de cette diffrence.
Comme un modle probabiliste est en fait un systme dquations associes
chacune une alternative et dont le dnominateur est normalis par la somme
des fonctions individuelles, il est plus facile de comprendre dabord le
comportement en prvision dune quation de NIVEAUX classique avant de
poser le problme dans les modles de PROBABILITS ou de PARTS car,
dans ces derniers cas, les variables dintrt comme les prix apparaissent non
45
En France, des prvisions S-BC des clientles prvisibles dOrly-Val impliquaient aussi en aot
1987 des frquentations plus faibles que celles qui taient prdites par la forme linaire du mme
modle Logit, mais elles nont t ni publies ni retenues.

seulement au numrateur de la fonction explicative de loccurrence dune

alternative mais aussi au moins une fois au dnominateur du modle, dans la
somme normalisatrice.
Nous verrons au Tableau 9 que les diffrences entre deux modles non
inaires qui nous intressent, celle dune variable dpendante et celle de son
lasticit lors de changements dune variable explicative comme un prix,
conduisent des solutions calculables analytiquement dans le cas de modles
de niveaux mais des solutions calculables seulement numriquement dans le
cas des modles probabilistes. Les quations cites dans ce Tableau 9 sur les
points de croisement, de retournement et dinflexion des diffrences entre
deux variables dpendantes ou deux lasticits propres ou croises sont celles
de lAnnexe 9.
Modles de niveaux. Sagissant de modles de niveaux, on sintresse deux
modles 1 et 2 estims avec le mme nombre de variables indpendantes
(pour allger la notation) et avec des contraintes diffrentes sur les des deux
modles :
Y1n = 10 + 1k X kn( 1k ) + u1n (19.1)
k
et Y2 n = 20 + 2 k X kn( 2 k ) + u2 n (19.2)
k
o k = 1, K variables, n = 1, N observations, 10 , 1k et 1k sont les

paramtres associs au modle 1, et 20 , 2k et 2k sont les paramtres
associs au modle 2.
i) Diffrence entre niveaux suite une variation dune variable

explicative X qn
On sintresse en premier lieu Yn , la diffrence entre les parties fixes

(c..d. les membres droits des quations de rgression sans les termes derreur
u1n et u2 n ) des deux modles :

Yn = 20 + 2 k X kn( 2 k ) 10 + 1k X kn( 1k ) , (20)
k k
diffrence dont on veut tudier les points de croisement, de retournement et
dinflexion de la courbe trace en fonction dune variable X qn qui apparat dans
les deux modles. On constate au Tableau 9 que des solutions analytiques
existent dans tous les cas sauf un pour lequel il ny a en gnral que de
solutions numriques.
ii) Diffrence entre les lasticits-points de niveaux par rapport une

variable explicative X qn

On sintresse en second lieu Dn ( X qn ) , la diffrence entre les lasticits-

points, c..d. la diffrence des drives associes aux modles 2 et 1,
multiplies par X qn :
Y Y
Dn ( X qn ) = 2 n 1n X qn = 2 q X qn2 q 1q X qn1q , (21)
X
qn X qn
o on remarque que cette diffrence ne dpend que de X qn (tous les autres X

ayant disparu au cours de la drivation). Le Tableau 9 signale que des solutions
analytiques existent dans tous les cas.
Modles probabilistes ou de parts : le cas Box-Cox Logit Standard.

Sagissant des modles probabilistes ou de parts de type Logit, on sintresse
comme en (1) et (6) plus haut p1in et p2in , respectivement les parts estimes
dans les modles 1 et 2 avec le mme nombre de variables indpendantes
(pour allger la notation) mais avec des contraintes diffrentes sur les
paramtres des transformations de Box-Cox sur les variables indpendantes
dans les deux modles :
exp V1in
p1in = (22)
exp V1mn
m
exp V2in
et p2in = (23)
expV2mn
m
o i, m = 1, M alternatives , n = 1, N observations, p1in ,V1in et V1mn sont

associs au modle 1 et p2in , V2in et V2 mn sont associs au modle 2; par
ailleurs, les composants de lutilit reprsentative V1in et V2 in ont les formes
suivantes :
V1in = 1io + 1ik X 1(ikn
1ik )
(24)
k
et V2in = 2io + 2ik X 2( ikn2 ik ) (25)

k
o k = 1, K variables indpendantes, ( 1i 0 , 1ik ,1ik ) et ( 2 i 0 , 2 ik ,2 ik ) sont

les paramtres associs aux modles 1 et 2 respectivement. Par convention, la
dernire alternative M est utilise comme alternative de rfrence pour
laquelle la constante est omise dans chaque modle.
i) Diffrence entre parts suite une variation dune variable explicative

prsente en i

On sintresse en premier lieu la diffrence des parts estimes, associes

aux modles 2 et 1. Deux cas sont considrer, soit le cas propre ou direct
de la courbe pin trace en fonction dune variable X 1iqn = X 2 iqn = X iqn
commune aux deux modles et qui napparat que dans lalternative i :
exp V2in exp V1in
pin = p2in p1in =
exp V2mn expV1mn
m m
(26)
et le cas crois ou indirect de la courbe p jn ( j i ) trace en fonction dune

variable X 1iqn = X 2 iqn = X iqn commune aux deux modles et qui napparat
que dans lalternative i :
exp V2 jn exp V1 jn
p jn = p2 jn p1 jn =
exp V
m
2 mn exp V
m
1mn (27)
ii) Diffrence entre les lasticits-points des parts par rapport une
variable explicative prsente en i
On sintresse en second lieu la diffrence des lasticits-points qui est
dfinie comme la diffrence des drives premires des parts estimes,
associes aux modles 2 et 1 par rapport X iqn , multiplies par X iqn . Deux
cas sont considrer, soit le cas propre de la courbe Din X iqn ( ) trace en
fonction dune variable X 1iqn = X 2 iqn = X iqn qui est commune aux deux
modles et qui apparat seulement dans lalternative i :
pin p p
Din ( X iqn ) = X iqn = 2in 1in X iqn .
X iqn X
iqn X iqn (28)
et le cas crois de la courbe D jn ( X iqn ) ( j i ) trace en fonction dune

variable X 1iqn = X 2 iqn = X iqn commune aux deux modles et qui napparat
que dans lalternative i :
p jn p2 jn p1 jn
D jn ( X iqn ) = X iqn = X iqn .
X iqn X iqn X iqn
(29)

Tableau 9. tude de la diffrence entre les variables dpendantes prdites et

entre leurs lasticits-points calcules soit par deux modles classiques de
niveaux ou par deux modles Logit de parts aux formes Box-Cox distinctes
entre variables dpendantes entre

Diffrence
prdites lasticits-points calcules
Modles de NIVEAUX Box-Cox
Yn propre Dn ( X qn ) propre
Point de Yn = 0 Dn ( X qn ) = 0
croisement Solution Numrique (9.3)* Solution Analytique (9.12)
Point de Yn / X qn = 0 Dn ( X qn ) / X qn = 0
retourneme
nt Solution Analytique (9.7) Solution Analytique (9.14)
Point
2 Yn / X qn2 = 0 Dn ( X qn ) / X qn = 0
dinflexion
Solution Analytique (9.9) Solution Analytique (9.16)
Modles de PARTS Box-Cox Standard
pin p jn Din ( X iqn ) D jn ( X iqn )
( j i) ( j i)
Propre Croise Propre Croise
pin =0 p jn =0 Din ( X iqn ) =0 D jn ( X iqn ) =0
Point de Solution Solution Solution Solution
croisement Numrique Numrique Numrique Numrique
(9.22)* (9.30) (9.34) (9.38)
pin / X iqn p jn / X iqn D in ( X iq n ) / X iq
D jn ( X iq n )
X
Point de =0 =0 = 0
iq n
retourneme = 0
nt Numrique Numrique Numrique Numrique
(9.26) (9.31) (9.35) (9.39)
2 p jn / X iqn
2
2 Din ( X iqn ) / X i 2D jn ( X iq n )
pin / X
2 2
iqn
X iq2 n
=0 =0 =0
Point
d'inflexion Solution = 0
Solution Solution Solution
Numrique Numrique Numrique Numrique
(9.27) (9.32) (9.36) (9.40)

Modles de PARTS Box-Cox Gnralis

pin propre (ou croise)** Din ( X qn ) propre (ou croise)**
Point de pin = 0 Din ( X qn ) = 0
croisement Solution Numrique (9.47) Solution Numrique (9.56)
Point de pin / X qn = 0 Din ( X qn ) / X qn = 0
retournement Solution Numrique (9.50) Solution Numrique (9.59)-(9.60)
Point pin / X
2 2
qn =0 2 Din ( X qn ) / X qn2 = 0
dinflexion Solution Numrique (9.54) Solution Numrique (9.61)-(9.62)
(*) sauf cas particuliers; (**) en remplaant i par j.
Modles probabilistes ou de parts : le cas Box-Cox Logit Gnralis.

Sagissant des modles probabilistes ou de parts de type Logit, on sintresse
comme en (1) et (8) plus haut p1in et p2in , respectivement les parts estimes
dans les modles 1 et 2 avec le mme nombre de variables indpendantes
(pour allger la notation) mais avec des contraintes diffrentes sur les
paramtres des transformations de Box-Cox sur les variables indpendantes
dans les deux modles, formuls comme en (22)-(23)-(24-(25) plus haut.
i) Diffrence entre parts suite une variation dune variable explicative

prsente en i et j
On sintresse en premier lieu la diffrence des parts estimes,
associes aux modles 2 et 1. Deux cas sont considrer, soit le cas propre
ou direct de la courbe pin trace en fonction dune variable
X 1iqn = X 2 iqn = X iqn commune aux deux modles mais qui apparat dans
toutes les alternatives m = 1, M avec des coefficients 1mq et 2 mq distincts et
des paramtres de Box-Cox 1mq et 2 mq distincts dans chaque modle. Cette
diffrence est la mme que (26).
De la mme faon, le cas crois ou indirect de la courbe p jn ( j i )
trace en fonction dune variable X 1iqn = X 2 iqn = X iqn commune aux deux
modles mais qui apparat dans toutes les alternatives m = 1, M avec des
coefficients 1mq et 2 mq distincts et des paramtres de Box-Cox 1mq et
2 mq distincts dans chaque modle. Cette diffrence est la mme que (27).
ii) Diffrence entre les lasticits-points des parts par rapport une
variable explicative prsente en i et j

On sintresse en second lieu la diffrence des lasticits-points qui est

dfinie comme la diffrence des drives premires des parts estimes,
associes aux modles 2 et 1 par rapport X iqn , multiplies par X iqn . Deux
cas sont considrer, soit le cas propre et le cas crois de la courbe
Din ( X qn ) trace en fonction dune variable X 1iqn = X 2iqn = X iqn qui est
commune aux deux modles et qui apparat dans toutes les alternatives
m = 1, M avec des coefficients 1mq et 2 mq distincts et des paramtres de
Box-Cox 1mq et 2mq distincts dans chaque modle.
Comme la variable X qn apparat dans toutes les alternatives, on analyse en
dtail le cas propre ou direct seulement. Les formules du cas crois sont
exactement analogues celles du cas direct et peuvent sobtenir en remplaant
lindice de lalternative i par j partout o il apparat. Dans le cas propre ou
direct, la diffrence des lasticits-points peut scrire :
pin p p
Din ( X qn ) = X qn = 2in 1in X qn . (30)
X qn X
qn X qn
Quand on tudie au Tableau 9 la nature des points de croisement, de

retournement et dinflexion de la courbe trace en fonction dune variable X qn ,
on constate que, dans tous les modles Logit Box-Cox Standard, sauf un,
et dans tous les modles Box-Cox Logit Gnralis, seules des solutions
numriques existent. Cest dire que le comportement en prvision des modles
Logit non linaires doit en rgle gnrale tre simul et que les points
dintrt (croisement, retournement, inflexion) entre deux prvisions de parts ou
dlasticits propres ou croises ne peuvent tre calculs analytiquement.
8. Conclusion : un nouveau systme complet de

demande forme souple
Nous avons formul un modle conjoint de conteneurisation et de choix
modal intermodal et montr, grce un chantillon exceptionnel, que la
formulation Logit Box-Cox Standard, dj trs suprieure de nombreux
gards, tant thoriques que de pertinence, la formulation Logit Linaire,
ouvrait aussi la porte une concrtisation du Logit Universel si on acceptait de
la gnraliser.
Cette gnralisation, qui ramne le modle Logit dans le giron des systmes
complets de demande, pose en principe toutes les questions qui ont t
discutes dans ces systmes complets de demande, tous forme fonctionnelle
fixe. Il reste voir si la souplesse des transformations Box-Cox y servira mieux
le nouveau systme complet de demande que les formes fixes ont servi le

systme linaire de demande, le modle de Rotterdam et le modle AIDS, pour

ne nommer que ceux-l.
Les lasticits-points trs raisonnables et la robustesse gnrale des
rsultats obtenus lors de llargissement progressif du modle linaire simple
aux formes plus crdibles dcides par les donnes elles-mmes augurent bien
pour lavenir dune premire incarnation systmatique du Logit Universel. Son
succs pourrait rendre caduques beaucoup de formulations hirarchiques.
Rfrences
Abraham, C., Amertume et acceptabilit des pages : 1. Les meutes du Pont
dArcole , Les Cahiers Scientifiques du Transport 40, 53-66, 2001.
Abraham, C. et P. Coquand. La rpartition du trafic entre itinraires
concurrents : rflexions sur le comportement des usagers, application
au calcul des pages . Revue gnrale des routes et arodromes,
357, 57-76, 1961.
Barten, A. P., Maximum likelihood estimation of a complete system of demand
equations. European Economic Review, 1, 7-73, 1969.
Belsley, D., Kuh, E, and R.E. Welsh, Regression Diagnostics, John Wiley, New
York, 1980.
Ben-Akiva, M., Note on the specification of a logit model with utility functions
that include attributes of competing alternatives, Working Paper,
Department of Civil Engineering, MIT, Cambridge, MA, 1974.
Berkson, J., Applications of the Logistic Function to Bioassay, Journal of the
American Statistical Association, 39, 357-365, 1944.
Berkson J. (1950) "Are There Two Regressions?," Journal of the American
Statistical Association, Vol. 45, pp. 164-180.
Berndt, E. K., Hall, B. H., Hall, R. E. and J. A. Hausman, Estimation and
Inference in Nonlinear Structural Models, Journal of Economic and
Social Measurement 3, 653-665, 1974.
Beuthe, M., Demilie, L. and B. Jourquin, The International Impact of a New
Road Taxation Scheme in Switzerland, Ch. 5 in Beuthe, M. and P.
Nijkamp (eds), New Contribution to Transportation Analysis in Europe,
Ashgate, 97 117, August 1999.
Bhat, C. R., Flexible Models Structures for Discrete Choice analysis , Ch. 5
in Hensher, D. A. and K. J. Button (eds), Handbook of Transport
Modelling, Elsevier Science, 71-90, 2000.
Bierlaire, M., Lotan, T. and P. Toint, On the Overspecification of Multinomial
and Nested Logit Models Due to Alternative Specific Constants ,
Rapport 95/12, Pulications du dpartement de mathmatiques,
Facults Universitaires de Namur, 14 p., October 1995.

Box, G. P. and D. R. Cox, An Analysis of Transformations , Journal of the

Royal Statistical Society, Series B, 26, 211-243, 1964.
COST 305, Data system for the study of demand for interregional passenger
transport, Final Report, EUR 11443 EN, 1988, www.cordis.lu/cost-
transport/src/cost-pub.htm.
Dagenais, M. and M. Gaudry, "Can Aggregate Direct Travel Demand Models
Work?", Proceedings of the World Conference on Transport
Research, The Centre for Transportation Studies, University of British
Columbia, Vancouver, 1669-1676, 1986.
Dagenais, M., Gaudry, M. and T. C. Liem, "Urban Travel Demand: the Impact of
Box-Cox Transformations with Nonspherical Residual Errors",
Transportation Research B 21, 6, 443-477, 1987.
Deaton, A., and J. Muellbauer, An Almost Ideal Demand System. The American
Economic Review, 70, 3, 312-326, 1980.
Deepack, E. and R. Laferrire, Demand Model Developments to Assess High
Speed Passenger Train Markets on Windsor to Quebec City
Corridor , Proceedings of the 20th Annual Meeting , Canadian
Transportation Research Forum/Le Groupe de recherches sur les
transports au Canada, 598-609, 1994.
Dial, R. B. (1971). A Probabilistic Multipath Traffic Assignment Model which
Obviates Path Enumeration. Transportation Research 5, 83-111.
Domencich, T. and D. McFadden, Urban Travel Demand : A Behavioral
Analysis, North Holland, Amsterdam, 1975.
ECORYS Transport, Macharis, C., Haezendonck, E., Veldman, S., Bckmann,
E. and M. Flier, Ontwikkeling Marktaandeelmodel Containersector,
ECORYS Transport, 134 p., 2004.
www.proses.nl/scripts/rapportUitwerking.php?rID=67
Erkel-Rousse, H., Dtection de la multicolinarit dans un modle linaire
ordinaire; Quelques lments pour un usage averti des indicateurs de
Belsley, Kuh et Welsh, Revue de Statistique Applique 53,4, 19-42,
1995.
Fridstrm, L. and A. Madslien, A Stated Preference Analysis of Wholesalers
Freight Choice , Institute of Transport Economics, Oslo, 35 p., 1995.
Gaudry, M. "A Generalized Logit Mode Choice Model", Publication CRT-98,
Centre de recherche sur les transports, et Cahier #7804, Dpartement
de sciences conomiques, Universit de Montral, 20 p., 1978
Gaudry, M. "The Inverse Power Transformation Logit and Dogit Mode Choice
Models". Transportation Research B 15, 2, 97-103, 1981.
Gaudry, M., "Modles agrgs et dsagrgs forme variable: rsultats sur
Montral et Paris", Transports 304, 288-293, 1985.
Gaudry, M. et alii, "Cur cum TRIO?", Publication CRT-901, Centre de recherche
sur les transports, Universit de Montral, 20 pages, 1993, 1997.

Gaudry, M. and M. Dagenais, "Heteroscedasticity and the Use of Box-Cox

Transformations", Economics Letters 2, 3, 225-229, 1979.
Gaudry, M. and A. Le Leyzour, "Improving a Fragile Linear Logit Model
Specified for High Speed Rail Demand Analysis in the Quebec-
Windsor Corridor of Canada". Publication CRT-988 Centre de
recherche sur les transports, Universit de Montral, 1994.
Gaudry, M. and T. C. Liem, "GAUMEQ: A Generalized AUtoregressive Multiple
EQuation procedure", Publication CRT-215, Centre de recherche sur
les transports, et Cahier #8123, Dpartement de sciences
conomiques, Universit de Montral, 49 p., 1981.
Gaudry, M. J. I. and M. J. Wills, "Estimating the Functional Form of Travel
Demand Models", Transportation Research 12, 4, 257-289, 1978.
Gauss, C. F., Theoria Conbinationis Observationum Erroribus Minimis
Obnoxiae, Gttingen, Dieterich, 1823.
Goldberger, A. S., Functional Form and Utility : A Review of Consumer
Demand Theory , System Formulation, Methodology, and Policy
Workshop Paper 6703, Social Systems Research Institute, University
of Wisconsin, 122 p., October 1967.
I. T. Ingegneria dei Transporti, Alpetunnel, Analyse du Transport Combin
travers la partie Ouest de l'Arc Alpin , 1999.
JLR Conseil et Stratec, Enqute de prfrences dclares sur le choix modal
en transport de marchandises transpyrnen , Rapport final,
Ministre de lquipement D.T.T./S.l.1, 73 p., 31 aot 2005.
Jourquin B., Un outil d'analyse conomique des transports de marchandises sur
des rseaux multi-modaux et multi-produit. Le rseau virtuel, concept,
mthodes et applications. Ph.D. thesis, Facults Universitaires
Catholiques de Mons., 1995.
Jourquin, B. and Beuthe, M., A decade of freight transport modelling with
virtual networks: Acquired experiences and new challenges, GTM-
paper, April 2004, in A. Reggiani and P. Nijkamp (eds.), Spatial
Dynamics, Networks and Modelling, Edward Elgar, 2006.
Koppelman, F. S. and V. Sethi, Closed-Form Discrete-Choice Models, in
Hensher, D. A. and Button, K. J. (eds.), Handbook of Transport
Modelling, Ch. 13, 211-227, Elsevier Science, 2000.
Lapparent, M. de, La valeur du temps dans les dplacements rguliers
professionnels Thse dconomie, Universit Paris IPanthon-
Sorbonne, Publication AJD-81, Agora Jules Dupuit, Universit de
Montral, 180 p., juin 2004.
Lapparent, M. de, Disponibilit d'une automobile, accessibilit aux transports
en commun, possibilits de dplacements non motoriss: le choix
d'un mode de transport pour les dplacements domicile-travail en Ile-
de-France, paratre, Institut national de recherche sur les transports
et leur scurit, 2005.

Lapparent, M. de, The choice of a mode of transportation for home to work

trips in the French Parisian region: application of mixed GEV models
with non linear utility functions. Paper presented at the 11th
International Conference on Travel Behaviour Research, Kyoto,
August 2006.
Leurent, F., Calcul de deux modles daffectation, Rapport de convention
SETRA-INRETS, Rfrence INRETS: 18-98 SETRA, 41 p., fvrier
1999.
Liem, T.C., Dagenais, M. and M. Gaudry, "LEVEL: The L-1.4 program for BC-
GAUHESEQ regressionBox-Cox Generalized AUtoregressive
HEteroskedastic Single EQuation models", Publication CRT-510,
Centre de recherche sur les transports, Universit de Montral, 41
pages, 1993.
Liem, T.C. and M. Gaudry, "PROBABILITY: The P-2 program for the Standard
and Generalized BOX-COX LOGIT models with disaggregate data",
Publication CRT-527, Centre de recherche sur les transports,
Universit de Montral, 38 p., 1993.
Liem, T.C., Gaudry, M. and R. Laferrire "SHARE: The S-1 to S-5 programs for
the Standard and Generalized BOX-COX LOGIT and DOGIT and for
the Linear and Box-Tukey INVERSE POWER TRANSFORMATION-
LOGIT models with aggregate data", Publication CRT-899, Centre de
recherche sur les transports, Universit de Montral, 70 pages, 1997.
Maddala, G. S., Limited-dependent and qualitatitve variables in econometrics,
Cambridge University Press, 1983.
Mandel, B., Gaudry, M. and W. Rothengatter, A Disaggregate Box-Cox Logit
Mode Choice Model of Intercity Passenger Travel in Germany and its
Implications for High Speed Rail Demand Forecasts. The Annals of
Regional Science 31, 2, 99-120, 1997.
Manski C. F. and S. R. Lerman, The Estimation of Choice Probabilities from
Choice Based Samples. Econometrica 45, 1977.
Marche, R., Pour mieux comprendre les dplacements interrgionaux de
voyageurs : un modle multimodal de demande : 1re partie : Les
objectifs retenus et la conception gnrale du modle- 2me partie :
Description du modle et premiers rsultats , Les Cahiers
Scientifiques de la Revue Transports, N. 2, 1980.
McFadden, D., On independence, structure, and simultaneity in transportation
demand analysis, Working paper 7511, Institute of Transportation
and Traffic Engineering, University of California, Berkeley, CA, 1975.
McFadden, D., Measuring Willigness-To-Pay for Transportation
Improvements, Ch 15 in Grling, T., Laitila, T. and K. Westin, (eds),
Theoretical Foundations of Travel Choice Modelling, 339-364,
Pergamon, 1998.
OTP. Observatoire des trafics au travers des Pyrnes : Mission observatoire

des trafics pyrnens, Enqute transit 1999 Transports routiers de

marchandises : rsultats et analyses dans les Pyrnes, DRE
Aquitaine, Midi-Pyrnes-Languedoc-Roussillon, 72 pages, novembre
2001.
des trafics pyrnens, volutions 1998-2003, Document No 3, 2003.
des trafics pyrnens, Principaux chiffres actualiss pour 2003,
Supplment au document N3, novembre 2004.
Parks, R.W., Efficient Estimation of a System of Regression Equations when
Disturbances Are Both Serially and Contemporaneously Correlated,
Journal of the American Statistical Association 62, 500-509, 1967.
Picard, G. and M. Gaudry, "Exploration of a Box-Cox Logit Model of Intercity
Freight Mode Choice", Transportation Research E, 34, 1, 1-12, 1998.
Rassam, P. R., Ellis, R. H. and J. C. Bennett, The N-Dimensional Logit
Model : Development and Application , Peat Marwick and Mitchell &
Co., Washington, D. C., 42p., 1970. Also in Highway Research
Record, 369, 135-147, 1971.
RATP et Cambridge Systematics Europe, Estimation et application de modles
dsagrgs de choix de mode et de destination pour les
dplacements autres motifs bass sur le domicile , Rapport GS
857020, Direction du dveloppement, Rgie autonome des
Transports Parisiens, 41 p., janvier 1985.
Schoch, M., VACLAV-VIA, The IWW-MKmetric Passenger Model , Institut fr
Wirtschaftspolitik und Wirtschaftsforschung, Universitt Karlsruhe
(TH), 20 p., September 2000.
Seltz, T., The BVU Nested Box-Cox Logit Freight Mode Choice Model
Developed for the German Federal Transport Plan in 2002 ,
Presentation at the MODEV-M Workshop, Fondation Reille, Paris,
22nd June 2004
Setec conomie, Analyse du choix modal Route/Fer des transports
transpyrnens sur la base de lexploitation de lenqute Transit de
1999 , Rapport final au PREDIT, 2002-2006, Groupe 5 : Transport
de marchandises et logistique ; Axe 2 : Politiques publiques et
transport des marchandises, Lettre de commande no03MT09,
Ministre de lquipement, des Transports, du Logement, du
Tourisme et de la Mer (METLTM), Paris, 31 dcembre 2004.
Small, K. A. and Rosen, H. S. Applied Welfare Economics with Discrete Choice
Models. Econometrica 49, No. 3, January 1981.
Spitzer, J. J., Variance Estimates in Models with the Box-Cox
Transformation : Implications for Estimation and Hypothesis Testing ,
The Review of Economics and Statistics 66, 645-652, 1984.

Steenburgh, T. J., The I.P.S. Property, Harvard Business School, Report 05-
022, 19 p., 30 September 2004.
STIF, Prvisions de trafic rgional sur lle-de-France ; Fonctionalits des
modles Mthodologie : Cas du STIF avec le Modle ANTONIN ,
Syndicat des transports dle-de-France, juin 2004.
Stone, R., Linear Expenditure Systems and Demand Analysis: An Application to
the Pattern of British Demand. The Economic Journal 64, 255, 511-
527, 1954.
SES, Flux terrestres de marchandises en change ou en transit travers les
Alpes franaises et les Pyrnes en 1999 , CD, Service conomie et
Statistique, Ministre de lquipement, des Transports, du Logement,
du Tourisme et de la Mer (METLTM), Paris, 1999.
TEN-STAC: Trans-European Network Scenarios, Trafic Forecasts and
Analysis of Corridors, European Commission Contract N : ETU/B5-
7000A-SI2.346797, www.nea.nl/ten-stac , 2004.
Theil, H., A Multinomial Extension of the Linear Logit Model, International
Economic Review, 10, 251-259, 1969.
Veldman, S. J. and Bckmann E. H., A Model on Container Port Competition:
An Application for the West European Container Hub-Ports, Maritime
Economics & Logistics 5, 1, pp. 3-22, 2003.
Warner, S. L., Stochastic Choice of Mode in Urban Travel : A Study in Binary
Choice, Northwestern University Press, Evanston, Ill., 1962.
Weibull, W., A statistical theory of the strength of materials, Ingenirs
Ventenskaps Akademiens Handligar, No 151, Stockholm, 1939.
Weibull, W., A statistical distribution function of wide applicability, Journal of
Applied Mechanics 18, 293-297, 1951.
Wills, M. J., On the Equivalence of Common Rearrangements for Sum
Constrained Travel Estimation Problems, Transportation Research B,
16B, 339-359, 1982.
Zellner, A., An Efficient Method of Estimating Seemingly Unrelated
Regressions and Tests for Aggregation Bias, Journal of the American
Statistical Association, 57, 348-368, 1962.

Annexe 1. Donnes sur les modes routier et

ferroviaire (749 observations)
A1.1 Part du trafic par transport routier
et distance routire
1.00
0.80
p Route observ.
0.60
0.40
0.20
0.00
0 500 1000 1500 2000 2500 3000 3500
A1.2 Part du trafic par transport ferroviaire

et distance routire
1.00
0.80
p Train observ.
0.60
0.40
0.20
0.00
0 500 1000 1500 2000 2500 3000 3500

A1.3 Indice de prix par t-km du transport routier

et distance routire
0.10
0.09
0.09
0.08
P Route 0.07
0.07
0.06
0.06
0.05
0.05
0.04
0 500 1000 1500 2000 2500 3000 3500
A1.4 Indice de prix par t-km du transport ferroviaire

et distance routire
0.14
0.12
0.10
0.08
P Train
0.06
0.04
0.02
0.00
0 500 1000 1500 2000 2500 3000 3500

A1.5 Indice de vitesse en km/h du transport routier

et distance routire
70
60
50
V Route (km/h)
40
30
20
10
0
0 500 1000 1500 2000 2500 3000 3500
A1.6 Indice de vitesse en km/h du transport ferroviaire

et distance routire
32
31
30
29
28
V Train (km/h)
27
26
25
24
23
22
21
0 500 1000 1500 2000 2500 3000 3500

Annexe 2. Prsentation commente dune dition

TABLEX de rsultats TRIO
Tableau 10. Dfinition des lments dune dition Tablex de TRIO (page 1 de 2)
=========================================================================
Partie I. Statistiques prsentes : Modle Identification de ce modle
I.BETA TYPE = LOGIT Type de modle

CHANGE IN P(I) AT MEAN VARIANT = TransPy3 Nom de la Variante dans cette col.
(COND. T-STATISTIC) VERSION = 35 Numro de version de cette Variante
ELASTICITIES AT MEAN DEP.VAR = TRAFICOD Variable dpendante de cette Varia.
=========================================================================
ALTERNATIVE 1 : Rte (Route) Fonction dutilit du mode 1

===============================
LE RESEAU Groupe de variables explicatives, mode 1

---------
Prix routier par Km CT_KM_RTE -.631705 Coefficient k du prix routier (mode 1)
-.005 lasticit-point du mode 1/ prix propre 1
(1) (-29.03) Statistique t (= 0) conditionnelle de ce k
1 -.005 lasticit-part du mode 1/ prix propre 1
2 .037 lasticit-part croise du mode 2 / prix 1
LAM 1,(GE) 1 appliqu ce prix; avec k gnrique
Liaison Italie K4 Un nom de code de variable soulign deux

== fois indique une variable dichotomique
-------------------------------------------------------------------------
REGRESSION CONSTANT .272327 Valeur de la constante 01 du mode 1
CONSTANT (1) (.71) Statistique t conditionnelle de ce 01
=========================================================================
Partie II. Statistiques prsentes :
II. PARAMETERS
UNCOND.[T-STATISTIC=0]
=========================================================================
BOX-COX TRANSFORMATIONS Transformation de Box-Cox appliques
-----------------------
LAMBDA(X) - GROUP 1 LAM 1 1.000 Valeur du 1 des variables du groupe 1
FIXED Valeur fixe, non estime de ce 1
LAMBDA(X) - GROUP 2 LAM 2 4.946 Valeur estime du 2 , variables groupe 2
[4.38] Statistique t [= 0] inconditionnelle de ce 2
[3.49] Statistique t [= 1] inconditionnelle de ce 2

Tableau 10. Dfinition des lments

dune dition Tablex de TRIO (page 2 de 2)
=========================================================================
Partie III. Statistiques prsentes :
III. GENERAL STATISTICS Statistiques gnrales de ce modle
=========================================================================
LOG-LIKELIHOOD-FINAL VALUE -3369.002 Logarithme de la vraisemblance
RHO-SQUARED OVERALL .295 Valeur de R2 pour lensemble des modes
-AVAIL OBS IN 1 Rte .310 Valeur de R2 pour le mode routier
-AVAIL OBS IN 2 Fer .356 Valeur de R2 pour le mode fer
MEAN SHARES OBSERVED / ESTIMATED

-AVAIL OBS IN 1 Rte .754/.822 Part route observe/part route estime
-AVAIL OBS IN 2 Tc .059/.037 Part fer observe/part fer estime
SAMPLE -NUMBER OF ALTERNATIVES 2 Nombre de modes
-NUMBER OF OBSERVATIONS 962 Nombre dobservations disponibles
-FIRST OBSERVATION 1 Premire observation dans rgression
-LAST OBSERVATION 962 Dernire observation dans rgression
-AVAIL OBS IN 1 Rt 962 Observations disponibles mode route
-AVAIL OBS IN 2 F 962 Observations disponibles mode fer
NUMBER OF ESTIMATED PARAMETERS
-BETAS .VARIABLES 15 Nombre de k estims
.CONSTANTS 2 Nombre de constantes estimes
-BOX-COX TRANSFORMATIONS 1 Nombre de transformations estimes
-COVARIANCE MATRIX - RESIDUALS 3 Nombre de paramtres estims dans
=========================================================================

Annexe 3. Rsultats dtaills principaux

Tableau 11. Du Logit Linaire au Logit Box-Cox Gnralis (page 1 de 5)
=========================================================================
I.BETA TYPE = LOGIT LOGIT LOGIT LOGIT LOGIT
COND. T-STATISTIC) VARIANT=direct direct direct direct direct
CHANGE IN P(I)AT MEAN VERSION = 58 59 60 61 62
=========================================================================
ALTERNATIVE 1 : Route
=======================
LE RESEAU
---------
Prix par Km CT_KM_RTE -.37E+02 -.30E-01 -.23E-01 -.42E-01 .96E+03
de la Route (-7.50) (-10.94) (-10.98) (-11.83) (8.18)
(1) 1 -.382 -.517 -.523 -.572 -.489
2 .291 .397 .402 .441 .383
3 .091 .120 .121 .131 .106
L 1(GE) L 1(GE) L 1(GE) L 1(GE) L 1(GE)
Prix par Km du CT_KM_TC .67E+01

Transport Combine (11.05)
(1) 1 1.165
2 -1.233
3 .068
L 4(GE)
Prix /Km du Train CT_KM_FER -.33E-07 .15E+03
(-4.72) (10.88)
(1) 1 .079 .227
2 .041 -.145
3 -.120 -.082
L 3(GE) L 3(GE)
Vitesse par Route VIT_RTE .28E-01 .25E-01 .30E-01 .29E-01 .20E-01
(2.54) (2.35) (3.41) (3.37) (2.20)
(1) 1 .132 .123 .153 .149 .103
2 -.100 -.094 -.117 -.114 -.080
3 -.032 -.028 -.035 -.034 -.022
(GE) (GE) (GE) (GE) (GE)
ALTERNATIVE 2 : Combin Rail-Route

====================================
LE RESEAU
---------
Prix par Km CT_KM_RTE -.33E-07 .15E+03
de la Route (-4.72) (10.88)
(2) 1 -.572 -.489
2 .441 .383
3 .131 .106
L 3(GE) L 3(GE)
Prix par Km du CT_KM_TC -.37E+02 -.30E-01 -.23E-01 -.42E-01 .96E+03

Transport Combine (-7.50) (-10.94) (-10.98) (-11.83) (8.18)
(2) 1 .184 .884 .929 1.164 1.165
2 -.194 -.933 -.984 -1.232 -1.233
3 .010 .049 .055 .069 .068
70
Actes INRETS n110

=========================================================================
=========================================================================
Prix par Km CT_KM_FER .67E+01
du Train (11.05)
(2) 1 .227
2 -.145
3 -.082
L 4(GE)
Vitesse par VIT_TC .28E-01 .25E-01 .30E-01 .29E-01 .20E-01
Transport Combine (2.54) (2.35) (3.41) (3.37) (2.20)
(2) 1 -.085 -.080 -.100 -.097 -.068
2 .090 .085 .105 .103 .072
3 -.005 -.004 -.006 -.006 -.004
Distance par Route DIST_RTE -.10E-03 -.26E-03 -.90E-21 -.52E-20 -.34E-22
(-.48) (-1.23) (-5.74) (-6.16) (-6.08)
(2) 1 .023 .060 .053 .062 .047
2 -.018 -.046 -.041 -.047 -.037
3 -.006 -.014 -.012 -.014 -.010
(GE) (GE) L 2(GE) L 2(GE) L 2(GE)
LE MARCHE
---------
Trafic Total TRAF_TOT .10E-05 .10E-05 .86E-06 .86E-06 .92E-06
Tous Modes de (3.30) (3.39) (3.01) (3.07) (3.15)
la Liaison (2) 1 -.026 -.027 -.024 -.024 -.026
2 .020 .021 .018 .018 .020
3 .006 .006 .005 .005 .006
Liaison Italie K4 -.35E+01 -.33E+01 -.34E+01 -.33E+01 -.31E+01

== (-15.02) (-14.36) (-15.02) (-14.78) (-13.70)
(2) 1 .480 .480 .513 .499 .499
2 -.418 -.400 -.422 -.416 -.409
3 -.062 -.080 -.090 -.083 -.089
(SP) (SP) (SP) (SP) (SP)
Liaison Belgique K6 -.15E+01 -.13E+01 -.15E+01 -.14E+01 -.14E+01
& Luxembourg == (-7.47) (-6.89) (-7.84) (-7.21) (-7.58)
(2) 1 .208 .202 .240 .221 .240
2 -.174 -.161 -.187 -.173 -.189
3 -.034 -.041 -.053 -.048 -.050
Liaison Allemagne K8 -.47E+00 -.37E+00 -.55E+00 -.51E+00 -.52E+00
== (-2.54) (-2.01) (-3.01) (-2.86) (-2.87)
(2) 1 .057 .051 .086 .078 .085
2 -.058 -.046 -.069 -.066 -.069
3 .002 -.006 -.017 -.012 -.017
Liaison Suisse K4 -.27E+01 -.21E+01 -.23E+01 -.15E+01 -.14E+01
== (-5.18) (-4.11) (-4.53) (-2.94) (-2.77)
(2) 1 .357 .323 .366 .251 .261
2 -.327 -.257 -.286 -.194 -.182
3 -.030 -.066 -.080 -.057 -.078


