Modélisation des transports

Cinzia Cirillo, Eric Cornelis & Philippe TOINT

D.E.S. interuniversitaire en gestion des transports

Estimation de la demande
1. Données
2. Méthodes d’ accroissement
3. Modèles gravitaires
4. Modèles entropiques
5. Gravité et entropie
6. Méthodes basées sur les comptages
7. Modèle combiné

Cours CIEM 2005 – p. 2

Estimation de la demande
Données
Méthodes d’accroissement
Modèles gravitaires
Modèles entropiques
Gravité et entropie
Méthodes basées sur les comptages
Modèle combiné

Cours CIEM 2005 – p. 3

Matrices O-D
j

i - n

n voyages de i à j
Cours CIEM 2005 – p. 4
Besoins en données
Deux ensembles de méthodes :
celles qui nécessitent une phase de génération
celles qui utilisent des comptages

Cours CIEM 2005 – p. 5

Phase de génération
Les modèles utilisent des données
géographiques,
économiques,
sociologiques,
démographiques,
etc...
et donnent
les déplacements partant de chaque zone : Oi
les déplacements arrivant dans chaque zone : Dj

Cours CIEM 2005 – p. 6

Estimation de la demande
Données
Méthodes d’accroissement
Modèles gravitaires
Modèles entropiques
Gravité et entropie
Méthodes basées sur les comptages
Modèle combiné

Cours CIEM 2005 – p. 7

Méthodes d’accroissement
Méthodes simplement contraintes
But : calculer une matrice OD T
Données :
une matrice a priori (étude antérieure) t
déplacements partant de chaque zone Oi
Contrainte : X
Tij = Oi
j

on définit
Oi Oi
τi = P =
j tij oi
et on a
Tij = τi tij
Cours CIEM 2005 – p. 8
Méthodes d’accroissement (suite)
Méthodes doublement contraintes
But : calculer une matrice OD T
Données :
une matrice a priori (étude antérieure) t
déplacements partant de chaque zone Oi
déplacements arrivant en chaque zone Dj
Contraintes : X
Tij = Oi
j
X
Tij = Dj
i

Cours CIEM 2005 – p. 9

Méthodes d’accroissement (fin)
Méthode de Furness
Tij = tij Ai τi Bj Γj
soit, en posant ai = Ai τi et bj = Bj Γj
Tij = tij ai bj
Ai et Bj appelés facteurs de balancement

Cours CIEM 2005 – p. 10

Méthode de Furness (suite)
Les contraintes à l’origine donnent :
X X
Oi = Tij = tij ai bj ∀i
j j

et donc
Oi
ai = X ∀i
tij bj
j

de même les contraintes à la destination donnent

Dj
bj = X ∀j
tij ai
i
Cours CIEM 2005 – p. 11
Méthode de Furness (algorithme)
Phase 0 :
Tij0 ← tij ∀ij

k←0
Phase 1 :
Oi
Tijk+1 ← k
Tij X ∀ij
Tijk
j

k ←k+1
les contraintes à l’origine sont vérifiées

Cours CIEM 2005 – p. 12

Méthode de Furness (algorithme–suite)
Phase 2 :
k Dj
Tijk+1 ← Tij X ∀ij
Tijk
i

k ←k+1
les contraintes à l’origine sont vérifiées
Phase 3 :
test d’arrêt
si le test n’est pas vérifié, recommencez à la phase 1
méthode bi-proportionnelle

Cours CIEM 2005 – p. 13

Méthode de Furness (exemple)
P
j=1 j=2 j=3 Tij Oi
j
i=1 0.0 6.0 5.0 11.0 15.0
i=2 12.0 0.0 4.0 16.0 20.0
i=3 8.0 10.0 0.0 18.0 13.0
i Tij 20.0 16.0 9.0 45.0
P

Dj 30.0 8.0 10.0 48.0

Cours CIEM 2005 – p. 14

Méthode de Furness (exemple)
P
j=1 j=2 j=3 Tij Oi
j
i=1 0.0 6.0 5.0 11.0 15.0
i=2 12.0 0.0 4.0 16.0 20.0
i=3 8.0 10.0 0.0 18.0 13.0
i Tij 20.0 16.0 9.0 45.0
P

