Académique Documents
Professionnel Documents
Culture Documents
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.
www.ifsttar.fr
Modlisation du trafic
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
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
Ruth BERGEL-HAYAT
Une prsentation des modles agrgs de risque routier ................ 211
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
Cette tude est rdige en hommage Claude Abraham dont les travaux de
prcurseur sont mconnus lextrieur de la France
Marc Gaudry
9
Actes INRETS n110
Modlisation du trafic Actes du groupe de travail 2004-2005
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
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.
13
Actes INRETS n110
Modlisation du trafic Actes du groupe de travail 2004-2005
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.
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
Modlisation du trafic Actes du groupe de travail 2004-2005
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.
5
On prendra en compte les caractristiques des rabattements dextrmit pour expliquer lusage du
mode principal.
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).
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).
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.
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.
(Varv ) 1
, si 0,
( )
Varv (5)
ln (Var ) , si 0.
v
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
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.
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
i 0 + ini X ni ( in ) + inj X nj ( in ) + is X s( is )
i j
Vi = (8)
n n j i s
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 !
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:
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.
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.
pi X k
(p,X ) = (15-A)
t i k
X k pi
Xkt , pit , Xlt
= m
(15-B)
Xhk pi exp(Vm ) pi
m
Xkt , pit , Xlt
pi X k
(p,X ) = (16)
t i k
X k 1
Xkt , pit , Xlt
29
Nous rsumons les informations dtailles prsentes dans Setec conomie (2004).
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%.
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
NST9 : Machines,
vhicules, objets 20 321
1 101 combinable 21 422
manufacturs, etc.
Transport Intermodal
(Combin) Rail-Route
1 685 1 685
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.
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.
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.
0.048
0.046
P Intermodal
0.044
0.042
0.040
0.038
0.036
0 500 1000 1500 2000 2500 3000 3500
Distance Route (km )
30
29
28
V Intermodal (km/h)
27
26
25
24
23
22
21
0 500 1000 1500 2000 2500 3000 3500
Distance Route (km )
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.
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.
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)
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.
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).
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)
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
1-1 1-1
(pr, Pr) = {[1Pr (pr 1Pr )]Pr}pr ={1Pr 1(1 pr )]}pr . (17-B)
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
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.
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.
7.2 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
-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
0.40
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
Delta p Intermodal = (61 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
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
0 500 1000 1500 2000 2500 3000 3500
Distance Route (km )
0.40
Delta p Intermodal = (61 sim. - 58 sim.)
0.30
0.20
0.10
0.00
-0.10
-0.20
-0.30
-0.40
0 500 1000 1500 2000 2500 3000 3500
Distance Route (km )
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.
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.
et Y2 n = 20 + 2 k X kn( 2 k ) + u2 n (19.2)
k
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.
Y Y
Dn ( X qn ) = 2 n 1n X qn = 2 q X qn2 q 1q X qn1q , (21)
X
qn X qn
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)
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)
ii) Diffrence entre les lasticits-points des parts par rapport une
variable explicative prsente en i et j
pin p p
Din ( X qn ) = X qn = 2in 1in X qn . (30)
X qn X
qn X qn
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.
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.
0.80
p Route observ.
0.60
0.40
0.20
0.00
0 500 1000 1500 2000 2500 3000 3500
Distance Route (km )
1.00
0.80
p Train observ.
0.60
0.40
0.20
0.00
0 500 1000 1500 2000 2500 3000 3500
Distance Route (km )
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
Distance Route (km )
0.12
0.10
0.08
P Train
0.06
0.04
0.02
0.00
0 500 1000 1500 2000 2500 3000 3500
Distance Route (km )
70
60
50
V Route (km/h)
40
30
20
10
0
0 500 1000 1500 2000 2500 3000 3500
Distance Route (km )
31
30
29
28
V Train (km/h)
27
26
25
24
23
22
21
0 500 1000 1500 2000 2500 3000 3500
Distance Route (km )
=========================================================================
Partie I. Statistiques prsentes : Modle Identification de ce modle
-------------------------------------------------------------------------
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]
UNCOND.[T-STATISTIC=1]
=========================================================================
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
=========================================================================
70
Actes INRETS n110
Choix modal transpyrnen,ferroviaire, intermodal et routier
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
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)
f* = x Xx (1-pf*) (E-1)
et
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.