=========================================================================
=========================================================================
Liaison France KF -.26E+01 -.25E+01 -.27E+01 -.27E+01 -.25E+01
== (-11.97) (-11.67) (-13.96) (-13.90) (-12.80)
(2) 1 .349 .355 .405 .399 .390
2 -.313 -.305 -.341 -.340 -.330
3 -.036 -.050 -.064 -.059 -.060
REGRESSION CONSTANT C -.10E+01 -.23E+01 -.23E+01 -.31E+01 -.34E+01
(-2.24) (-4.84) (-7.88) (-9.17) (-8.84)
ALTERNATIVE 3 : Rail
======================
LE RESEAU
---------
de la Route (-4.72) (10.88)
(3) 1 -.572 -.489
2 .441 .383
3 .131 .106
L 3(GE) L 3(GE)
(3) 1 1.165
2 -1.233
3 .068
L 4(GE)
Prix par Km Train CT_KM_FER -.37E+02 -.30E-01 -.23E-01 -.42E-01 .96E+03
(-7.50) (-10.94) (-10.98)(-11.83) (8.18)
(3) 1 .116 .079 .078 .079 .227
2 .021 .014 .015 .041 -.145
3 -.137 -.093 -.093 -.120 -.082
Vitesse par Train VIT_FER .28E-01 .25E-01 .30E-01 .29E-01 .20E-01
(2.54) (2.35) (3.41) (3.37) (2.20)
(3) 1 -.027 -.024 -.030 -.029 -.019
2 -.005 -.004 -.006 -.006 -.004
3 .032 .029 .036 .035 .023
Distance par Route DIST_RTE -.10E-03 -.26E-03 -.90E-21 -.52E-20 -.34E-22
(-.48) (-1.23) (-5.74) (-6.16) (-6.08)
(3) 1 .023 .060 .053 .062 .047
2 -.018 -.046 -.041 -.047 -.037
3 -.006 -.014 -.012 -.014 -.010
(GE) (GE) L 2(GE) L 2(GE) L 2(GE)
LE MARCHE
---------
Trafic Total TRAF_TOT .10E-05 .10E-05 .86E-06 .86E-06 .92E-06
Tous Modes de (3.30) (3.39) (3.01) (3.07) (3.15)
la Liaison (3) 1 -.026 -.027 -.024 -.024 -.026
2 .020 .021 .018 .018 .020
3 .006 .006 .005 .005 .006


=========================================================================
=========================================================================

== (-6.68) (-8.29) (-8.91) (-8.42) (-8.94)
(3) 1 .480 .480 .513 .499 .499
2 -.418 -.400 -.422 -.416 -.409
3 -.062 -.080 -.090 -.083 -.089
Liaison Royaume-Uni K5 -.81E-02 -.16E+00 -.34E+00 -.20E+00 -.26E+00

== (-.03) (-.55) (-1.14) (-.66) (-.86)
(3) 1 .000 .006 .013 .007 .009
2 .000 .001 .003 .001 .002
3 -.000 -.007 -.015 -.009 -.011
Liaison Belgique& K6 -.10E+01 -.12E+01 -.14E+01 -.13E+01 -.14E+01

Luxembourg == (-3.85) (-4.52) (-5.46) (-5.03) (-5.47)
(3) 1 .208 .202 .240 .221 .240
2 -.174 -.161 -.187 -.173 -.189
3 -.034 -.041 -.053 -.048 -.050
Liaison Allemagne K8 -.37E-01 -.19E+00 -.47E+00 -.35E+00 -.47E+00

== (-.14) (-.76) (-1.85) (-1.40) (-1.86)
(3) 1 .057 .051 .086 .078 .085
2 -.058 -.046 -.069 -.066 -.069
3 .002 -.006 -.017 -.012 -.017

== (-1.91) (-3.29) (-3.79) (-2.67) (-3.60)
(3) 1 .357 .323 .366 .251 .261
2 -.327 -.257 -.286 -.194 -.182
3 -.030 -.066 -.080 -.057 -.078

== (-4.33) (-5.56) (-7.02) (-6.68) (-6.91)
(3) 1 .349 .355 .405 .399 .390
2 -.313 -.305 -.341 -.340 -.330
3 -.036 -.050 -.064 -.059 -.060
REGRESSION CONSTANT C -.13E+01 -.91E+00 -.90E+00 -.90E+00 -.10E+01

(-2.72) (-1.89) (-3.60) (-3.60) (-4.11)


=========================================================================
II. PARAMETERS TYPE = LOGIT LOGIT LOGIT LOGIT LOGIT
UNCOND.[T-STATISTIC=1] ERSION = 58 59 60 61 62
=========================================================================
----------------------
BOX-COX TRANSFORMATIONS
-----------------------
LAMBDA(X)-GROUP 1 LAM 1 1.000 -1.750 -1.833 -1.709 1.891
FIXED [-4.97] [-5.17] [-6.03] [.50]
[-7.81] [-7.99] [-9.55] [.23]
LAMBDA(X)-GROUP 2 LAM 2 6.492 6.271 6.920

[4.91] [5.16] [5.11]
[4.15] [4.34] [4.37]
LAMBDA(X)-GROUP 3 LAM 3 -6.272 1.051

[-3.94] [1.15]
[-4.57] [.06]
LAMBDA(X)-GROUP 4 LAM 4 -.165

[-.08]
[-.57]
=========================================================================
III.GENERAL STATISTICS
=========================================================================
LOG-LIKELIHOOD -FINAL VALUE -2581.50 -2550.30 -2535.26 -2524.56 -2510.92
RHO-SQUARED OVERALL .390 .378 .399 .424 .414

-AVAIL OBS IN 1 Rte .407 .410 .429 .464 .454
-AVAIL OBS IN 2 Tc .488 .474 .505 .513 .501
-AVAIL OBS IN 3 Fer .000 -.069 -.075 -.038 -.040
MEAN SHARES: OBSERVED / ESTIMATED

-AVAIL OBS IN 1 Rte .70/.76 .70/.76 .70/.76 .70/.76 .70/.76
-AVAIL OBS IN 2 Tc .22/.19 .22/.19 .22/.19 .22/.19 .22/.19
-AVAIL OBS IN 3 Fer .08/.05 .08/.05 .08/.05 .08/.05 .08/.05
SAMPLE -NUMBER OF ALTERNATIVES 3 3 3 3 3

-NUMBER OF OBSERVATIONS 749 749 749 749 749
-FIRST OBSERVATION 1 1 1 1 1
-LAST OBSERVATION 749 749 749 749 749
-AVAILABLE OBSERVATIONS IN VT 749 749 749 749 749
-AVAIL OBS IN 1 Rte 749 749 749 749 749
-AVAIL OBS IN 2 Tc 749 749 749 749 749
-AVAIL OBS IN 3 Fer 749 749 749 749 749

-BETAS .VARIABLES 15 15 15 16 17
.CONSTANTS 2 2 2 2 2
.ASSOCIATED DUMMIES 0 0 0 0 0
-BOX-COX TRANSFORMATIONS 0 1 2 3 4
-THETA 0 0 0 0 0
-PHI 0 0 0 0 0
-MU 0 0 0 0 0
-COVARIANCE MATRIX - RESIDUALS 3 3 3 3 3
========================================================================

Annexe 4. lasticits et chantillons endognes

dans le modle Logit
Nous sommes intresss un modle de choix modal marchandises o lun
des modes, appel fer-camion, nest pas observ, ce qui rduit de 50% la part
observe du fer classique dont les observations ne souffrent par ailleurs
daucun biais dchantillonnage.
Nous montrons ici que, si le modle est ensuite estim avec les trois modes
fer , transport combin et route : (i) seules les constantes de
rgression seront affectes lors de lestimation, selon un thorme connu
(Manski and Lerman, 1977); (ii) et quen consquence on pourra prdire
analytiquement leffet de la sous-estimation de la part observe sur les
lasticits calcules partir des parts incorrectement observes; on pourra
aussi les corriger ventuellement.
A4.1 Effet de la sous-estimation du mode fer sur les

constantes modales
Supposons que nous doublions la part observe du fer (dsign mode 1) et
que nous refassions lestimation du modle. La seule consquence sera de
modifier la constante de rgression du mode fer. En effet, si sa part observe
p1 est :
Y1 eV1
p1 = = V1 V2 . (A)
Y + Y2 e + e
sa valeur double p*1 scrit bien
* *
2Y1 2eV1 2e o1 eV1 eV1
p =
*
1 = V1 V2 = V * = (B)
2Y1 + Y2 2e + e 2e 01 e 1 + e 02 eV2
*
* 1 *
eV1 + e 02 01 eV2
2
o Vi ne comprend pas la constante 0i : doubler Y1 ny affecte que la
*
diffrence entre les deux constantes. Il faut maintenant ajouter [ln (1/2)]
lancienne diffrence ( 02 01 ) :
1 1 1
ln( e 02 01 ) = ln + ln(e 02 01 ) = ( 02 01 ) + ln . (C)
2 2 2
Il sagit donc bien ici dun chantillon endogne dont le taux par rapport
la population naffecte, lors de lestimation, aucun coefficient autre que la
constante.
On dirait plus gnralement qu condition que le modle soit un Logit il
nest pas ncessaire, pour obtenir des coefficients de rgression non biaiss,
dchantillonner lensemble de la population: il suffit dchantillonner au hasard
parmi les usagers de chaque mode. Si on connat par ailleurs ce taux

dchantillonnage relatif par mode, les constantes affectes peuvent tre

redresses analytiquement par la suite dune manire analytiquement relie 46
ces taux.
A4.2. Effet sur les lasticits-parts et les lasticits-points de

pourcentage
Quel sera, dans le cas du modle simple (58), leffet de la sous-estimation

de la part vritable du fer sur les lasticits calcules partir des rsultats du
modle estim avec les parts observes sous values? Il variera selon quon
sintressera aux lasticits directes (propres) ou aux lasticits croises.
lasticits directes ou propres. On sait que, si la variable explicative X est
affecte dun paramtre Box-Cox x, llasticit-part directe de la part du fer pf,
calcule selon (15), est :
f = x Xx (1-pf) (D-1)
et llasticit-points de pourcentage, calcule selon (16), est donne par:
f = [x Xx (1-pf)] pf . (D-2)
Ces formules comprennent comme cas particuliers : (i) llasticit bien

connue quand la forme linaire (x = 1) de X est utilise; (ii) et llasticit du cas
logarithmique (x = 0).
Comme le coefficient x en (D-1) ou (D-2) nest pas modifi par labsence

dune certaine proportion des observations pour ce mode, les lasticits
vritables correspondantes seront:
f* = x Xx (1-pf*) (E-1)
et
f* = [x Xx (1-pf*)] pf* (E-2)

o pf* est la part vritable du mode fer. Comme ici pf = 0,06 et pf* = 0,12,
puisque le fer-camion a la mme part de march que le fer classique, la
vritable lasticit propre du fer sera dapproximativement 6% infrieure celle
qui sera calcule partir de la part observe pour le fer classique puisque le
ratio (E-1)/(D-1) est gal 0,88/0,94. Leffet de la sous-estimation nest donc
pas proportionnel aux taux de sous-chantillonnage du fer.
lasticits croises. Si par contre on sintresse aux lasticits croises,
par exemple limpact dun changement des caractristiques du mode rail sur
le mode route, llasticit de la route sera affecte de manire proportionnelle
46
Dans le cas discret deux alternatives, par exemple, la constante devra tre augmente de a =
[log (taux 1) log (taux 2)]. Si, par exemple, le taux dchantillonnage de lalternative 1 est 10,87 %
et celui de la seconde 100 %, lajustement est alors : a = [log (0,1087) log (1)] = [log (0,1087) 0]
= log (0,1087), comme lindique Maddala (1983).

pour llasticit-part r , puisque leffet est calcul par le ratio de deux

expressions de la forme :
r = x Xx (-pf) , (F-1)
ratio qui est bien gal 2, car [(0,12)/(0,06) = 2], pour (F-1).
Llasticit-points de pourcentage sera toutefois affecte de manire
infraproportionnelle, puisque leffet est calcul par le ratio de deux
expressions de la forme:
r = [x Xx (-pf)] pr , (F-2)
ratio qui implique le produit deux corrections: celle du rapport des nouvelles
parts de rfrence du train (0,12)/(0,06) et celle du rapport des nouvelles parts
de la route (0,707/0,75). Leur produit [(0,12)(0,707)/(0,06)(0,75) = 1,89],
approximativement gal 1,89 pour (F-2), est donc infrieur 2.

Annexe 5. Rsultats sans et avec modes manquants

Tableau 12. Matrice scalaire et chantillon largi (page 1 de 4)
=========================================================================
I.BETA TYPE = LOGIT LOGIT LOGIT
(COND. T-STATISTIC) VARIANT = direct direct direct
CHANGE IN P(I) AT MEAN VERSION = 60 63 50
=========================================================================
========================
LE RESEAU
------------
Prix par Km CT_KM_RTE -.229213E-01 -.746526E-01 -.284921E+01
de la Route (-10.98) (-11.44) (-12.63)
(1) 1 -.523 -.544 -.340
2 .402 .418 .241
3 .121 .126 .098
LAM 1,(GE) LAM 1,(GE) LAM 1,(GE)
Vitesse par Route VIT_RTE .302398E-01 .225687E-01 .223996E-01
(3.41) (3.00) (6.11)
(1) 1 .153 .113 .104
2 -.117 -.087 -.074
3 -.035 -.026 -.030
(GE) (GE) (GE)
====================================
LE RESEAU
------------
Prix par Km du CT_KM_TC -.229213E-01 -.746526E-01 -.284921E+01
Transport Combine (-10.98) (-11.44) (-12.63)
(2) 1 .929 .797 .236
2 -.984 -.844 -.249
3 .055 .047 .013
Vitesse par VIT_TC .302398E-01 .225687E-01 .223996E-01
Transport Combine (3.41) (3.00) (6.11)
(2) 1 -.100 -.074 -.058
2 .105 .078 .061
3 -.006 -.004 -.003
(GE) (GE) (GE)
Distance par Route DIST_RTE -.902406E-21 -.692968E-21 -.427379E-21
(-5.74) (-5.81) (-6.82)
(2) 1 .053 .045 .027
2 -.041 -.034 -.019
3 -.012 -.010 -.008
LE MARCHE
---------
Trafic Total TRAF_TOT .862930E-06 .710916E-06 .686194E-06
Tous Modes de (3.01) (2.93) (2.93)
la Liaison (2) 1 -.024 -.019 -.014
2 .018 .015 .010
3 .005 .004 .004
(GE) (GE) (GE)


==================================================================================================
==================================================================================================
Liaison Italie K4 -.335204E+01 -.339137E+01 -.353451E+01
== (-15.02) (-15.08) (-16.58)
(2) 1 .513 .485 .411
2 -.422 -.431 -.355
3 -.090 -.054 -.056
(SP) (SP) (SP)
Liaison Belgique K6 -.150206E+01 -.147356E+01 -.157850E+01
& Luxembourg == (-7.84) (-7.53) (-8.29)
(2) 1 .240 .206 .179
2 -.187 -.188 -.159
3 -.053 -.018 -.019
(SP) (SP) (SP)
Liaison Allemagne K8 -.548065E+00 -.546003E+00 -.662345E+00
== (-3.01) (-2.91) (-3.63)
(2) 1 .086 .057 .054
2 -.069 -.074 -.070
3 -.017 .017 .016
(SP) (SP) (SP)
Liaison Suisse K9 -.229469E+01 -.243519E+01 -.236284E+01
== (-4.53) (-4.65) (-5.09)
(2) 1 .366 .351 .267
2 -.286 -.309 -.238
3 -.080 -.043 -.029
(SP) (SP) (SP)
Liaison France KF -.269734E+01 -.272000E+01 -.280053E+01
== (-13.96) (-13.77) (-14.82)
(2) 1 .405 .377 .314
2 -.341 -.348 -.283
3 -.064 -.029 -.031
(SP) (SP) (SP)
REGRESSION CONSTANT C -.233393E+01 -.221878E+01 -.110144E+01
(-7.88) (-8.00) (-5.71)
ALTERNATIVE 3 : RAIL
LE RESEAU
------------
Prix par Km du Train CT_KM_FER -.229213E-01 -.746526E-01 -.284921E+01
(-10.98) (-11.44) (-12.63)
(3) 1 .078 .090 .099
2 .015 .017 .014
3 -.093 -.107 -.113
Vitesse par Train VIT_FER .302398E-01 .225687E-01 .223996E-01
(3.41) (3.00) (6.11)
(3) 1 -.030 -.022 -.023
2 -.006 -.004 -.003
3 .036 .027 .026
(GE) (GE) (GE)
Distance par Route DIST_RTE -.902406E-21 -.692968E-21 -.427379E-21
(-5.74) (-5.81) (-6.82)
(3) 1 .053 .045 .027
2 -.041 -.034 -.019
3 -.012 -.010 -.008
AM 2,(GE) LAM 2,(GE) LAM 2,(GE)


=========================================================================
=========================================================================
LE MARCHE
---------
Trafic Total TRAF_TOT .862930E-06 .710916E-06 .686194E-06
Tous Modes (3.01) (2.93) (2.93)
de la Liaison (3) 1 -.024 -.019 -.014
2 .018 .015 .010
3 .005 .004 .004
(GE) (GE) (GE)
Liaison Italie K4 -.255872E+01 -.176397E+01 -.165987E+01

== (-8.91) (-6.29) (-6.06)
(3) 1 .513 .485 .411
2 -.422 -.431 -.355
3 -.090 -.054 -.056
(SP) (SP) (SP)
Liaison Royaume-Uni K5 -.343794E+00 .101962E+01 .115701E+01

== (-1.14) (3.13) (3.63)
(3) 1 .013 -.038 -.046
2 .003 -.007 -.006
3 -.015 .045 .052
(SP) (SP) (SP)
Liaison Belgique K6 -.142296E+01 -.651352E+00 -.619544E+00

& Luxembourg == (-5.46) (-2.52) (-2.41)
(3) 1 .240 .206 .179
2 -.187 -.188 -.159
3 -.053 -.018 -.019
(SP) (SP) (SP)
Liaison Allemagne K8 -.471101E+00 .291902E+00 .261579E+00

== (-1.85) (1.16) (1.05)
(3) 1 .086 .057 .054
2 -.069 -.074 -.070
3 -.017 .017 .016
(SP) (SP) (SP)
Liaison Suisse K9 -.215358E+01 -.135581E+01 -.923120E+00

== (-3.79) (-2.50) (-1.80)
(3) 1 .366 .351 .267
2 -.286 -.309 -.238
3 -.080 -.043 -.029
(SP) (SP) (SP)
Liaison France KF -.186195E+01 -.108702E+01 -.103017E+01

== (-7.02) (-4.12) (-4.04)
(3) 1 .405 .377 .314
2 -.341 -.348 -.283
3 -.064 -.029 -.031
(SP) (SP) (SP)
REGRESSION CONSTANT C -.898672E+00 -.163424E+01 -.177239E+01

(-3.60) (-6.47) (-7.25)


=========================================================================
II.PARAMETERS TYPE = LOGIT LOGIT LOGIT
UNCOND.[T-STATISTIC=0] VARIANT = direct direct direct
UNCOND.[T-STATISTIC=1] VERSION = 37 49 50
=========================================================================
-----------------------
BOX-COX TRANSFORMATIONS
-----------------------
LAMBDA(X)-GROUP 1 LAM 1 -1.833 -1.413 .052
[-5.17] [-3.23] [.14]
[-7.99] [-5.52] [-2.57]
LAMBDA(X)-GROUP 2 LAM 2 6.492 6.505 6.578

[4.91] [5.00] [5.83]
[4.15] [4.23] [4.95]
=========================================================================
III. GENERAL STATISTICS
=========================================================================
LOG-LIKELIHOOD -FINAL VALUE -2535.256 -2601.958 -2911.791
RHO-SQUARED OVERALL .399 .396 .405

-AVAIL OBS IN 1 .429 .440 .460
-AVAIL OBS IN 2 .505 .483 .465
-AVAIL OBS IN 3 -.075 -.075 -.007
MEAN SHARES OBSERVED / ESTIMATED

-AVAIL OBS IN 1 .702/.758 .702/.759 .741/.794
-AVAIL OBS IN 2 .223/.192 .223/.189 .214/.177
-AVAIL OBS IN 3 .075/.051 .075/.052 .079/.057
SAMPLE -NUMBER OF ALTERNATIVES 3 3 3

-NUMBER OF OBSERVATIONS 749 749 931
-FIRST OBSERVATION 1 1 1
-LAST OBSERVATION 749 749 931
-AVAILABLE OBSERVATIONS IN VT 749 749 931
-AVAIL OBS IN 1 749 749 931
-AVAIL OBS IN 2 749 749 799
-AVAIL OBS IN 3 749 749 881

-BETAS .VARIABLES 15 15 15
.CONSTANTS 2 2 2
.ASSOCIATED DUMMIES 0 0 0
-BOX-COX TRANSFORMATIONS 2 2 2
-THETA 0 0 0
-PHI 0 0 0
-MU 0 0 0
-COVARIANCE MATRIX - RESIDUALS 3 1 1
==========================================================

Annexe 6. Autres rsultats des modles de lannexe 3

Tableau 13. lasticit-parts et coefficients des modles de lAnnexe 3 ( page 1 de 4)
=================================================================================================
I. BETA TYPE = LOGIT LOGIT LOGIT LOGIT LOGIT
(COND.T-STATISTIC) VARIANT = direct direct direct direct direct
ELASTICITIES AT MEAN VERSION = 58 59 60 61 62
==================================================================================================
=======================
LE RESEAU
---------
Prix/Km CT_KM_RTE -.370217E+02 -.295045E-01 -.229209E-01 -.421488E-01 .963927E+03
de la Route (-7.50) (-10.94) (-10.98) (-11.83) (8.18)
(1) 1 -.471 -.640 -.656 -.719 -.620
2 2.019 2.684 2.575 2.791 2.305
3 2.019 2.684 2.575 2.791 2.305
LAM 1,(GE) LAM 1,(GE) LAM 1,(GE) LAM 1,(GE) LAM 1,(GE)

(1) 1 1.478
2 -7.416
3 1.478
LAM 4,(GE)
Prix par Km CT_KM_FER -.325976E-07 .149651E+03

du Train (-4.72) (10.88)
(1) 1 .099 .289
2 .262 -.873
3 -2.555 -1.796
LAM 3,(GE) LAM 3,(GE)
Vitesse VIT_RTE.275098E-01 .253462E-01 .302395E-01 .292361E-01 .196814E-01

par Route (2.54) (2.35) (3.41) (3.37) (2.20)
(1) 1 .162 .152 .192 .187 .130
2 -.696 -.638 -.752 -.725 -.484
3 -.696 -.638 -.752 -.725 -.484
====================================
LE RESEAU
---------
de la Route (-4.72) (10.88)
(2) 1 -.719 -.620
2 2.791 2.305
3 2.791 2.305
Prix/Km du CT_KM_TC-.370217E+02 -.295045E-01 -.229209E-01 -.421488E-01 .963927E+03

Transport Combine (-7.50) (-10.94) (-10.98) (-11.83) (8.18)
(2) 1 .227 1.094 1.165 1.464 1.478
2 -1.349 -6.306 -6.307 -7.804 -7.416
3 .227 1.094 1.165 1.464 1.478
Prix par Km du Train CT_KM_FER .674570E+01

(11.05)
(2) 1 .289
2 -.873
3 -1.796
LAM 4,(GE)
82
Actes INRETS n110
Tableau 13. lasticit-parts et coefficients des modles de lAnnexe 3
(page 2 de 4)
=========================================================================
I. BETA TYPE =LOGI LOGIT LOGIT LOGIT LOGIT
(COND.T-STATISTIC) VARIANT=direct direct direct direct direct
ELASTICITIES AT MEAN VERSION= 58 59 60 61 62
=========================================================================
Vitesse par VIT_TC .275098E-01 .253462E-01 .302395E-01 .292361E-01 .196814E-01
Transport Combine (2.54) (2.35) (3.41) (3.37) (2.20)
(2) 1 -.105 -.099 -.125 -.122 -.087
2 .624 .572 .676 .652 .435
3 -.105 -.099 -.125 -.122 -.087
Distance DIST_RTE -.102763E-03 -.261869E-03 -.902119E-21 -.523492E-20 .341905E-22

par Route (-.48) (-1.23) (-5.74) (-6.16) (-6.08)
(2) 1 .029 .074 .066 .078 .060
2 -.122 -.310 -.260 -.301 -.221
3 -.122 -.310 -.260 -.301 -.221
(GE) (GE) LAM 2,(GE) LAM 2,(GE) LAM 2,(GE)
LE MARCHE
---------
Trafic Total TRAF_TOT .102246E-05 .104647E-05.862932E-06 .862522E-06 .921896E-06
tous modes de (3.30) 3.39) (3.01) (3.07) (3.15)
la liaison (2) 1 -.033 -.034 -.030 -.030 -.033
2 .140 .143 .116 .116 .123
3 .140 .143 .116 .116 .123
Liaison K4 -.349540E+01 -.329841E+01 -.335204E+01 -.326080E+01 -.309558E+01

Italie == (-15.02) (-14.36) (-15.02) (-14.78) (-13.70)
(2) 1 .592 .594 .643 .628 .633
2 -2.903 -2.704 -2.709 -2.633 -2.463
3 -1.377 -1.795 -1.915 -1.769 -1.951
Liaison Belgique K6 -.146740E+01 -.133898E+01 -.150206E+01 -.137380E+01 -.144281E+01

& Luxembourg == (-7.47) (-6.89) (-7.84) (-7.21) (-7.58)
(2) 1 .257 .250 .301 .278 .304
2 -1.210 -1.089 -1.201 -1.096 -1.139
3 -.754 -.916 -1.122 -1.023 -1.101
Liaison K8 -.473406E+00 -.371320E+00 -.548064E+00 -.513775E+00 -.522436E+00

Allemagne == (-2.54) (-2.01) (-3.01) (-2.86) (-2.87)
(2) 1 .070 .063 .108 .098 .108
2 -.404 -.308 -.440 -.416 -.414
3 .033 -.128 -.363 -.256 -.362

== (-5.18) (-4.11) (-4.53) (-2.94) (-2.77)
(2) 1 .441 .400 .459 .316 .331
2 -2.271 -1.741 -1.835 -1.230 -1.096
3 -.671 -1.479 -1.694 -1.209 -1.712

== (-11.97) (-11.67) (-13.96) (-13.90) (-12.80)
(2) 1 .431 .439 .508 .502 .495
2 -2.174 -2.062 -2.189 -2.154 -1.986
3 -.796 -1.115 -1.354 -1.258 -1.316
REGRESSION CONSTANT -.998370E+00 -.227890E+01 -.233394E+01 -.310239E+01 -.342120E+01

(-2.24) (-4.84) (-7.88) (-9.17) (-8.84)


(page 3 de 4)
=========================================================================
=========================================================================
ALTERNATIVE 3 : Rail
======================
LE RESEAU
---------
de la Route (-4.72) (10.88)
(3) 1 -.719 -.620
2 2.791 2.305
3 2.791 2.305

(3) 1 1.478
2 -7.416
3 1.478
LAM 4,(GE)
Prix par CT_KM_FER -.370217E+02 -.295045E-01 -.229209E-01 -.421488E-01 .963927E+03

Km du Train (-7.50) (-10.94) (-10.98) (-11.83) (8.18)
(3) 1 .143 .098 .098 .099 .289
2 .143 .098 .098 .262 -.873
3 -3.021 -2.088 -1.985 -2.555 -1.796
Vitesse VIT_FER .275098E-01 .253462E-01 .302395E-01 .292361E-01 .196814E-01

par Train (2.54) (2.35) (3.41) (3.37) (2.20)
(3) 1 -.033 -.030 -.038 -.037 -.024
2 -.033 -.030 -.038 -.037 -.024
3 .698 .643 .765 .740 .499
Distance DIST_RTE -.102763E-03 -.261869E-03 -.902119E-21 -.523492E-20 -.341905E-22

par Route (-.48) (-1.23) (-5.74) (-6.16) (-6.08)
(3) 1 .029 .074 .066 .078 .060
2 -.122 -.310 -.260 -.301 -.221
3 -.122 -.310 -.260 -.301 -.221
(GE) (GE) LAM 2,(GE) LAM 2,(GE) LAM 2,(GE)
LE MARCHE
---------
Trafic Total TRAF_TOT.102246E-05 .104647E-05 .862932E-06 .862522E-06 .921896E-06
Tous Modes de (3.30) (3.39) (3.01) (3.07) (3.15)
la Liaison (3) 1 -.033 -.034 -.030 -.030 -.033
2 .140 .143 .116 .116 .123
3 .140 .143 .116 .116 .123

== (-6.68) (-8.29) (-8.91) (-8.42) (-8.94)
(3) 1 .592 .594 .643 .628 .633
2 -2.903 -2.704 -2.709 -2.633 -2.463
3 -1.377 -1.795 -1.915 -1.769 -1.951
Liaison K5 -.812925E-02 -.164396E+00 -.343785E+00 -.200059E+00 -.255790E+00

Royaume-Uni == (-.03) (-.55) (-1.14) (-.66) (-.86)
(3) 1 .000 .007 .016 .009 .012
2 .000 .007 .016 .009 .012
3 -.008 -.157 -.328 -.191 -.244


(page 4 de 4)
=========================================================================
=========================================================================
Liaison K6 -.101137E+01 -.116612E+01 -.142295E+01 -.130093E+01 -.140548E+01

Belgique & == (-3.85) (-4.52) (-5.46) (-5.03) (-5.47)
Luxembourg (3) 1 .257 .250 .301 .278 .304
2 -1.210 -1.089 -1.201 -1.096 -1.139
3 -.754 -.916 -1.122 -1.023 -1.101
Liaison K8 -.365181E-01 -.190981E+00 -.471093E+00 -.353867E+00 -.470138E+00

Allemagne == (-.14) (-.76) (-1.85) (-1.40) (-1.86)
(3) 1 .070 .063 .108 .098 .108
2 -.404 -.308 -.440 -.416 -.414
3 .033 -.128 -.363 -.256 -.362

== (-1.91) (-3.29) (-3.79) (-2.67) (-3.60)
(3) 1 .441 .400 .459 .316 .331
2 -2.271 -1.741 -1.835 -1.230 -1.096
3 -.671 -1.479 -1.694 -1.209 -1.712

== (-4.33) (-5.56) (-7.02) (-6.68) (-6.91)
(3) 1 .431 .439 .508 .502 .495
2 -2.174 -2.062 -2.189 -2.154 -1.986
3 -.796 -1.115 -1.354 -1.258 -1.316
REGRESSION CONSTANT-.131727E+01 -.908307E+00 -.898684E+00 -.897423E+00 -.101129E+01

(-2.72) (-1.89) (-3.60) (-3.60) (-4.11)
===================================================================================

Annexe 7. lasticit-points croises de la part modale

par rapport au prix du transport intermodal ou combin
A. Route : diffrence entre les lasticits des modles
0.80
0.70
Diff. Elast.-Point p Route (60 - 58) 0.60
0.50
0.40
0.30
0.20
0.10
0.00
0.036 0.038 0.04 0.042 0.044 0.046 0.048 0.05
P Intermodal
B. Route : diffrence entre les lasticits des modles

0.80
0.70
Diff. Elast.-Point p Route (61 - 58)
0.60
0.50
0.40
0.30
0.20
0.10
0.00
0.036 0.038 0.04 0.042 0.044 0.046 0.048 0.05
P Intermodal
86
Actes INRETS n110
C. Fer : diffrence entre les lasticits des modles
0.16
0.14
0.12
Diff. Elast.-Point p Train (60 - 58)
0.10
0.08
0.06
0.04
0.02
0.00
-0.02
0.036 0.038 0.04 0.042 0.044 0.046 0.048 0.05
P Intermodal
D. Fer : diffrence entre les lasticits des modles

0.16
0.14
0.12
Diff. Elast.-Point p Train (61 - 58)
0.10
0.08
0.06
0.04
0.02
0.00
-0.02
0.036 0.038 0.04 0.042 0.044 0.046 0.048 0.05
P Intermodal

Annexe 8. Diffrences entre les parts croises

prdites suite une baisse de 10% du prix du
transport intermodal ou combin
A. Route : diffrence entre les parts prdites des modles
0.40
0.30
Delta p Route = (60 sim. - 58 sim.) 0.20
0.10
0.00
-0.10
-0.20
-0.30
-0.40
-0.50
0 500 1000 1500 2000 2500 3000 3500
B. Route : diffrence entre les parts prdites des modles

0.40
0.30
Delta p Route = (61 sim. - 58 sim.)
0.20
0.10
0.00
-0.10
-0.20
-0.30
-0.40
-0.50
0 500 1000 1500 2000 2500 3000 3500

C. Fer : diffrence entre les parts prdites des modles

0.40
0.30
Delta p Train = (60 sim. - 58 sim.)
0.20
0.10
0.00
-0.10
-0.20
0 500 1000 1500 2000 2500 3000 3500
D. Fer : diffrence entre les parts prdites des modles

0.40
0.30
Delta p Train = (61 sim. - 58 sim.)
0.20
0.10
0.00
-0.10
-0.20
0 500 1000 1500 2000 2500 3000 3500

Annexe 9. Comportement en prvision : modles de

NIVEAUX et de PARTS
Pour comprendre la diffrence de comportement en prvision entre deux
modles, nous nous intressons au comportement respectif de la variable
dpendante et de son lasticit lorsque varie une variable explicative
dintrt, par exemple un prix, prsente sous des formes diffrentes dans
chacun des deux modles comparer. Pour mieux comprendre cette question
dans le cadre des modles agrgs de PARTS (et par ricochet ceux de choix
discret ou de PROBABILIT), il est utile de ltudier dabord dans un modle
classique de niveaux avant de passer au modle de parts (ou de probabilits).
A9.1. Lalgorithme de niveaux LEVEL L-1.4
Nous prenons donc comme rfrence 47 lalgorithme LEVEL L-1.4 (Liem et

alii., 1993) afin de mieux comprendre ensuite le mme problme pos dans
SHARE S-1 (Liem et alii., 1997) de TRIO qui est un systme dquations de
niveaux normalises par leur somme, ce qui y est un peu plus compliqu parce
que la variable dintrt y apparatra toujours au numrateur et au moins une
fois au dnominateur, selon quon sintressera au Logit Box-Cox Standard ou
au Logit Box-Cox Gnralis.
tude de la diffrence entre Variables dpendantes et entre lasticits-
points. Soit deux modles 1 et 2 estims avec le mme nombre de variables
indpendantes (pour allger la notation (mais la nature du problme ne
changera pas si lon na pas le mme nombre de variables dans les deux
modles) et avec des contraintes diffrentes sur les dans les deux modles :
Y1n = 10 + 1k X kn( 1k ) + u1n (0.1)
k
Y2 n = 20 + 2 k X kn( 2 k ) + u2 n (0.2)
k
o k = 1, K variables, n = 1, N observations, 10 , 1k et 1k sont les

paramtres associs au modle 1, et 20 , 2k et 2 k sont les paramtres
associs au modle 2.
47
Cet algorithme est implant dans TRIO, Version 2.0, comme lest aussi dailleurs lalgorithme
SHARE S-1. Les deux algorithmes sont donc compltement documents. Si nous avions pris
comme point de dpart des versions subsquentes de lalgorithme de niveaux LEVEL, comme L-
1.5 de 2000 ou L-1.6 de 2007, largumentation serait identique, comme elle le serait partir
dalgorithmes proches (L-2.0 de 1998; L-2.1 de 2007) : ces algorithmes ne sont pas implants dans
TRIO mais leurs manuels sont tlchargeables du site de lAgora Jules Dupuit
(www.ajd.umontreal.ca).