Dj 30.0 8.0 10.0 48.0

P
j=1 j=2 j=3 j Tij Oi
i=1 0.0 8.2 6.8 15.0 15.0
i=2 15.0 0 5.0 20.0 20.0
i=3 5.8 7.2 0.0 13.0 13.0
i Tij 20.8 15.4 11.8 48.0
P

Dj 30.0 8.0 10.0

Cours CIEM 2005 – p. 14
48.0
Méthode de Furness (exemple – suite)
P
j=1 j=2 j=3 Tij Oi
j
i=1 0.0 8.2 6.8 15.0 15.0
i=2 15.0 0.0 5.0 20.0 20.0
i=3 5.8 7.2 0.0 13.0 13.0
i Tij 20.8 15.4 11.8 48.0
P

Dj 30.0 8.0 10.0 48.0

Cours CIEM 2005 – p. 15

Méthode de Furness (exemple – suite)
P
j=1 j=2 j=3 jTij Oi
i=1 0.0 8.2 6.8 15.0 15.0
i=2 15.0 0.0 5.0 20.0 20.0
i=3 5.8 7.2 0.0 13.0 13.0
i Tij 20.8 15.4 11.8 48.0
P

Dj 30.0 8.0 10.0 48.0

P
j=1 j=2 j=3 jTij Oi
i=1 0.0 4.3 5.8 10.1 15.0
i=2 21.6 0.0 4.2 25.8 20.0
i=3 8.4 3.7 0.0 12.1 13.0
i Tij 30.0 8.0 10.0 48.0
P

Dj 30.0 8.0 10.0

Cours CIEM 2005 – p. 15
48.0
Méthode de Furness : avantages
facile à utiliser et à comprendrer
résultats interprétables
utilisation directe des observations et des données

Cours CIEM 2005 – p. 16

Estimation de la demande
Données
Méthodes d’accroissement
Modèles gravitaires
Modèles entropiques
Gravité et entropie
Méthodes basées sur les comptages
Modèle combiné

Cours CIEM 2005 – p. 18

Modèles gravitaires
But : calculer une matrice OD T
Données :
déplacements partant de chaque zone Oi
déplacements arrivant en chaque zone Dj
coûts entre les noeuds cij
Contraintes : X
Tij = Oi
j
X
Tij = Dj
i

Cours CIEM 2005 – p. 19

Modèles gravitaires (suite)
Souvenez-vous de la pomme de Newton !
Oi D j
Tij = α 2
cij
Généralisation :
Tij = αOi Dj f (cij )
f est la fonction de dissuasion
f (cij ) = cηij
f (cij ) = e−βcij
f (cij ) = cηij e−βcij
f (cij ) = angle
où η et β sont des paramètres de calibration
Cours CIEM 2005 – p. 20
Modèles gravitaires avec
contraintes
Contraintes : P
j Tij = Oi
P
i Tij = Dj

Idée : α = Ai Bj
X X
Tij = Ai Oi Bj Dj f (cij ) = Oi
j j

alors X
Ai = 1/ Bj Dj f (cij )
j

De la même façon
X
Bj = 1/ Ai Oi f (cij )
Cours CIEM 2005 – p. 21
i
Modèles gravitaires (algorithme)
Phase 0 : initialisation
bj ← 1 ∀j
Phase 1 : calcul des Ai
X
Ai ← 1/ Bj Dj f (cij )
j

Phase 2 : calcul des Bj

X
Bj ← 1/ Ai Oi f (cij )
i

Phase 3 : test d’arrêt

si le test n’est pas vérifié, retour à la phase 1
Cours CIEM 2005 – p. 22
Modèles gravitaires : Avantages
réseau (partiellement) pris en compte
résultats interprétables (loi physique)
adaptable, grâce aux paramètres de calibration

Cours CIEM 2005 – p. 23

Modèles gravitaires : Inconvé-
nients
tous les usagers subissent exactement le même
coût
les coûts doivent être connus a priori

Cours CIEM 2005 – p. 24

Estimation de la demande
Données
Méthodes d’accroissement
Modèles gravitaires
Modèles entropiques
Gravité et entropie
Méthodes basées sur les comptages
Modèle combiné

Cours CIEM 2005 – p. 25

Modèles entropiques
But : calculer une matrice OD T
Données :
déplacements partant de chaque zone Oi
déplacements arrivant en chaque zone Dj
Contraintes : X
Tij = Oi
j
X
Tij = Dj
i