=========================================================================
-----------------------
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]
=========================================================================
III. GENERAL STATISTICS
=========================================================================
82
Actes INRETS n110
Choix modal transpyrnen,ferroviaire, intermodal et routier
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
(GE) (GE) (GE) (GE) (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
(GE) (GE) (GE) (GE) (GE)
0.70
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
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
Choix modal transpyrnen ferroviaire, intermodal et routier
C. Fer : diffrence entre les lasticits des modles
Box-Cox Standard 60 et Linaire 58
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
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
0.30
0.10
0.00
-0.10
-0.20
-0.30
-0.40
-0.50
0 500 1000 1500 2000 2500 3000 3500
Distance Route (km )
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
Distance Route (km )
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
Distance Route (km )
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
Distance Route (km )
Y2 n = 20 + 2 k X kn( 2 k ) + u2 n (0.2)
k
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).
Yn = 20 + 2 k X kn( 2 k ) 10 + 1k X kn( 1k ) (1)
k k
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
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
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
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
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
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 :
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 :
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
Notons que, pour le cas 1iq = 2iq = 0 , la remarque donne en (26) sur les
V1in et V2in sapplique ici.
exp V2 jn exp V1 jn
p jn = =0 (28)
expV
m
2 mn expV
m
1mn
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
( )
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.
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.
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 / )
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
pin p p
Din ( X iqn ) = X iqn = 2in 1in X iqn . (33)
X iqn X
iqn X iqn
(
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.
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
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
remarque donne en (26) sur les V1in et V2in sapplique ici.
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
remarque donne en (26) sur les V1in et V2in sapplique ici.
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
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.
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
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 :
(
o A1mn = exp V1mn V1in
) ne dpend pas de X qn .
2 mq
2 mq X qn 2 jq X qn2 jq
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
1+A1mn exp 1mq Xqn / 1mq 1iq Xqn / 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 :
pin A
2mn (
)(
exp 2mq Xqn2mq / 2mq 2iq Xqn2iq / 2iq 2mq Xqn2mq 2iq Xqn2iq
1 1
)
= mi
Xqn 2
mi
(
2mq 2iq
1+A2mn exp 2mq Xqn / 2mq 2iq Xqn / 2iq
)
(
1iq
1
) (
Xqn1iq exp 1iq Xqn1iq / 1iq ) A 1mn (51)
+ mi
2
= 0.
(
1iq
1+exp 1iq Xqn / 1iq )
mi
A1mn
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
o tous les termes sauf A1mn et A2 mn dpendent de X qn :
(
E1mn = exp 1mq X qn1mq / 1mq 1iq X qn1iq / 1iq
) (54)
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.
2 pin / X qn2 = 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 qn2 change de signe quand X qn
passe travers le point dinflexion.
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
A
2mn (
exp 2mq Xqn2mq / 2mq 2iq Xqn2iq / 2iq 2mq Xqn2mq 2iq Xqn2iq
)( )
Din ( Xqn ) = mi 2
mi
2mq
( 2iq
1+A2mn exp 2mq Xqn / 2mq 2iq Xqn / 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)
o tous les termes sauf A1mn et A2 mn dpendent de X qn :
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
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
(
)
o les termes H1mn , H1mn / X qn et B1in / C1in / X qn associs au modle
2
H1mn = A1mnE1mnH1mn
F1mn G1mn
H1mn = 2
B1in C1in
H1mn H1mn E1mn
= A1mn E1mn +H1mn
Xqn X Xqn
qn
Xqn
C1in E
=A1mn 1mn
Xqn mi Xqn (62)
E1mn
Xqn
( 1 1
= E1mn 1mqXqn1mq 1iq Xqn1iq )
G1mn 1 1
= 1mq1mq Xqn1mq 1iq1iqXqn1iq
Xqn
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
121
Actes INRETS n110
Modlisation du trafic Actes du groupe de travail 2004-2005
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
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.
( x, t ) q ( x, t )
+ =0 (1)
t x
q ( x, t ) = ( x, t ) .v ( x, t ) (2)
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
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.
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.
= 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 ).
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
fl = nl dydz
(8)
f r = nr dydz
f r nr
c= = (9)
fl nl
P = Pl Pr (10)
P
s= (11)
Pmax
dP + dF = . .a (12)
Avec :
P P P
dF = ( x + y+ z ). = P.
x y z ; (13)
dP = mg = . .g
g P. = . .a (14)
Do :
g P = .a (15)
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.