A9.1.1. Diffrence entre les parties fixes

Considrons la diffrence Yn entre les parties fixes (c..d. les membres
droits des quations de rgression sans les termes derreur u1n et u2 n )
associes aux modles 2 et 1 :

Yn = 20 + 2 k X kn( 2 k ) 10 + 1k X kn( 1k ) (1)
k k
On veut tudier les points de croisement, de retournement et dinflexion de

la courbe Yn trace en fonction dune variable X qn (par exemple le prix) qui
apparat dans les deux modles.
1.1 Point de croisement quand la diffrence Yn = 0

Pour trouver le point de croisement X qn (c..d. quand les deux parties fixes
sont gales), on rsout tout simplement lquation Yn = 0 en X qn :

Yn = 20 + 2 k X kn( 2 k ) 10 + 1k X kn( 1k ) = 0 . (2)
k k
En sortant X qn lextrieur des deux sommations et en dveloppant les
( ) ( )
transformations de Box-Cox X qn1q et X qn 2 q , on obtient :
2q
X qn 1q X qn + Rn = 0
2q 1q
(3)
2 q 1q

o Rn = 20 2 q + 2 k X kn( 2 k ) 10 1q + 1k X kn( 1k ) ne contient
2 q k q 1q k q
plus la variable X qn .
Lquation (3) est une fonction deux puissances diffrentes de X qn . On
peut distinguer deux cas principaux :
1. Cas 1q 2 q : en gnral, on ne peut pas rsoudre lquation
analytiquement pour des valeurs quelconques de 1q et 2 q , sauf
pour quelques cas simples comme par exemple la forme

quadratique avec 1q = 2 et 2 q = 1 , ou le cas inverse 1q = 1 et

2 q = 2 .
2. Cas 1q = 2 q = q : on peut trouver la solution analytique du point

de croisement X qn qui
1
q Rn q
, (q 0 et 2 q 1q 0)

scrit X qn = 1 (4)
2 q 1q

et
Rn
, (q = 0 et 2 q 1q 0)

X qn = exp (5)
2 q 1q

mais ce cas est dintrt acadmique puisque lintrt de la problmatique (0)
est prcisment davoir des diffrences entre les transformations utilises en
(0.1) et (0. 2).
1.2 Point de retournement quand la drive premire Yn / X qn = 0
Le point de retournement de la courbe Yn est donn par la solution de

lquation Yn / X qn = 0 :
Yn 1 1
= 2 q X qn2 q 1q X qn1q = 0 . (6)
X qn
Notons que, si 1q = 2 q = 1 , cette drive se rduit une constante
positive ou ngative, c..d. que la courbe Yn est strictement croissante ou
dcroissante. Il nexiste pas de point de retournement. La solution de cette
quation scrit :
1
1q 2 q 1 q

X qn = , (1q 2 q et 1q / 2 q > 0) . (7)

2q
Ce point est un maximum ou un minimum selon que la drive seconde
2 Yn / X qn2 value ce point est ngative ou positive respectivement :
2 Yn 2 2
= 2 q (2 q 1) X qn2 q 1q (1q 1) X qn1q , (8)
X qn
2
ce qui signifie quon aura, en cas de maximum :

1
1q (1q 1) 2 q 1q 1q (1q 1)

X qn < , (1q 2 q et > 0)
2 q (2 q 1) 2 q (2 q 1)
et, en cas de minimum :

1
1q (1q 1) 2 q 1 q 1q (1q 1)

X qn > , (1q 2 q et > 0) .
2 q (2 q 1) 2 q (2 q 1)
1.3 Point dinflexion quand la drive seconde Yn / X qn = 0

2 2
Le point dinflexion de la courbe Yn est donn par la solution de lquation

2 Yn / X qn2 = 0 , sujette la condition que la drive seconde change de
signe quand X qn passe travers le point dinflexion. En galisant la drive
seconde (8) zro et en rsolvant lquation pour X qn , on trouve le point
dinflexion:
1
1q (1q 1) 2 q 1q 1q (1q 1)
X qn = , (1q 2 q et > 0) . (9)
2 q (2 q 1) 2 q (2 q 1)
A9.1.2. Diffrence entre les lasticits-points

Considrons maintenant la diffrence des lasticits-points Dn ( X qn ) ,
c..d. la diffrence des drives associes aux modles 2 et 1, multiplies
par X qn . Le problme de la drivation est simple car cette diffrence ne
dpend que de X qn (tous les autres X ayant disparu au cours de la
drivation) :
Y Y
Dn ( X qn ) = 2 n 1n
X qn X qn X qn = 2 q X qn2 q 1q X qn1q (10)

2.1 Point de croisement quand la diffrence Dn ( X qn ) = 0

Pour trouver le point de croisement X qn , on rsout tout simplement
lquation Dn ( X qn ) = 0 en X qn :

Dn ( X qn ) = 2 q X qn2 q 1q X qn1q = 0 . (11)

Notons que si 1q = 2 q = 0 , Dn ( X qn ) se rduit une constante positive ou

ngative, et alors il nexiste plus de point croisement.
La solution de cette quation scrit :
1
1q 2 q 1q

X qn = , (1q 2 q et 1q / 2 q > 0) . (12)

2q
2.2 Point de retournement quand la drive premire Dn ( X qn ) / X qn = 0
Le point de retournement de la courbe Dn ( X qn ) est donn par la solution de

lquation Dn ( X qn ) / X qn = 0 :
Dn ( X qn ) 1 1
= 2 q 2 q X qn2 q 1q 1q X qn1q = 0 . (13)
X qn
Notons que, si 1q = 2 q = 1 , cette drive se rduit une constante
positive ou ngative, c..d. que la courbe Dn ( X qn ) est strictement croissante
ou dcroissante. Il nexiste pas de point de retournement.
La solution de cette quation scrit :
1
1q 1q 2 q 1q 1q 1q

X qn = , (1q 2 q et > 0) . (14)
2 q 2 q
2q 2q
Ce point est un maximum ou un minimum selon que la drive seconde

Dn ( X qn ) / X qn2 value ce point est ngative ou positive respectivement :
2
2 Dn ( X qn ) 2 2
= 2 q 2 q (2 q 1) X qn2 q 1q 1q (1q 1) X qn1q . (15)
X 2
qn
2.3 Point dinflexion quand la drive seconde Dn ( X qn ) / X qn = 0

2 2
Le point dinflexion de la courbe Dn ( X qn ) est donn par la solution de

lquation Dn ( X qn ) / X qn = 0 , sujette la condition que la drive seconde
2 2
change de signe quand X qn passe travers le point dinflexion. En galisant la

drive seconde (15) zro et en rsolvant lquation pour X qn , on trouve le
point dinflexion :

1
( 1) 2 q 1q ( 1)
X qn = 1q 1q 1q , (1q 2 q et 1q 1q 1q > 0) . (16)
2 q 2 q (2 q 1) 2 q 2 q (2 q 1)
On peut maintenant passer au cas plus difficile dun systme dquations
crit sous forme de PARTS ou de PROBABILITS de type Box-Cox Logit.

Standard
points. Soit p1in et p2in les parts estimes dans les modles 1 et 2
respectivement, avec le mme nombre de variables indpendantes pour allger
la notation (mais la nature du problme ne changera pas si lon na pas le
mme nombre de variables dans les deux modles) et avec des contraintes
diffrentes sur les paramtres des transformations de Box-Cox sur les
variables indpendantes dans les deux modles :
exp V1in
p1in = (17)
exp V1mn
m
et
exp V2in
p2in = (18)
expV2mn
m
o i, m = 1, M alternatives , n = 1, N observations, p1in ,V1in et V1mn sont

associs au modle 1 et p2in , V2 in et V2 mn sont associs au modle 2. Les
composantes de lutilit reprsentative V1in et V2 in ont les formes suivantes :

1ik )
(19)
k
et
V2in = 2io + 2ik X 2( ikn
2 ik )
(20)
k
o k = 1, K variables indpendantes, ( 1i 0 , 1ik ,1ik ) et ( 2 i 0 , 2 ik ,2 ik ) sont


A9.2.1. Diffrences entre les Parts propres et croises
Considrons la diffrence des parts estimes, associes aux modles 2

et 1. Deux cas sont considrer :
Cas direct ou propre pin : on tudie les points de croisement, de

retournement et dinflexion de la courbe pin trace en fonction dune
variable X 1iqn = X 2 iqn = X iqn (par exemple le prix) qui est commune aux
deux modles et qui apparat seulement dans lalternative i :
exp V2in exp V1in
pin = p2in p1in =
expV2mn expV1mn
m m
Cas crois p jn ( j i ) : on tudie les points de croisement, de

retournement et dinflexion de la courbe p jn ( j i ) trace en fonction
dune variable X 1iqn = X 2 iqn = X iqn qui est commune aux deux modles et
qui apparat seulement dans lalternative i :
exp V2 jn exp V1 jn
exp V
m
2 mn exp V
m
1mn
1.1 CAS DIRECT OU PROPRE
1.1.1 Point de croisement quand la diffrence des parts pin = 0

Pour trouver le point de croisement X iqn (c.a.d. quand les deux parts sont
gales), on rsout tout simplement lquation pin = 0 en X iqn :
exp V2in exp V1in

pin = = 0. (21)
expV2mn expV1mn
m m
En sortant X iqn lextrieur de V1in et V2in dans les parts associes aux
( )
modles 1 et 2, et en dveloppant les transformations de Box-Cox X iqn1iq et
( )
X iqn2 iq , on obtient :
2iq
X iqn 1iq X iqn + Rin = 0
2 iq 1iq
(22)
2iq 1iq
o

S
Rin = log 2 n , S1n = exp V1mn , S 2 n = exp V2 mn
S1nTin m i m i
et

1ik )
Tin = exp 2i 0 2iq + 2ik X 2(ikn2ik ) 1i 0 1iq + 1ik X1(ikn
2iq k q 1iq k q
ne dpendent plus de X iqn .
Cette quation est une fonction deux puissances diffrentes de X iqn . Sa
forme est exactement analogue celle de LEVEL L-1.4. On peut considrer
deux cas distincts :
Cas1iq 2iq : en gnral, on ne peut pas rsoudre lquation

analytiquement pour des valeurs quelconques de 1iq et 2 iq , sauf pour
quelques cas simples comme par exemple la forme quadratique avec 1iq = 2
et 2 iq = 1 , ou le cas inverse 1iq = 1 et 2 iq = 2 .
Cas 1iq = 2 iq = iq : on peut trouver la solution analytique du point de

croisement X iqn qui scrit :
1
iq Rin iq iq Rin
, (iq 0, 2iq 1iq 0,1

X iqn = 1 > 0)

2 iq 1iq 2 iq 1iq
(23)
et
Rin
, (iq = 0 et 2iq 1iq 0) .

X iqn = exp (24)

2 iq 1iq
1.1.2 Point de retournement quand la drive premire pin / X iqn = 0
Le point de retournement de la courbe pin est donn par la solution de

lquation pin / X iqn = 0 .
La drive premire de pin par rapport X iqn peut scrire :


pin expV2in expV2in 2iq1 expV1in expV1in 1
= 1 2iqXiqn 1 1iqXiqn1iq
Xiqn expV2mn expV2mn expV1mn expV1mn
m m m m

expV2in expV2mn expV2in expV1in expV1mn expV1in
= m X2iq1 m X1iq1
2 2iq iqn 2 1iq iqn

expV2mn expV1mn
m m
expV2inexpV2mn expV1inexpV1mn
2iq1 1
= mi
2
2iqXiqn mi
2
1iqXiqn1iq

expV2mn expV1mn
m m
Comme la variable X iqn napparat que dans les V1in et V2 in pour le cas
direct, on peut remplacer dans les dnominateurs les sommations
m exp V1mn par exp V1in + m i exp V1mn et m exp V2mn par
exp V2in + m i exp V2 mn pour mettre en vidence exp V1in et expV2in dans
une premire tape.
Aprs avoir remplac ces sommations, dvelopp les carrs aux
dnominateurs et simplifi les dnominateurs avec les termes aux numrateurs,
on obtient la forme suivante de la drive :
1 1
pin 2iq Xiqn2iq 1iq Xiqn1iq
= .
Xiqn mi expV2mn expV2in expV1mn expV1in
+ +2 mi
+ +2 (25)
expV2in mi expV2mn expV1in mi expV1mn
Comme les exp V1in et exp V2in peuvent se dcomposer en

exp V1in exp( 1iq X iqn1iq / 1iq ) et exp V2in exp( 2iq X iqn2 iq / 2iq ) respectivement,
on peut mettre lquation sous une forme explicite o la variable X iqn

napparat plus dans aucun des V1mn , V2 mn ( m i ), V1in et V2in :

1
pin
=
mi
expV2mn
+

expV2in exp(2iqXiqn2iq /2iq) 1
+2 2iqXiqn2iq
2iq
Xiqn expV2in exp(2iqXiqn /2iq) miexpV2mn
1

mi
expV1mn
+

expV1in exp(1iqXiqn1iq /1iq) 1
+2 1iqXiqn1iq =0, (1iq,2iq 0)
(26)
1iq
expV1in exp(1iqXiqn /1iq) miexpV1mn
o V1in = 1i 0 +

X ( / ) et
k q 1ik
( 1ik )
1ikn 1iq 1iq
V
2 in = 2i 0 + X ( / ) . Notons que, si
k q 2 ik
( 2 ik )
2 ikn 2 iq 2 iq 1iq = 2iq = 0 , les
V1in et V2in ne contiennent plus les termes ( 1iq / 1iq ) et ( 2iq / 2iq ) ,
respectivement. Ces derniers sont raffects lintrieur des

exp( 1iq X iqn1iq / 1iq ) et exp( 2iq X iqn2 iq / 2iq ) pour donner exp( 1iq log X iqn ) et
exp( 2iq log X iqn ) , respectivement.
Cette quation est fortement non-linaire en X iqn et ne peut pas tre
rsolue analytiquement. Par une mthode numrique on peut trouver le point

critique X iqn qui rend cette drive nulle : ce point est un maximum ou un
minimum selon que la drive seconde 2 pin / X iqn

2
value ce point est
ngative ou positive respectivement.
En utilisant la drive premire donne en (26), la drive seconde
2 pin / X iqn
2
a la forme suivante :
2iq Xiqn2iq ( A2n A2n1 )

1
2iq Xiqn2iq
1
2pin
= ( 1)X
1

Xiqn
2
( A2n + A2n1 + 2) 2iq iqn ( A2n + A2n1 + 2)
1iq Xiqn1iq ( A1n A1n1 )
1
1iq Xiqn
1iq 1
(27)
( 1)X
1
, ( , 0).
( A1n + A1n1 + 2) 1iq iqn ( A1n + A1n1 + 2) 1iq 2iq
= exp V1*in exp(1iq X iqn1iq / 1iq)/ m i exp V1mn

o A1n
A2n = exp V2in exp(2iqXiqn2iq / 2iq)/ m i exp V2mn

*
et
Notons que, pour le cas 1iq = 2iq = 0 , la remarque donne en (26) sur les
V1in et V2in sapplique ici.

1.1.3 Point dinflexion quand la drive seconde 2 pin / X iqn

2
=0
Le point dinflexion X iqn est donn par la solution de lquation
pin / X
2 2
iqn = 0 . Cette quation est plus fortement non-linaire que celle de
la drive premire et ne peut pas tre rsolue de faon analytique. Mais par
une mthode numrique on peut trouver le point dinflexion de la courbe pin
condition que la drive seconde 2 pin / X iqn
2
change de signe quand X iqn
passe travers le point dinflexion.
1.2 CAS CROIS
1.2.1 Point de croisement quand la diffrence des parts p jn = 0

Pour trouver le point de croisement X iqn (c..d. quand les deux parts sont
gales), on rsout tout simplement lquation p jn = 0 ( j i ) en X iqn :
exp V2 jn exp V1 jn
p jn = =0 (28)
expV
m
2 mn expV
m
1mn
qui peut se rcrire :

expV2mn expV1jn expV1mn expV2 jn = 0
m m

expV2in +expV2mn expV1jn expV1in +expV1mn expV2 jn = 0
mi mi

expV2in expV1jn +expV2mn expV1jn expV1in expV2 jn expV1mn expV2 jn = 0
mi mi
En divisant tous les termes par le produit exp V1 jn exp V2 jn , on obtient :
exp V2in exp V1in m i exp V2 mn m i exp V1mn

+ = 0 (29)
exp V2 jn exp V1 jn exp V2 jn exp V1 jn

En remplaant exp V1in et exp V2in par exp V1in exp( 1iq X iqn1iq / 1iq ) et

exp V2in exp( 2iq X iqn2 iq / 2iq ) respectivement, o V1in et V2in sont dfinis en

(26), lquation scrit finalement:
( )
exp (V2in V2 jn ) exp 2iq X iqn2 iq / 2iq exp (V1in V1 jn ) exp 1iq X iqn1iq / 1iq + Rin = 0

(
)
(30)

o Rin = exp (V2 mn V2 jn ) exp (V1mn V1 jn ) , V1 jn , V2 jn , V1in et V2in
m i
ne dpendent pas de X iqn . Cette quation est fortement non-linaire en X iqn
et ne peut pas tre rsolue que numriquement.
1.2.2 Point de retournement quand la drive premire p jn / X iqn = 0

Le point de retournement de la courbe p jn est donn par la solution de
lquation p jn / X iqn = 0 . partir de (12), la drive premire de p jn par
rapport X iqn peut scrire :
pjn expV expV2in 1 expV expV 1

= 2jn X 2iq + 1jn 1in2 1iqXiqn1iq
( ) ( )
2 2iq iqn
Xiqn
mexpV2mn mexpV1mn
expV2jn expV2in 2iq1 expV1jn expV1in 1iq1
= X + X
(expV + ) ( expV + )
2 2iq iqn 2 1iq iqn
2in mi
expV2mn 1in mi
expV1mn
expV2jn 2iq 1 expV1jn 1iq1
= X + X
(1+ ) (1+ )
2 2iq iqn 2 1iq iqn
mi
expV2mn /expV2in mi
expV1mn /expV1in

En remplaant exp V1in et exp V2in par exp V1in exp( 1iq X iqn1iq / 1iq ) et

exp V2in exp( 2iq X iqn2 iq / 2iq ) respectivement, on obtient lquation:
pjn expV2 jn 1
= 2iq Xiqn2iq
Xiqn
( )
1+exp 2iq Xiqn / 2iq exp(V2mn V )
2
2iq
mi 2in
(31)
expV1jn
=0, ( 1iq,2iq 0)
1iq 1
+ X
( )
2 1iq iqn
1+exp 1iq Xiqn mi exp(V1mn V1in )
1iq
/ 1iq

o V1 jn , V2 jn , V1in et V2in ne dpendent pas de X iqn . Notons que si
1iq = 2iq = 0 , la remarque donne en (26) sur les V1in et V2in sapplique ici.



critique X iqn qui rend cette drive nulle. Ce point est un maximum ou un
minimum selon que la drive seconde 2 p jn / X iqn

2
value ce point est
En utilisant la drive premire donne en (31), la drive seconde

p jn / X iqn
2 2
a la forme suivante :
2pjn
2iq2
2iqXiqn expV2jn
22iqXiqn2iq
= (2iq 1)+
Xiqn
2
(
1+F2in exp 2iqXiqn

2iq

/2iq

2

) 1+ F 1
2in exp (X
2iq iqn
2iq
/ 2iq)

2
1iqXiqn1iq expV1jn
21iqXiqn1iq (32)
+ (1iq 1)+ 1 , (1iq,2iq 0).
(
1+F1in exp 1iqXiqn /1iq

1iq
2

) 1+ F1in exp (X
1iq
1iq iqn 1iq / )

o F1in = m i exp (V1mn V1in ) et F2in = m i exp (V2 mn V2in ) ne

dpendent pas de X iqn . Notons que si 1iq = 2iq = 0 , la remarque donne en

(26) sur les V 1in et V 2 in sapplique ici.
1.2.3 Point dinflexion quand la drive seconde 2 p jn / X iqn

2
=0
2 p jn / X iqn
2
= 0 . Cette quation est plus fortement non-linaire que celle de
une mthode numrique on peut trouver le point dinflexion de la courbe p jn
condition que la drive seconde 2 p jn / X iqn

2
change de signe quand X iqn
A9.2.2. Diffrence entre les lasticits-points
Considrons maintenant la diffrence des lasticits-points qui est dfinie

comme la diffrence des drives premires des parts estimes, associes
aux modles 2 et 1 par rapport X iqn , multiplies par X iqn . Deux cas sont

considrer :
Cas direct ou propre: on tudie les points de croisement, de

retournement et dinflexion de la courbe Din X iqn ( ) trace en fonction
dune variable X 1iqn = X 2 iqn = X iqn (par exemple le prix) qui est commune
aux deux modles et qui apparat seulement dans lalternative i :
pin p p
Din ( X iqn ) = X iqn = 2in 1in X iqn .
X iqn X
iqn X iqn
Cas crois : on tudie les points de croisement, de retournement et
dinflexion de la courbe D jn X iqn ( ) ( j i) trace en fonction dune
variable X 1iqn = X 2 iqn = X iqn qui est commune aux deux modles et qui
apparat seulement dans lalternative i :
p jn p2 jn p1 jn
D jn ( X iqn ) = X iqn = X iqn .
X iqn X iqn X iqn

2.1 CAS DIRECT OU PROPRE
La diffrence des lasticits-points scrit :
pin p p
Din ( X iqn ) = X iqn = 2in 1in X iqn . (33)
X iqn X
iqn X iqn
En remplaant pin / X iqn par son expression donne en (26), on obtient

une forme explicite de la diffrence des lasticits-points dans laquelle la

variable X iqn napparat plus dans aucun des V1mn , V2 mn ( m i ), V1in et V2in , si
(
1iq , 2iq 0 ) .
1

Din(Xiqn) =
mi
expV2mn
+

expV2in exp(2iq Xiqn2iq / 2iq)
+2 2iq Xiqn2iq
2iq
expV2in exp(2iq Xiqn / 2iq )

mi expV2mn
1

mi
expV1mn
+

expV1in exp(1iq Xiqn1iq / 1iq )
+ 2 X
1iq
,
(34)

mi expV1mn
1
expV1in exp(1iq Xiqn / 1iq )
iq iqn

1iq

o V1in et V2in sont dj dfinis dans (26). Notons que, si 1iq = 2iq = 0 , la

remarque donne en (26) sur les V1in et V2in sapplique ici.
2.1.1 Point de croisement quand la diffrence Din ( X iqn ) = 0
Comme l`quation Din ( X iqn ) = 0 est identique lquation

pin / X iqn = 0 un facteur X iqn prs, on ne peut pas non plus la rsoudre

analytiquement pour trouver le point de croisement X iqn .
2.1.2 Point de retournement quand la drive premire

Din ( X iqn ) / X iqn = 0
Le point de retournement de la courbe Din ( X iqn ) est donn par la solution
de lquation :
2iq Xiqn2iq ( A2n A2n1)

1
Din (Xiqn )
2iq
2iq Xiqn
= X 1

Xiqn ( A2n + A2n1 +2) 2iq iqn ( A2n + A2n1 +2)
1iq Xiqn1iq ( A1n A1n1)
1
1iq Xiqn1iq

(35)
X 1
= 0, (1iq,2iq 0).
( A1n + A1n1 +2) 1iq iqn ( A1n + A1n1 +2)
o A1n et A2 n sont dfinis dans (27). Notons que si 1iq = 2iq = 0 , la



critique X iqn qui rend cette drive nulle. Ce point est un maximum ou un
minimum selon que la drive seconde 2 Din ( X iqn ) / X iqn

2
value ce point
est ngative ou positive respectivement.
partir de la drive premire donne en (35), on obtient la drive
seconde :

2iq
2Din(Xiqn) 2iqXiqn
X 2
iqn
=
2n
{ X B (( 1)X C +E )+( X B )( X C )}
A +A +2
1
2n
2
2iq iqn 2n 2iq
1
iqn 2n 2n
1
2iq iqn 2n
1
2iq iqn 2n
1iq
1iqXiqn

A1n +A1n +2
1 {
1iqXiqn2 B1n( (1iq 1)Xiq1n C1n +E1n)+( 1iqXiqn1 B1n)( 1iqXiq1n C1n) ,
} (36)
(1iq,2iq 0)
o
1iq 1 2 iq 1
1iq X iqn ( A1n A1n1 ) 2iq X iqn ( A2 n A2n1 )
B1n = , B2 n = ,
A1n + A1n1 + 2 A2 n + A2n1 + 2
1iq 1 2 iq 1
1iq X iqn (1 A1n2 ) exp V1in 2iq X iqn (1 A2n2 ) exp V2in
C1n = , C2 n = ,
A1n + A1n1 + 2 A2 n + A2n1 + 2
1iq 1 2 iq 1
1iq X iqn (1 + A1n2 ) exp V1in 2iq X iqn (1 + A2n2 ) exp V2in
E1n = et E2 n = .
A1n A1n1 A2 n A2n1
Remarquons que si 1iq = 2iq = 0 , la remarque donne en (26) sur les
V1in et V2in sapplique ici.
2.1.3 Point dinflexion quand la drive seconde 2 Din ( X iqn ) / X iqn

2
=0
2 Din ( X iqn ) / X iqn
2
= 0 . Cette quation est plus fortement non-linaire que
celle de la drive premire et ne peut pas tre rsolue de faon analytique.
Mais par une mthode numrique on peut trouver le point dinflexion de la
courbe Din ( X iqn ) condition que la drive seconde 2 Din ( X in ) / X iqn
2
change de signe quand X iqn passe travers le point dinflexion.
2.2 CAS CROIS
La diffrence des lasticits-points scrit :

p2 jn p1 jn
p jn
D jn ( X iqn ) = X iqn =
X iqn X iqn iqn
X . (37)
X iqn
En remplaant p jn / X iqn par son expression donne en (31), on obtient
une forme explicite de la diffrence des lasticits-points dans laquelle la

variable X iqn napparat dans aucun des V1mn , V2 mn (m i),

V1 jn , V2 jn , V1in et V2in :
expV2 jn
Djn ( Xiqn ) =

2iq Xiqn2iq
( )
/ 2iq mi exp(V2mn V2in )
2
1+exp 2iq Xiqn
2iq

expV1jn
X 1iq , ( 1iq,2iq 0)

+ (38)
( )
2 1iq iqn
1+exp 1iq Xiqn / 1iq exp(V1mn V )
1iq
mi 1in
o V1in et V2in sont dj dfinis dans (26). Notons que si 1iq = 2iq = 0 , la

2.2.1 Point de croisement quand la diffrence D jn ( X iqn ) = 0
Comme l`quation D jn ( X iqn ) = 0 est identique lquation

p jn / X iqn = 0 un facteur prs X iqn , on ne peut pas non plus la rsoudre

analytiquement pour trouver le point de croisement X iqn .
2.2.2 Point de retournement quand la drive premire

D jn ( X iqn ) / X iqn = 0
Le point de retournement de la courbe D jn ( X iqn ) est donn par la solution
de lquation :
Djn(Xiqn)
2iq1
2iqXiqn expV2jn
22iqXiqn2iq
= 2iq +
Xiqn
(
1+F2inexp 2iqXiqn

2iq

2
/2iq
)
1+F 1
2in exp ( X
2iq
2iq iqn 2iq / )

1
1iqXiqn1iq expV1jn
21iqXiqn1iq
+ + 1 =0, (1iq,2iq 0).
(
1+F1inexp 1iqXiqn /1iq

1iq
)
2 1iq

1+F1in exp ( X
1iq
1iq iqn 1iq / )

(39)
o F1in et F2in sont dfinis dans (32). Notons que si 1iq = 2iq = 0 , la

Cette quation est fortement non-linaire en X iqn et ne peut pas tre rsolue
analytiquement. Par une mthode numrique on peut trouver le point critique


X iqn qui rend cette drive nulle. Ce point est un maximum ou un minimum
selon que la drive seconde 2 D jn ( X iqn ) / X iqn

2
value ce point est
partir de la drive premire donne en (39), on obtient la drive seconde :
2
2Djn(Xiqn) 2iqXiqn2iq expV2jn
=
Xiqn (1+G2in)
2 2
22iqXiqn2iq 22iq +( 2iq 1) Xiqn 2 2 2

1
2iq ( 2iq 1) +
2iq
+22iqXiqn
1+G2in1 (1+G1 )2 1+G2in
2in
2
1iqXiqn1iq expV1jn
+ (40)
(1+G1in)
2
21iqXiqn1iq 21iq +( 1iq 1) Xiqn 2 2 2

1
1iq ( 1iq 1) +
1iq
+21iqXiqn ,
( 1in)
1+ G 1
+ 1 2 1+G
1in 1 G 1in

(1iq,2iq 0)
o (
G1in = F1in exp 1iq X iqn1iq / 1iq , ) (
G2in = F2in exp 2iq X iqn2 iq / 2iq , )
F1in et F2in sont dfinis dans (32). Notons que si 1iq = 2iq = 0 , la remarque

donne en (26) sur les V1in et V2in sapplique ici.
2.2.3 Point dinflexion quand la drive seconde 2 D jn ( X iqn ) / X iqn

2
=0
Le point dinflexion X iqn est donn par la solution de
lquation D jn ( X iqn ) / X iqn = 0 . Cette quation est plus fortement non-

2 2
linaire que celle de la drive premire et ne peut pas tre rsolue de faon
analytique. Mais par une mthode numrique on peut trouver le point dinflexion
de la courbe D jn ( X iqn ) condition que la drive seconde 2 D jn ( X in ) / X iqn
2
change de signe quand X iqn passe travers le point dinflexion.

Gnralis

points. Soit p1in et p2in les parts estimes dans les modles 1 et 2

respectivement, avec le mme nombre de variables indpendantes pour allger

la notation (mais la nature du problme ne changera pas si lon na pas le
mme nombre de variables dans les deux modles) et avec des contraintes
diffrentes sur les paramtres des transformations de Box-Cox sur les
variables indpendantes dans les deux modles :
exp V1in
p1in = (41)
exp V1mn
m
et
exp V2in
p2in = (42)
expV2mn
m
o i, m = 1, M alternatives , n = 1, N observations, p1in , V1in et V1mn sont

associs au modle 1 et p2in , V2 in et V2 mn sont associs au modle 2. Les
composantes de lutilit reprsentative V1in et V2 in ont les formes suivantes :
1ik )
(43)
k
et
V2in = 2io + 2ik X 2( ikn2 ik ) (44)
k
o k = 1, K variables indpendantes, ( 1i 0 , 1ik ,1ik ) et ( 2i 0 , 2ik ,2ik ) sont

A9.3.1 Diffrence entre les Parts propres et croises

Considrons la diffrence des parts estimes pin , associes aux modles 2
et 1 qui sont de type Logit gnralis. Deux cas sont distinguer :
Cas direct ou propre pin : on tudie les points de croisement, de
retournement et dinflexion de la courbe trace en fonction dune variable
X 1iqn = X 2iqn = X qn , par exemple le prix de lalternative i , qui est
commune aux deux modles et qui apparat dans toutes les alternatives
m = 1, M avec des coefficients 1mq et 2 mq distincts et des paramtres
de Box-Cox 1mq et 2mq distincts dans chaque modle:
exp V2in exp V1in
pin = p2in p1in =
expV2mn expV1mn
m m
Cas crois p jn ( j i ) : on tudie les points de croisement, de

retournement et dinflexion de la courbe p jn ( j i) trace en fonction
dune variable X 1iqn = X 2 iqn = X qn , par exemple le prix de lalternative i ,
qui est commune aux deux modles et qui apparat dans toutes les
alternatives m = 1, M avec des coefficients 1mq et 2 mq distincts et des
paramtres de Box-Cox 1mq et 2mq distincts dans chaque modle:
exp V2 jn exp V1 jn
exp V
m
2 mn exp V
m
1mn
Comme la variable X qn apparat dans toutes les alternatives, on analyse en

dtail le cas direct seulement. Les formules du cas crois sont exactement
analogues celles du cas direct et peuvent sobtenir en remplaant lindice de
lalternative i par j partout o il apparat, cest--dire dans les parts
p1in et p2in , et les composantes de lutilit V1in et V2in .
1.1 Point de croisement quand la diffrence des parts pin = 0

Pour trouver le point de croisement X qn (c..d. quand les deux parts sont
gales), on rsout tout simplement lquation pin = 0 en X qn :
exp V2in exp V1in
pin = =0 (45)
expV2mn exp V1mn
m m
Comme tous les exp V1mn et exp V2 mn peuvent se dcomposer en

exp V1mn exp( 1mq X qn1mq / 1mq ) et exp V2mn exp( 2 mq X qn2 mq / 2 mq )
respectivement, lquation peut se rcrire :
pin =
(
expV2inexp 2iqXqn2iq /2iq

)
(
expV1inexp 1iqXqn1iq /1iq ) =0
expV exp( ) expV exp( X )
1mq

2mn X 2mq /2mq
2mq qn

1mn 1mq qn /1mq
m m
1
=
mi

(
1+exp(V2mn V2in) exp 2mqXqn2mq /2mq 2iqXqn2iq /2iq

) (46)
1
=0, ( 1mq,1iq,2mq,2iq 0)
mi

(
1+exp(V1mn V1in) exp 1mqXqn1mq /1mq 1iqXqn1iq /1iq )
o V1in = 1i 0 +

X ( / ) et
k q 1ik
( 1ik )
1ikn 1iq 1iq
V
2 in = 2i 0 + X ( / ) ne dpendent pas de
k q 2ik
( 2 ik )
2 ikn 2 iq 2 iq X qn . Notons

que si lun des 1mq , 1iq , 2 mq ou 2iq est gal zro, par exemple 1mq , le
correspondant ne contient plus le terme ( 1mq / 1mq ) . Ce dernier est

V1mn

raffect lintrieur de lexponentielle exp( 1mq X qn1mq / 1mq ) pour donner
exp( 1mq log X qn ) .
Lquation peut encore se rduire une forme plus simple:
2mq Xqn2mq 2iq Xqn2iq 1mq Xqn1mq 1iq X qn1iq

mi

A2mn exp
2mq

2iq
A1mn exp
1mq

1iq
= 0

(47)

(
o A1mn = exp V1mn V1in

) et A
2 mn = exp (V2mn V2in ) ne dpendent pas de
X qn . Lquation est fortement non-linaire en X qn et ne peut pas tre rsolue

analytiquement mais numriquement pour obtenir le point de croisement X qn .
Notons que cette quation ne sapplique que dans le cas o tous les deux
modles sont de type Logit gnralis. Si le modle 1 est de type Logit
standard, cest--dire que la variable X qn apparat seulement dans V1in mais
pas dans les autres V1mn ( m i ) , alors lquation peut se rcrire comme
suit :
Cas direct ou propre: lquation pin = 0 donne :
2 mq X qn2 mq 2iq X qn2 iq 1iq

1iq X qn

m i

A2 mn exp
2 mq

2iq
A1mn exp
1iq
= 0

(48)

(
o A1mn = exp V1mn V1in

) ne dpend pas de X qn .
Cas crois : lquation p jn = 0 donne :
2 mq
2 mq X qn 2 jq X qn2 jq

exp (V2 mn V2 jn ) exp

m j 2 mq 2 jq

(49)
1iq X qn 1iq

exp (V1mn V1 jn ) + exp (V1in V1 jn ) exp

= 0.
m j ,i 1iq

1.2 Point de retournement quand la drive premire pin / X qn = 0

Le point de retournement de la courbe pin est donn par la solution de
lquation pin / X qn = 0 .
partir de (6), on obtient la drive premire de pin par rapport X qn :
pin mi A
2mn (
)(
exp 2mq Xqn2mq / 2mq 2iq Xqn2iq / 2iq 2mq Xqn2mq 2iq Xqn2iq
1 1
)
=
Xqn 2

mi

(
1+A2mn exp 2mq Xqn / 2mq 2iq Xqn / 2iq
2mq 2iq

)

( 1mq 1iq
)(
A1mn exp 1mq Xqn / 1mq 1iq Xqn / 1iq 1mq Xqn 1iq Xqn1iq 1
1mq 1
)
+ mi
2
=0,

mi

( 1mq 1iq

)
( 1mq ,1iq,2mq,2iq 0)
(50)
Cette quation est fortement non-linaire en X qn et ne peut pas tre rsolue
analytiquement. Par une mthode numrique on peut trouver le point critique

X qn qui rend cette drive nulle. Ce point est un maximum ou un minimum
selon que la drive seconde 2 pin / X qn2 value ce point est ngative ou
positive respectivement. Notons que cette quation ne sapplique que dans le
cas o tous les deux modles sont de type Logit gnralis. Si le modle 1 est
de type Logit standard, cest--dire que la variable X qn apparat seulement
dans V1in mais pas dans les autres V1mn ( m i ) , alors lquation peut se
rcrire comme suit :
Cas direct ou propre: lquation pin / X qn = 0 donne :
pin A
2mn (
)(
1 1
)
= mi
Xqn 2

mi

(
2mq 2iq

)
(
1iq
1
) (
Xqn1iq exp 1iq Xqn1iq / 1iq ) A 1mn (51)
+ mi
2
= 0.

(
1iq
1+exp 1iq Xqn / 1iq )
mi

A1mn


Cas crois : lquation p jn / X qn = 0 donne :
pjn A
m j

2mn (
1
)(
exp 2mq Xqn2mq / 2mq 2 jq Xqn2 jq / 2 jq 2mq Xqn2mq 2 jq Xqn2 jq
1
)
=
Xqn
2
m j

(
1+A2mn exp 2mq Xqn / 2mq 2 jq Xqn / 2 jq
2mq 2 jq

)
+
( X ) exp( X / ) exp(V V ) =0.
1iq qn
1iq 1
1iq qn
1iq
1iq

1in 1jn (52)
2

1+exp( X / ) exp(V V ) + exp(V V )
1iq
1iq qn 1iq 1in 1jn 1mn 1jn
m j,i
partir de la drive premire donne en (50), on obtient la drive seconde :
2pin B A E2mn F2mn G2mn B1in A1mn E1mn F1mn G1mn

= 2in 2mn 2 + 2 , (53)
Xqn mi C22in B2in C2in C12in B1in C1in

o tous les termes sauf A1mn et A2 mn dpendent de X qn :
B1in = m i A1mn E1mn G1mn

C1in = 1 + m i A1mn E1mn
(
E1mn = exp 1mq X qn1mq / 1mq 1iq X qn1iq / 1iq

) (54)
F1mn = G12mn + 1mq ( 1mq 1) X qn1mq 1iq ( 1iq 1) X qn1iq

2 2
1 1
G1mn = 1mq X qn1mq 1iq X qn1iq
et les termes B2 in , C2in , E2 mn , F2 mn et G2 mn associs au modle 2 sont dfinis de
faon analogue en remplaant le premier indice 1 par 2 dans tous les termes
trois indices associs au modle 1.
1.3 Point dinflexion quand la drive seconde 2 pin / X qn2 = 0
Le point dinflexion X qn est donn par la solution de lquation
2 pin / X qn2 = 0 . Cette quation est plus fortement non-linaire que celle de
une mthode numrique on peut trouver le point dinflexion de la courbe pin
condition que la drive seconde 2 pin / X qn2 change de signe quand X qn

A9.3.2 Diffrence entre les lasticits-points
Considrons maintenant la diffrence des lasticits-points qui est dfinie

comme la diffrence des drives premires des parts estimes, associes
aux modles 2 et 1 par rapport X qn , multiplies par X qn .
Comme pour la diffrence des parts, on tudie ici en dtail le cas direct
seulement, en examinant les points de croisement, de retournement et
dinflexion de la courbe Din ( X qn ) trace en fonction dune variable
X 1iqn = X 2 iqn = X qn , par exemple le prix de lalternative i , qui est commune
aux deux modles et qui apparat dans toutes les alternatives m = 1, M avec
des coefficients 1mq et 2 mq distincts et des paramtres de Box-Cox 1mq et
2 mq distincts dans chaque modle. Les formules du cas crois sont
exactement analogues celles du cas direct et peuvent sobtenir en remplaant
lindice de lalternative i par j partout o il apparat, cest--dire dans les parts
p1in et p2in , et les composantes de lutilit V1in et V2in .
Dans le cas direct, la diffrence des lasticits-points peut scrire :
pin p p
Din ( X qn ) = X qn = 2in 1in X qn . (55)
X qn X
qn X qn
En remplaant pin / X qn par son expression donne en (50), on obtient une
forme explicite de la diffrence des lasticits-points dans laquelle la variable
X qn napparat pas dans les A1mn et A2mn qui sont dj dfinis dans (47) :
A
2mn (
)(
exp 2mqXqn2mq / 2mq 2iqXqn2iq / 2iq 2mqXqn2mq 2iqXqn2iq

)
Din ( Xqn ) = mi
2

mi

(
1+A2mn exp 2mqXqn / 2mq 2iqXqn / 2iq
2mq 2iq

)
( )(
A1mn exp 1mqXqn1mq / 1mq 1iqXqn1iq / 1iq 1mqXqn1mq 1iqXqn1iq
)
+ mi 2
,

mi

(
1+A1mn exp 1mqXqn / 1mq 1iqXqn / 1iq
1mq 1iq
)

(56)
(1mq ,1iq,2mq,2iq 0) .
Notons que cette formule ne sapplique que dans le cas o tous les deux
modles sont de type Logit gnralis. Si le modle 1 est de type Logit

standard, cest--dire que la variable X qn apparat seulement dans V1in mais

pas dans les autres V1mn ( m i ) , alors la diffrence des lasticits-points peut
se rcrire comme suit:
Cas direct ou propre
A
2mn (

)( )
Din ( Xqn ) = mi 2

mi
2mq
( 2iq

)
( X ) exp( X
1iq
1iq
qn 1iq
1iq
qn / 1iq ) A 1mn (57)
+ mi
2
, (1mq , 1iq , 2mq , 2iq 0) .