Cours CIEM 2005 – p. 26

Modèles entropiques (suite)
Niveaux de description :
détaillé : chaque trajet est décrit
intermédiaire : matrice OD
agrégé : nombre total de trajets
1 matrice OD = bcp de descriptions détaillées
Plus il y a de descriptions détaillées, plus la matrice
est vraisemblable

Cours CIEM 2005 – p. 27

Modèles entropiques (suite)
P
( ij Tij )!
max E(T ) = Q
T ij Tij !

sous contraintes
P
j Tij = Oi
P
i Tij = Dj
Tij ≥ 0

E(T ) est la fonction d’entropie

Cours CIEM 2005 – p. 28

Modèles entropiques (suite)
max E(t) ⇐⇒ max E 0 (T ) = log E(T )

0
P P
E (T ) = log( ij Tij )! − ij log Tij !
P P
= log( ij Tij )! − ij (Tij log Tij − Tij )
Formule de Stirling : log x! ≈ x log x − x

max E 0 (T )

00
P
max E (T ) = − ij (Tij
Cours CIEM 2005 – p. 29
log Tij − Tij )
Modèles entropiques (fin)
Avantages :
formulation mathématique
résultats interprétables
besoin de peu de données
Inconvénients :
pas d’utilisation d’infos sur le réseau
pas de paramètre de calibration

Cours CIEM 2005 – p. 30

Estimation de la demande
Données
Méthodes d’accroissement
Modèles gravitaires
Modèles entropiques
Gravité et entropie
Méthodes basées sur les comptages
Modèle combiné

Cours CIEM 2005 – p. 31

Gravité et entropie
Ajout d’une contrainte au modèle entropique
X
max E 00 (T ) = − (Tij log Tij − Tij )
T
ij

sous contraintes X
Tij = Oi
j

X
Tij = Dj
i

Tij ≥ 0
X
Tij cij = C
Cours CIEM 2005 – p. 32
Gravité et entropie (suite)
formulation Lagrangienne :
X
L = − (Tij log Tij − Tij )
ij " #
X X
+ αi0 Oi − Tij
i " j #
X X
+ αj00 Dj − Tij
j" i #
X
+ β C− Tij cij
ij

Cours CIEM 2005 – p. 33

Gravité et entropie (suite)
Conditions du 1er ordre :
∂L/∂Tij = 0
− log Tij − αi0 − αj00 − βcij = 0

d’où
−αi0 −αj00 −βcij
Tij = e e e

Cours CIEM 2005 – p. 34

Gravité et entropie (fin)
−αi0 −αj00 −βcij
Tij = e e e
Posons
−αi0
Ai O i = e
−αj00
Bj D j = e
nous obtenons le modèle gravitaire

Tij = Ai Oi Bj Dj e−βcij

Cours CIEM 2005 – p. 35

Estimation de la demande
Données
Méthodes d’accroissement
Modèles gravitaires
Modèles entropiques
Gravité et entropie
Méthodes basées sur les comptages
Modèle combiné

Cours CIEM 2005 – p. 36

Méthodes basées sur les comp-
tages
But : calculer une matrice OD T
Données :
comptages sur certains arcs Va
proportion de trajets entre i et j qui passent par
l’arc a paij
Rem : Avec un modèle tout-ou-rien
paij = 1 si l’arc a est dans le plus court chemin entre i
et j

Cours CIEM 2005 – p. 37

Méthodes basées sur les comp-
tages (suite)
Relation
Pfondamentale
Va = ij paij Tij
où
Tij est un élément de la matrice OD
paij est la proportion de trajets entre i et j qui
passent par l’arc a
Va est le flot observé (compté) sur l’arc a
Hypothèse : paij sont indépendants des flots
Problème : résoudre m équations avec n(n − 1)
inconnues
Tij ← tij × XVaa
pij tij
ij
Cours CIEM 2005 – p. 38
Méthodes basées sur les comp-
tages (fin)
Dépendance des équations : lois de Kirchoff
X X
Vlm = Vmk
l k

Deux problèmes :
Données inconsistantes
Système sous-déterminé

Cours CIEM 2005 – p. 39

Données inconsistantes
rendre les données cohérentes :
utiliser seulement les données les plus cohérentes
au vu des comptages
traiter l’inconsistance comme faisant partie des
données :
utilisation de programme stochastique pour traiter
les erreurs dans les comptages