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
c , t 0
c= l (18)
cr , t>0
dv
+ rv 2 = sh (19)
dt
Avec :
m f 1
L= , cr = r , r =
fr fl cr L
(20)
Pr P
s= , h = max
Pmax L
Ql = vl fl
(21)
Qr = vr f r
Par consquent :
vl f l = vr f r = const (22)
v ( t ) = vrmth(t ) (23)
v ( ) = vrm ; v ( 0 ) = vl (24)
Pl Pr vr2 vl2
= (25)
2
Pr =
2
(v 2
r vl2 ) (26)
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.
2Pr
vrp ( t ) = th ( t ) (29)
(
1 cr2 )
Avec, v rp (t ) une solution particulire qui servira pour la rsolution de lquation
de Riccati.
v ( t ) vrp ( t ) = z 1 (30)
dz ( t )
+ X ( t ) z ( t ) = X1 ( t ) (31)
dt
X ( t ) dt
t t
X ( t ) dt
K + re 0
t
z (t ) = e 0
0 (32)
Avec :
X1 (t ) = X1 = r (33)
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
A A1
z ( t ) = ( ch ( t ) ) k
r
sh ( t ) ch ( t ) (38)
X (t )
r
k= = (39)
sh Pr cl
(1 cr2 ) 2
z (t ) = ch(t ) A 0.5th (t ) (40)
2Pr
( )
1 cr2 cl
1
2Pr 2
v(t ) = th(t ) + ch(t )
A
0.5th(t ) (41)
(
1 cr2 )
(
1 cr2 ) cl
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)
vl = v(t )t =0 = v rm a 1 (c r , cl ) (45)
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)
Q (t ) Q ( t )
= 1 (48)
Ql Ql
dQ ( t ) Pr f r2
+ rv (t )Q ( t ) = (49)
dt m
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.
1
I = rv
rm (51)
R = F ( t ) a 1 ( c , c )
r l
( )
e1 e4 = 0.5c 1 cr2 f r vrm (52)
Qk = Ql Q = Ql Ql + Q = Q (52)
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.
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]
0.95
0.9
0.85
dbit normalis
0.8
0.75
0.7
0.65
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.
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
Modlisation du trafic Actes du groupe de travail 2004-2005
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 :
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 .
1 3
4 2
A=
1
e 2
Le graphe associ A est :
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
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.
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.
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
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
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:
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 :
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)
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
P
P
J =
I
I
Figure 10. Les diagrammes fondamentaux des deux routes (sans et avec
priorit) dans un systme de deux routes avec un carrefour en commun.
(1), commande avec des feux : demi cycle rouge, demi cycle vert (3), sans
feux avec la priorit alterne (2))
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.
167
Actes INRETS n110
Rgulation de Vitesse sur A7 :
Calibrage d'un modle d'coulement
du trafic
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.
169
Actes INRETS n110
Modlisation du trafic Actes du groupe de travail 2004-2005
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.
Bollne
Boucle Pk. 155.4 (5)
Sens
du trafic Boucle Pk. 160.4 (4)
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).
q
qm
vm
kc km k
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.
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
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.
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
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%
45
40
35
30
20
15
Boucle Pk. 162.9 (3)
10
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%
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
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
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]
Q Q2
Q= K m - w... (13)
Km w.K m
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.
185
Actes INRETS n110
Modlisation du trafic Actes du groupe de travail 2004-2005
Abstract
Introduction
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.
Signal Plans
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,
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.
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.
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-
2.2 Southampton, UK
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
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
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.
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
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.
where q z (k) are the flow measurements. An average mean speed (MS) may
then be calculated as
MS = TTD/TTS. (7)
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).
% 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)
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 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.
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
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
Figure 8: Average FCD journey times on the major Bitterne route for
weekday 8 a.m.
Checkpoint No.
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.
Conclusions
Figure 9: Average FCD journey times for 3 routes and various start times
in Munich.
500
450
BALANCE
400
TUC
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
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
211
Actes INRETS n110
Modlisation du trafic Actes du groupe de travail 2004-2005
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
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
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.
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
modliser
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
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
Rgression vs ARIMA
A titre dexemple de modle de dcomposition tendance dterministe avec
variables explicatives, nous citerons Scott (1986) qui utilise dans un premier
log Yt = a + bt + St + LogX + X
i it
j
j jt + 1t + 22t + ut
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
LogFt = LogVt + t +
i
i it + t
t = t 1 + bt 1 +
j
j jt + t
t = t 1 +
k
k kt +t
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
D = c(MP 2 )1 / 3
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.
( ) 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
Vt 1
Vt Vt( ) = si 0
Vt( 0) = Log Vt
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.