(
1iq
1+exp 1iq Xqn / 1iq )
mi

A1mn

Cas crois
exp(V
2mn (

)(
V2jn) exp 2mqXqn2mq /2mq 2jqXqn2jq /2jq 2mqXqn2mq 2jqXqn2jq

)
Djn ( Xqn) =
mj
2

mj

(
1+exp(V2mn V2jn) exp 2mqXqn /2mq 2jqXqn /2jq
2mq 2jq

)
+
1iq
( )
1iqXqn exp 1iqXqn /1iq exp(V1in V1jn)
1iq
,
2

1iq
1+exp 1iqXqn ( / ) exp(V V ) + exp(V
1iq

1in 1jn
mj,i
1mn V1jn)

( 1mq , 1iq , 2mq , 2iq 0 ) . (58)
2.1 Point de croisement quand la diffrence Din ( X qn ) = 0
Comme l`quation Din ( X qn ) = 0 est identique lquation

pin / X qn = 0 un facteur prs X qn , on ne peut pas non plus la rsoudre

analytiquement pour trouver le point de croisement X qn .
2.2 Point de retournement quand la drive premire Din ( X qn ) / X qn = 0
Le point de retournement de la courbe Din ( X qn ) est donn par la solution

de lquation :

Din ( Xqn ) B2in A2mnE2mn F2mn G2mn B1in A1mnE1mn F1mn G1mn
= 2 + 2 = 0, (59)
Xqn mi C22in B2in C2in C12in B1in C1in

o tous les termes sauf A1mn et A2 mn dpendent de X qn :
B1in = m i A1mn E1mn G1mn

1 1
F1mn = G1mnG1mn + 1mq 1mq X qn1mq 1iq 1iq X qn1iq (60)

G1mn = 1mq X qn1mq 1iq X qn1iq

et les termes B2 in , F2 mn et G2 mn associs au modle 2 sont dfinis de faon
analogue en remplaant le premier indice 1 par 2 dans tous les termes trois
indices associs au modle 1.
Cette quation est fortement non-linaire en X qn et ne peut pas tre

critique X qn qui rend cette drive nulle. Ce point est un maximum ou un
minimum selon que la drive seconde 2 Din ( X qn ) / X qn2 value ce point

est ngative ou positive respectivement.
partir de la drive premire donne en (59), on obtient la drive
seconde :
2Din (Xqn ) B2in H2mn B2in B1in H1mn B1in

= 2 H2mn + + H1mn (61)
Xqn2 C2in Xqn
mi Xqn C22in C12in Xqn Xqn C12in
(
)
o les termes H1mn , H1mn / X qn et B1in / C1in / X qn associs au modle
2
1 sont dfinis comme suit:

H1mn = A1mnE1mnH1mn
F1mn G1mn
H1mn = 2
B1in C1in
H1mn H1mn E1mn
= A1mn E1mn +H1mn
Xqn X Xqn
qn
B1in B1in 1 B1in 2 C1in

=
Xqn C12in C12in B1in Xqn C1in Xqn
H1mn F1mn 1 F1mn 1 B1in G1mn 1 G1mn 1 C1in

= 2
Xqn B1in F1mn Xqn B1in Xqn C1in G1mn Xqn C1in Xqn
F1mn G1mn G
G1mn +G1mn 1mn +1mq1mq ( 1mq 1) Xqn1mq 1iq1iq ( 1iq 1) Xqn1iq
2 2
=
Xqn Xqn Xqn
B1in E G
=A1mn 1mn G1mn +E1mn 1mn
Xqn Xqn Xqn

G1mn
= 1mq ( 1mq 1) Xqn1mq 1iq ( 1iq 1) Xqn1iq
2 2
Xqn
C1in E
=A1mn 1mn
Xqn mi Xqn (62)
E1mn
Xqn
( 1 1
= E1mn 1mqXqn1mq 1iq Xqn1iq )
G1mn 1 1
= 1mq1mq Xqn1mq 1iq1iqXqn1iq
Xqn
Les dfinitions des termes H 2 mn , H 2 mn / X qn et ( B2in / C22in ) / X qn

associs au modle 2 sont respectivement analogues celles des termes
H1mn , H1mn / X qn et ( B1in / C12in ) / X qn dans le modle 1 et sobtiennent en
remplaant le premier indice 1 par 2 dans tous les termes trois indices du
modle 1.

2.3 Point dinflexion quand la drive seconde 2 Din ( X qn ) / X qn2 = 0
Le point dinflexion X qn est donn par la solution de lquation

2 Din ( X qn ) / X qn2 = 0 . Cete quation est plus fortement non-linaire que celle
de la drive premire et ne peut pas tre rsolue de faon analytique. Mais
par une mthode numrique on peut trouver le point dinflexion de la courbe
Din ( X qn ) condition que la drive seconde 2 Din ( X qn ) / X qn2 change de
signe quand X qn passe travers le point dinflexion.

Deuxime partie
coulement du trafic
119
Actes INRETS n110
Approche volumique pour la
modlisation macroscopique du
trafic
Violina IORDANOVA, Hassane ABOUASSA, Daniel JOLLY
Laboratoire de Gnie Informatique et dAutomatique de lArtois LGI2A
EA.3926, Facult des Sciences Appliques Technoparc Futura, 62408
Bthune Cedex, FRANCE
{violina.iordanova ; daniel.jolly}@fsa.univ-artois.fr
hassane.abouaissa@univ-artois.fr
Rsum : Les travaux prsents dans cet article introduisent des

nouveaux concepts pour la modlisation macroscopique du trafic. La dmarche
propose exploite la puissance du formalisme des bond-graphs (BGs) pour
laborer un modle dynamique du trafic considr dun point de vue volumique.
Dans cette optique, le flux est assimil un ensemble de volumes lmentaires
en coulement dans les diffrentes artres autoroutires. Chaque artre est
dcompose en section appele volume de contrle. Lintrt majeur des BGs
est leur capacit mieux dcrire les phnomnes du systme tudi et doffrir
un moyen efficace pour dduire systmatiquement les quations dynamiques.
De plus, ils simplifient fortement les techniques danalyse et le calcul formel des
lois de commande afin de minimiser les congestions. Lapproche de
modlisation est illustre laide dun exemple simple de route avec un
rtrcissement.
Mots-cls : Approche volumique, Bond-graphs, modlisation

macroscopique, flux de trafic.
121
Actes INRETS n110
Introduction
Les travaux prsents dans cet article se situent dans le contexte de la
mondialisation conomique avec ses consquences, entre autres, sur
laugmentation croissante de la mobilit des biens et des personnes.
Dans le domaine du trafic routier, ces besoins grandissant en dplacement
ont conduit tout naturellement la saturation des infrastructures et lapparition
frquente des congestions avec ses effets nfastes sur la qualit de service et
sur lenvironnement. Dans ce contexte, la congestion du trafic a t identifie
comme un problme socio-conomique quasi-quotidien qui induit des cots
directs et indirects (sant, bruit, consommation nergtique, pollution,
accidents, etc.).
Si la solution la plus simple pour rsoudre ces problmes peut reposer sur la
construction des nouvelles infrastructures, elle ne peut plus tre retenue aussi
facilement. Dune part, cause des prix et des investissements exorbitants
quelle ncessite, et dautre part, par manque despaces disponibles. Une autre
solution possible pour minimiser les congestions consiste encourager les
usagers utiliser les transports en commun et dacheminer les marchandises
via les trains et les navires. Nanmoins, afin de raliser ces tches de transport
multimodal, les autres modes de transport doivent assurer une alternative
viable qui ncessite souvent de gros investissements.
Lune des solutions court terme consiste mieux grer les infrastructures
existantes. Pour atteindre cet objectif, de nombreuses tudes ont t menes
donnant naissances plusieurs algorithmes et stratgies de commande et
doptimisation du flux de trafic. Toutes ces tudes ont pour but de minimiser le
temps de trajet et dassurer une meilleure qualit de service tout en assurant
une rduction de la pollution. Nanmoins, la mise en uvre de lois de
commande du flux de trafic ncessite de disposer dun ensemble de modles
de description des phnomnes qui rgissent le trafic. Le problme de
modlisation apparat donc comme la premire tape franchir avant
dengager toute autre action pour optimiser et rguler la circulation routire.
Ltude de la thorie du trafic montre lexistence dune multitude de modles
pouvant tre classes en trois grandes catgories. Lorsque le modle dcrit,
dune manire fine, les interactions entre les vhicules individuels, il appartient
la classe des modles microscopiques. Dans cette catgorie, plusieurs
modles microscopiques ont t labors. On distingue ainsi, les modles de
particule (Nagel, 1996), les modles de poursuite (car following models) (Ben
Akiva et al, 1994), les modles de files dattente (Alelik, 1997), etc. Alors quils
sont bien adapts pour dcrire avec prcision le comportement des vhicules
individuels et leurs interactions, et quils soient trs efficaces pour effectuer des
simulations au niveau microscopique, ces modles ne peuvent reprsenter
facilement lensemble dun rseau routier. En effet, cette classe prsente de
nombreuses insuffisances cause du nombre trs lev de donnes et
paramtres prendre en compte.
Lorsque la modlisation repose sur une description statistique, inspire de la

Approche volumique pour la modlisation macroscopique
thorie de la cintique des gaz, et consiste obtenir une quation dvolution
de type quation de Boltzmann pour la fonction de distribution statistique de la
position et de la vitesse des vhicules sur une route, elle appartient alors la
classe des modles msoscopiques (Helbing, 1998a), (Helbing, 1999b),
(Schiavo, 2002). Ce type de modlisation est le rsultat dun compromis entre
les deux approches ; microscopique et macroscopique. Cependant, il prsente
les mmes difficults rencontres dans les modles microscopiques.
La troisime catgorie, largement inspire de la thorie hydrodynamique,
permet dapproximer le comportement des vhicules dune manire agrge.
Dans cette optique, le flux de trafic est vu comme un ensemble de vhicules en
coulement dans les diffrentes artres des routes. Trois variables principales
sont ainsi utilises pour laborer ces modles macroscopiques. La densit
(concentration) en vhicules/km ; la vitesse moyenne en km/h et le dbit en
vhicules/h. A partir de ces variables plusieurs modles ont t labors
permettant de dcrire le trafic particulirement aux points dquilibre (Lighthill et
Whitham, 1955), (Jiang et Zhu, 2002), (Payne, 1971) (Rascle, 2000), (Zhang,
2002). Nanmoins, ces modles sont incapables de dcrire les phnomnes
locaux ou individuels. Ils prsentent aussi des difficults lorsquil sagit de
prendre en compte le cas dynamique. En effet, le comportement en rgime
transitoire nest pas encore bien mis en vidence et pose souvent des
problmes de comprhension. Les phnomnes dhystrsis, de chute de
capacit, par exemple, sont bien connus mais ne sont encore pas suffisamment
expliqus dans le cas dynamique (Kerner, 1999a), (Kerner, 1999b). Ainsi,
diffrents auteurs donnent des interprtations diffrentes ces phnomnes
dynamiques. Selon Lebacque, (Lebacque, 2002), ces phnomnes sont dus au
caractre born de lacclration des vhicules. Cependant, dautres
interprtations existent telles que celles proposes par Daganzo (Daganzo,
2005).
Lobjectif de cet article est de proposer une nouvelle alternative aux modles
macroscopiques existants. Il faut noter quil ne prtend pas remplacer les
modles existants mais essaye de porter un nouveau regard sur les
comportements dynamiques qui rgissent le trafic afin denrichir ces modles et
de mettre en uvre les lois de commande adquates. En effet, afin de mieux
comprendre les phnomnes internes du trafic et dadapter au mieux les
stratgies de rgulation, il savre ncessaire de prendre en compte, non
seulement lvolution du flux de trafic (onde de choc, ralentissement du flux,
propagation, etc.), mais aussi les causes des changements dans les conditions
de circulation qui dclenchent ces diffrentes variations.
Dans ce contexte, disposer dun outil graphique permet, outre la
comprhension de ces phnomnes et la reprsentation explicite des causes
de variation du flux, de dduire systmatiquement les quations mathmatiques
qui rgissent le systme tudi.
Le concept des bond-graphs (BG) (Borne et al. 1982), (Karnopp et al. 1991),
(Paynter, 1961), apparat comme loutil adquat pour effectuer ces tches.
Lintrt majeur de ce formalisme est quil permet de simplifier fortement les
techniques danalyse et de calculer dune manire formelle les lois de

commande avec un retour sur le modle offrant ainsi un moyen efficace pour
comprendre les proprits physiques du trafic.
Aprs une brve analyse des modles macroscopiques du trafic, la seconde
partie de cet article introduit les variables et les paramtres de base du modle
volumique. La troisime partie prsente lutilisation des BGs pour la
modlisation progressive du trafic dun point de vue macroscopique. Le modle
obtenu permet ensuite de dduire systmatiquement les quations dynamiques
du systme tudi. La pertinence de lapproche propose est illustre laide
dun ensemble de rsultats de simulation de lvolution du flux en fonction des
diffrents changements dans les conditions de circulation. Enfin, la dernire
partie rsume les principales conclusions et perspectives.
1. Modles macroscopiques Etude et analyse

La gense des modles macroscopiques repose sur la similitude faite avec
la thorie hydrodynamique et considre les flots de vhicules comme un milieu
continu. Dans cette optique, le flux est dfini en terme densemble de vhicules
en circulation dans les diffrentes artres dun rseau routier. Ces modles
considrent donc le trafic dun point de vue agrg et dcrivent lvolution de
ltat de la circulation laide de trois variables principales : la densit du trafic
(concentration) en vhicules/km, le dbit en vhicules/h et la vitesse moyenne
en km/h.
Le premier modle propos par Lighthill, Witham et Richard, communment
connu sous le nom de modle LWR, repose sur la loi de conservation du dbit
(Lighthill & Witham, 1955, Richard, 1956).
( x, t ) q ( x, t )
+ =0 (1)
t x
O, ( x, t ) reprsente la densit du trafic et q ( x, t ) , le dbit en fonction de

x et du temps t . Ces deux variables sont relies aux points dquilibre par la
relation suivante :
q ( x, t ) = ( x, t ) .v ( x, t ) (2)
Avec v ( x, t ) , la vitesse moyenne du flux.
Ces deux quations sont compltes par une troisime relation dcrivant la
variation de la vitesse lquilibre. Lune des relations la plus simple est celle
propose par Greenshield :


v = v f 1 (3)
max
Bien que le modle LWR permet de reproduire qualitativement les

phnomnes du trafic telles que la dcroissance des vitesses en fonction de
laccroissement des densits, par exemple, il inclut de fortes simplifications
lempchant de reproduire certains phnomnes rels complexes. Il prsente
aussi plusieurs insuffisances, notamment une incapacit prendre en compte
le rgime dynamique. Afin de pallier ces insuffisances, plusieurs autres
modles ont t dvelopps donnant naissance la classe de modles dordre
suprieur (Jiang et Zhu, 2002), (Payne, 1971) (AW & Rascle, 2000), (Zhang,
2002), dont le dveloppement intresse aujourdhui de nombreux chercheurs.
En effet, lintrt majeur des modles macroscopiques rside dans leur
capacit prendre en compte des rseaux routiers de grande taille. De plus, ils
sont parfaitement adapts lestimation de ltat du trafic, la surveillance, la
prdiction des conditions du trafic ainsi qu llaboration de lois de commande
afin dliminer ou du moins minimiser les congestions. Lensemble des modles
dordre suprieur est bas sur lquation dynamique dcrivant lacclration du
flux :
v v veq ( ) v
a= +v = ( Re laxation ) + B (4)
t x
Lacclration a est gale un terme de relaxation dpendant de la vitesse
dquilibre veq ( ) plus un terme B de description du comportement
dynamique des vhicules individuels.
Dune manire gnrale, les modles macroscopiques existants reposent sur

des quations aux drives partielles. Cette particularit pose souvent des
problmes lors de la conception des lois de commande. En effet, llaboration
de la commande partir dquations aux drives partielles est un problme
trs difficile et selon Kachroo (Kachroo et al. 2000), il existe peu de thories de
commande bases sur les modles paramtres distribus. Le problme est
souvent contourn par la discrtisation des modles dans lespace et dans le
temps.
La discrtisation dans lespace est ralise en dcomposant le rseau
autoroutier en un ensemble de tronons relis par des nuds. Chacun des
tronons est dcoup en segments de mme longueur.
La discrtisation dans le temps est effectue la frontire de deux
segments successifs. On obtient ainsi lquation dynamique permettant de
dfinir, chaque pas de discrtisation ltat du trafic sur la voie principale et au
niveau des nuds. De cette manire, il est possible de dterminer la capacit
de stockage dun segment (une rampe ou un tronon par exemple). Elle permet

aussi de mesurer la longueur dune file dattente, etc. De plus, les modles
discrtiss dans le temps sont les mieux adapts pour les tches de simulation
et dimplmentation puisque les contrleurs sont par nature discrets.
Un autre problme souvent pos par les modles macroscopiques rside
dans leur description des rgimes transitoires. En effet, le rgime dynamique
nest pas bien mis en vidence et pose des problmes de comprhensions. Les
phnomnes dhystrsis, de chute de capacit, etc., sont bien connus mais ne
sont encore pas assez expliqus dans le cas dynamique (Kerner, 1999a),
(Kerner, 1999b).
Dans cette optique, nous souhaitons apporter un nouveau regard sur la
description et la modlisation macroscopique du trafic. La motivation principale
est denrichir les modles existants en prenant en compte explicitement les
causes qui conduisent aux changements dans les conditions de circulation. Ce
nouveau regard est orient principalement vers la conception des lois de
commande adquates et efficaces pour llimination des congestions. La
dmarche de modlisation propose sappuie sur lemploi du formalisme des
BGs afin de reprsenter progressivement les phnomnes internes et de
dduire systmatiquement les quations qui rgissent le trafic. De plus, la
puissance de cet outil rside dans sa capacit permettre une forte
simplification des techniques danalyse et de synthtiser formellement les
algorithmes et lois de commande avec un retour sur le modle offrant ainsi un
moyen efficace pour comprendre les proprits physiques du trafic.
Par ailleurs, lapproche de modlisation propose repose sur lintroduction
dun certain nombre de paramtres et concepts que nous dtaillons dans la
section suivante.
2. Notions sur lapproche volumique
2.1 Volume lmentaire, dbit volumique et paramtres de

modlisation
Lapproche de modlisation propose (Iordanova et al. 2004, 2006a) repose sur
des considrations volumiques assimilant le flux de trafic un ensemble de
volumes lmentaires en coulement dans un conduit : une autoroute. Le
conduit ainsi considr est dcompos en sections appeles volumes de
contrle . Ainsi, au rgime stationnaire le dbit du trafic, suppos dans notre
tude comme incompressible, est en coulement laminaire travers lensemble
de ces volumes de contrles. Lentit de base du modle dvelopp est donc le
volume lmentaire.

2.1.1. Volume lmentaire : Dfinition
Le volume lmentaire est dfini par lensemble constitu du vhicule

individuel, de la distance inter vhicule l ainsi que les distances de scurits
latrales.
La figure (1) montre une vue schmatique du concept du volume
lmentaire. Dans cette figure, cette entit est suppose de forme
paralllpipde.
Figure 1. Vue schmatique dun volume lmentaire
Partant de cette considration le volume lmentaire peut tre dfini par la

relation suivante :
= dx.dy.dz (5)
O :
dx , reprsente la longueur du volume lmentaire ;
dy , reprsente la largeur du volume lmentaire plus les distances de scurit
latrales. Typiquement, elle reprsente la largeur dune voie de circulation ;
dz , reprsente la hauteur du volume lmentaire. Par soucis de simplification,
la hauteur est normalise et on considre que ( dz = 1 ).
2.1.2. Dbit volumique : Dfinition

Lensemble des volumes lmentaires en coulement dans les diffrents
volumes de contrle constitue le dbit volumique Q . Plus prcisment, partant
de la similitude avec la dynamique des fluides, le dbit Q reprsente le nombre
de volumes lmentaires traversant une section droite du volume de contrle
considr par unit de temps. Ainsi, Q peut tre dfini par la relation suivante :

dx
Q= = .dy.dz (6)
dt dt
Lquation (6) peut-tre rcrite en fonction de la vitesse du flux :
m3 volumes lmentaires
Q = v.dy.dz Q = v. f (7)
s s
A linstar du dbit massique du trafic, dfini par similitude avec la thorie

hydrodynamique, le dbit volumique est dfini ici en faisant le parallle avec la
3 volumes lmentaires
dynamique des fluides, ainsi, m traduit cette quivalence.
s s
Avec f : la section droite dune voie de la route considre, en m 2 . Elle est

dfinie par le produit de sa largeur et de sa hauteur ( f = dy.dz ). v est la
vitesse dun volume lmentaire en m / s .
2.1.3. Facteur de rtrcissement : Dfinition

D aux diffrents alas de la circulation, les volumes lmentaires,
composant le flux de trafic, sont amens circuler dans des sections
capacits de passage variables (Iordanova et al. 2006). La capacit de passage
est troitement lie au nombre de voies disponibles la circulation qui peut
varier suite lapparition brusque de rtrcissements gomtriques, dobstacles
ou dincidents (Figure 2).
Figure 2. Schma dun tronon de route
Pour juger de ce phnomne nous avons introduit un paramtre

adimensionnel ; facteur de rtrcissement : c qui reprsente le taux de
rtrcissement ou dlargissement de la section droite de la chausse.

Si on note par nl le nombre de voies initialement disponibles la circulation,
ds lapparition dune perturbation, ce nombre peut diminuer pour prendre une
autre valeur, note nr . Sachant que chaque surface est dfinie par les relations
(8) :
fl = nl dydz
(8)
f r = nr dydz
Le facteur de rtrcissement c est alors dfini par le rapport entre les

surfaces des sections lentre et dans le rtrcissement :
f r nr
c= = (9)
fl nl
Ainsi, le cas ( c = 0 ) traduit une section de route ferme. Plus c

augmente, plus le nombre de voies disponibles la circulation augmente aussi.
2.1.4. Facteur nergtique

Une approche actuellement adopte pour tablir les quations qui rgissent
le mouvement des vhicules est celle base sur la notion de force sociale
qui gouverne leur mouvement (Helbing, 1995). En terme gnral, cette notion
reprsente la force ncessaire pour dplacer les vhicules (volumes
lmentaires) le long dune route. Elle traduit aussi lenvie et le besoin des
conducteurs de se dplacer dun endroit un autre (Lozano et al. 2005). Si lon
considre un volume de contrle dlimitant le rtrcissement, cette force note
Fl va sexercer sur la section droite (section 2, figure 1) par le flux dentre. Fl
est donc une force propulsive quivalente la force sociale. Applique la
section droite considre, elle engendre une pression Pl . Dans le cas du trafic,
cette pression reprsente leffet de lafflux des vhicules et peut ainsi
matrialiser la demande de circulation.
Cependant, durant son coulement, le flux est soumis diffrentes forces
qui empchent une circulation normale. Ces forces Fr de contre raction ou
forces rpulsives peuvent tre causes par un changement de la capacit de
passage de la section suite lapparition dune perturbation (obstacles,
incidents, etc.). Elles peuvent tre aussi la consquence des diffrents facteurs
de rsistances au mouvement (frottement visqueux, etc.). La force Fr
applique la section de contrle gnre une pression Pr qui dans la
modlisation volumique du trafic traduit loffre disponible la circulation. Ainsi,
sur un tronon de longueur L , la diffrence entre ces deux pressions dfinit la
force de mouvement rel :

P = Pl Pr (10)
Pour traduire la capacit de la section tudie supporter une charge en

trafic, nous avons introduit le facteur nergtique s (Iordanova et al, 2004)
dfinit par :
P
s= (11)
Pmax
Les paramtres et variables dfinies ci-dessus permettent de mieux

comprendre les phnomnes du trafic lapparition dune rduction de la
capacit de passage ou du facteur de rtrcissement c de cl cr ( cr < cl ).
Le modle volumique repose sur la description Eulrienne o la priorit est
donne au rfrentiel fixe. En prenant comme rfrentiel la section droite (2),
on sintresse aux proprits du flux qui un instant donn occupe cette
section ( f2 = fr ) .
Selon le point de vue dEuler, le mouvement du flux de trafic est dcrit dans
la section considre laide de la vitesse dcoulement v dun volume
lmentaire linstant t . Le volume lmentaire est ainsi choisi comme
entit lmentaire permettant une description complte de lcoulement. Le
principe consiste dcrire cet coulement en tenant compte des diffrentes
forces qui agissent sur les volumes lmentaires en mouvement. On obtient
ainsi une description quantitative de lcoulement partir dquations
fondamentales locales.
Toutefois, pour tablir les quations du mouvement, on sinspire fortement
des quations gnrales de la dynamique des fluides et on considre que le
flux de trafic est continment rparti sur le tronon de la chausse considre.
Le modle dvelopp se base aussi sur les quivalences entre les modles du
trafic dordre suprieur (Payne 1971), (Zhang, 2002) et les quations de la
dynamique des fluides et considre le flux de trafic comme un fluide
incompressible.
En effet, dans les modles dordre suprieur, les relations traduisant le
mouvement du flux sont reprsentes par des quations aux drives partielles
reprsentant son caractre distribu. Une des mthodes de rsolution de ces
quations est base sur une discrtisation dans lespace et dans le temps. Le
tronon considr est donc dcompos en plusieurs segments. Dans chaque
segment, denviron 500 1000 m, la variation de la densit est considre
comme ngligeable. Ainsi, si on considre un segment de la mme longueur
nous pouvons supposer que la densit est constante, interprtant de cette
manire la proprit dincompressibilit du flux. Ceci nous permet de dcrire le
mouvement de flux partir de celui dun volume lmentaire.
Cependant, dans la ralit, la densit change en fonction des densits en

amont et en aval du volume de contrle tudi. Pour tenir compte de ce
changement, nous sommes amens reparamtriser le modle chaque
variation de la densit.
Partant de ces hypothses, notre objectif est de mettre en uvre ces
ressemblances en tenant compte, non seulement de la loi de conservation
(dans notre cas, la conservation du dbit volumique), mais aussi du principe
fondamental de la dynamique et de la loi de conservation dnergie. Le principe
est donc de faire le bilan des forces exerces sur le flux de trafic au niveau
dune section droite de la route et dappliquer ces diffrentes lois pour dcrire
son coulement.
Lorsque le volume lmentaire est en mouvement, la rsultante des forces
dv
qui lui sont appliques est gale lacclration a = multiplie par la
dt
masse.
Le bilan des forces appliques met en vidence, les forces dites de volume
dP = m.g = . .g , exerces par la gravit g (poids du volume lmentaire),
dune part, et les forces de surface qui sont classes en forces propulsives
(force sociale) et forces rpulsives notes dF , dautre part, avec , la densit
dfinie par : = m .
En vertu du principe fondamental de la dynamique, on obtient la relation
suivante :
dP + dF = . .a (12)
Avec :
P P P
dF = ( x + y+ z ). = P.
x y z ; (13)
dP = mg = . .g

Par consquent, on obtient :
g P. = . .a (14)
Do :
g P = .a (15)
La forme gnrale de lquation (15) pour un volume lmentaire est

lquation (16), sachant que vx = vx ( x, y, z , t ) :

v 1
+ v ( v ) = P + g (16)
t
Dans la mcanique des fluides, cette quation est connue sous le nom
dquation dEuler pour la quantit du mouvement dun fluide idal.
A partir de cette quation, les caractristiques dynamiques du flux de trafic
sont obtenues en deux tapes. La premire consiste dvelopper le modle
dcrivant lvolution de la vitesse lors dun changement dans les conditions de
circulation. A partir de la solution de ce modle, la seconde tape permet
dutiliser la vitesse obtenue pour calculer le dbit la sortie du volume de
contrle considr.
2.2. Modle de la vitesse du flux en rgime dynamique

Afin dillustrer le principe de modlisation de lvolution de la vitesse, on
considre lexemple simple dune route avec un rtrcissement. En effet,
lapparition dun rtrcissement est considre comme une perturbation qui
conduit ncessairement un changement dans les conditions de circulation.
Nous considrons ainsi comme volume de contrle le segment dlimit par la
zone de rtrcissement de longueur L (Figure 2).
Lapplication de lquation de mouvement ce volume de contrle, en

tenant compte de lensemble des frottements, permet dobtenir lquation
dynamique suivante :
dv
m dt + f l v + P2 f r = P1 f r
2
(17)
m dv + f v 2 = P f ; avec ( P = P P )
dt l r r r 1 2
Cette quation appartient la classe spciale dquations de Riccati. Elle

est issue de lquation de base de Newton et permet de dcrire lvolution de la
vitesse dans la zone de rtrcissement (ou, dune manire gnrale, dans la
zone perturbe). En effet, ce modle dynamique traite le cas de lvolution de la
vitesse lors dun changement de la capacit de passage traduit par la
diminution du facteur de rtrcissement c de cl cr , ( cl > cr ) :
c , t 0
c= l (18)
cr , t>0

Dans cette quation, est la densit du flux dans le rtrcissement
(volume de contrle). Cette densit joue un rle important dans lvolution de la
vitesse du flux dans la zone considre. En effet, lintrieur du rtrcissement,
le flux tend atteindre sa vitesse libre mais reste conditionn par la densit
dans celui-ci.
m : est la masse du flux dans le volume de contrle.
dv
m : reprsente les forces dinerties.
dt
fl v 2 : est la force de frottement visqueux.
Pr f r : est la force de mouvement.
f l et f r sont les surfaces des sections avant et dans le rtrcissement avec
fl > f r .
Lquation (17) peut tre crite sous la forme de la relation suivante :
dv
+ rv 2 = sh (19)
dt
Cette quation non linaire met en vidence la dpendance entre la vitesse

dans la zone perturbe (zone de rtrcissement), les paramtres du systme
(la densit dans le volume de contrle, le facteur de rtrcissement, la longueur
du volume de contrle) et le facteur nergtique.
Avec :
m f 1
L= , cr = r , r =
fr fl cr L
(20)
Pr P
s= , h = max
Pmax L
2.3 Rsolution de lquation de la vitesse de flux

La rsolution de lquation (19) suppose lexistence dau moins une solution
particulire et est base sur les lois de la conservation du dbit et de lnergie.
a) Loi de conservation du dbit :

La loi de conservation du dbit volumique implique que le flux entrant dans
une section de route est gal au flux sortant. Pour un flux incompressible, cela

signifie quil ny a ni accumulation, ni production, ni destruction de volumes

lmentaires. Applique la zone de rtrcissement, la loi de conservation du
dbit est :
Ql = vl fl
(21)
Qr = vr f r
Par consquent :
vl f l = vr f r = const (22)
La relation (22) traduit le fait que dans le rtrcissement, le flux tend

acclrer pour atteindre sa vitesse libre. On suppose que le changement de c
(de cl cr tel que cl > cr ) provoque un changement de la vitesse rgi par
lquation (23) :
v ( t ) = vrmth(t ) (23)
Les conditions initiales et limites dfinies par la relation (24) permettent de

rsoudre lquation de Riccati.
v ( ) = vrm ; v ( 0 ) = vl (24)
Avec : vl , la vitesse initiale, gale celle du flux avant le rtrcissement.

vrm vr v ( ) : est la vitesse du flux, en rgime tabli, dans le
rtrcissement. Elle est obtenue en appliquant la loi de conservation de
lnergie.
b) Loi de conservation dnergie :

Cette loi, appele loi de Bernoulli, traduit la conservation de lnergie
mcanique totale au cours dun mouvement permanent sans frottement.
Applique la zone de rtrcissement (Figure 2), on obtient, en ngligeant
lnergie potentielle :
Pl Pr vr2 vl2
= (25)
2
Pl est la pression gnre par la demande sur la section fl , et Pr est la

pression traduisant loffre de la section f r . On en dduit que la force de
mouvement est dfinie par :

Pr =
2
(v 2
r vl2 ) (26)
A partir de cette quation, on peut obtenir la vitesse lentre du

rtrcissement en fonction de la force du mouvement Pr = Pl Pr :
vr2 vl2 Pr
=
2 2
2 (27)
vr2 vr2 f r vr2 P
=
2 2 fl 2
1 cr2 = r

( )
A partir de lquation (24) la vitesse du flux en rgime tabli est :
2Pr
v ( ) = vr = vrm = (28)
(
1 cr2 )
Remarque : vrm reprsente la vitesse atteinte par le flux au point de
fonctionnement dfini par les valeurs de la densit, de la force de mouvement
et du facteur de rtrcissement. Nous pouvons remarquer que cette vitesse
diminue lorsque la densit augmente.
En remplaant le terme de la relation (28) dans lquation (23), on obtient :
2Pr
vrp ( t ) = th ( t ) (29)
(
1 cr2 )
Avec, v rp (t ) une solution particulire qui servira pour la rsolution de lquation
de Riccati.
c) Rsolution de lquation de Riccati :

Connaissant la solution particulire on procde au changement de base
suivant :
v ( t ) vrp ( t ) = z 1 (30)

Lquation (18) devient alors :
dz ( t )
+ X ( t ) z ( t ) = X1 ( t ) (31)
dt
Cette quation diffrentielle linaire, non homogne, coefficients variables,

est rsolue en utilisant la mthode de variation de constante. On obtient ainsi :
X ( t ) dt
t t

X ( t ) dt
K + re 0
t

z (t ) = e 0
0 (32)

Avec :
X1 (t ) = X1 = r (33)
X ( t ) = 2.r.vrp ( t ) = Ath(t ) (34)
2Pr
A = 2r = 2rvrm (35)
(
1 c r2 )
t
X (t )dt
= ( ch ( t ) )
A ln ( ch ( t ) ) A
e0 =e (36)
t
t
X ( t )dt ( A1)
re 0
= vrm sh ( t ) ( ch ( t ) ) (37)
0
Lintgrale gnrale de lquation diffrentielle non homogne (32) est de

type :
A A1
z ( t ) = ( ch ( t ) ) k
r
sh ( t ) ch ( t ) (38)
X (t )
k = v ( 0 ) = vl est la valeur initiale vl de la fonction v ( t ) et joue le rle de

constante dintgration.

r
k= = (39)
sh Pr cl
En dveloppant lquation (39), on obtient :
(1 cr2 ) 2
z (t ) = ch(t ) A 0.5th (t ) (40)
2Pr
( )
1 cr2 cl

A partir de lquation (40) on obtient lvolution de la vitesse du flux la suite

dun changement non unitaire du facteur de rtrcissement de cl c r
( cl > cr ) :

1
2Pr 2
v(t ) = th(t ) + ch(t )
A
0.5th(t ) (41)
(
1 cr2 )

(
1 cr2 ) cl

Dans cette quation, on pose :
2
a (cr , cl ) = (42)
(
1 cr2 cl )
La solution finale pour la vitesse est donne par :
v ( t ) = vrm F ( t ) (43)
Avec :
1
F (t ) = th(t ) + a ( cr , cl ) ch(t ) 2 rvrm 0.5th(t ) (44)
A laide de lquation (44) on peut dterminer lvolution de la vitesse

provoque par les changements en chelon non unitaire de c pour nimporte
quelle valeur de la vitesse initiale vl correspondant une valeur initiale cl .
La relation entre la vitesse tablie et la vitesse initiale est :
vl = v(t )t =0 = v rm a 1 (c r , cl ) (45)

En faisant varier le facteur de rtrcissement et partir dune vitesse initiale

vl on peut ramener le flux une autre vitesse vrm .
En labsence de variation de c ( cl = cr ), le flux ne change pas de vitesse
non plus. Plus lcart entre cl et cr augmente, plus la diffrence entre la
vitesse initiale et la vitesse limite augmente aussi.
Lutilisation de lensemble des paramtres et des variables dcrits ci-dessus
ainsi que la rsolution de lquation dynamique de la vitesse, dans un contexte
graphique fond sur le formalisme bond-graph permet de mieux comprendre le
comportement interne du trafic et facilite ainsi la mise en uvre dune stratgie
efficace pour sa rgulation. Dans cette optique, le paragraphe suivant met
laccent sur la description de ces phnomnes laide des diffrents lments
BG.
3. Modlisation volumique du trafic par Bond-Graphs

Partant des similitudes avec un fluide en coulement dans un conduit, les
deux variables de base ncessaires pour laborer le modle BG sont : le flux
( f ), reprsent par le dbit volumique Q et leffort ( e ), exprim par la
pression P . Le principe dlaboration du modle BG est illustr partir de
lanalyse effectue en considrant le schma de la figure 2. La partie de route
tudie contient un rtrcissement gomtrique conduisant une diminution de
la capacit de passage via la rduction du nombre de voies.
Dans notre tude, nous supposons que ltat initial du trafic est stationnaire.
Cela signifie que si lon considre nimporte quelle section droite de la route, le
flux est dfini par sa vitesse vl et par son dbit Ql = Qin = f l .vl . Si linstant
( t = 0 ) une perturbation apparat alors le facteur de rtrcissement c passe
dune valeur initiale cl une autre valeur cr ( cr < cl ). Lapparition de cette
perturbation provoque un changement dans ltat du flux. Pour mieux dcrire
ces phnomnes produits par la perturbation, nous dcomposons la partie de la
route tudie en deux volumes de contrles. Le premier englobe le tronon
situ juste avant le rtrcissement. Le second volume de contrle contient le
rtrcissement lui-mme. L est la longueur des tronons considrs.
Le comportement du flux dans le premier tronon dpend fortement de celui
dans le second volume de contrle. Cette proprit exprime la nature
anisotrope de la propagation de linformation dans le trafic. En effet, les
volumes lmentaires ne ragissent qu des sollicitations provenant de laval.
Pour cela, nous commenons notre tude par la description des phnomnes
qui se produisent dans le rtrcissement.