Cours CIEM 2005 – p. 40

Système sous-déterminé
moindres carrés généralisés
modèle gravitaire
minimisation de l’information
maximisation de l’entropie

Cours CIEM 2005 – p. 41

Méthodes basées sur les comp-
tages : Avantages
pas besoin de phase de génération
collecte des données pas trop chère
plus de précision dans les comptages que dans les
enquêtes socio-économiques

Cours CIEM 2005 – p. 42

Méthodes basées sur les comp-
tages : Inconvénients
pas d’extrapolation possible
résultats difficiles à interpréter

Cours CIEM 2005 – p. 43

Estimation de la demande
Données
Méthodes d’accroissement
Modèles gravitaires
Modèles entropiques
Gravité et entropie
Méthodes basées sur les comptages
Modèle combiné

Cours CIEM 2005 – p. 44

Modèle combiné
Utilité
vij = Vij + εij
où
vij est l’utilité de se déplacer de i à j
Vij est l’utilité “observée”
εij est l’utilité aléatoire

Cours CIEM 2005 – p. 45

Modèle combiné (suite)
Utilité observée :
X
Vij = −θcij + θω gω (Aωj )
ω

où
cij est le coût perçu
Aωj sont des donnés socio-économiques
d’attractivité
gω (Aωj ) est l’attractivité socio-économique
θ,θω sont des paramètres

Cours CIEM 2005 – p. 46

Modèle combiné (suite)
Accessibilité
L’accessibilité est l’espérance de l’utilité maximale
Si = E[max vij ]
j

Cours CIEM 2005 – p. 47

Modèle combiné (suite)
Étape de génération
X
Oi = αSi + αl fl (Eli )
l

où
Oi est le nombre de trajets partant de i
Eli sont des variables socio-économiques
fl (Eli ) décrit la façon dont les variables
socio-économiques influencent la génération de
trajets à partir de i
α, αl sont des paramètres

Cours CIEM 2005 – p. 48

Modèle combiné (suite)
Étape de distribution
Tij = Oi Pij
où
Pij = Pr[vij ≥ vik ∀k]
Modèle Logit :

e−θuij +Aj
Tij = Oi P −θu +A
k e ik k

Cours CIEM 2005 – p. 49

Modèle combiné (suite)
Choix modal et assignation
Hypothèses :
le mode et le chemin sont choisis de manière à
minimiser le coût perçu
les effets de la congestion sont pris en compte

Cours CIEM 2005 – p. 50

Modèle combiné (suite)
Équilibre de Wardrop :

if Hp > 0

X = uij
Cp = δap Ca (Fa )
> uij if Hp = 0
a

où
Cp est le coût perçu sur le chemin p entre i et j
Ca (Fa ) est le coût de déplacement perçu sur l’arc a
Hp est le flot sur le chemin p
δap = 1 si l’arc a est dans le chemin p

Cours CIEM 2005 – p. 51

Modèle combiné (suite)
Programme mathématique équivalent
min Z(S, T, H) = J(s) + Ψ(T ) + Φ(H)
sous les contraintes
P
j Tij = αSi + Ei ∀i
P
p Hp = Tij ∀ij
Si ≥ 0 ∀i
Tij ≥ 0 ∀ij
Hp ≥ 0 ∀p

Cours CIEM 2005 – p. 52

Modèle combiné (suite)
avec
1
P α 2
J(s) = θ i∈I 2
S i + αSi

−(αSi + Ei ) log(αSi + Ei )]

1
P
Ψ(T ) = θ ij [Tij log Tij − Aj Tij − Tij ]

XZ Fa
Φ(H) = Ca (ω) dω
a 0

P
Fa = p δap Hp

Cours CIEM 2005 – p. 53

Modèle combiné (fin)
Avantages :
modèle simultané
les effets de la congestion sont pris en compte
un programme mathématique équivalent est
disponible
Inconvénients :
Pas de définition claire des variables
socio-économiques
Pas d’interprétation possible
Beaucoup de paramètres à estimer

Cours CIEM 2005 – p. 54

Conclusion
Essentiellement deux types de modèles :
ceux utilisant la phase de génération :
pour l’étude de grandes zones
pour calculer l’impact de modifications dans la
demande
celles utilisant les comptages
pour des études locales (carrefours)
quand les données socio-économiques ne sont
pas disponibles

Cours CIEM 2005 – p. 55