3.1 Modle bond-graph dans la zone fluide

Considrons, dans un premier temps le volume de contrle dlimit par les
sections droites 2 et 3 (figure 2). Dans le rtrcissement, le flux de trafic est
assimil un fluide incompressible et sa densit est constante
( mr = r .L. f r = cte ). Si de plus on considre quen raison de leur masse, les
volumes lmentaires tendent maintenir leur tat de mouvement ou de
vitesse, linertie de trafic peut tre modlis par un lment I .
Pour reprsenter les causes physiques qui sopposent la circulation du flux
de trafic et modliser aussi leur influence sur le comportement de celui-ci, on
utilise llment BG, R . Cet lment peut aussi reprsenter les phnomnes
psychologiques qui conduisent les conducteurs modifier leurs vitesses en
fonction des conditions de circulation (Lozano et al. 2005).
Afin de prendre en compte la diminution ou laugmentation du nombre des
voies, nous introduisons trois sources. Les deux premires sont des sources
deffort : Se1 = e1 et Se 2 = e4 . Leur rle est dexprimer le changement de
pression (deffort) suite lapparition du rtrcissement. La seconde, est une
source de flux, S f modlisant le flux initial.
Le changement du facteur de rtrcissement a pour consquence

laccroissement de la vitesse au niveau de la section droite (2) rgi par
lquation suivante (Iordanova et al. 2006a) :
v = vrm F ( t ) a 1 (46)
1
Avec : F (t ) = th(t ) + a ( cr , cl ) ch(t ) 0.5th(t ) ,la fonction dvolution
2 rvrm
2
de la vitesse, et a (cr , cl ) = , un paramtre contenant les deux
( )
1 cr2 cl
valeurs, initiale et finale du facteur de rtrcissement, respectivement, cl et cr .
La vitesse tablie vrm dpend de la densit r .
Laccroissement de la vitesse (46) entrane un accroissement du dbit. La loi
de conservation du dbit volumique dans la zone fluide est dcrite par la
relation suivante :
Q ( t ) = Ql Q ( t ) , (47)
Le dbit normalis la sortie du volume de contrle est :

Q (t ) Q ( t )
= 1 (48)
Ql Ql
En labsence de perturbation, il nexiste pas de variation de dbit. Ainsi,

Q = 0 et Q = Ql = Qin .
En prenant en compte laccroissement de la vitesse, on peut rcrire

lquation de la quantit du mouvement, applique la sortie de la zone de
rtrcissement de la faon suivante (Iordanova et al., 2006b) :
dQ ( t ) Pr f r2
+ rv (t )Q ( t ) = (49)
dt m
Le signe moins explique le fait que juste la sortie du rtrcissement loffre

devient suprieure la demande.
Aprs transformations, lquation (49) devient :
1 dQ ( t )

+ F ( t ) a 1 ( cr , cl ) Q ( t ) =
rvrm dt (50)
0.5c (1 cr2 ) f r vrm
A partir des quations (47) et (49) nous pouvons construire le modle bond-
graph (figure 3) dcrivant lvolution du dbit dans le deuxime volume de
contrle.
Figure 3. Modle BG dune section avec rtrcissement- Zone fluide
La loi de conservation du dbit volumique dans la zone fluide (47) est

reprsente par une jonction 0 , exprimant la variation du dbit la sortie du
rtrcissement par rapport au dbit initial.
La jonction 1 reprsente lvolution de laccroissement du dbit dans le
temps. Elle sert associer les lments I et R .
Dans le modle bond-graph les lments I et R sont dfinis partir de
lquation (50), soit :
1
I = rv
rm (51)
R = F ( t ) a 1 ( c , c )
r l
Les lments I et R dpendent de facteur de rtrcissement, mais aussi

de la vitesse limite vrm .
A partir de lquation (50), on peut dire aussi que :
( )
e1 e4 = 0.5c 1 cr2 f r vrm (52)
La force du mouvement du systme ( e1 e4 ) dpend du changement du

facteur de rtrcissement, mais aussi de la valeur donne de la vitesse limite
vrm .
3.2 Modle bond-graph dans la zone congestionne

Si on sintresse maintenant la section juste avant le rtrcissement
(premier volume de contrle). Les phnomnes constats dans cette partie sont
la consquence de ceux produits dans le rtrcissement. La variation de la
densit est troitement lie laccroissement du dbit la frontire des deux
segments. En absence de variations du dbit, la densit reste constante la
frontire des deux segments. (Kotsialos, 2004). Le dbit Qin initial, suppos
gal Ql est modlis par llment source de flux, S f . La diminution de la
capacit de passage ou la diminution de loffre par rapport la demande,
provoque un phnomne de stockage de vhicules que lon peut modliser
symboliquement par un flux Qk et donc par un lment C .
Lapparition du dbit Qk est provoque par la diffrence entre le dbit initial

et le dbit final :
Qk = Ql Q = Ql Ql + Q = Q (52)

En dautre terme, cela signifie que la chute de dbit dans le rtrcissement

se traduit par un phnomne de stockage dans le tronon en amont. En effet,
cette partie du modle BG exprime la variation dans le temps de la densit
du trafic dans le premier tronon. Ainsi, nous pouvons en dduire que
Qk = / t . Dans cette configuration, au rgime stationnaire Qk traduit une
augmentation de la densit qui sexprime par une diminution de la distance
inter vhicules l et la diminution de la vitesse. A la frontire des deux segments
(la section droite (2)) la valeur du flux est toujours gale Q . Nanmoins, dans
le premier tronon, la densit tant critique le flux devient congestionn
impliquant une augmentation du risque daccident. Par contre, dans le second
tronon pour la mme valeur du dbit, le flux est fluide. Ceci sexplique par le
fait que la densit est minimale et la vitesse est libre. A noter que ces
phnomnes correspondent ceux observs dans le domaine du trafic laide
du diagramme fondamental.
La figure 4 prsente le modle BG de la section juste avant le
rtrcissement.
Fig.4. BG de la zone congestionne
La dmarche de modlisation labore consiste reprsenter le systme

tudi laide de deux modles BG. Cette dcision est justifie pour tenir
compte du caractre du flux de trafic qui est caractris par deux rgimes ou
deux phases. La premire phase est typique au rgime compressible du flux qui
se traduit par une accumulation du dbit dans le premier volume de contrle. La
seconde traduit un rgime incompressible dans le second volume de contrle.
La gnralisation de la mthode BG permet de tenir compte dun ensemble
de sections constituants un rseau autoroutier. Ainsi, lajout par exemple dune
source de flux une jonction 0 du modle BG permet dajouter une rampe
dentre la section considre.
Lapplication des lois constitutives sur les diffrents lments du BG ainsi
que les lois sur les jonctions reliant ces lments permet dobtenir des modles
dtat dcrivant les phnomnes caractrisant le flux dans chacune des
sections, et aussi leurs interactions (Iordanova et al. 2006c)
On peut aussi considrer un exemple simple dune section congestionne.
Dans ce cas, linstar de ce qui se passe frquemment sur le boulevard
priphrique de Paris, le seul moyen mis en place pour fluidifier la

circulation est une action brutale consistant bloquer la circulation. Dans cette
optique, on peut dmontrer que si on bloque le trafic afin de rduire le dbit

dune quantit Q on arrive fluidifier la circulation et augmenter la vitesse
du flux, ce qui permet de compenser le temps perdu durant le blocage.
4. Simulations
Afin dillustrer les caractristiques dynamiques du flux de trafic, nous avons
simul lvolution du dbit volumique normalis dans une section de longueur
L = 1000m . Nous avons considr que le nombre de voies avant le
rtrcissement est nl = 3 . Les simulations effectues sont relatives lvolution
du dbit pour une valeur de la vitesse limite par exemple de 60Km/h et un
facteur de rtrcissement 0<c<1. On remarque que plus les voies disponibles
la circulation augmentent plus le dbit augmente aussi (Figure 5).
Ces rsultats confirment les observations issues de la pratique. Par ailleurs,
ils montrent quil est possible de rguler le trafic afin de maintenir un flux
constant. En effet, dans le cas o le facteur de rtrcissement est constant
(capacit de passage constante), la valeur du dbit peut tre maintenue
constante en agissant sur la vitesse du flux en aval laide des panneaux de
limitations de vitesses ou les voies principales daccs.
Figure 5. volution du dbit volumique en fonction de c

Le dbit en fonction de c
1
0.9
0.8
dbit normalis
0.7
0.6
0.5
0.4
0 50 100 150 200 250 300 350 400 450 500
t, [s]
Les seconds rsultats sont obtenus en fixant le facteur de rtrcissement

c = nr nl = 2 3 . Ceci implique que seule une voie est disponible la
circulation. Ensuite, en faisant varier la vitesse en rgime tabli, entre une
valeur faible de 20km/h une valeur plus grande (120 km/h), on remarque que
le dbit en rgime stationnaire ne change pas mais que seul le temps de
monte varie.

Figure 6. . volution du dbit en fonction de vrm
Le dbit en fonction de la vitesse

1
0.95
0.9
0.85
dbit normalis
0.8
0.75
0.7
0.65
0 50 100 150 200 250 300 350 400 450 500

t, [s]
Conclusions
Lapproche prsente dans cet article vise introduire de nouvelles
interprtations des phnomnes qui caractrisent le flux de trafic. Ceci nous a
permis de porter un nouveau regard sur les aspects de la modlisation et la
comprhension des comportements qui rgissent le trafic. Bas sur des
considrations volumiques, le modle propos permet de prendre en compte le
rgime dynamique dcoulement du flux lors des changements dans les
conditions de circulation. Lapproche dveloppe est principalement base sur
la mise en uvre des lois de conservation du dbit, du principe fondamental de
la dynamique ainsi que la loi de conservation dnergie.
La dmarche propose exploite aussi la puissance du formalisme BG pour
reprsenter le trafic dun point de vue macroscopique. Ceci nous a permis de
prendre en compte explicitement des causes conduisant aux diffrents
changements dans les conditions de circulation ce qui peut apporter une aide
prcieuse lorsquil sagit de concevoir des lois de commande robustes et
efficaces pour la rgulation du trafic.

Rfrences
Aw A. & Rascle M., 2000. Resurrection of "second order" models of traffic flow
SIAM Journal of Applied Mathematics, Vol. 60, No. 3, pp. 916-938.
Alelik R., 1997. Lane-by-lane modeling of unequal lane use and flares at
roundabouts and signalized intersections: the sidra solution. Traffic
Engineering, 38 (7/8): p. 388399.
Ben Akiva M. E, 1994. A dynamic Traffic Model System for ATMS/ATIS
operations. IVHS Journal, V.2. p. 1-19 MITTNS.
Borne P., Dauphin-Tanguy G., Richard J. P., Zambettakis F., 1982,
Modlisation et identification des processus. Mthodes pratiques de
lingnieurs, Editions Technip, Vol. 3, Tome 2.
Daganzo C.F., 2005. A Variational Formulation of Kinematic Waves: Basic
Theory and Complex Boundary Conditions. Transportation Research
Part B 39, p. 187196.
Helbing D., 1995, Qualitative Sociadynamics. Stochastic Methods and Models
of Social Interaction Process. Kluwer Academic, Boston.
Helbing D., 1998a. Fundamental of Traffic Flow. ar Xiv: cond-mat/980680 v1.
Helbing D., 1999b. Master: Macroscopic traffic simulation based on Gas-
Kinetic, non-local Traffic Model.
Hughes J., 1998, Intensive Traffic Data collection for Simulation of Congested
th
Auckland Motorway. Proceedings 19 ARRB Transport Research
Conference. Sydney.
Iordanova V., Abouassa H., Nikolov E., Jolly D., 2004. Modlisation
Macroscopique du trafic : Approche Volumique. Confrence
Internationale Francophone dAutomatique, CIFA04, 22-24 novembre
2004, DOUZ, Tunisie.
Iordanova V., Abouassa H., Jolly D., 2006a. Sur la dynamique du flux de
trafic : modle macroscopique volumique. 6me Confrence
Francophone de Modlisation et de Simulation. MOSIM06, 3-5 avril
2006, Rabat, Maroc.
Iordanova V., Abouassa H., Jolly D., 2006b. Approche par Bond-Graphs pour
la modlisation macroscopique du flux de traffic. IEEE Workshop
Logistique et Transport . Hammamet Tunisie.
Iordanova V. Abouassa H., Jolly D., 2006c. Bond-Graphs Traffic Flow
modeling and Feedback Control. 12th IFAC Symposium on
Information Control Problems in Manufacturing INCOM06, 17-19
May, St. Etienne, France 2006
Jiang R., Q.Z. Wu, ZJ. Zhu., 2002. A new continuum model for traffic flow and
numerical tests. Transportation Research Part B 36 : p.405-419.

Kachroo P. Krishen K. 2000, System Dynamics and Feedback Control Design

Problem Formulations for Real Time Ramp Metering. Transactions of
Society for Design and Process Science, 2000.
Karnopp D., Rosenberg R., 1991, Systems dynamics: a unified approach.
1991 JohnWiley & sons, (2nd edition).
Kerner B.S. 1999a, Congested Traffic Flow: Observations and Theory.
Transportation Research Board, 78th Annual Meeting, Washington
D.C.
Kerner B.S., 1999b, Theory of Congested Traffic Flow: Self-organization
without bottlenecks. Transportation Theory, Proceeding of the 14th
ISTTT (A. Ceder ed.), p 147-177, Pergamon.
Kotsialos A., Papageorgiou M., 2004 Motorway network traffic control
systems. European Journal of Operational Research 152, p.321-333.
Lebacque J.P., 2002, A Two Phase Extension of the LWR Model Based on the
Boundedness of Traffic Acceleration. Transportation and Traffic
Theory in the 21st Century, ISTTT.
Lighthill M. H., and Whitham G. B., 1955. On Kinematic Waves-II. A Theory of
Traffic Flow on Long Crowded Roads. Proceedings, Royal Society
(London), A229, No. 1178, p. 317-345.
Lozano J. A., Delso E., Maroto J., Cabanellas J.M. Flez J., Vera C., 2005.
Traffic Modelling By Applying the Bond-Graph Technique.
Internationall Conference on Bond-Graphs Modelling. San Antonio.
Messai N., 2003. Surveillance du trafic urbain et interurbain base de modles
neuronaux. Mmoire de thse de lUniversit de Technologie de
Belfort-Montbliard et lUnivesit de Franche-Comt.
Nagel K., 1996. Practical hopping models and traffic flow theory. Physical
review E 53, p. 46554672.
Payne H.J., 1971. Models of Traffic and Control. Simulation Council
Proceedings, Vol. 1, Ch. 6. Mathematical Models of Public System, p.
51-61.
Paynter H. 1961, Analysis and design of engineering systems, MIT Press
1961.
Rascle M. 2002. An improved Macroscopic Model of Traffic Flow: Derivation
and Links with Lighthill-Whitham Model. Mathematical and Computer
Modelling, n35, p.581-590.
Richards P.I., 1956. Shock waves on the highway. Operations Research 4. pp 4251.
Schiavo 2002. A Personalized Kinetic Model of Traffic Flow. Mathematical and
Computer Modelling Vol. 35, p. 607-622.
William J.C., 2002, Macroscopic Flow Models, Chap.6. Update and extension
of the Transportation Research Board Special Report 165, Chief of
State Programs at National Highway Institute of Traffic Flow Theory.
Zhang H.M., 2002, A Non-Equilibrium Traffic Model Devoid of Gas-Like
Behavior. Transportation Research B, n36, p. 275-290.

Drivation du diagramme
fondamental du trafic pour un
systme de deux routes avec un
carrefour en commun
Nadir FARHI*, Maurice GOURSAT* & Jean-Pierre QUADRAT*
*INRIA Domaine de Voluceau 78 Rocquencourt
Rsum :
Le diagramme fondamental du trafic donne la relation entre le flot et la
densit des vhicules sur une route. Dans ce papier on obtient ce diagramme
pour un systme de deux routes avec un carrefour en commun. Le but est
d'tudier l'effet du carrefour sur la relation entre le flot moyen et la densit des
vhicules. A partir d'un modle en rseaux de Ptri, on crit les quations de la
dynamique du systme en combinant les oprateurs de l'algbre ordinaire avec
ceux de l'algbre minplus. On montre exprimentalement l'existence d'un flot
moyen dpendant de la densit des vhicules dans le systme. Ce flot moyen
devient asymptotiquement indpendant de la position initiale des vhicules
quand les tailles des deux routes tendent vers l'infini. On obtient un diagramme
fondamental trois phases : faible densit, moyenne densit et haute densit.
En fin, on compare trois politiques de gestion du carrefour : la priorit droite,
la priorit alterne, et le contrle laide des feux de signalisation.
Introduction :
Le diagramme fondamental du trafic a t observ thoriquement et driv
empiriquement dans le cas d'une seule route ou d'un systme rgulier de
routes, voir par exemple [5], [15], [2], [17], [16], [7], [4]. Dans ce travail on tudie
le diagramme fondamental du trafic pour un systme de deux routes circulaires
avec un carrefour en commun (circulation sans dpassement).
En physique statistique, on tudie les systmes microscopiques du trafic
comme des classes particulires des automates cellulaires. Dans la
classification des automates cellulaires [4], notre modle est du type Biham-
Middleton-Levine [3] (BML) (utilis pour dcrire des villes rgulires simplifies).
147
Actes INRETS n110
Mais contrairement au modle BML, on laisse la possibilit aux vhicules de

tourner au carrefour comme dans [11], [12], [13], mais ici, avec un modle
dterministe (si on numrote les vhicules entrant au carrefour, les vhicules
pairs vont vers le sud, et les vhicules impairs vont vers l'ouest). Dans cet
article, on tudie seulement le cas de deux routes avec un carrefour en
commun. Ce cas a t tudi en dtail avec un modle stochastique et sans
possibilit de tourner au carrefour [8], [9], [10]. Nous suivons la dmarche
adopte dans [16] o le processus d'exclusion est donn en termes de rseau
de Ptri et o la dynamique correspondante est crite en algbre minplus.
Le modle prsent ici est le plus simpliste qui donne la possibilit aux
vhicules de tourner au carrefour. Il est aussi le rseau de Ptri (modlisant ce
systme) le plus simpliste qui n'est pas un graphe d'vnements.
La dynamique du systme est drive partir d'un rseau de Ptri, et les
quations sont crites en combinant les oprateurs de l'algbre ordinaire avec
ceux de l'algbre minplus. Dans le cas prliminaire dune seule route circulaire
avec un retardateur, adaptant [16], le diagramme fondamental est
immdiatement obtenu de l'interprtation graphique de la valeur propre de la
dynamique linaire minplus du graphe d'vnements correspondant.
Dans le cas d'un systme de deux routes avec un carrefour, on montre,
exprimentalement, l'existence d'un flot moyen qui devient indpendant de la
position initiale des vhicules quand la taille du systme tend vers l'infini. On
montre aussi que le rseau de Ptri continu correspondant au rseau discret
considr dans ce modle a les mmes proprits et donne asymptotiquement
le mme diagramme fondamental. On confirme l'aide du diagramme
fondamental calcul la prsence de plusieurs phases connues dans la
littrature des automates cellulaires (modles stochastiques). En fin, on tudie
l'influence d'un contrle du trafic l'aide d'un feu de signalisation sur le
diagramme fondamental, et on montre le gain potentiel obtenu par un contrle
en boucle ouverte ou en boucle ferme sur l'tat du trafic sur les routes.
1. Algbre minplus
Dans cette section on dfinit l'algbre minplus, et on donne ses principales
proprits ainsi que quelques thormes, voir [1] pour plus de dtails.
Dfinition 1 : L'algbre minplus est la structure = ( {+}, , )
min
dfinie par l'ensemble {+} muni des deux oprations min note et
appele l'addition minplus et + note appele le produit minplus.
L'lment zro de l'algbre minplus est not = + et on a
x= x,
x = .
L'lment unit est not e = 0 , et on a
e x = x ,
L'addition minplus est idempotente :

Diagramme fondamental- Agbre MinPlus
x x = x, x min ,
L'addition minplus est non simplifiable :
a b = a c > b = c ,
La diffrence principale entre l'algbre ordinaire et l'algbre minplus est que
laddition minplus est idempotence et non simplifiable.
De la structure minplus sur les scalaires, on construit un semi anneau
idempotent sur l'ensemble des matrices carres en le menant de l'opration
addition dfinie comme le minimum lment par lment, et de l'opration
produit dfinie par ( A B )ij = min( Aik + Bkj ) .
k
L'lment zro est not aussi . C'est la matrice carre dont chaque
composante est gale .
L'lment unit est not aussi e . C'est la matrice qui n'a que des
sauf sur la diagonale o elle n'a que des e .
Dfinition 2: Le graphe de prcdence G ( A) associ la matrice carre

minplus A est un graphe dont les noeuds correspondent aux colonnes et les
arcs aux entres (composantes) non nulles de la matrice A : Le poids de l'arc
(i, j ) est l'entre non nulle Aji . Le poids d'un chemin p dans G ( A) , not
| p |w , est le produit minplus (somme ordinaire) des poids des arcs composant
le chemin. La longueur de p , note, | p |l est le nombre d'arcs dans p .
Exemple 1: On considre la matrice minplus suivante :
1 3
4 2
A=
1

e 2
Le graphe associ A est :
Figure 1. Le graphe de prcdence G ( A)

Le chemin qui part du noeud (1) vers le noeud (2) : (1 3 4 2) est

de poids : 1+2+2=5, et il est de longueur gale 3 (car il est compos de trois
arcs). La matrice Am = A A A donne les poids des chemins de
m
m
poids minimum et de longueurs gales m . La matrice
n =0
An donne les poids
des chemins de poids minimum et de longueur infrieure ou gale m. On
rappelle les trois principaux thormes suivants (voir [1]).
Thorme 1: Etant donne une matrice carre minplus A : m m , si les poids
de tous les circuits de G ( A) sont positifs, alors l'quation :
X = A X B admet une solution unique : X = A* B o :
m 1
A* = An = An .
n =0 n =0
Thorme 2: Si le graphe G ( A) associ la matrice minplus A est fortement
connexe, alors la matrice A admet une valeur propre unique min :
|c|
X Nmin : A X = X , avec = min w ,
cC | c |
l
o C est l'ensemble des circuits de G ( A) .
Thorme 3: Si le graphe G ( A) associ la matrice minplus A est fortement
connexe, alors la dynamique linaire minplus dfinie par : X n +1 = A X n est
asymptotiquement priodique, c--d :
T , K , : k K : Ak +T = T Ak .
Le graphe de l'exemple (1) est fortement connexe, donc A admet une valeur
propre unique min . Les circuits lmentaires de G ( A) sont :
c1 : 1 3 4 1 : de poids moyen gal 2.
c2 : 2 2 : de poids moyen gal 4.
c3 : 2 4 2 : de poids moyen gal 1.
c4 : 1 3 4 2 1 : de poids moyen gal 1.
On a donc = min(2, 4,1,1) = 1 .
e e

2 2
On vrifie bien que: A = 1 .
e e
1 1


2. Rseaux de Ptri :
2.1. Dfinition et proprits
Un rseau de Ptri est un graphe deux types de noeuds appels
transitions et places, et deux types d'arcs appels arcs de production et arcs de
synchronisation. On note l'ensemble des transitions Q ( Q lments), et
l'ensemble des places P ( P lments). Un arc de production part d'une
transition vers une place, et un arc de synchronisation part d'une place vers une
transition. On associe un rseau de Ptri une matrice minplus P Q note D
et appele matrice de synchronisation, et une matrice ordinaire Q P note H
appele matrice de production. La matrice de synchronisation est dfinie par
Dpq = a p s'il existe un arc de p P vers q Q et Dpq = sinon, o a p
est le marquage initial qui est reprsent graphiquement par des jetons dans
les places. Pour compter les jetons, on utilise une matrice standard associe
D note D (de mme taille que D ) dfinie par D = 1 si Dpq et
D = 0 sinon. La matrice de production est dfinie par l'oprateur de retard

H qp ( ) = mqp p s'il existe un arc de q Q vers p P et H qp ( ) = 0
sinon; o mqp est la multiplicit de
larc (q, p) , m

: ( X n )n m( X n )( n ) et p est le temps minimum
de sjour dans la place p , appel temporisation de la place et reprsent
graphiquement par des barres dans les places. Un oprateur de retard
s'applique sur des suites, il est dfini par m

: ( X n )n m( X n )( n ) .
Par extension H (1) est une matrice lments rels mqp . Un rseau de Ptri
est ainsi caractris par le quadruplet :
( p, Q, H ( ), D )
On dit qu'un rseau de Ptri est dterministe si chacune de ses places n'a
qu'un seul arc en aval, sinon on dit qu'il est non dterministe. La dynamique
d'un rseau de Ptri dterministe est dfinie par ce qu'on appelle le brlage des
transitions. A un instant donn, une transition brle si en chaque place en
amont de la transition, il y a au moins un (un nombre strictement positif de
(dans le cas d'un rseau de Ptri continu)) jeton ayant sjourn un temps au
moins gal la temporisation de la place. Lorsqu'une transition brle, elle prend
de chaque place en amont un jeton (on dit qu'elle consomme des jetons), et elle
gnre un nombre de jetons, dans chaque place en aval, gal la multiplicit
de l'arc de production correspondant. Dans le cas d'un rseau de Ptri non
dterministe, le brlage des transitions ne dfinit pas compltement la
dynamique du rseau, car des transitions en aval d'une place seraient en conflit
de consommation des jetons. Dans ce cas, on doit donner des rgles de
consommation, par exemple en dfinissant un ordre de priorit pour les

transitions en conflit, ou bien en imposant des proportions de consommation.

Une fois ce type de conflit est rgl, le rseau de Ptri devient dterministe.
Exemple 2:
Sur la Figure 2 on a un rseau de Ptri dterministe 4 transitions q1 , , q4 ,
et 5 places p1 , , p5 . Les transitions sont reprsentes par des btons
verticales, et les places par des cercles. A cot de chaque arc de production on
a donn sa multiplicit.
Figure 2. Un rseau de Ptri dterministe.
Les rseaux de Ptri sont souvent reprsents l'instant initial (instant 0 par
exemple). A l'instant 1, sauf la transition q4 va brler, elle brlera une fois, en
consommant le jeton de la place p4 . Ce brlage produira 2 jetons dans la
place p3 , et un jeton dans la place p5 . A linstant 2, la transition q3 va brler 1
fois, alors que q1 , q2 et q4 ne brleront pas. Ainsi de suite
Thorme 4:
Notant X = ( X q )qQ le vecteur des suites X q = ( X qn )n tel que la
qn
composante X reprsente le nombre de brlages de la transition q jusqu'
linstant n , On a :
X = ( X H ( )) D
Si f est une fonction non linaire, alors X = f (X ) veut dire
X n +1 = f ( X n )n .
Preuve :
Par dfinition du brlage des transitions, le rseau de Ptri est tel qu'
chaque instant, au moins une place en amont de chaque transition est vide (a
un nombre nul de jetons). Notons a le vecteur de dimension P qui donne le
marquage initial (le nombre de jetons dans chaque place initialement), le

vecteur des suites reprsentant le nombre de jetons dans les places, fonction
du temps, est alors donn par a + X ( ) H ( ) X ( ) . Chaque minimum des
nombres de jetons dans les places en aval de chaque transition tant nul, et le
rseau de Ptri tant dterministe (de chaque place sort un seul arc), on a :
( XH ( ) X t D) D = 0
O la transpose de D est note par t D .
Les matrices H ( ) et D qui donnent la dynamique du rseau de Ptri de
lexemple prcdent sont :
1
2 0 0 0 0
3 e
1 0 0 0
H ( ) = et D = e
0 0 0 1 0

0 2
e
0 0 1
e
Bien que la dynamique des rseaux de Ptri non dterministes ne soit pas
bien dfinie, il y a des contraintes sur la dynamique des jetons. On peut dfinir
une dynamique des quantits invariantes, vrifie par tous les rseaux de Ptri.
Soit une suite de brlages des transitions, on note X le vecteur ligne qui

donne le nombre de brlages des transitions, et a le vecteur ligne qui donne
le nombre de jetons dans les places. Aprs cette suite de brlages. On aura :
a = a + X ( H (1) t D) .
Ce qui justifie le rsultat suivant :
Thorme 5:
Pour tout vecteur colonne vrifiant :
( H (1) t D) = 0 ,
on a:
a = a , .
Les nombres a sont les invariants droite des rseaux de Ptri.
2.2 Graphes d'vnements :
Dfinition 3:
Un rseau de Ptri dterministe dont chaque place na quun seul arc en
aval, de multiplicit gale 1, est appel graphe d'vnements. La dynamique

d'un graphe d'vnements est linaire en algbre minplus : X = X A( )

p
o A( )qq ' = a p avec p l'unique place connecte aux deux transitions
q et q ' .
Le thorme suivant est un corollaire du thorme 2 (voir [1]).
Thorme 6:
Pour un graphe d'vnements fortement connexe, la quantit dfinie par
= limn X n / n q
est indpendante de q , et on a:
| c |a
= min ,
cC | c |t
o C est l'ensemble des circuits du graphe d'vnements, | c |a est le nombre
total de jetons dans le circuit c , et | c |t est le nombre total de temporisations
dans le circuit c.
3. Le diagramme fondamental pour une route

circulaire avec un retardateur :
Il est facile de driver un diagramme fondamental du trafic tout fait raliste
partir de modles linaires minplus. Pour une raison pdagogique seulement,
le diagramme le plus simple sera donn ici. Pour voir le plus raliste, dans le
cas o il n'y a pas de retardateur, voir [16]. Pour d'autres rsultats analytiques
voir Derida [5].
Figure 3. Une route circulaire avec un retardateur.

3.1 Modlisation du processus d'exclusion pour une route

avec un retardateur :
On adapte [2] au cas d'une route avec un retardateur en considrant une
route circulaire avec des sections occupes ou pas par un vhicule symbolis
par un 1. On suppose qu'il y a un retardateur dans la place 1 o un vhicule
doit rester au moins deux units de temps. La dynamique est dfinie par
l'application chaque instant, simultanment toutes les positions (
l'exception de la position 1), de la rgle 10 01. A la position 1 et l'instant
n , on applique la mme rgle, seulement s'il y avait un vhicule l'instant
n 2 . Pour l'exemple donn sur la Figure 3, on donne sur la Table 1, trois
simulations du systme avec trois diffrentes densits de vhicules
correspondant aux trois phases du systme (discutes plus tard). Pour un tel
systme, on appelle densit d le nombre de vhicules p divis par le nombre
de places m, d = p/m et on appelle flot la quantit :
m nlim P /n
n 1
f = d= lim P / n ,
m +1 p m + 1 n n
o Pn est le nombre total de dplacements de vhicules jusqu' l'instant n . Le
diagramme fondamental du trafic donne la relation entre la densit d et le flot
f.
Table 1. Simulation du trafic pour les trois phases.
n 1/ 3 < d /(1 + 1/ m) d /(1 + 1/ m) 1/ 3 d 2/3
d < 2/3
1 1010100101 1000100100 0111011011
2 1001010011 1000010010 1110110110
3 0100101011 0100001001 1101101101
4 1010010110 1010000100 1011011011
5 1001001101 1001000010 0110110111
6 0100101011 0100100001 1101101110
Si p /(m + 1) 1/ 3 , aprs une priode transitoire, tous les vhicules seront

assez spars pour avancer sans se gner. Dans ce cas f = p /(m + 1) qu'on
peut crire comme fonction de la densit f = d (1 + 1/ m) qui est gal d ds
que 1/ m devienne petit, c'est le cas quand la taille du systme devienne
grande. Inversement, si la densit est plus grande que 2 / 3 , aprs une dure
de temps finie, tous les vides seront assez spars pour aller vers l'arrire
librement ; cela signifie qu' tout moment m p vhicules peuvent avancer.

Dans ce cas, la relation entre le flot et la densit devient

f = (m p) / m = 1 d . Le troisime cas est quand d /(1 + 1/ m) > 1/ 3 et
d < 2 / 3 , alors le retardateur est entirement occup, et un vhicule quitte le
retardateur toutes les trois units de temps, le flot est donc gal 1/ 3 . Ces
rsultats peuvent tre observs numriquement et seront justifis facilement
en utilisant un modle de graphe d'vnements dans la prochaine sous-section.
3.2 Modlisation en graphes d'vnements :

En utilisant la notation de la section III, la dynamique du graphe
d'vnements associ au trafic sur une route circulaire avec un retardateur et
dcrit dans la partie III de la Figure 3 (sur cette figure, en chaque place,
l'exception de la place a1 , il y a une barre non montre), est dfinie par la
matrice :
a1 am
a
1 a2
A( ) =

a m2 a m 1
a m a m 1
o les positions initiales des vhicules sont donnes par les boolens aq qui
sont gaux 1 si la cellule est occupe par un vhicule et 0 sinon et o on
note a = 1 a . Les nombres de vhicules entrs dans la section q de la route
jusqu' l'instant n tant not X nq , on a:
X nq+1 = min{aq 1 + X nq 1 , aq + X nq +1}, q 2,

X n2+1 = min{a1 + X n11, a2 + X n3},
o les oprations sur l'index q sont en modulo m. Un corollaire du thorme

6 donne le diagramme fondamental.

Figure 4. Le diagramme fondamental pour une route avec un retardateur.
Thorme 7:
Le diagramme fondamental, donnant le flot moyen f en fonction de la
densit d des vhicules, pour une route circulaire avec un retardateur est :
f (d ) = min{d /(1 + 1/ m),1 d ,1/ 3},

o m est la taille de la route, prise comme le nombre de vhicules qu'elle peut
contenir.
Preuve :
On voit sur la partie III de la Figure 3 qu'il y a quatre types de circuits :
le circuit extrieur du poids moyen p /(m + 1) ,
le circuit intrieur du poids moyen (m p) / m ,
les circuits qui correspondent aller vers lavant quelques tapes et vers
l'arrire le mme nombre d'tapes sans utiliser le retardateur, du poids moyen
1/ 2 ,
les circuits qui correspondent aller vers lavant quelques tapes et vers
l'arrire le mme nombre d'tapes, en utilisant le retardateur ; dont le plus petit
poids moyen est gal 1/ 3 .
Par consquent, on a
f = min{ p /(m + 1),(m p) / m,1/ 3}, ce qui donne le rsultat.

4. Deux routes circulaires avec un carrefour

On considre un systme de deux routes circulaires sens unique, avec
une seule intersection, comme reprsent sur la Figure 5 ( gauche).
Figure 5. Deux routes circulaires avec un carrefour.
On suppose que les voitures circulent sans dpassement et on modlise

leur dplacement comme dans la section prcdente. Les voitures partant de
l'intersection prennent les deux routes en aval avec la mme proportion. On
montre l'existence d'un diagramme fondamental pour ce nouveau cas et on
discute ses proprits en montrant l'existence de plusieurs phases du trafic.
4.1 Modlisation en rseau de Ptri:

On peut dfinir compltement le systme en termes de rseau de Ptri
dterministe donn sur la Figure 5 ( droite) dans le cas de deux routes avec
une mme taille. Comme dans la section prcdente, chaque route est

dcoupe en (resp. ') sections capables de contenir un vhicule.

chaque section q est associe le couple de places aq et aq du rseau de
Ptri. Si aq = 1 alors aq = 0 et la section est occup par un vhicule. Si
aq = 0 alors aq = 1 et la section est libre. La transition q correspond

l'entre vers la section q . Lintersection est considre comme une section
deux sorties et deux d'entres.
Si on note par X nq le nombre de brlages de la transition q jusqu' l'instant
n , et en utilisant les notations minplus, la dynamique du systme est dfinie,
dans le cas o = ' , par :
X q / = aq 1 X q 1 a q X q +1 , q {2, , 1, + 1, , 2 1},
(1)
X / = a X 1 X +1 / X 2 a 1 X 1 , (2)
X 2 / = a 2 X 1 X +1 /( X / ) a2 1 X 2 1 , (3)
X 1 / = a 1X X 2 a1 X 2 ,

(4)
X +1 / = a2 1X X 2 a +1 X + 2 , (5)

o la division minplus est la soustraction standard, la racine carre de

l'algbre minplus est la division standard par 2, i dnote l'oprateur de
l'arrondi en bas, et dnote l'oprateur de dcalage arrire en temps appliqu
sur des suites. Par exemple:
X 1 / = a 1X X 2 a1 X 2 ,

s'crit en algbre ordinaire:
1 + X n + X n2
X n1+1 = min{a + , a1 + X n }.
2
2
Ce systme d'quations est implicite mais triangulaire, sa trajectoire est
donc bien dfinie. En ngligeant l'arrondi dans les quations (4) et (5), on
obtient un rseau de Ptri continu o il n'est pas ncessaire d'avoir des
nombres entiers de jetons dans les places en amont d'une transition pour
qu'elle dbute son brlage (s'il y a des nombres rels dans les places en amont
d'une transition, le minimum de ce nombre est consomm dans chaque place).
Dans ce cas, le systme peut tre crit sous forme matricielle en combinant les
oprateurs de l'algbre ordinaire avec ceux de l'algbre minplus :

X = ( X H ( )) D ,
o H ( ) est la matrice 2 4 dfinie par :
F E / 2 P 1 E1 E /
H ( ) =
E / 2 F E1 E P 1
D = A J o J est la matrice 4 2 dfinie par :
P

P
J =
I

I
A = diag (a, a) est une matrice diagonale 4 4 ,

est l'lment zro de l'algbre minplus, qui est + ,
I est la matrice identit minplus,
P est la matrice associe la permutation (2, , ,1) ,
Eij est la matrice n'ayant qu'un seul lment non nul sur l'entre ( i j )
gal l'lment unit,
F = I d E / 2 o Id est la matrice identit de l'algbre ordinaire.
4.2 Le diagramme fondamental global

La simulation se fait facilement en utilisant la bote outils maxplus de
Scilab [18]. Sur la Figure 6, on montre la relation entre la densit moyenne et le
flot moyen dans le cas d'un seul carrefour. Analysant les rsultats, il s'avre
que le flot maximal est gal la moiti du flot maximal correspondant une
seule route (sans retardateur). En effet le croisement doit servir deux rues, une
rue Ouest-Est et une rue Sud-Nord de mme capacit. Le croisement est le
goulot d'tranglement du systme, c'est lui qui dtermine sa vitesse moyenne.
Le flot maximal correspond au niveau optimal de la congestion qui est la
saturation du croisement.

Figure 6. Le diagramme fondamental du trafic pour deux routes circulaires

avec un carrefour gr par la priorit droite, le rapport entre les tailles
des deux routes varie entre 1 et 10.
On observe sur ce diagramme trois phases:

La phase faible densit o un rgime priodique apparat avec la moyenne
de la population totale dans chaque route. Sur chaque route les vhicules
circulent librement sans gne. chaque fois qu'un vhicule atteigne
l'intersection, il la trouve libre. Le systme est semblable un gaz idal o il n'y
a aucune interaction entre les molcules.
Figure 7. La position initiale et la position asymptotiquement priodique
des vhicules dans le cas de la phase faible densit.
La phase densit moyenne o un rgime priodique apparat avec

diffrentes populations sur chaque route. La taille de la population sur la route
prioritaire reste constante en changeant le nombre total de vhicules (restant
dans cette phase); de nouveaux vhicules seront absorbs par la route non
prioritaire. L'intersection atteint son rgime maximal (une unit de temps libre
une unit de temps occupe). On peut penser un systme avec un gaz dans
la route prioritaire et un mlange de liquide et de gaz dans l'autre route (basse
temprature). Si on ajoute des molcules ils condensent dans le liquide dans la
route non prioritaire.
Figure 8. La position initiale et la position asymptotiquement
priodique des vhicules dans le cas de la phase moyenne densit.

La phase haute densit: un rgime de blocage apparat. Il reste encore

de la place dans le systme, mais un vhicule veut toujours entrer dans la route
non prioritaire alors qu'elle est pleine. Si des vhicules pourraient entrer dans
cette dernire route, quelques vhicules pourraient la quitter, mais ils ne
peuvent pas entrer parce qu'elle est pleine. Pour deux routes avec une mme
taille, ce blocage trs brusque apparat une densit gale 1/2. cette
densit, tout fonctionne bien mais si une voiture est ajoute, cette voiture
ralentit la vitesse moyenne de la route non prioritaire, puis, il y a une fuite de la
population de la route prioritaire vers l'autre. La route non prioritaire se remplit,
devient pleine et la dernire voiture dans la route prioritaire veut entrer dans
l'autre. Le systme est bloqu.
Figure 9. La position initiale et la position asymptotiquement priodique

des vhicules dans le cas de la phase haute densit.
4.3 Le diagramme fondamental pour chaque route:

A gauche de la Figure 10 on montre la relation entre la densit et le flot pour
la route non prioritaire. On voit que sa forme est trs proche de celle du
systme avec une seule route et un retardateur.
Figure 10. Les diagrammes fondamentaux des deux routes (sans et avec
priorit) dans un systme de deux routes avec un carrefour en commun.
La route prioritaire a un diagramme fondamental ( droite de la Figure 10)

compltement diffrent, sur lequel on voit que la densit n'augmente pas en
augmentant le nombre de vhicules, tout en restant dans la phase moyenne
densit. Sur ce diagramme on voit que la transition vers la phase de blocage

est trs brusque avec un pompage de vhicules de la route prioritaire vers

l'autre route.
4.4 Comparaison de politiques de gestion du carrefour

Pour viter ce phnomne de blocage, des feux de circulation peuvent tre
ajouts l'intersection. Dans les travaux futurs, on a l'intention d'optimiser ces
feux en calculant un feedback sur l'encombrement de chaque route. Pour
l'instant on donne le diagramme fondamental pour les trois politiques suivantes
:
Priorit droite
Demi cycle vert, demi cycle rouge
Priorit alterne : pendant un demi cycle, on applique la priorit droite, et
pendant l'autre demi cycle on lapplique gauche (cette politique correspond
un policier qui gre la circulation).
On calcule le diagramme fondamental global pour ces trois cas et on les
montre sur la mme Figure 11 (les deux routes ont la mme taille). La
comparaison des trois diagrammes montre que la commande par des feux de
signalisation dgrade la circulation dans le cas de faible densit mais elle
l'amliore beaucoup dans le cas de la haute densit. La troisime politique est
la meilleure et pourrait tre mise en application par un feedback simple. Dans
une ville relle, un feedback global serait beaucoup plus compliqu obtenir,
voir [6].
Figure 11. Comparaison des diagrammes fondamentaux pour le systme

complet (deux routes de mme taille) pour diffrentes politiques de
commande (sans feux avec la priorit droite
(1), commande avec des feux : demi cycle rouge, demi cycle vert (3), sans
feux avec la priorit alterne (2))
4.5 Justification mathmatique du diagramme fondamental

Le diagramme fondamental a t obtenu exprimentalement. Il est
important de justifier mathmatiquement son existence. Pour le faire il faut
montrer :

L'existence d'un flot moyen : c'est dire : lexistence de la limite de Xn / n

quand n tend vers l'infini.
L'indpendance du flot moyen f de la position initiale des vhicules.
Figure 12. L'indpendance asymptotique du diagramme fondamental de la
position initiale des vhicules
(des diagrammes pour plusieurs positions initiales sont tracs sur la

mme image pour des tailles croissantes du systme).
Ces deux affirmations ne sont pas encore prouves. La seconde est fausse
en gnral. Mais il est vrai que le flot asymptotique (o l'asymptotique est fait
sur les tailles des routes sans changer le rapport entre les tailles) ne dpend
pas de la position initiale des vhicules. De plus, les modles continus et
discrets de rseaux de Ptri ont le mme diagramme asymptotique. Le rsultat
est clair exprimentalement, voir la Figure 12, mais ils doivent tre vrifis
mathmatiquement.
Conclusion
Le modle du trafic propos ici, en utilisant les rseaux de Ptri et l'algbre
minplus, semble contenir l'essence du problme du trafic. De ce modle, nous
pouvons calculer le diagramme fondamental du trafic liant le flot moyen et la
densit des vhicules. Mme sur ce systme simple tudi ici, se composant
de deux routes circulaires et d'une intersection, plusieurs phases apparaissent
dans le diagramme fondamental. Pour dfinir ces diagrammes, l'existence d'un
flot moyen indpendant de la position initiale de vhicules est ncessaire. La
future analyse mathmatique essayera de justifier l'existence de cette variable
de flot moyen montre exprimentalement ici et son indpendance de la
position initiale des vhicules.

Rfrences
[1] F. Baccelli, G. Cohen, G.J. Olsder, and J.P. Quadrat : Synchronization and
Linearity, Wiley, 1992 available http://maxplus.org.
[2] M. Blank, Variational principles in the analysis of traffic flows, Markov
Processes and Related fields pp.287-305, Vol.7, N.3, 2000.
[3] O.Biham, A.A.Middleton, D.Levine, Self-organisation and a dynamical
transition in traffic flow models Phys. Rev. A 46, R6124, 1992.
[4] D. Chowdhury, L. Santen, A. Schadschneider: Statistical Physics of
vehicular traffic and some related systems, Physics Reports N. 329
pp. 199-329, 2000.
[5] B. Derrida, M.R. Evans: Exact steady state properties of the one dimensional
asymmetric exclusion model pp. 1-16 in Probability and Phase
Transition ed G. Grimmett, Kluwer Ac. Pub. 1994
[6] C. Diadaki, M. Papageorgiou, K. Aboudolas, A Multivariable regulator
approach to traffic-responsive network-wide signal control Control
Eng. Practice N. 10, pp. 183-195, 2002.
[7] D. Helbing, Traffic and related self-driven many-particle systems, Reviews
of modern physics, Vol. 73, pp.1067-1141, October 2001. Cambridge
University Press.
[8] Fukui M., Ishibashi Y., Phase Diagram on the Crossroad II: the Cases of
Different Velocities, Journal of the Physical Society of Japan, Vol. 70,
N. 12, pp. 3747-3750, 2001.
[9] Fukui M., Ishibashi Y., Phase Diagram on the Crossroad, Journal of the
Physical Society of Japan, Vol. 70, N. 9, pp. 2793-2797, 2001.
[10] Fukui M., Ishibashi Y., Phase Diagram for the traffic on Two
Onedimensional Roads with a Crossing, Journal of the Physical
Society of Japan, Vol. 65, N. 9, pp. 2793-2795, 1996.
[11] J.M. Molera, F.C. Martinez, J.A. Cuesta, R. Brito Theoretical approach to
two-dimensional traffic flow models Physical Review E, Vol.51, N.1,
pp. 175-187, 1995.
[12] J.A. Cuesta, F.C. Martinez, J.M. Molera, A. Sanchez Phase transition in
two dimensional traffic-flow models Physical Review E, Vol. 48, N.6,
pp. R4175-R4178, 1993.
[13] F.C. Martinez, J.A. Cuesta, J.M. Molera, R. Brito Random versus
deterministic two-dimensional traffic flow models Physical Review E,
Vol. 51, N. 2, pp. R835-R838, 1995.
[14] T. Murata Petri Nets: Properies, Analysis and Applications Proceedings of
the IEEE, Vol. 77, No. 4, pp. 541-580, 1989.
[15] K. Nagel, M. Schreckenberg , A cellular automaton model for free way
traffic, Journal de Physique I, Vol. 2, No. 12, pp. 2221-2229, 1992.

[16] P. Lotito, E. Mancinelli, J.P. Quadrat A Min-Plus Derivation of the

Fundamental Car-Traffic Law, IEEE-AC V.50, N.5, pp.699-705, 2005.
[17] Wang B.-H., Wang L., Hui P.M., Hu B., The asymptotic steady states of
deterministic one-dimensional traffic flow models, Physica. B, Vol.
279, N. 1-3, pp. 237-239, 2000.
[18] http://scilabsoft.inria.fr

Troisime partie
Rgulation du trafic
167
Actes INRETS n110
Rgulation de Vitesse sur A7 :
Calibrage d'un modle d'coulement
du trafic
Nicolas CHIABAUT1 et Christine BUISSON 2

(1) nicolas.chiabaut@entpe.fr
(2) christine.buisson@entpe.fr
Laboratoire Ingnierie Circulation Transport LICIT (ENTPE / INRETS)
Rue Maurice Audin, F 69 518 Vaulx en Velin
Prsent au sminaire Modles de Trafic , le 24 novembre 2006, Arcueil.
Introduction
Cet article sintresse une question importante du domaine de la
simulation de lcoulement routier : le calibrage et la validation dun modle.
Face la demande croissante des usagers de disposer dinformations, en
particulier de temps de parcours, les gestionnaires dinfrastructures cherchent
utiliser des moyens nouveaux de prvision de ltat du trafic pour dlivrer les
messages les plus fiables. Lidentification des paramtres les plus prcis
possibles est ncessaire pour remplir les critres de qualit attendus. Mme, si
certains travaux existent ([BUISSON & WAGNER, 2004]), il ny a pas de relle
procdure tablie pour calibrer et valider les paramtres dun modle
macroscopique.
En effet, les difficults rencontres sont nombreuses et varies. Ainsi, il faut
prendre en compte :
Le type de modle utilis (macroscopique ou microscopique)
La nature du rseau dtude (urbain, interurbain)
Lindicateur choisi pour quantifier la concordance entre la simulation et
les mesures sur site.
Lobjectif final de notre travail est de rendre le modle volutif au cours de la

simulation, ce qui ncessite dautomatiser la phase de calibrage. En effet, les
paramtres refltent les conditions de conduite sur le rseau. Ces conditions
peuvent varier trs rapidement en fonction dlments extrieurs (changement
mtorologique, mise en place dune rgulation des vitesses). Dans cet
article, nous nous intressons des changements temporaires de la vitesse
169
Actes INRETS n110
maximale autorise. Un tel outil permet aux gestionnaires dvaluer limpact de

diffrents scnarii et aider prendre la bonne dcision pour limiter la
congestion sur le rseau.
Nous nous sommes intresss une section de lautoroute A7. Une
politique de rgulation des vitesses est en place pour maintenir le trafic au plus
proche de la capacit maximale de linfrastructure. Lvaluation de la premire
anne dutilisation a conclu de bons rsultats, en particulier dus la rduction
de la dispersion des temps inter vhiculaires et une meilleure homognit du
flot [ZELT, 2005].
Dans un premier temps, nous nous concentrons uniquement sur le calibrage
et la validation dun modle macroscopique du premier ordre de faon hors-
ligne. Pour ce faire, nous nous sommes restreint une section dautoroute sans
sorties ni entres entre les extrmits du rseau tudi. Il sagira donc de
valider une premire tape du projet final qui est le calibrage hors-ligne. Cet
article donnera aussi une ide sur la faisabilit de lautomatisation dune telle
procdure.
Ensuite, nous prsenterons brivement les donnes utilises. Nous
reviendrons aussi sur le fonctionnement dun modle macroscopique du
premier ordre et sur les adaptations apportes dans sa rsolution numrique
pour remplir les objectifs spcifiques ltude. Puis, nous expliquerons nos
procdures de calibrage et de validation, en prsentant en particulier les
rsultats en priode de rgulation des vitesses. Enfin, nous terminerons en
suggrant quelques pistes en vue de lautomatisation des mthodes proposes.
1. Rseau tudi
Nous nous sommes intresss un secteur de lautoroute A7 (Figure 1).
Cette infrastructure 3 voies dessert les plages de la mditerrane et supporte
un trafic important presque chaque jour de lanne. La section tudie
correspond un itinraire de 10 km entre les changeurs dOrange et Bollne.
Le sens de circulation est du Sud vers le Nord.

Calibrage dun modle dcoulement sur A7
Figure 1 : Secteur tudi de l'autoroute A7 dans le sens Sud-Nord (les
lignes noires horizontales reprsentent les boucles de mesures).
Bollne
Boucle Pk. 155.4 (5)
Sens
du trafic Boucle Pk. 160.4 (4)

Orange
Le gestionnaire, ASF (Autoroutes du Sud de la France), nous a fournit des

sries de mesures enregistres plusieurs boucles lectromagntiques. Elles
sont implantes sous la chausse tout le long du rseau. La Figure 1 permet de
les localiser. Elles sont rfrences suivant leur position kilomtrique (Pk).
Ainsi, nous avons pu rcuprer les valeurs moyennes agrges sur des
priodes de six minutes des taux doccupations (To), vitesses (V) et dbits (Q)
des trente-six journes dt de lanne 2003 et 2004.
Figure 2. : Dbit mesur le 4 aot 2004 la boucle 1 prs de Orange.
Nous pouvons observer une congestion (remontant de l'aval) entre 8h et 12h.

Le taux de poids lourds sur les journes choisies pour la simulation est
quasiment constant. Nous avons donc opt pour une modlisation mono flux.
De plus, le secteur ne prsente pas de points o les changements de voies
peuvent savrer gnrateur de congestion (changeurs). Nous avons donc
adopt pour une modlisation unidirectionnelle et monovoie.

2. Modle macroscopique du premier ordre

Dans cette partie, nous allons prsenter le modle macroscopique du
premier ordre utilis dans cette tude. Nous avons opt pour ce type de modle
pour des raisons de simplicit et pour le faible nombre de paramtres rgissant
son fonctionnement. En effet, il est plus facile de minimiser lcart entre les
valeurs simules et mesures lorsquil y a peu de paramtres [WAGNER et al.,
2005].
2.1 Approche continue
Lquation du modle continu est lquation hyperbolique de conservation

classique.
K Q( K )
+ =0 (1)
t x
La quantit conserve est la concentration en vhicule (nombre de vhicules
par unit de longueur). Quant elle, la fonction de flux relie la concentration au
dbit. Une rsolution mathmatique complte peut tre trouve dans
[LEVEQUE, 1992].
2.2 Paramtres
Les paramtres du modle correspondent aux paramtres ncessaires
dfinir la fonction de flux et rsoudre lquation hyperbolique de conservation
(1). Prcisons que nous avons choisi une fonction de flux (ou relation
fondamentale) triangulaire. En milieu interurbain, cette forme est adapte aux
mesures. Elle repose donc sur trois paramtres qui physiquement
correspondent :
La vitesse libre Vl,
Le dbit maximum Qm,
La concentration maximum Km.
Nous pouvons en dduire trois grandeurs qui sont :
La concentration critique, sparant ltat fluide de ltat congestionn,
Kc = Qm / Vl,
La vitesse critique (qui ici est gale la vitesse libre du fait de la forme
triangulaire),
La pente du diagramme en congestion w = Qm / (Km-Kc).

Figure 3 : Diagramme fondamental triangulaire
q
qm
vm
kc km k
2.3. Discrtisation spatiale
Bien quune solution analytique du problme (1) puisse tre calcule pour
toutes conditions initiales, il est oprationnellement prfrable de rsoudre
lquation de manire discrtise. Nous avons choisi un schma eulrien de
Godunov ([DAGANZO, 1994], [BUISSON et al., 1995], [BUISSON et al., 1996]
et [LEBACQUE, 1996]). Ce schma est particulirement adapt la physique
du trafic o linformation peut voluer vers laval (en situation fluide) ou vers
lamont (en situation congestionne). Une fois le rseau discrtis, le principe
est de rsoudre un problme de Riemann la frontire de chacune des
cellules. Le dbit est alors calcul simplement comme le minimum entre loffre
disponible dans la cellule aval et la demande que la cellule amont souhaite
mettre. Nous notons le pas de discrtisation spatiale x et le pas de
discrtisation temporelle t . Enfin, il sagit de respecter la condition de
Courant-Friedrichs-Lewy (CFL) pour assurer la convergence de la solution
discrtise vers la solution continue.
Vmax * t
1 (2)
x
Sa saturation permet de limiter la diffusion numrique due au schma choisi.
Le dbit la frontire dune cellule et la concentration de la cellule sont alors
calculs par lquation (3).
(
Qxt t +t = min tx x x , tx x +x )
(3)
K xt + ( t t +t
x +x = K x x +x + x Qx
t t t
Qxt t +t
+x )
est la demande en vhicule et est loffre.
( K ) = Vl * K si K K c
(4)
( K ) = Qm sinon

Kc K
( K ) = Qm + Qm * si K K c
Km Kc (5)
( K ) = Qm sinon
En situation fluide, la demande correspond au dbit en sortie de la cellule.
En situation congestionne, la demande correspond la capacit maximale de
la voirie soit le dbit maximum. Cest linverse pour loffre en aval.
2.4. Conditions initiales et conditions aux limites

Nous avons choisi de simuler des journes entires. Nous nous
affranchissons du problme des valeurs initiales de concentration en utilisant
une priode de chauffe ( warm-up ) pour remplir le rseau de vhicules. Aux
limites du rseau, il est par contre indispensable de dfinir des conditions. Nous
avons dcider de fixer les valeurs aux bornes du secteur dtude comme
explique en (6) et (7), procd qui reste cohrent avec le schma de Godunov.
= Qmesur si V > Vcongestion
(6)
= Qmax sinon
et :
= Qmesur si V < Vcongestion
(7)
= Qmax sinon
2.5. Paramtres modifiables au long de la simulation

Pour sadapter des changements de conditions de trafic (changements
mtorologiques, rgulation des vitesses), nous devons tre capable de
modifier la relation fondamentale. En effet, elle repose sur des grandeurs
physiques dpendant directement de la nature du trafic. Les paramtres doivent
donc tre capable dvoluer tout au long de la simulation, lobjectif tant de
minimiser lcart entre les valeurs simules et les valeurs mesures.
Le jeu de paramtres optimaux peut se rvler tre diffrent des paramtres
estims partir des donnes recueillies sur le terrain. Les diagrammes
fondamentaux construits empiriquement correspondent des points
gographiques prcis. Ils ne fournissent pas forcement les meilleurs
paramtres pour la simulation de lensemble du secteur.
Pour sadapter ces changements, la vitesse libre, le dbit maximum et la
concentration maximum vont varier au cours de la simulation. La condition CFL
(2) implique un changement de discrtisation en cas de variation de la vitesse
libre. Puisque nous nous intressons la simulation dune politique de
rgulation des vitesses, qui passe par des modifications temporaires de la
rglementation au cours de la journe et que nous voulons maintenir le rapport
Vmax * t
constant et gal 1, notre modle doit pouvoir adapter la
x
discrtisation du rseau.

Deux opportunits soffrent nous :
une modification du pas despace,
une modification du pas de temps.
Les deux approches sont videmment quivalentes. Nous avons dcid de
modifier le pas de temps. Il suffit de simuler plus ou moins frquemment ltat
du rseau. La modification de la discrtisation spatiale impliquerait de recalculer
la concentration des nouvelles cellules. Le calcul serait plus lourd en mmoire
et plus long en temps. De plus, la restriction des vitesses tant applique
lintgralit du rseau, le changement de discrtisation spatiale perd son
principal intrt qui est de permettre des paramtres diffrents en fonction de la
localisation gographique.
2.6. Paramtres du modle

Notre modle possde uniquement trois paramtres, suffisants pour dfinir
entirement la relation fondamentale triangulaire. Ce choix a t fait aprs le
filtrage des mesures effectues. La procdure utilise est celle prsente dans
[LECLERCQ, 2005].
Analytiquement, la relation fondamentale triangulaire se traduit par
lquation (8)
Q = Vl * K si K K c
K Km (8)
Q = Qm * sinon
Kc Km
Ainsi, seul trois paramtres sont ncessaires : Vl, Qm et Km. Kc est
simplement dtermine comme le rapport de Qm et Vl.
Calibrage des paramtres

Lobjectif de la phase de calibrage des paramtres est de dterminer les
valeurs permettant de minimiser lcart entre les valeurs simules et les valeurs
mesures.
Nous avons choisi de quantifier lerreur sur le dbit via un indicateur RMSE
proportionnel (9).
1 n ( X Sj X Mj )
2
RMSE = * (9)
n j =1 X Mj
o X Sj est la j-ime valeur simule, X Mj est la j-ime valeur mesure, n est le
nombre total de mesures. La priode dagrgation des valeurs est de six
minutes.
Le dbit a t dune certaine manire choisi par dfaut. En effet, comme trs
souvent, les mesures de la concentration taient assez incohrentes et
inexploitables. Nous aurions pu choisir la vitesse, mais la disparit des vitesses

moyennes en situation fluide conduit des indicateurs de trs mauvaise qualit.

La vitesse moyenne simule est, quant elle, constante Vl.
Nous avons opt pour le dbit. Malheureusement, un dbit correspond
deux tats de trafic, fluide ou congestionn. Nous sommes obligs de calibrer
de manire qualitative en observant les dates dapparition et de disparition des
congestions au niveau des boucles. Nous pouvons alors nous assurer que nous
nous trouvons dans le mme tat de trafic en simulation et en ralit.
Sensibilit des paramtres
Afin de dterminer quels sont les paramtres calibrer, nous avons ralis
une tude de sensibilit des paramtres au modle. De cette manire, nous
pouvons identifier les paramtres les plus influents sur la simulation.
En situation fluide, seul le dbit doit tre ajust sur les valeurs mesures. Le
paramtre le plus influent est la vitesse libre, contrairement la concentration et
au dbit maximum qui nont pas dimpact sur le dbit simul.
En situation congestionne, le dbit et les dates des congestions doivent
tre ajustes. Il sagit donc dans un premier temps de sassurer des bonnes
conditions de trafic. En jouant sur la valeur de Km, il est possible de faire
correspondre rapidement les dates dapparition et de disparitions des
congestions simules et observes. Dans un second temps, il faut minimiser
lcart sur le dbit. Pour ce faire, modifier la pente du diagramme en situation
sature est une bonne faon de faire. Cest un paramtre fortement influent sur
les valeurs de dbits simuls.
3. Rsultats, calibrage et validation

Dans un dernier temps, nous avons effectu le calibrage et la validation du
modle en situation fluide et congestionne, avec ou sans rgulation des
vitesses.
3.1. Premire tape : sans rgulation des vitesses
Tout dabord, il faut choisir des journes reprsentatives parmi lchantillon qui
nous a t transmis par la ZELT. Nous avons choisi une journe pour calibrer le
modle en fluide et en congestion, et deux journes pour la validation. Nous
avons donc retenu 6 journes sur lensemble de 36 jours de mesures de
lanne 2003.
Phase de calibrage
Dans des conditions fluides, il sagit de minimiser les indicateurs en testant

plusieurs valeurs pour la vitesse libre. Nous nous sommes fixs un ensemble
de valeur possible et nous avons test de manire exhaustive. Une premire
valeur a t exhibe : Vl = 40 m/s. Lindicateur correspondant est 9.11 %.
Une fois le modle calibrer sous des conditions fluides, il sagit de rpter la
procdure en priode congestionne. En effet, une journe congestionne
propose les deux types de trafic. Il tait donc ncessaire de commencer par
calibrer en fluidit. De manire analogue, nous avons test quelques valeurs
pour la pente du diagramme en situation congestionne et pour la concentration
minimale. Nous avons exhib le jeu de paramtres prsent en (10) (les
valeurs sont donnes pour 3 voies).
Vl = 37 m / s
K m = 0.36 veh / m
(10)
Qm = 1.8 veh / s
K c = 0.049 veh / m
Lindicateur correspondant est de 8.50 %, soit une valeur infrieur celle
trouve en situation fluide.
Validation des paramtres

Une fois les paramtres calibrs, il sagit de les valider sur dautres donnes.
Nous avons choisi une journe fluide en 2003 et une en 2004, ainsi que deux
journes congestionnes en 2003. Les rsultats sont prsents dans les
tableaux (1) et (2).
Tableau 1
Situation fluide
Boucle 04/08/2003 11/08/2003 11/08/2004
2 11,29% 8,42% 6,09%
3 7,84% 8,20% 6,91%
4 9,50% 9,30% 8,41%
Moyenne 9,54% 8,64% 7,14%
Tableau 2
Situation congestionne
Boucle 31/08/2003 02/08/2003
2 8,24% 8,30%
3 8,88% 12,06%
4 9,61% 10,69%
Moyenne 8,91% 10,35%
Les indicateurs prennent des valeurs comparables en situation fluide et

congestionne. La figure 4 correspond au diagramme espace-temps du samedi

2 aot 2003, o il est possible dobserver une congestion remontant de laval

jusqu la boucle 3.
Figure 4.: diagramme espace-temps du samedi 2 aot 2003.
45
40
35
30
Espace (en dx)

25 Boucle Pk. 160.4 (4)
20
15
10
5 Boucle Pk. 164.8 (2)
500 1000 1500 2000

Temps (en dt)
3.2. Seconde tape : rgulation des vitesses
Un des objectifs de notre article tait de concevoir un modle capable de

prendre en compte une politique de rgulation des vitesses sur le secteur
tudi. En effet, pour repousser la cration de congestions, le gestionnaire de
lA7 a dcid de limiter temporairement la vitesse autorise 110 km/h voire 90
km/h au lieu des 130 km/h rglementaires. Cette mesure permet de maintenir
un dbit important sans basculer en situation congestionne. Une valuation a
t commande par ASF la ZELT [ZELT, 2005]. Elle conclut lefficacit de
cette nouvelle politique. Le nombre de congestions enregistr en 2004
(premire anne de mise en service du systme) a diminu par rapport 2003.
Il en est de mme pour leur dure et leur longueur, le taux dobissance des
conducteurs tant bon.
En analysant les donnes en rgulation, nous pouvons identifier des
relations fondamentales triangulaires. Il sagit donc de modifier la vitesse libre
de manire temporaire dans notre modle. Nous serons alors capable de
simuler la rgulation.
Cependant, il faut se demander si la capacit de la voirie ne va pas tre
modifie par la baisse de la vitesse libre. A lecture des donnes, nous
avanons le postulat que la limitation temporaire permet un accroissement de la
concentration critique de linfrastructure. La dispersion de lespace inter
vhiculaire diminue avec la vitesse maximale. Notre modle reproduit ce

phnomne car la concentration critique Kc est calcule comme le ratio de Qm
et Vl. Ainsi, lorsque la vitesse libre diminue, Kc augmente.
Comme prcdemment certaines journes ont t retenues pour calibrer et
valider le modle. Deux journes prsentant une unique priode de rgulation
110 km/h ont t choisies. Deux autres jours avec deux priodes de limitation
110 km/h et une 130 km/h ont aussi t utiliss. Les rsultats sont synthtiss
dans le tableau 3.
Tableau 3
Rgulation des vitesses
Boucle 01/08/2004 15/08/2004 08/08/2004 09/08/2004
9h48 - 11h24 : 110 km/h 10h30 - 11h42 : 110 km/h
Rgulation des vitesses 9h18 - 11h54 : 110 km/h 9h30 - 13h12 : 110 km/h 11h24 - 12h12 : 90 km/h 11h42 - 12h30 : 90 km/h
12h12 - 12h45 : 110 km/h 12h30 - 13h00 : 110 km/h
2 7,00% 6,45% 4,68% 4,41%
3 8,39% 6,70% 5,99% 7,17%
4 12,54% 7,98% 7,26% 8,24%
Moyenne 9,31% 7,04% 5,98% 6,61%
La figure reprsente le diagramme espace-temps du 1er aot 2004. Les

rsultats sont assez similaires avec ceux obtenus hors rgulation des vitesses.
Bien que nous ayons modifi uniquement la vitesse libre, le trafic est
relativement bien simul.
Conclusions et perspectives
Rappelons que lobjectif long terme de notre projet est de raliser le
calibrage en ligne et automatique dun modle de simulation de lcoulement du
trafic interurbain. Cette procdure permettra de reproduire et de simuler des
conditions de conduite voluant au long de la journe (changement
mtorologique, rgulation des vitesses).
Dans ce papier, nous nous sommes intresss identifier une mthode
permettant de calibrer un modle macroscopique du premier ordre. Cela a t
fait de manire hors-ligne. Les rsultats obtenus nous laissent penser que nous
sommes sur la bonne voie :
Notre modle est capable de simuler la trafic en situation fluide et
congestionne avec des carts entre les valeurs mesures et calcules
infrieures 10 % (indicateur RMSE sur le dbit). Cela a t ralis sur
un secteur de 10 km de long dune infrastructure 3 voies
frquemment congestionne.
Le modle gnre des erreurs comparables lors du calibrage et de la
validation. Nous navons pas surcalibr.
Les paramtres rgissant notre modle sont au nombre de trois : la
vitesse libre, le dbit maximum et la concentration maximum. Ils

permettent de dfinir la pente du diagramme en congestion et la

concentration critique du secteur tudi. La procdure de calibrage est
assez rapide car le nombre de paramtres valuer est faible. Elle
semble facilement automatisable.
Nous avons prouv quil est ais de changer la discrtisation temporelle
li au schma de Godunov au cours de la simulation. Il est aussi
possible de changer la discrtisation spatiale en respectant la
conservation des vhicules, bien que ce travail nait pas t prsent
dans larticle.
Quelques perspectives de recherche sont envisageables. Tout dabord, une
rflexion sur lindicateur utiliser doit tre approfondie. Cela permettra ensuite
dtablir une mthode de comparaison automatique des rsultats gnrs avec
les mesures ralises [CREMER & PAPAGEOURGIOU, 1981]. Pour ce faire, il
faudra sinterroger sur lchelle de temps utiliser pour calculer les diffrents
indicateurs. La priode dagrgation des mesures doit permettre de saisir le
comportement global du flot sans lisser totalement ses variations.
La procdure didentification des valeurs de paramtres peut aussi tre
amliore. Des mtaheuristiques (algorithme gntique, descente locale)
semblent fournir de bons rsultats. Elle permettre de parcourir lespace des
solutions (jeux de paramtres admissibles) et damliorer les indicateurs RMSE
de quelques pourcents [CHIABAUT, 2006].
Enfin, une dernire voie doit tre explore : la diffrence entre les
paramtres optimaux identifis (obtenus laide de tests ou de mthodes
doptimisation) et les rsultats du filtrage des mesures effectues sur le terrain
permettant de dgager des relations fondamentales. Si la diffrence entre les
valeurs obtenues est infrieure 10 %, une raison envisageable est les effets
de la discrtisation. Ltude de la rsolution analytique du problme ou laide
dune autre discrtisation (particulaire ou avec un schma lagrangien) peut
permettre de corroborer cette ide.
Les perspectives de recherches sont nombreuses. Nous pensons quelle
seront utiles pour les gestionnaires dinfrastructures routires et leur fourniront
des outils de prvisions de ltat du trafic adaptable en temps rel.

Annexe : Etude de sensibilit du modle aux

paramtres
Afin de calibrer rapidement le modle, une tude de sensibilit du modle
aux paramtres doit tre mene. Les paramtres les plus influents seront alors
identifis et seront les premiers tre valus.
En situation fluide, nous avons choisi dajuster le dbit simul sur le dbit
mesur. Il sagit donc de dterminer la sensibilit de Q aux autres grandeurs.
Une fois drive, lquation (8) rgissant la relation fondamentale en situation
fluide devient (11).
Q
Q = * Vl (11)
Vl
De ce fait sil existe une erreur sur la mesure des vitesses libres elle se
rpercute identiquement sur les dbits. De surcrot, le dbit maximum Qm na
pas dimpact sur le modle en situation fluide. Il en de mme pour la
concentration critique Kc . Les rsultats ne sont pas surprenants. Ils
correspondant lquation de conservation en situation fluide, dans le cas dun
diagramme triangulaire, tout ce qui rentre dans une cellule en sort t plus tard.
Comme expliqu prcdemment, en situation congestionne il sagit dans
un premier temps dvaluer qualitativement les rsultats en comparant les dates
dapparition et de disparition des congestions. Nous allons valuer la sensibilit
de K aux paramtres w, la pente du diagramme en situation congestionne, et
Km. Lquation (8) rgissant la relation fondamentale en situation
congestionne devient (12) une fois drive.
K K w
K= K m + 1- (12)
Km Km w

Figure 5 : Influence de l'erreur relative sur la concentration
25
Influence globale
Influence de Km
20
Erreur relative [ % ]
Influence de p
__ Influence de w
15
10
0
0 0.05 0.1 0.15 0.2 0.25 0.3
Concentration [veh/m]
Km est plus influent sur le comportement du modle que w. Linfluence de w

dcrot lorsque la grandeur K augmente.
Nous valuons aussi le comportement du dbit w et Km. Lquation (8)
devient (13) une fois drive.
Q Q2
Q= K m - w... (13)
Km w.K m
Figure 6 : Evolution de l'erreur sur les dbits

40
Influence globale
Influence de Km
30
Erreur relative [ % ]
Influence de p
__ Influence de w
20
10
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
Dbit [veh/s]
Cette fois w a plus dimpact sur le dbit que Km comme il est possible de
lobserver sur la figure 1. Une fois les dates dapparition et de disparition
ajustes, nous valuerons w pour minimiser les indicateurs calculs.

Rfrences
Buisson Christine et Wagner Peter. 2004 (Janvier). Calibration and Validation of
Simulation Models a Tutorial. 83th Transportation Research Board,
Washington D.C.
Buisson Christine, Lebacque Jean-Patrick et LESORT Jean-Baptiste. 1995.
Macroscopic modelling of traffic flow and assignment in mixed
networks. p. 1367-1374 dans : PAHL, P. J. et WERNER, H. (eds.),
Computing in Civil and Building Engineering, Berlin, Germany.
Buisson Christine, Lebacque Jean-Patrick et LESORT Jean-Baptiste. STRADA,
a discritized macroscopic model of vehicular traffic flow in complex
networks based on the Godunov scheme. Symposium on Modelling,
Analysis and Simulation Vol 2, p. 976-981.
Chiabaut Nicolas. Automates cellulaires et coulement du trafic routier.
Mmoire de Master Recherche Recherche Oprationnelle et
Combinatoire. Vaulx-en-Velin : Ecole Nationale des Travaux Public de
lEtat, sous la direction de Ch. Buisson, 2006.
Cremer Michael et Papageorgiou Markos. Parameter Identification for a Traffic
Flow Model. Automatica, Vol. 17, N6, 1981, p. 837-843.
Daganzo Carlos F. The cell transmission model : a dynamic representation of
highway traffic consistent with the hydrodynamic theory.
Transportation Research Part B 28, 1994, pp. 269-287
Lebacque Jean-Patrick. The Godunov scheme and what it means for first order
traffic flow models. The International Symposium on Transportation
and Traffic Theory, Lyon, France, 1996.
Leclercq Ludovic. Calibration of flow-density relationships in urban streets.
Transportation Research Record, vol 1934, 2005, p. 226-234.
Wagner Peter. Calibration and validation of microscopic traffic flow models.
Transportation Research Board [Cd-Rom], 2005.
ZELT (Zone Exprimentale-Laboratoire de Toulouse). valuation dune
rgulation des vitesses sur lautoroute A7. Version 1.2. 2005. 77 p.

INTERNATIONAL COMPARATIVE
FIELD EVALUATION OF A TRAFFIC-
RESPONSIVE SIGNAL CONTROL
STRATEGY IN THREE CITIES
E. Kosmatopoulos1, M. Papageorgiou1, C. Bielefeldt2, V. Dinopoulou1, R.

Morris3, J. Mueck4, A. Richards5, F. Weichenmeier6
1. Dynamic Systems and Simulation Laboratory, Technical University of Crete,

73100 Chania, Greece, Tel.:+30-28210-37289
email: kosmatop@dssl.tuc.gr; markos@dssl.tuc.gr; dvaya@otenet.gr
2. Napier University (TRI), Redwood House, 66 Spylaw Road, Edinburgh EH10
5BR, UK, Tel.: +44-1620-895525
email: chr.bielefeldt@btopenworld.com
3. ROMANSE Project Office, Southampton City Council, Ariadne House, Town
Quay, Southampton, SO14 2AQ, UK, Tel.: +44-2380-336759,
email: r.morris@southampton.gov.uk
4 J. Mueck was with Transver GmbH, Maximilianstr. 45, D-80538 Muenchen,
Germany; now he is with Siemens AG, I&S ITS CE PS, Hofmannstr. 51, D-
81379 Muenchen, Germany, Tel.: +49-89-72240405,
email: juergen.mueck@siemens.com
5. TRG, Dept. of Civil and Environmental Engineering, University of
Southampton, Southampton SO17 1BJ, Tel.: +44-23-8059-3148,
email: acr@soton.ac.uk
6. GEVAS software GmbH, Leuchtenbergring 20, D-81677 Munich, Germany,
Tel.: +49-89- 25559725, email:Florian.Weichenmeier@gevas.de
Reprinted from Transportation Research A, Vol 40, N5, Kosmatopoulos et al,

International comparative field evaluation of a traffic-responsive signal control
strategy in three cities pages 399-413 Copyright Owner, Copyright (2006), with
permission from Elsevier.
The commercial and intellectual property rights of the signal control strategy
TUC are with the Dynamic Systems and Simulation Laboratory, Technical
University of Crete, Chania, Greece.
185
Actes INRETS n110
Abstract
The recently developed network-wide real-time signal control strategy TUC

has been implemented in three traffic networks with quite different traffic and
control infrastructure characteristics: Chania, Greece (23 junctions);
Southampton, U.K. (53 junctions); and Munich, Germany (25 junctions), where
it has been compared to the respective resident real-time signal control
strategies TASS, SCOOT and BALANCE. After a short outline of TUC, the
paper describes the three application networks; the application, demonstration
and evaluation conditions; as well as the comparative evaluation results. The
main conclusions drawn from this high-effort inter-European undertaking is that
TUC is an easy-to-implement, inter-operable, low-cost real-time signal control
strategy whose performance, after very limited fine-tuning, proved to be better
or, at least, similar to the ones achieved by long-standing strategies that were in
most cases very well fine-tuned over the years in the specific networks.
Introduction
In view of the imminent traffic congestion and lack of possibilities for

infrastructure expansion in urban road networks, the importance of efficient
signal control strategies, particularly under saturated traffic conditions, can
hardly be overemphasized. It is generally believed that real-time (traffic-
responsive) systems responding automatically to the prevailing traffic
conditions, are potentially more efficient than clock-based fixed-time control
settings, possibly extended via a simple traffic-actuated (micro-regulation) logic.
On the other hand, the development of real-time signal control strategies
using elaborated network models is deemed infeasible due to the combinatorial
nature of the related optimisation problem (Papageorgiou, et al., 2003); as a
consequence, all developed or implemented signal control strategies must
include some simplifications or heuristics, which renders a theoretical efficiency
comparison of different strategies extremely difficult thus calling for simulation-
based or, even better, field evaluation and comparison of different control
strategies. However, field implementation of different strategies in the same
traffic network may be a very costly undertaking in view of different
requirements regarding the system architecture, communications, detector
numbers and locations etc., hence extensive field comparisons of signal control
strategies have been very rarely reported in the past.
The recently developed real-time network-wide signal control strategy TUC
(Diakaki et al., 2002; 2003) has been conceived so as to be easily applicable
due to low and little-specific control infrastructure requirements, without
sacrificing efficiency, particularly under saturated traffic conditions. TUC (Traffic-
responsive Urban Control) employs advanced automatic control methodologies
and had shown significant improvements in simulation tests and small-scale
implementations compared with optimised fixed-time settings (Diakaki et al.,

TUC International Fields Comparisons
2000; 2002; 2003; Dinopoulou et al., 2005). This motivated a major inter-
European effort, co-funded by the European Commission, aiming at
implementing and evaluating TUC in three urban networks with quite different
traffic and control infrastructure characteristics: Chania, Greece (23 junctions);
Southampton, UK (53 junctions); and Munich, Germany (25 junctions), where it
has been compared to the respective resident real-time signal control strategies
TASS, SCOOT and BALANCE (Bielefeldt et al., 2001).
After a brief outline of TUC, this paper presents the three application
networks; the application, demonstration and evaluation conditions; as well as
the comparative evaluation results. Main conclusions are summarized in a final
section.
1. The TUC Signal Control Strategy

TUC (Traffic-responsive Urban Control) consists of four distinct
interconnected control modules (Figure 1) that allow for real-time control of
green times (split), cycle time, offsets, as well as for the provision of public
transport priority. These four control modules are complemented by a fifth data
processing module.
All control modules are based on feedback concepts of various types, which
leads to TUCs computational simplicity as compared to model-based
optimisation approaches, without actually sacrificing efficiency, as the results of
this paper indicate. The split control and data processing modules were the first
to be developed (see Diakaki, 1999; Diakaki et al., 2002, for details) while the
other three control modules were developed at a later stage (see Diakaki, et al.,
2003, for details).
Split Control: This is a network-wide control module, i.e. all available
measurements are used to calculate the green time of each stage via the
multivariable regulator
g (k) = g N Lx(k 1) (1)
where k = 0, 1, 2, is the discrete time index with sample time period typically
equal to the cycle time c (but note that the Munich implementation had a sample
period of 5 min due to local technical reasons); the vector g (k) includes the
green times of all stages in all junctions to be applied during the next cycle; g N
is a pre-specified fixed plan whose impact on the resulting control was found to
be limited; the vector x(k 1) comprises the number of cars in all network links
during the last cycle, estimated by the data processing module; L is the control
matrix (with dimensions number-of-stages/number-of-links) which results from
an off-line applied software code based on the Linear-Quadratic (LQ) regulator
design procedure; the traffic data required to calculate L are: saturation flows of
links; average turning rates at junctions; maximum numbers of cars x z,max in
links z; the control results were found to be little sensitive w.r.t variations of

these data. The aim of (1) is to minimize and balance the relative space
occupancies z = x z /x z,max in the network links z so as to minimize the risk of
queue spillovers which may lead to a waste of green time and even to gridlocks;
to this end the regulator (1) may apply an inherent gating, i.e. reduce the green
time of links that feed a saturating road, even if these links are two or more
junctions away. The green times for the stages of each junction resulting from
(1) will generally not add up to a cycle and may also violate minimum-green
constraints; a suitably designed knap-sack optimisation modifies the green
times so as to satisfy these constraints but keep the relative proportions of the
green times as close to the ones of (1) as possible.
Figure 1: Functional Architecture of TUC.
T U C Strategy D ata Processing
C ycle C ontrol S plit C ontrol O ffset C ontrol
m ethodology: m ethodology: m ethodology:

feedback algorithm C ontrol m ultivariable linear- C ontrol decentralized feedback
(P-regulator) decisions quadratic control law decisions control law
aim : aim : aim :

cycle adjusting to the m inim ization of risk of coordination of m ain
m aximum saturation oversaturation and stages of successive
level queue spillback junctions along arterials
Signal Plans
Public T ransport Priority
m ethodology:
Priority rule-based algorithm
P lans
aim :
Measurement data
provide priority to public
transport vehicles
Traffic Lights
U R B A N R O A D N E TW O R K
Cycle control: One single cycle c is calculated for all network junctions (in
order to enable offset-coordination) according to the feedback P-type regulator
c(k) = c N + K c [( k 1) ] (2)

with sample time period typically equal to 5-10 min; c N is a nominal cycle time,
typically equal to the minimum admissible cycle time c min ; is the average
space occupancy of a pre-specified percentage (e.g. 10%) of network links z
with currently highest space occupancies z = x z / x z,max ; N is a nominal
c
space-occupancy, typically equal to 0.1; K is a regulator parameter which
affects the intensity of the control reaction. The regulator (2) adjusts the cycle
time to the currently observed maximum saturation level reflected in ( k 1)
so as to increase the network capacity when and to the extent needed. The
c(k) - value resulting from (2) is constrained within the range [c min , c max ] of
pre-specified admissible cycles. Double-cycling may be allowed in selected
junctions under the condition that all z - values of the corresponding adjacent
links are below a specific threshold.
Offset Control: Offset calculation is based on a decentralized (by couple of
junctions) feedback control law that modifies the offsets of the main stages of
successive junctions along pre-specified arterials (or, more generally, along pre-
specified link sequences), so as to create green waves, taking into account
the possible existence of vehicle queues in the respective links. More
specifically, the offset of each couple of junctions is calculated such that the first
vehicles released from the upstream junction at the green phase arrive at the
tail of the link queue exactly at the time the last queuing vehicles start to move
due to the downstream green phase. This procedure considers only one
direction of two-way arterials that can be pre-selected; alternatively, the module
may specify automatically in real time the offset direction to be the currently
most saturated one. Implementation of the new offsets involves the creation of a
transient cycle; therefore the sample time periods of the cycle and offsets
control modules must be identical.
Public Transport Priority (PTP): A rule-based PTP module is typically, but
not necessarily, implemented in the local junction controllers to enable second-
by-second communication with specific PT vehicle detectors which must, as a
minimum, detect the passage or presence of a PT vehicle within a link. The
PTP module may be enabled at selected junctions to provide priority to PT
vehicles via suitable modification (e.g. green extension, stage recall etc.) of the
signal settings delivered by the other control modules. Various options,
constraints, conditions and levels of priority may be pre-selected, e.g. provision
of priority only if a pre-selected saturation level in the adjacent links is not
exceeded; respect or not of cycle time; check of PT headway adherence etc.
Data Processing: The real-time measurements required by the split, cycle
and offset control modules are average numbers x z of vehicles within the
network links z over a cycle. Unless the network is equipped with a video
detection system, such measurements are not available. In this case,

occupancy measurements o z collected via one traditional detector loop cross-

section in each link z may be utilized to estimate x z via a suitable function
x z /x z,max = f(o z , z ) (3)
where z = l z /L z [0, 1]; L z being the link length and l z the detector
distance from the stop line. Equation (3) allows TUC to be applicable for any
detector location within links while other strategies may have higher (more
detectors per link) or stricter requirements, e.g. detectors placed at the
upstream link boundaries or at the stop line etc. It should be noted, however,
that best TUC performance is usually achieved when z 0.5, i.e. when the
detectors are placed around the middle of the links. The x z - values resulting
from (3) may be exponentially smoothed so as to avoid unnecessarily strong
changes of the signal settings over time. The data processing module is also
automatically replacing missing data (due to lack of detectors in some links or
due to detector failures) with suitable averages of available adjacent-link
measurements.
It should be noted that any combination of TUCs four control modules may
be selected for application while the non-employed control modules may be
replaced either by fixed settings (e.g. fixed offsets) or by other external modules
(as in the Munich implementation for cycle and offsets). The available real-time
measurements from the network detectors are conveyed (once at each cycle) to
the data processing and eventually to the control modules; the cycle and offset
modules perform their tasks (according to their sample time period) and forward
their decisions to the split module where the final network-wide signal settings
are specified. Note that the network-wide character of TUC calls for a central
computer where at least the above four modules must be implemented, while
the PTP module may be implemented in the local junction controllers, in which
case the communication requirements between local controllers and central
computer are limited to one data package exchange per cycle. Note that TUC
may be combined with an available micro-regulation (traffic-actuated) logic at
the local controllers level, which was actually enabled in the Munich
implementation.
All TUC modules are packed in a generic on-line software code that is
plugged in the networks central computer via specific interfaces, while the
specific network characteristics (topology, staging, saturation flows, average
turning rates) are fed to the generic code via input files. A generic code is also
available for the off-line design of TUC, i.e. for the calculation of the control
matrix L, based on the network data included in input files; in case of network
re-arrangements (staging, one-way streets etc.) or extension, the control matrix
L must be updated by running the off-line design code with accordingly modified
input files. As a matter of fact, the same generic off-line and on-line codes were
applied and implemented in all past and present implementations of TUC;
merely the interfaces of the on-line software had to be tailored to the individual
characteristics of each control centre.

The generic TUC codes provide the possibility to subdivide the overall
application network into smaller regions, in which case (1) is applied region-
(rather than network-) wide and each region has its own cycle calculated from
(2). This option was used in the Chania and Southampton network applications,
each of which was divided in two regions.
Upon the wish of the operators of the three networks, an extension to the
original TUC concept was introduced which indeed proved very valuable as a
means to fine-tune TUCs performance or to purposedly influence its otherwise
automatic functioning when necessary. More specifically some so-called
importance factors f z were introduced for each link z, such that the
x z -values resulting from (3) are multiplied with the corresponding f z before
being used by the control modules. The default values are f z = 1, but the
operator may select a real value f z [1, 3] so as to increase the importance of
specific links, i.e. make them look more saturated than the measurements
actually reflect. This measure proved particularly useful for origin links (located
at the network boundaries), where a detector placed, say, 100 m from the stop
line may not reflect properly a long queue extending beyond the network
boundaries.
Upon the wish of the operators of the three networks, an extension to the
original TUC concept was introduced which indeed proved very valuable as a
means to fine-tune TUCs performance or to purposedly influence its otherwise
automatic functioning when necessary. More specifically some so-called
importance factors f z were introduced for each link z, such that the
x z -values resulting from (3) are multiplied with the corresponding f z before
being used by the control modules. The default values are f z = 1, but the
operator may select a real value f z [1, 3] so as to increase the importance of
specific links, i.e. make them look more saturated than the measurements
actually reflect. This measure proved particularly useful for origin links (located
at the network boundaries), where a detector placed, say, 100 m from the stop
line may not reflect properly a long queue extending beyond the network
boundaries.
TUC could be appropriately modified to consider wider policy-based
objectives (e.g. for specific gating actions or traffic reduction measures) but no
such option was considered in the reported implementations where best
operational performance was the main objective pursued.

2.The Application Networks and Conditions
2.1 Chania, Greece
Figure 2 displays the Chania city centre network where TUC was applied
(junctions with common signalling have the same number, e.g. 1A, 1B, 1C). The
network includes the citys main shopping district and faces serious congestion
during the morning (8-9 a.m.), afternoon (2-3 p.m.) and evening (9-10 p.m.)
peak hours with link queues that may spill back into upstream links. A particular
issue that can be hardly faced by real-time signal strategies is the frequent
double or illegal parking of vehicles in specific links for short periods of time
(deliveries, quick shopping etc.) which may strongly distort the detector
measurement relevance and reduce the concerned link and junction capacities.
Typical detector locations within the Chania network links are either around the
middle of the link or some 40 m upstream of the stop line.
Figure 2: The Chania application network.

O10
D1 D10
O6
O1 D2 O4 D6
1A O2 O3 D4 D5 O5
L1 D3
L8 L10 L13 13 O11
L14 D7
L6 L4 L7 L11
2A 2B 4A 4B 5 7 L15 8
L61 L62 L23
L9 L63 D11
L12 L16 L17
L24
L2 O7 D9
O21 D14 D8 O9
1B L18 L25
D22 L43 L42 L40 L19 L21
L41
L39
L44
L34 16A L20 16B L22 12
L45
L37 L35
L36
L38 O8
L46 D2
O20 L47 L48
1C 3A 3B 6 0
L28 L26 L27
D21
14
O19 O18 D24
O14
L49 L50 O24 D15
L51 D12 O12
18
D23 D13
O23 O13
D18 L58 L56 L53 O15
17 L59 9 10 L54 11
O17 L57 D16
L60 L55
D19 D17
O22 O16
The resident control strategy TASS (Siemens, 2000) selects every 15 min
one out of six pre-defined signal plans (each with different cycle, splits, offsets),
depending on the current traffic conditions in the network, and transfers the
selected plan to the junction controllers for application. The junction controllers
may modify (within certain limits) the received signal settings by application of a
simple traffic actuation logic based on local traffic measurements (micro-

regulation). The strategy includes a high number of parameters and settings
that were fine-tuned to virtual perfection over the last five years.
For the application of TUC, the network was divided in 2 regions, the first
region comprising the city centre and the second region comprising the
junctions 12 and 13 that are located at an important entrance/exit gate of the
city. All TUC modules except PTP were applied. Fine-tuning was focussed
mainly on the issue of illegal and double parking but also on some origin links
c
with high loads; the K parameter of the cycle control law (2) was also fine-
tuned for each region separately. One of the 6 available TASS fixed signal
plans was used as g N in (1). In order to calculate the control matrix L,
saturation flows were guessed based on the number of lanes and movement
direction (straight, right or left) of links while the utilised turning rates were
based on rough estimations of the network operators. The cycle time was
allowed to vary within the limits [60 s, 120 s]. Double-cycling was enabled on
some boundary junctions (e.g. 14, 17) with moderate loads.
The TUC on-line code was implemented in a PC that was interfaced to the
resident control infrastructure, and a special user interface was designed on the
same PC specifically for the TUC operation.
2.2 Southampton, UK
Two distinct but interconnected regions within Southampton were selected

for TUC application, the city centre and the Bitterne arterial leading to the city
centre (Figure 3). The city centre region contains both the main shopping area
and the commercial and business centre of Southampton; the main railway
station and three port entrances are also contained within this region. All these
factors combine to cause high road traffic demand on a constrained and
cramped road network leading to congestion in the morning (8-9 a.m.) and
evening (5-6 p.m.) peak periods. Exceptional events include the Premier
League football matches on Saturdays as well as the arrival and departure of
large cruise ships. Generally, congestion within the city centre is at its worst on
Saturdays when it typically extends from mid-morning to late afternoon. The
Bitterne corridor region leads to the city centre via Northam Bridge which is
often severely congested at peak periods. On the arterial route traffic is gated,
effectively at one major entry point (link 54), during the a.m. peak period to
allow public transport priority and to ensure that the capacity at the bridge is not
exceeded. As a rule, detectors in the Southampton network are placed at the
upstream link boundaries according to the SCOOT requirements.
The well-known resident control strategy SCOOT (Hunt, et al., 1982) was
developed in the late 1970s and has benefited from many developments since
then. The SCOOT application in Southampton has been extensively fine-tuned
over the last 20 years and is counted as one of the best-maintained
implementations anywhere.
TUC was applied to the two regions separately, employing all available
modules.

Figure 3: The Southampton application network :
(a) city-centre region, (b) Bitterne region.

17
J04141
6
14 5
18
P04134 J04131 16
5 8 10 15 20
13 P04156 P04157
2 3 4
J04121 7 9 6 7
12
19 22
4 3 11 P04154 P04155
8 9
33 32
21 23
J04122 29
1 J07322 J07331
37 34 30 26
2
12 35
11 10b 27
10a
24
36 31 28
1 58 57 52 J07361
38 39 40
25
53 47 J07321
J07311 54
48 135
15 14 13a 146
55
56 J07341 49
46 45 44
P07424 137138
J07221
42 35
37
59 60
P07194
51 50
13b 43 P07415
145
139 148
134 133
J07351 41 111
J07371 126 36a
66
J07111 97 24 100
99 109
112
116
122 30 125
136
128 130
115 132 147
64
16 61
26 110
28a 28b 32 33 34
J07181 65 98 114 117 123 140 141 142
62
25 101 113 31 127 129
17 69
P07425
63 70 102103 104 105 118 119 120
68 124 131
P07195 P07414
108
J07411 J07421 36b
67 27 P07374 29 144
J07121 18 106
J07211
75 J07381
74
76
71 73 143
72 121
107 90 94
J07131 19 81
J07141 J07151
80
85 89 93
79
20 21 22 23
88
77 95
78 92
96
84 87 91
J07161 J07171
82 83 86
(a)
16 20 25 26
J10231 J10111 P10124

J10241 J09131
12 19
15 24 49 50
4 14
5 6a 23 6b 13 14
22 53
13 18
51
52
11 10 27 28
17 21
48 55
54
J09132 57 J10321
8
3 J10121 7 29 12 47
15 16
9
56
J10221
J10311
58
59
30 31 32 46 45 60 61
7 6
J09121 J10331
44
63
8 11 17
P10214 33 34 62
2 35 P09124
36 37 64 65
J10341
5 4 67
P09114 9 18
66
1
2 1 38 39 68 69
3
40
J10211
70
43
10 19 J10351
J09111
41
71 72
42
(b)
J10361
20a
73
74 75 76
77
78 20b
79

Note that a hybrid version, whereby SCOOT delivered cycles and offsets
whileTUC calculated splits, was also successfully tested, but the corresponding
results are not reported in this paper. TUC fine-tuning was limited to a few days
and focussed mainly on origin links with high loads but also on some critical
c
internal network links and the K parameter of (2) that was given different
values for the two regions. No updated fixed signal plan was available to be
used as g N in (1), hence a probably outdated older plan was used to this end.
Saturation flows used by SCOOT were used for TUCs control matrix calculation
while turning rates were estimated from a number of traffic counts.
As for Chania, the cycle time bounds were 60 s and 120 s, respectively,
while double-cycling was mainly enabled at pedestrian crossing signals to
reduce pedestrian waiting times.
The TUC on-line code was implemented in a PC that was interfaced to the
resident control infrastructure. No special user interface was available for TUC
operation in the Southampton implementation.
2.3 Munich, Germany
The Munich signal control infrastructure has been gradually upgraded in the
last years from a fixed-time, locally traffic-actuated towards a network-wide real-
time (traffic-responsive) architecture, and TUC implementation (as well as
implementation of BALANCE, the resident strategy) was undertaken during the
upgrading works. Due to unexpected technical problems in the upgrading
process, the operation of TUC and BALANCE in Munich suffered from many
technical problems and system faults that were independent of the strategies
themselves.
Figure 4 displays the Munich application network which is located in the
district Haidhausen; grey junctions in Figure 4 were not controlled by TUC or
BALANCE for technical reasons. The second largest railway station of Munich
is contained in this area. The network faces significant congestion during the
morning and evening peak hours, mainly due to commuter traffic. Surface public
transport is dense in this area with four LRT lines and six bus lines. An
elaborated logic for PTP is installed in the local controllers which is beyond the
control of the tested strategies; in fact, whenever a PT vehicle is approaching a
junction, the local PTP logic takes over the control of the signals for the
corresponding cycle. Typical detector location within the Munich network links is
some 40 m upstream of the stop line.

Figure 4: The Munich application network.
24
23
22
27
21
Orleans
Innere-Wiener str
26
18
20
2
25
3a
Zweibruckensrt. 19
17
Rosenheimer srt
12
13
14
15
16
10
11
1
The resident control strategy BALANCE (Friedrich et al., 2000) is a model-

based optimisation tool calculating splits, cycle and offsets that was also
implemented for the first time in the test network. The centrally calculated signal
settings may be modified by an actuated control logic implemented in the local
junction controllers. The same micro-regulation option was activated also for
TUC-calculated signal settings in the Munich implementation.
TUC in Munich was applied only for splits, while cycle and offset were
provided by BALANCE. This hybrid control system will be referred to as TUC in
the next section for brevity. Signal settings were updated every 5 min for
technical reasons. Fine-tuning of both BALANCE and TUC was limited to a
couple of days for each strategy. An updated signal plan was used as g N in
(1), while turning rates and saturation flows needed for the calculation of the
control matrix L were guessed based on network experience. The TUC on-line
code was integrated in the central computer of the resident control centre.

2.4 Practical Difficulties

Although TUC implementation in the existing infrastructure of the three
networks was quite straightforward, a number of practical difficulties, quite
typical for this kind of field implementations, were encountered and had to be
circumvented, where possible, before the final evaluation. Here are some
examples of practical and other difficulties:
TUC relies on occupancy measurements rather than flow measurements
used by other strategies. Several kinds of faults in the occupancy
measurements delivered by otherwise properly working detectors had to be
identified and corrected.
Observed occasional spiky behaviour of detector data was addressed via
truncation and smoothing measures.
The existing staging was in some cases (Chania network) not the most
appropriate for a real-time strategy, but it was decided for technical reasons to
leave it as is during TUC application.
The introduction of more regions with different cycle times (e.g. SCOOT
regions in Southampton city centre comprise only 3-4 junctions each) would
most likely improve the performance of TUC but would have required longer
and closer observation. In the case of Chania, the introduction of more than two
regions would help to address the problem of short-term illegal and double
parking but could not be implemented due to technical constraints.
Detectors straddling two lanes for some Southampton links were handled by
use of a specifically developed formula for occupancies (Papageorgiou and
Dinopoulou, 2003).
Last not least, fine-tuning of TUC was rather limited in time as the local
operators did not have the time to familiarize with the new system and its play-
buttons.
3. Comparative Evaluation
3.1. Evaluation method
The two control strategies per application site to be compared were applied
in the field in weekly alteration for the period of one month (2 weeks per
strategy). Two basic sources of information for the comparative evaluation of
the strategies performances were available, each with its strengths and
weaknesses:
(a) Loop detectors installed in the vast majority of network links of each site,
deliver measurements of flow (veh/h) and occupancy (%). This information
was stored during the strategies demonstration and was used for
comparative performance evaluation. The main advantage of this source of
information is the high availability (except for temporary detector faults)

over the whole demonstration period, but there are also two noteworthy
weaknesses:
(b) For technical reasons beyond the scope of this paper, the accuracy of flow
measurements delivered by loop detectors is limited, particularly when
vehicles are moving slowly over the loop. This may be caused by the
masking error, whereby the detector cannot distinguish between two or
more slowly passing vehicles due to limited sampling time resolution (250
ms in Southampton) or due to other technical reasons. As a consequence,
flow measurements under high occupancy appeared frequently
undercounted with an according impact on the comparative evaluation
results.
(c) Loop detectors are installed at a specific link position. As a consequence,
the delivered occupancy measurements are not necessarily fully
representative for the traffic conditions along the whole link length. In other
words, a local time-occupancy measurement is used as space-occupancy
in urban road links that are typically characterized by high inhomogeneity
due to continuous queue formation and dissolution. On the other hand, the
usage of the same kind of measurements for both control strategies under
comparison weakens this disadvantage as far as the relative strategies
performances are concerned.
Floating Car Data (FCD) collected manually by specifically instructed

drivers and co-drivers, deliver journey times for specific routes and times-of-
day. The main weaknesses of FCD are:
It was not possible to drive on all links in the extended Southampton
network.
There is a relatively limited amount of FCD data (due to the involved high
effort) which, in case of strongly variable traffic conditions, may not accurately
reflect the relative performances of the control strategies under comparison.
Further issues that may have affected the accuracy of the comparative
performance results are:
(a) Although the weekly alteration of strategies was aimed at guaranteeing
similar demand condition for both strategies, demand variations do
occur in real networks for a multitude of reasons.
(b) Weather conditions were monitored during the demonstration, and
extreme cases (snow storms in Munich) were excluded from the
evaluation. However, the sensitivity of any control strategy to, e.g.,
rainy weather was found to be higher than the performance difference
among strategies.
(c) Very few major incidents were observed (and corresponding data were
excluded from the evaluation) but the possibility of unobserved minor
incidents cannot be excluded.
Note that this kind of evaluation-disruptive issues is virtually inevitable in a
dirty real environment as opposed to comparative simulation-based studies.
Nevertheless, control strategies should be best tested in real environments to

reveal all their strengths and weaknesses; it is felt that in the reported
investigations the above difficulties did not obscure the major evaluation
findings.
Some performance indices to be used in the following are defined next. To
start with, if the time-occupancy o z (k) (in %) delivered by the detector for link z
and period k is used as a space occupancy, then the corresponding average
car count is :
z (k) = L z z o z (k) (4)
where L z is the link length and z = z /(100 ) with z the number of lanes
of link z and the average vehicle length. The total time spent (TTS) (in
veh h) in the network over K periods of length T is then given by
K
TTS = T z (k) (5)
k =1 z
while the total distance travelled (TTD) (in veh km) is
K
TTD = T q z (k) L z (6)
k =1 z
where q z (k) are the flow measurements. An average mean speed (MS) may
then be calculated as
MS = TTD/TTS. (7)
Key evaluation findings from each demonstration network are summarized

below, while details can be found in respective reports for Chania
(Kosmatopoulos et al., 2004); Southampton (Richards et al., 2004); and Munich
(Mueck et al., 2004); as well as in the comparative evaluation report (Condie et
al., 2004).
3.2. Evaluation for Chania Network
The final demonstration period for Chania comprised the four weeks of
November 2003. The overall TTD (see (6)) figures were found to be similar for
both systems under comparison, which indicates similar demand conditions.
Figure 5 displays the average %-difference (TUC vs. TASS) of the network
mean speed MS estimated according to (7) over the times-of-day (8:00 a.m. -
10:00 p.m.); Figure 5(a) indicates that TUC outperforms TASS in region 1 for
most of the day by up to 13%, the only hours where TASS appears to perform
better being 5:00-9:00 p.m. but with only 6% maximum improvement by TASS.
For the small region 2 (two junctions) there was no notable difference between
both strategies for reasons that are detailed in (Kosmatopoulos et al., 2004).

Figure 5: %- difference (TUC vs. TASS) of MS in Chania (positive

differences)
TUC vs TASS (Region 1)

15,0
% Speed Difference
10,0
5,0
0,0
8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
-5,0
-10,0
Hours-of-day
(a)
TUC vs TASS (Region 2)

20,0
15,0
% Speed Difference
10,0
5,0
0,0
8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
-5,0
-10,0
-15,0
Hours-of-day
(b)
Figure 6 displays two second-order polynomial curves (for TUC and TASS,
respectively) that reflect the average MS vs. TTD behaviour of region 1; both
curves were fitted to corresponding hourly (MS, TTD)-data and indicate a
superiority of TUC over TASS.

Figure 6: TUC (continuous line) versus TASS (dashed line) MS-TTD
behaviour in Chania region 1 (fitted curves).
Figure 7 displays the average FCD journey time differences for region 1
(journey times for region 2 were similar for both strategies), for a number of
times-of-week, whereby a total of 10 FCD journey times per strategy were
available and the corresponding driven route covered virtually all region-1 links.
All shown times-of-week are peak periods except for Wednesday evening when
shops are closed. It may be seen from Figure 7 that TUC outperforms TASS
during the peak hours by 5%-25%.correspond to higher speeds for TUC): (a)
Region 1, (b) Region 2.
Figure 7: %-difference in journey times based on FCD in Chania (region 1)

(positive differences correspond to lower journey times for TUC).
TUC vs TASS - (Region 1)
30
25
% Difference
20
15
10
5
0
en
en
on
on
on
en
ev
ev
no
o
ev
no
rn
ur
e
ed
e
ed
te
Tu
Tu
Th
af
W
W
t
Sa

Table 1: Average speed and ALOTPV for Southampton city centre region
Time Interval Speed (km/h) ALOTPV

(h) SCOOT TUC SCOOT TUC
08:00-09:00 27.7 26.2 464 613
12:00-13:00 31.6 31.5 412 429
17:00-18:00 28.0 27.6 619 710
07:00-19:00 31.3 31.0 449 494
Sat: 11:00-12:00 27.4 33.0 913 462
Table 2: Average speed and ALOTPV for Southampton Bitterne region.
Time Interval Speed (km/h) ALOTPV

(h) SCOOT TUC SCOOT TUC
08:00-09:00 22.8 27.0 612 624
12:00-13:00 33.6 33.9 362 404
17:00-18:00 29.0 29.7 540 511
07:00-19:00 32.4 33.5 425 432
Sat: 11:00-12:00 33.5 36.0 408 336
3.3. Evaluation for Southampton Network
The final demonstration period for Southampton comprised the four weeks of
November 2003. The local control infrastructure in Southampton delivers for
each detector, in addition to flow and occupancy, also speed and ALOTPV, i.e.
average loop occupancy time per vehicle. However, it should be noted that:
- ALOTPV (which is essentially an inverse of the mean speed of
vehicles passing the detector) may be positively biased in case
of high occupancies due to the aforementioned masking effect of
detectors.
- The detector speed is quite different than MS in (7), as it reflects
the average vehicle speed around the link detectors, while MS is
an estimation of the average vehicle speed in a network (part)
including delays due to queuing and signalling.
Tables 1, 2 display the average speeds (factored by flow and link length)
and ALOTPV over specific times-of-day for SCOOT and TUC for both network
regions (city centre and Bitterne). The tables indicate that both systems perform
at a similar level, with SCOOTs performance slightly better in the city centre
region and TUCs performance better in the Bitterne region. Note that the
average speed increase of 18.4% achieved by TUC at Bitterne in the 8:00-9:00

a.m. period is partly due to the apparently harsh gating applied by SCOOT in
link 54 during this time period as mentioned earlier.
Only two daily detector data-sets per strategy were available for Saturdays,
and generally showed little difference between the performance of TUC and
SCOOT. However, TUC was running on the Saturday morning of the televised
Rugby World Cup Final, and traffic volumes in the city increased dramatically
once the match concluded. TUC coped remarkably well with this sudden surge
of traffic: when TUC had to accommodate the very high volume of 530 veh/h
(average flow per detector), the speed still stayed at 27 km/h, while under
SCOOT the speed already dropped to this same level at the 26%-lower flow of
420 veh/h on the following Saturday.
FCD were collected in Southampton on two major routes, one in the city
centre and one in Bitterne for three times-of-(working-)day (start times at 8:00
a.m. (morning peak); 12:30 p.m. (off-peak), for Bitterne only; 5:00 p.m. (evening
peak); respectively), whereby 10 FCD samples were available per strategy and
time-of-day. Regarding the major Bitterne route (which comprised 17
intermediate checkpoints, see Figure 8), the 8:00 a.m. journey times were found
30% higher under SCOOT compared to TUC. Note that checkpoint 13 in Figure
8 with journey time more than tripled under SCOOT compared to TUC,
corresponds to link 54 that is gated under SCOOT. When factoring the journey
times according to the average flow on each route section, the benefit under
TUC reduces from 30% to 11%. Note, however, that flow factoring does not
necessarily provide a more relevant picture of the network performance in this
case because the SCOOT gating changes the flow patterns within the network
considerably. FCD for the same route at 12:30 p.m. and 5:00 p.m. showed
journey time improvements of 5% under TUC compared to SCOOT; when
factored by the corresponding flows, the TUC benefit did not change for the
noon period but increased to 10% for the p.m. peak period.
Regarding the city-centre route, FCD average journey times for 8:00 a.m.
were found about 10% higher with TUC compared to SCOOT, mainly due to
journey time increases at two (out of 14) checkpoints, while journey times at
other checkpoints were similar for both strategies. The 5:00 p.m. average
journey times in the city-centre route were about 19% higher for TUC compared
to SCOOT mainly due to journey time increases at the same 2 checkpoints as
in the 8:00 a.m. results. Both percentages did not change after factoring by the
flow. Note that the considerable FCD journey time increase for TUC in the p.m.
peak is not really reflected in the corresponding detector data of Table 1 and
may therefore partially result from the specific subset of city-centre links that
were included in the FCD route.

Figure 8: Average FCD journey times on the major Bitterne route for
weekday 8 a.m.
Bitterne - Start Time 08:00

800
700
Journey Time (secs)

600
Total journey times:
500
SCOOT (3682s)
400
TUC (2849s)
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Checkpoint No.
3.4. Evaluation for Munich Network
The demonstration period for Munich comprised the four weeks of January
2004. The Munich demonstration was affected by a number of nuisances
independent of the tested control strategies, most importantly by frequent faults
of the communication lines and local controllers; in addition, the override of the
strategy decisions by the local public transport priority logic and the extreme
weather conditions (snow storms) on a few days, mentioned earlier, reduced
the amount and reliability of available data; hence the Munich results should be
viewed with some degree of caution.
Table 3: Average occupancies and flows for the Munich demonstration.
Occupancy (%) Flow (veh/h)

Time Interval BALANCE TUC BALANCE TUC
(h)
07:45-08:45 20.6 21.2 768 794
07:00-10:00 20.5 20.7 765 788
10:30-13:30 18.7 17.8 706 703
16:00-19:00 23.9 24.6 884 907
08:00-19:00 20.8 21.0 788 801
Table 3 shows the averages of flow and occupancy measurements for

various times-of-day for both tested strategies, TUC and BALANCE. The
summarized results reflect little performance differences between both
strategies. TUCs average occupancy seems 1% higher (around 3% in the a.m.

and p.m. peak hours) but with higher flows, i.e. 2% in average and around 3%
in the a.m. and p.m. peak hours.
FCD were collected in Munich on three routes covering the whole network
with exception of the side links. Each route was driven at 6 distinct start times
(7:00, 7:30, 8:00, 8:30, 9:00, 9:30, all a.m.), five times per strategy; this results
in 30 FCD journey times per strategy and route. However, due to technical
problems mentioned earlier,
74% of these data had to be excluded from the evaluation. Figure 9 displays
the average journey times for each route, start time and strategy. It may be
seen that major differences occurred only on route 1 (which is the most loaded
one during the a.m. peak as it leads to the city centre) for the trips starting at
8:30, 9:00 and 9:30 a.m. The average journey times were found lower for TUC
than for BALANCE by an average of 15.4% on the most loaded route 1, by
6.3% for route 2 and by 2% for route 3.
Conclusions
The recently developed network-wide real-time signal control strategy TUC

was successfully implemented and tested in three urban road networks in three
European countries. The demonstrations proved that TUC is a robust and
credible signal control strategy, both as a stand-alone system, as in Chania and
Southampton, and as a hybrid system. Despite its limited fine-tuning, TUC
stood up very well against the well-established and well-fine-tuned resident
systems of the test networks, which have very different characteristics with
regard to network layout, detector locations within the links and traffic
behaviour.

Figure 9: Average FCD journey times for 3 routes and various start times
in Munich.
500
450
BALANCE
400
TUC
Journey Travel Time (sec)

350
300
250
200
150
100
50
Route 1 Route 2 Route 3
0
Start at --> 07:00 07:30 08:00 08:30 09:00 09:30 07:00 07:30 08:00 08:30 09:00 09:30 07:0007:30 08:00 08:30 09:00 09:30
Overall, user acceptance of TUC was very high. The operators reported that
TUC is an excellent strategy that, with careful fine-tuning, can show a very
efficient performance and they all felt that TUC had performed remarkably well
compared with much more established and well fine-tuned systems. The
implementation of TUC was very straightforward in all sites, with the main effort
involved being in the development of the interface between TUC and the
existing control infrastructure.
Acknowledgement
This work was partially supported by the IST Project SMART NETS of the
European Commission. All statements included in the paper are under the sole
responsibility of the authors.
References
Bielefeldt, Ch., Diakaki, C. and Papageorgiou, M. (2001) TUC and the SMART
NETS project. Proc. IEEE 4th International Conference on Intelligent
Transportation Systems, Oakland, California, 25 29 August 2001,
pp. 55-60.
Condie, H., Bielefeldt, Ch., Kosmatopoulos, E., Richards, A., McDonald, M.,
Mueck, J. and Hanitzsch, A. (2004) Comparative Evaluation Results

and Cost Benefit Analysis. Deliverable 21 of the European IST Project
SMART NETS (available at www.smart-nets.napier.ac.uk).
Diakaki, C. (1999) Integrated Control of Traffic Flow in Corridor Networks. PhD
Dissertation, Department of Production Engineering and
Management, Technical University of Crete, Chania, Greece.
Diakaki, C., Papageorgiou, M., McLean, T. (2000) Integrated traffic-responsive
urban corridor control strategy in Glasgow - Application and
evaluation. Transportation Research Record No. 1727, pp. 101-111.
Diakaki, C., Papageorgiou, M., Aboudolas, K. (2002) A multivariable regulator
approach to traffic-responsive network-wide signal control. Control
Engineering Practice 10, pp. 183-195.
Diakaki, C., Dinopoulou, V., Aboudolas, K., Papageorgiou, M., Ben-Shabat, E.,
Seider, E., Leibov, A. (2003) Extensions and new applications of the
traffic signal control strategy TUC. Transportation Research Record
No. 1856, pp. 202-216.
Dinopoulou, V., Diakaki, C., Papageorgiou, M. (2005) Applications of the urban
traffic control strategy TUC. European Journal of Operational
Research, to appear.
Friedrich, B., Ernhofer, O. (2000) Adaptive signal control method BALANCE
th
traffic and control models. Proc. 7 ITS World Congress, Turin, Italy.
Hunt, P.B., Robertson, D.L., Bretherton, R.D. (1982) The SCOOT on-line traffic
signal optimisation technique. Traffic Engineering and Control 23, pp.
190-192.
Kosmatopoulos, E., Bielefeldt, Ch., Condie, H. (2004) Evaluation Results
Chania. Deliverable 18 of the European IST Project SMART NETS
(available at www.smart-nets.napier.ac.uk).
Mueck, J., Hanitzsch, A., Condie, H., Bielefeldt, Ch. (2004) Evaluation Results
Munich. Deliverable 20 of the European IST Project SMART NETS
(available at www.smart-nets.napier.ac.uk).
Papageorgiou, M., Diakaki, C., Dinopoulou, V., Kotsialos, A., Wang, Y. (2003)
Review of road traffic control strategies. Proceedings of the IEEE 91,
pp. 2043-2067.
Papageorgiou, M., Dinopoulou, V. (2003) A probabilistic model for the
disaggregation of cross-lane loop measurements of occupancy. Traffic
Engineering and Control 44, pp. 178-179.
Richards, A., Bielefeldt, Ch., Condie, H., McDonald, M. (2004) Evaluation
Results Southampton. Deliverable 19 of the European IST Project
SMART NETS (available at www.smart-nets.napier.ac.uk).
Siemens (2000) TASS Traffic-Actuated Signal Plan Selection in MIGRA Central.
Planning Manual, Ref. No. V24713-Z1991- B2, Edition 002, 2000-03-
030,Germany.

Quatrime partie
Risque routier
209
Actes INRETS n110
Une prsentation des modles
agrgs de risque routier
Ruth Bergel-Hayat
INRETS/GRETIA
2, avenue Gnral Malleret-Joinville
94114-Arcueil Cedex, France, ruth.bergel@inrets.fr
Rsum : Ce texte vise prsenter la modlisation du risque routier, agrge

au niveau dun pays, telle que pratique depuis les premiers travaux raliss
par Smeed en 1949. On ralise une revue des modles de sries
chronologiques utiliss en Europe depuis les annes 1980 pour lanalyse de
lvolution du risque routier, en se rfrant aux dmarches de modlisation
suivies. On donne les orientations pour la modlisation agrge du risque
routier retenues dans le cadre du Projet Safetynet du 6me Programme Cadre
de Recherche Dveloppement SafetyNet - Building the European Road Safety
Observatory.
Abstract : This paper aims at presenting aggregate road risk modelling, as

performed at a national level since the first approach proposed by Smeed in
1949. It provides a review of time series analysis applications, performed in
Europe since the beginning of the 1980s in road safety research. It concludes
with recommandations for a best practise of aggregate time series modelling
applied to road safety, as defined within the framework of the EU FP6 project
SafetyNet - Building the European Road Safety Observatory.
Mots-cls : modle, agrg, risque routier, sries chronologiques, SafetyNet,

Observatoire Europen de Scurit Routire.
Key-words: aggregate, road risk, modelling, time series, SafetyNet, European

Road Safety Observatory.
211
Actes INRETS n110
1. Introduction
Ce texte vise prsenter la modlisation du risque routier, agrge au
niveau dun pays, telle que pratique depuis les premiers travaux raliss par
Smeed en 1949. On prsente dans un premier temps un bref historique des
dmarches suivies, puis lon situe le cadre mthodologique actuellement retenu
pour la modlisation du risque routier ; une revue des modles de sries
chronologiques utiliss en Europe depuis le dbut des annes 1980 pour
lanalyse de lvolution du risque routier est ensuite prsente en se rfrant
aux dmarches prcdemment exposes. On donne enfin les orientations
actuelles pour la modlisation agrge du risque routier retenues dans le cadre
du Project Safetynet du 6me Programme Cadre de Recherche
Dveloppement SafetyNet - Building the European Road Safety Observatory.
2. Historique
Le premier modle de linscurit routire est reconnu tre celui de Smeed
(1949) ; il relie le nombre annuel de dcs dans des accidents de la circulation
routire au nombre de vhicules motoriss et la population correspondante.
Bien que la loi de Smeed ne sajuste plus aux donnes depuis les annes 1970,
lon voit dj apparatre ici, de manire sous-jacente, la variable de mesure de
lexposition au risque quest le volume de trafic - et plus prcisment le nombre
de vhicule-kilomtres parcourus par une population sur un rseau routier.
Les premires mesures visant rduire linscurit routire ont t prises en
1968 aux Etats-Unis, et Peltzman (1975) suscite un dbat important en mettant
en cause leur efficacit. Il dveloppe une thorie du comportement du
conducteur, qui raliserait un arbitrage entre un type de conduite, caractris
par un indice de prise de risque, et une probabilit de dcs : cette adaptation
au risque de la part des conducteurs expliquerait linefficacit des mesures de
scurit routire.
Suite ce dbat, les gains constats au dbut des annes 1980 aux Etats-
Unis et en Grande Bretagne ont amen sinterroger sur leurs causes :
pouvait-on attribuer ces gains leffet des politiques de scurit routire, ou
des facteurs exognes la scurit routire ?
Une approche systmique sest alors impose : elle consiste apprhender
le systme scurit routire dans sa globalit, en prenant en compte lensemble
des dterminants du risque routier. Des modles globaux sur donnes
agrges ont t dvelopps, avec un double objectif : valuer leffet des
politiques de scurit routire, et estimer simultanment limpact des autres
dterminants.
Koornstra et Oppe (1990), en modlisant le nombre de tus comme le
produit du taux de tus 48 et du volume de trafic, parviennent expliquer ce
48
nombre de dcs par vhicule-kilomtre

Modles agrgs de risque routier
renversement de tendance du nombre de dcs sur la route observ dans les
annes 1970 dans les pays dvelopps.
La tendance du taux de tus est modlise comme une fonction
exponentielle dcroissante du temps. De plus, le modle met en vidence
limportance du trafic en tant que facteur dexposition au risque, et son effet
multiplicatif sur le nombre de tus. Ce modle propos pour le taux de tus a
ensuite t suivi dune formulation plus gnrale, dans laquelle le nombre de
tus est modlis directement comme une fonction du trafic, et nest plus
contraint tre proportionnel au trafic 49.
Lapproche systmique a permis lmergence dun ensemble de variables
associes des facteurs de risque, grce un grand nombre de modles sur
donnes agrges, dvelopps sur coupes transversales et sur sries
temporelles priodicit annuelle et mensuelle (Hakim et al. 1991). Outre le
volume de trafic comme mesure de lexposition au risque, ou encore le parc de
vhicules, nous citerons lactivit conomique mesure par exemple par le
revenu des mnages, le prix des carburants, la structure de la population
mesure par exemple par la part des jeunes conducteurs, et des mesures
rglementaires telles que les limitations de vitesse, linstauration du contrle
technique ou de lge daccs la boisson alcoolise.
Les deux exemples suivants montrent que des dmarches de modlisation
diffrentes peuvent produire les mmes valuations. En Grande Bretagne,
Scott (1986) estime leffet sur laccidentologie du choc ptrolier de 1974 et de la
limitation de vitesse en rase campagne, tout en prenant en compte le trafic, le
prix des carburants, linfluence du climat par le biais de la temprature et de la
hauteur de pluie, et le nombre de jours ouvrables. Toujours en Grande
Bretagne, Harvey et Durbin (1986) proposent une estimation de limpact de la
loi sur le port de la ceinture de scurit, tout en intgrant leffet du trafic et le
prix des carburants ; le caractre novateur de leur approche structurelle, fonde
sur lestimation de la tendance et de la saisonnalit en tant que composantes
alatoires 50 a suscit un dbat important. Scott, en utilisant des modles
autorgressifs sur les mmes donnes, a confirm les estimations proposes
par Harvey et Durbin pour limpact de la loi sur le port de la ceinture de scurit.
La modlisation structurelle propose par Harvey, que nous dveloppons
plus avant en Section 4, a t utilise par la suite de manire comparative sur
les donnes agrges de plusieurs pays europens. Limpact des principales
mesures de scurit routire sur les niveaux et les pentes des tendances des
nombres annuels de tus a t identifi, avec le volume de trafic comme seul
dterminant du nombre de tus (Lassarre, 1996 et 2001). Plus rcemment, la
modlisation structurelle a t dveloppe dans un cadre multivari : modliser
simultanment des donnes daccidents et de mobilit permet destimer le
risque latent correspondant ces donnes (Bijleveld et al, forthcoming).
49
De manire similaire, la modlisation directe du taux daccidents (nombre daccidents corporels
par vhicule-kilomtre) est relaye par une modlisation du nombre daccidents par une fonction
non linaire du trafic. Cette formulation trouve dailleurs sa principale justification dans les rsultats
des tudes microscopiques daccidents.
50 alatoires - ou encore stochastiques

Comme alternative la modlisation structurelle, la dmarche la plus

rpandue consiste utiliser des modles autorgressifs ou des modles sy
ramenant. On modlise les nombres mensuels daccidents ou de tus en
liminant la tendance et la saisonnalit, mais on intgre un petit nombre de
variables mesurant : le trafic, lactivit conomique et le prix des carburants, les
conditions climatiques et la configuration mensuelle du calendrier, ainsi que des
variables dintervention qui permettent dvaluer les effets de mesures de
scurit routire et dvnements exceptionnels (Rapport COST 329, 2004).
La forme la plus avance de modle autorgressif, explicatif du risque
routier est due Gaudry (1984) : celui-ci propose une reprsentation structure
du systme de scurit routire avec un modle sur donnes mensuelles
agrges, qui est explicatif, trois niveaux et forme fonctionnelle plus
gnrale que celle des modles prcdents.
Gaudry formule le nombre de victimes (tus, blesss graves et blesss
lgers) comme le produit du kilomtrage, du taux daccident (nombre
daccidents par vhicule-kilomtre) et du taux de gravit (nombre de tus,
blesss graves et blesss lgers par accident). En utilisant un trs grand
nombre de variables explicatives, qui sont les mmes chacun des 3 niveaux,
il parvient prendre en compte les effets directs et indirects - via le kilomtrage
des dterminants du risque daccident et de sa gravit. Enfin, en utilisant une
transformation de Box-Cox sur les variables, il autorise des effets non
strictement multiplicatifs.
Cette dmarche de modlisation, baptise DRAG (pour demande routire,
accident, gravit) a t reprise par dautres chercheurs, en Europe et aux Etats-
Unis, qui lont mise en uvre tout en ladaptant aux spcificits de leur pays
(Gaudry, Lassarre, 2000). Sur donnes franaises, par exemple, un niveau
supplmentaire reprsentant le comportement risque mesur par la vitesse
pratique sur le rseau interurbain a pu tre constitu (Jaeger, Lassarre, 1999).
Pour tre complet, mentionnons enfin la modlisation des donnes
journalires dinscurit routire, fort peu rpandue. De fait, la grande variabilit
des statistiques daccidents et de victimes rend trs dlicate lanalyse des
volutions de court terme. Les modles sur donnes journalires rpondent
un double objectif : dune part la connaissance des effets transitoires, dus une
mtorologie atypique ou une configuration exceptionnelle du calendrier, et
dautre part lestimation dune tendance journalire corrige de ces effets
locaux, sur laquelle on puisse dtecter des inflexions. Citons le modle de
dsaisonnalisation de donnes journalires dinscurit routire dvelopp sur
donnes franaises (Bergel et al, 1995), que nous ne prsenterons pas plus
avant dans ce document. La tendance mensuelle reste de fait la rfrence pour
le suivi conjoncturel : trs rpandue dans de nombreux autres secteurs,
lanalyse des statistiques mensuelles dsaisonnalises commence maintenant
tre exploite par les dcideurs publics de la scurit routire (Statistiques
daccidents, Bilan annuel de lONISR, 2005).

3. Cadre mthodologique
Nous rappelons ici le cadre retenu pour quantifier linfluence sur le risque
routier des diffrents facteurs relatifs au systme de transport, la mobilit,
lconomie ou la gestion de la scurit routire (Lassarre, 1994). Nous nous
intressons aux modles de sries temporelles agrges, priodicit
annuelle, mensuelle ou journalire. Les variables modlises sont dans tous les
cas agrges au niveau dun territoire, dun rseau, ou suivant une typologie
daccidents ou de victimes.
3.1 Vers des modles explicatifs

Comme nous lavons vu, le suivi temporel ne se limite plus depuis le dbut
des annes 1980 une approche descriptive traditionnelle, de simple constat,
mais vise quantifier linfluence des facteurs explicatifs de la frquence de la
gravit des accidents tout en valuant lefficacit des mesures de scurit
routire. Ainsi, des modles descriptifs ont succd des modles explicatifs,
ou variables explicatives, construits sur la base dune formulation conomique
riche, avec une spcification conomtrique plus labore.
3.2 Le schma de production du risque

Lanalyse du risque se fonde sur la triade exposition/accident/victime. Dans
ce schma, on dfinit les indicateurs et leurs dterminants chacun de ces 3
niveaux.
Les indicateurs
La mesure usuelle de lexposition au risque est un indicateur de mesure du
volume de trafic : on retient le kilomtrage, ou parcours effectu, mesur en
nombre de vhicule-kilomtres parcourus sur un rseau routier.
On utilise habituellement le taux daccident (nombre daccidents corporels
pour un milliard de vhicule-kilomtres) pour mesurer le risque daccident sur
un rseau ; pour contourner lhypothse de proportionnalit du nombre
daccidents au trafic, on mesure galement le risque daccident par un nombre
absolu daccidents, que lon fait ensuite dpendre dune fonction non linaire
du kilomtrage 51.
Enfin, les indicateurs de mesure de la gravit de laccident sont les taux de
gravit, cest--dire les nombres de victimes (tus, blesss graves, blesss
lgers) par accident ; on peut aussi prfrer mesurer directement le nombre de
victimes, mais en faisant l aussi dpendre le nombre de victimes du nombre
daccidents corporels, ou directement du trafic.
Notons ce stade que les nombres absolus daccidents et de victimes sont
aussi considrs comme des indicateurs de risque et de gravit.
51
La mme remarque vaut pour le risque dtre tu (ou encore taux de tus, soit le nombre de tus
pour un milliard de vhicule-kilomtres).

Les dterminants
On classe les dterminants en facteurs internes au systme de transport
dun cot, - relatifs au vhicule, au conducteur et linfrastructure ; et en
facteurs externes de lautre, reprsentant lenvironnement, et relatifs aux
systmes climatique, conomique, dmographique, et tatique (Gaudry,
Lassarre, 2000).
4. Applications
Une revue bibliographique des modles de sries chronologiques utiliss

pour lanalyse de lvolution du risque routier nous amne distinguer deux
catgories de modles : les modles descriptifs (sans variable explicative autre
que le temps), et les modles explicatifs ( variables explicatives 52) qui peuvent
tre vus comme des modles descriptifs auxquels des variables exognes ont
t ajoutes, et qui constituent donc une extension des premiers. Dans cette
section, nous considrerons successivement ces deux types de modles, tels
quils ont t utiliss pour lanalyse agrge de lvolution de linscurit
routire en Europe depuis le dbut des annes 1980, aprs avoir brivement
rappel les diffrentes structures de modles existantes.
4.1 Structure des modles

Nous nous limitons ici aux modles gaussiens - le processus modliser
tant suppos suivre une loi normale.
Les modles de sries chronologiques peuvent tre dfinis de diffrentes
manires, selon le point de vue adopt.
Un processus alatoire peut tre considr comme constitu dun certain
nombre de composantes : le cycle, la tendance, la composante saisonnire et
la composante rsiduelle. Alors que seul le processus modliser peut tre
observ - partir dune de ses ralisations -, ses composantes ne peuvent tre
questimes laide dun modle : ainsi, les modles composantes
inobservables (ou modles de dcomposition) visent produire une estimation
de chacune de ces composantes, alors quun modle vise habituellement
produire une estimation de la seule variable modliser.
Dans le cas dune dcomposition, les composantes principales (toutes les
composantes, lexception de la composante rsiduelle, qui est alatoire par
nature) peuvent tre traites comme des composantes dterministes ou
alatoires - ou encore stochastiques.
Enfin, le processus modliser peut pour diffrentes raisons subir une
transformation avant dtre modlis : dans le cas o cette transformation est
un filtre de diffrenciation, on parlera de composantes intgres.
Exognes ou explicatives, parce quutilises dans un modle explicatif de la variable endogne

52
modliser

En rsumant ces concepts, on peut distinguer les types suivants de modles
gaussiens :
- les modles de dcomposition composantes principales dterministes
(modle de dcomposition tendance/saisonnalit dterministe, par
exemple),
- les modles de dcomposition composantes principales
stochastiques (modle de dcomposition tendance/saisonnalit
stochastique, par exemple),
- les modles composantes intgres (ou encore modles intgrs)
Cette structure de base peut tre enrichie de plusieurs manires pour
apporter une information additionnelle : en introduisant une rfrence au pass
(parties auto rgressive/moyenne mobile), et/ou lenvironnement (variables
explicatives). Finalement, la forme elle-mme du modle, gnralement linaire
par rapport aux paramtres et aux composantes, peut aussi tre largie en
introduisant de la non linarit.
La structure des modles qui vient dtre expose vaut pour chacune des
catgories de modles que nous abordons maintenant. Toutefois, dans
chacune delles nous nous intressons en particulier aux deux types de
structures 53 qui ont t trs largement utilises pour lanalyse de lvolution du
risque routier : les modles de dcomposition dune part, et les modles
autorgressifs et sy ramenant (ARMA et ARIMA) dautre part.
4.2 Modles descriptifs : Structure dterministe ou

stochastique ?
Les modles purement descriptifs ont principalement t utiliss pour
modliser un indicateur de scurit routire : le taux de tus. Il sagit de
modles de dcomposition dont lobjectif consistait ajuster la tendance en
fonction du temps. La dcomposition tendance/rsidu retenue sur une base
annuelle a t tendue une dcomposition tendance/saisonnalit/rsidu sur
une base mensuelle. La composante tendancielle, ainsi que la composante
saisonnire, est dterministe ou stochastique.
Ainsi, sur donnes annuelles, un exemple de modle dterministe est fourni
par Oppe (1993), qui retient une tendance exponentielle dcroissante pour le
taux de tus Rt (nombre de tus par milliard de vhicule-kilomtres) :
Rt = exp(t + )
Ft
avec : Rt = ,
Vt
Ft le nombre de tus,
et Vt le volume de trafic.
53
cf. Gouriroux, Monfort (1990) pour une dfinition prcise des modles de dcomposition et des
modles autoprojectifs

La forme propose pour la tendance du taux de tus Rt a par la suite t

largie, et une transformation de type puissance sur le trafic a t retenue, pour
rendre compte de la non proportionnalit du nombre de tus au trafic, le
paramtre supplmentaire reprsentant alors llasticit du nombre de tus
au trafic:
Ft
= exp( t )
Vt
Dans les deux cas prcdents, la tendance du taux de tus est modlise
de manire dterministe, en fonction du temps, la fonction la plus simple tant
la fonction linaire : t = t + comme dans le premier cas. Mais la tendance
peut aussi tre alaoire, auquel cas un terme derreur spcifique vient sajouter
au modle pour prendre en compte ce caractre alatoire. Plus prcisment, il
y aura autant de termes derreurs additionnels dans le modle que de
composantes, ou de paramtres, alatoires.
Une forme stochastique a ensuite t propose par Lassarre (1996) pour la
fonction temporelle t qui devient linaire localement - ce qui revient
complter la forme du modle structurel de base propos par Harvey :
LogFt = LogVt + t + t
t = t 1 + t 1 + t
t = t 1 + t
avec la pente de la tendance ,

, , des bruits blancs de variances 2 , 2 et 2 , non corrls
entre eux.
Sur donnes mensuelles, la formulation senrichit dune composante

saisonnire, qui peut aussi tre dterministe ou stochastique. En fait, le nombre
plus important de donnes disponibles sur une base mensuelle autorise
lestimation de paramtres supplmentaires, cest--dire lutilisation de variables
exognes supplmentaires - nous lexposerons dans la partie suivante.
Comme nous venons de le voir, un modle descriptif du taux de tus peut
tre considr comme un modle explicatif du nombre absolu de tus, ayant
pour seule variable explicative le volume de trafic. Cette forme de modle
explicatif une seule variable exogne sest ensuite enrichie par lintroduction
de variables supplmentaires, en nombre plus ou moins important. On tient en
fait pour modles explicatifs les modles prenant en compte un nombre plus
important de facteurs de risque. Nous en donnons quelques exemples
maintenant.

Remarquons au passage que la mme formulation peut-tre retenue pour
un modle explicatif du nombre daccidents, en fonction du trafic puis de
variables supplmentaires.
4.3 Modles explicatifs : quelles variables pour mesurer les

facteurs de risque ?
Citons demble lensemble des variables mergeant de la revue
bibliographique. Dabord les variables qui mesurent lexposition au risque (sous
la forme de la population, du parc de vhicules, du trafic ou des consommations
de carburants lorsque celui-ci nest pas mesur), puis les variables
conomiques reprsentatives de loffre et de la demande de transport (activit
conomique, prix des carburants, consistance du rseau), puis les variables
climatiques et les variables calendaires - des indicatrices tmoins de jours
particuliers de lanne. Des variables dintervention sont aussi utilises pour
modliser leffet dune mesure rglementaire de scurit routire, ou dun
vnement spcifique li la scurit routire - cette partie du modle pouvant
elle seule constituer lobjectif de la modlisation.
Comme nous lavons vu pour la modlisation du taux de tus, lexposition au
risque mesure par le nombre de vhicule-kilomtres occupe la premire place
parmi lensemble des variables que lon retient pour modliser les nombres de
tus, et de manire gnrale les nombres daccidents et de victimes. La
spcification est de type Log-Log, ce qui traduit un effet multiplicatif du trafic,
avec une lasticit du nombre daccidents et de victimes au trafic qui est
suppose constante au cours du temps. On formule la mme hypothse, dun
effet multiplicatif, lorsquon utilise dautres variables de mesure de lexposition
au risque - la consommation de carburants, le parc de vhicules ou la
population -, de lactivit conomique - le revenu, la production industrielle, le
taux de chmage -, ou de loffre de transport - la consistance du rseau, le prix
des carburants, le page autoroutier.
Les variables climatiques interviennent de manire semi multiplicative, la
spcification tant alors Log-linaire, et il en est de mme pour les variables
indicatrices des jours de lanne reprsentatifs dune configuration calendaire
particulire.
Les autres variables dintervention qui sont utilises pour modliser leffet
dune mesure rglementaire de scurit routire, ou dun vnement spcifique
li la scurit routire, interviennent de la mme manire.
Nous prsentons maintenant successivement des exemples de modles de
dcomposition avec variables explicatives, puis de modles ARIMA avec
variables explicatives. Nous donnons enfin des exemples de modle explicatif
forme non linaire.
Rgression vs ARIMA
A titre dexemple de modle de dcomposition tendance dterministe avec
variables explicatives, nous citerons Scott (1986) qui utilise dans un premier

temps une structure ARIMA aprs rgression pralable du nombre mensuel

daccidents en Grande Bretagne de 1970 1978 sur des variables exognes
mesurant le trafic, le prix des carburants, la temprature, la hauteur de pluie et
le nombre de jours ouvrables (ou encore rgression avec rsidus ARIMA) ; il
montre ensuite que la structure ARIMA sur les rsidus de la rgression peut
tre omise sous rserve de prendre en compte dans la rgression la tendance
et la saisonnalit, sous la forme dune variable temporelle et dindicatrices
saisonnires :
log Yt = a + bt + St + LogX + X
i it
j
j jt + 1t + 22t + ut
avec : Y le nombre mensuel daccidents en Grande Bretagne,

a + bt la tendance,
St la saisonnalit, mesure avec onze variables indicatrices,
X i , i = 1,2 : le trafic pour deux catgories de vhicules et le prix des
carburants,
X j , j = 13 : les deux variables mtorologiques et le nombre de jours
ouvrables,
1t et 21t deux indicatrices du choc ptrolier de 1974 et de la limitation
de vitesse en rase campagne.
Modles structurels
Le modle structurel de Harvey avec variables explicatives et interventions
constitue une forme plus gnrale dun modle de dcomposition stochastique
que le modle structurel de base. Utilis sur des donnes daccidents en
Grande-Bretagne, il inclut deux variables explicatives (le prix des carburants et
l'indice de trafic) qui ont un effet sur la composante tendancielle de yt , et il en
est de mme pour la variable indicatrice t=1t qui est utilise pour valuer
limpact t de la loi sur le port de ceinture.
I

LogY t = t + t +i =1
i Logx it + t + t
t = t 1 + t 1 + t

t = t 1 + t
s/2

t = j =1
jt

2j
jt = (cos ) j ,t 1 + jt
s
avec : Yt le nombre mensuel de conducteurs, tus et blesss graves,

, , et jt des bruits blancs de variances 2 , 2 , 2 et 2 ,
non corrls entre eux.
De manire quivalente sur donnes annuelles, la formulation la plus large
propose par Lassarre pour le modle tendance linaire locale incorpore des
indicatrices annuelles dintervention it , jt et kt qui peuvent modifier la
composante irrgulire, le niveau ou la pente de la tendance du nombre de
tus :
LogFt = LogVt + t +
i
i it + t
t = t 1 + bt 1 +
j
j jt + t
t = t 1 +
k
k kt +t
Lutilisation du modle sur les donnes agrges de plusieurs pays

europens a permis de proposer une valuation de leffet des grandes mesures
de scurit routire. Pour la France, ce sont les mesures prises en 1973 -
limitation de la vitesse et obligation du taux de port de la ceinture qui font
baisser de manire significative le taux de tus de 17% compter de 1973. Une
baisse de 9,3% en 1978 est due lintroduction des contrles alatoires
dalcoolmie sur route.
Modles ARIMA
Les modles ARIMA avec variables explicatives ont t trs frquemment
utiliss sur donnes mensuelles, principalement pour lvaluation des effets
des mesures de scurit routire. Ils intgrent gnralement les effets
exognes reconnus, cest--dire celui de lexposition au risque, linfluence du
climat par une ou deux variables mtorologiques, et limpact de la
configuration calendaire. On utilise des fonctions de transfert lorsque les
variables explicatives sont alatoires, et des modles dinterventions pour
valuer les effets des mesures de scurit routire.
Nous citerons titre dexemple les modles dvelopps sur donnes
agrges espagnoles et franaises.
Ce sont deux variables de consommation de carburants (la consommation
dessence et gazole) la place du trafic, une variable tenant compte du nombre
de week-ends dans le mois WEND et une variable d'intervention reprsentative
dun grand nombre de mesures de scurit routire mises en place partir de
juin 1992 LS 6 / 92 , qui sont utilises pour modliser le nombre daccidents
survenus en Espagne de 1982 1996 (Rebello, Rivelott, Inglada Lopez de
Sabando, in COST 329, 2004) :

log Yt = LogX
i
i it + WEND + LSt6 / 92t + Nt
12 Nt = (1 1B )(1 12 B12 ) t
avec : Yt le nombre mensuel daccidents,

12 le filtre compos de diffrences dordre 1 et dordre 12,
N t un premier rsidu, non stationnaire,
et t un bruit blanc.
Sur donnes franaises, la mme forme de modle est utilise sur donnes
mensuelles daccidents et de tus. Tout en intgrant leffet du parcours, de la
vitesse, ils permettent surtout dvaluer limpact des grandes mesures de
scurit routire. Cest le cas de la premire limitation de vitesse de 1973, du
choc ptrolier de 1974, de la loi de 1978 sur les contrles alatoires
dalcoolmie (Lassarre, Tan in Lassarre, 1994).
Dautres modles du mme type, explicatifs des nombres mensuels
daccidents et de tus, ont t dvelopps par grande catgorie de rseaux :
routes nationales et autoroutes, rseau dpartemental, milieu urbain, avec des
variables climatiques 54 et calendaires pour prendre en compte les facteurs
transitoires (Bergel, Depire, 2004).
Modles non linaires

Comme nous venons de le voir, des modles non linaires ont souvent t
transforms en modles linaires, par application dune transformation
logarithmique a quelques-unes des variables, dpendantes ou indpendantes.
Cela facilite lestimation du modle.
La relation multiplicative entre lexposition au risque et le nombre
daccidents, et entre lexposition au risque et le nombre de dcs, est
gnralement accepte. Rappelons simplement ici, titre dexemple, que le
premier modle agrg, propos par Smeed, relie le nombre daccidents de la
route au nombre de vhicules motoriss et la population correspondante (soit
D, M et P respectivement) de manire multiplicative :
D = c(MP 2 )1 / 3
Dautres transformations peuvent tre prfres la transformation

logarithmique, et appliques aux donnes observes. Ainsi en est-il du modle
54
Sagissant du facteur climatique dont la mesure ncessit laccs des bases de donnes
mtorologiques relativement dsagrges, dans le temps et dans lespace, on notera la
contribution de Fridstrom qui pu prendre en compte ce facteur de risque en mesurant la luminosit
et un grand nombre de variables climatiques sur des donnes daccidents pour quatre pays
nordiques Danemark-Finlande-Norvge-Sude (Fridstrom L. et al, 1995), puis sur une base
complte dindicateurs de risque en Norvge en y appliquant lapproche DRAG (Fridstrom, in
Gaudry, Lassarre, 2000). On notera que le cadre des modles gaussiens, auquel nous nous
limitons ici, nest pas adapt au cas des petits effectifs : Fridstrom formulant de prfrence une
hypothse de rgression poissonnienne dans ses travaux.

explicatif trois niveaux, frquence mensuelle, propos par Gaudry, qui
repose sur une structure de rgression multiple avec erreurs autocorrles et
hteroscdastiques, et avec prise en compte dune forme de non linarit. La
prise en compte dun grand nombre de variables explicatives permet de
modliser la tendance et la saison, qui ne sont donc pas filtres. L'introduction
de la transformation de Box-Cox permet une formulation plus souple (forme
linaire, logarithmique ou un compromis) du lien entre la variable endogne et
chaque variable exogne.
Le modle gnrique s'crit de la manire suivante, dans laquelle le
paramtre =(Y, X1, , Xk) est estim simultanment aux autre paramtres :
( ) K
Yt Y

=
k =1
k X kt ( X k ) + ut

= vt exp
(Z m )
ut m Z mt

p
v
t = v l t l + wt
l =1
avec: Yt la variable endogne modliser,

X kt , k=1 K, les variables exognes (ou explicatives)
u t le premier rsidu et Vt le rsidu final,
wt un bruit blanc.
et la transformation de Box-Cox dfinie comme une fonction puissance, de

paramtre , de toute variables relle positive Vt par:
Vt 1
Vt Vt( ) = si 0

Vt( 0) = Log Vt
Dans cette formulation gnrale, les paramtres de Box-Cox Y , X 1 ,.. X K

sont estims en plus des autres paramtres k , m et l , pour k=1 K, m=1
M et l=1 L.

5. Perspectives
Comme nous venons de le voir, diffrents types et diffrentes classes de
modles de sries temporelles ont t retenus depuis le dbut des annes
1980 pour modliser des indicateurs agrgs de risque, au niveau national en
Europe. Une diffrence majeure entre les modles est lappel un plus ou
moins grand nombre de variables explicatives, mais un autre trait important
tient leur nature, qui peut tre dterministe ou stochastique. Le choix dun
modle spcifique tient souvent lobjectif fix, mais souvent aussi la
disponibilit des donnes.
Les perspectives actuelles retenues au niveau europen dans le cadre du
Project Safetynet du 6me Programme Cadre de Recherche Dveloppement
SafetyNet - Building the European Road Safety Observatory, consistent
promouvoir des modles de sries chronologiques appropris pour reproduire
au mieux la dynamique des sries temporelles en prenant en compte leur
dpendance temporelle. Des recommandations pour une meilleure pratique de
lanalyse par sries temporelles de lvolution de la scurit routire au niveau
national ont t donnes (Dupont, E. et Martensen, H. (Eds), 2007), qui
prconisent lutilisation de deux sortes de modles : les modles de type ARMA
( structure autorgressive et sy ramenant) et les modles Espace-Etat
(modles structurels).
Les modles de type ARMA sont surtout utiliss des fins explicatives, pour
prendre en compte un grand nombre de facteurs de risque et pour valuer
leffet des politiques de scurit routire, alors que les modles structurels ont
ce jour t utiliss des fins descriptives - le seul facteur de risque pris en
compte tant un indicateur dexposition au risque, gnralement le volume de
trafic - et pour valuer leffet des politiques de scurit routire. Cependant,
bien quils soient utiliss des finalits diffrentes, des quivalences entre
certaines formes de ces modles ont t dmontres. Les capacits prdictives
des deux types de modles sont quivalentes, mais la difficult rside dans
tous les cas dans la ncessit de disposer de scnarios prvisionnels pour les
facteurs de risque.
Un certain nombre danalyses ont dj t engages sur les donnes
agrges de risque de quelques pays, en relation avec des donnes
dexposition au risque. La premire application porte sur une analyse
multivarie du risque routier, applique des donnes agrges de France et
des Pays-Bas (Commandeur et al, forthcoming 2007). Dautres applications
seront finalises courant 2008.

Rfrences
Bergel R., Depire A. (2004) Climate, road traffic and road risk - an aggregate
approach. Actes de la Confrence WCTR2004, Istanbul.
Bergel R., Girard B., Lassarre S., Le Breton P. (1995) A model of seasonally
corrected indicators of road safety, Proceedings of the Conference
Road Safety and Strategic Highway Research Program (SHRP) and
Traffic safety on two Continents, Prague, September 20-22
Bjleveld F.D., Commandeur J.J.F., Gould P.G.., Koopman S.J. (forthcoming)
Model-based measurement of latent risk models in time series with
applications. Journal of the Royal Statistical Society Series A.
Commandeur J., Bjleveld F., Bergel R. (forthcoming 2007) A multivariate time
series analysis applied to SafetyNet data. SafetyNet Deliverable D7.7
http://www.erso.eu
COST 329 (2004) Models for traffic and safety development and interventions.
European Commission, Directorate general for Transport, Brussels ,
final report of the Action.
Dupont, E. et Martensen, H. (Eds) (2007) Multilevel modelling and time series
analysis in traffic safety research - Methodology and Manual.
Deliverables D7.4 and D7.5 of the EU FP6 project SafetyNet.
http://www.erso.eu
Fridstrom L. et al. (1995) Measuring the contribution of randomness, exposure,
weather, and daylight to the variation in road accident counts,
Accident Analysis & Prevention, Vol. 27 n1 p.1-20.
Gaudry M. (1984) DRAG, un modle de la Demande Routire, des Accidents
et de leur Gravit, appliqu au Qubec de 1956 1982, Publication
359, Centre de Recherche sur les Transports, Universit de Montral.
Gaudry M. and Lassarre S. (Eds) (2000) Structural Road Accident Models -
The International DRAG Family, Pergamon.
Gourieroux C., Monfort A (1990) Sries temporelles et modles dynamiques,
Economica.
Hakim S., Hakkert S., Hochermann I., Shefert D. (1991) A critical Review of
macro models for road accidents. Accident Analysis & Prevention.
Vol. 23, N 5, pp. 379-400.
Harvey A.C., Durbin J. (1986) The Effects of Seat Belt Legislation on British
Road Casualties: A Case Study in Structural Time Series Modelling,
J. R. Statist. Soc., Vol. 3 n149 pp.187-227.
Jaeger L., Lassarre S. (1999) TAG, un modle conomtrique pour un suivi de
linscurit routire RTS, 65. pp.3-20.
Lassarre S. (1994) Cadrage mthodologique dune modlisation pour un suivi
de linscurit routire, Synthse INRETS, n26, Arcueil.

Lassarre (1996) Quelles tendances dans lvolution du nombre de tus pour

quatre pays : Finlande, France, Grande Bretagne et Pays-Bas ?
Document Cost 329, Inrets, Arcueil.
Lassarre S. (2001) Analysis of progress in road safety in ten European
countries. Accident Analysis & Prevention. Vol. 33, pp. 743-751
Oppe S. (1993) Evolution de la circulation et de scurit routire dans six pays
dvelopps, Actes du Sminaire de lInrets sur la Modlisation de
linscurit routire. Tome 2, pp. 55-70, Arcueil.
Oppe, S., Koornstra M.J. (1990) A mathematical model for related long term
developments of road traffic and safety. In: Koshi, M. (Ed),
Transportation and Traffic Theory. Elsevier, New York, pp. 113-133.
Pelzman, S. (1975) The effects of automobile safety regulation. Journal of
Political Economy, 83(4), 677-725.
Scott P. P. (1986) Modelling Time-Series of British Road Accident Data,
Accident Analysis & Prevention, Vol. 18 n2 pp.109-117.
Statistiques daccidents (2005) Bilan annuel de lObservatoire National
Interministriel de Scurit Routire, Ministre de lEquipement, La
Dfense.

Actes INRETS A110 PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Actes INRETS A110 PDF

Transféré par

Droits d'auteur :

Formats disponibles

Conformment la note du 04/07/2014 de la direction gnrale de l'Ifsttar

Attribution Vous devez crditer l'Oeuvre et intgrer un

Le patrimoine scientifique de l'Ifsttar

Le service Politique ditoriale scientifique et technique de l'Ifsttar diffuse

Institut Franais des Sciences et Techniques des Rseaux,

Actes du groupe de travail 2004-2005

Actes INRETS N110

Auteurs des communications :

Institut National de Recherche sur les Transports et leur Scurit

2 Actes INRETS n110

Actes INRETS n110 3

Publication data form

Marc GAUDRY, Anne BRIAND, Isabelle PAULMYER, Cong-Liem

2me partie. Ecoulement du trafic :

Nadir FARHI, Maurice GOURSAT, Jean-Pierre QUADRAT

Nicolas CHIABAUT, Christine BUISSON

3me partie. Rgulation du trafic

E. KOSMATOPOULOS, M. PAPAGEORGIOU, C. BIELEFELDT, V.

4me partie. Risque routier

Actes INRETS n110 7

1. Agora Jules Dupuit (AJD), www.ajd.umontreal.ca

Lestimation des modles prsents dans cette tude a t ralise davril

Choix modal transpyrnen

Annexe 1. Donnes sur les modes routier et ferroviaire (749

10 Actes INRETS n110

Annexe 2. Prsentation commente dune dition TABLEX de rsultats

Actes INRETS n110 11

Liste des Tableaux de larticle Choix modal transpyrnen

Tableau 1. Rendements constants ou variables dans un modle Logit Box-Cox ......... 23

Liste des Figures de larticle Choix modal transpyrnen

Figure 1. Franchissements transpyrnens ferroviaires et routiers enquts ............... 16

12 Actes INRETS n110

Mots cls : Marchandises, transport ferroviaire, transport intermodal, transport

Key words : Freight, rail transport, intermodal transport, combined

14 Actes INRETS n110

1. Intermodalit et modlisation du choix modal des

Figure 1. Franchissements transpyrnens ferroviaires et routiers

16 Actes INRETS n110

Les donnes de lenqute routire aux points de franchissement

2. Le Logit Multinomial Universel de McFadden

Actes INRETS n110 17

sagissant de ce quon appela alors le Logit Universel 8 , on ne voyait aucune

18 Actes INRETS n110

complments est une question admissible dont les modlisateurs ne doivent

3. Le contexte : modle Logit et transformation Box-

et dont les fonctions dutilit reprsentative Vi sont dfinies par

Actes INRETS n110 19

Pour expliquer par exemple le choix modal de voyageurs, on inclut des

20 Actes INRETS n110

3.2. Logit Linaire Gnralis (G-LIN)

Si le mot standard signifie que (2) ne comprend, pour chaque alternative,

Vi = i 0 + ini X ni + inj X nj + is X s , (4)

dont nous ne discuterons pas en dtail les problmes vidents

3.3. Logit Box-Cox Standard (S-BC)

Actes INRETS n110 21

Dans le cas particulier dune fonction dutilit une seule variable

22 Actes INRETS n110

Figure 2. Logit Linaire vs Logit Box-Cox

Si donc on croit que le phnomne qui nous intresse (raction la vitesse

Tableau 1. Rendements constants ou variables dans un modle Logit Box-Cox

3.4. Logit Box-Cox Gnralis (G-BC)

Il est naturel dappliquer la mme ide aux variables de rseaux pour

Actes INRETS n110 23