Simulation en temps-réel pour l’exploitation des trafics urbains

Présentation au sujet: "Simulation en temps-réel pour l’exploitation des trafics urbains"— Transcription de la présentation:

1 Simulation en temps-réel pour l’exploitation des trafics urbains

2 Pourquoi la régulation de trafic est un outil majeur de la mobilité urbaine ?
Plus de voitures qui entrent chaque jour dans l’agglomération lyonnaise, mais des marges de manœuvre : Taux d’occupation de la voiture pour les trajets domiciles / travail = 1 : les réserves de capacité de la voiture (partagée) sont très importantes. Un trafic automobile qui augmente pour accéder à l’agglomération, alors qu’il a baissé dans l’hypercentre (-22% en 10 ans) Une évolution des véhicules avec des voitures hybrides, électrique et à 2l/100km annoncée en petites citadines dés 2020 par tous les constructeurs, à 0g de CO2 en urbain : non polluante avec une baisse du cout d’usage par deux soit ~ 8 ct/km (soit quasi équivalent au prix des TCL en abonnement déduction faite de la participation employeur) … mais toujours 10 m2 au sol Des lignes fortes de TC saturées en heure de pointe, des difficultés certaines à desservir de manière efficiente les zones moins denses et au delà du périmètre de la métropole Une forte tension sur les budgets publics, une faible marge et compétitivité des entreprises françaises, ce qui fragilise le modèle économique des TC (Usagers + Versement Transport + subvention Métropole de Lyon)  Face à ces enjeux, la régulation du trafic routier est centrale dans les politiques de mobilité

3 Supervision des équipements
Le PC de régulation de l’agglomération Lyonnaise Commande de Régulation et d'Information des Trafics et de Gestion des Événements Routier Trafic routier TC Vélo 1600 Contrôleur de feux 1300 Capteurs 128 Bornes d’accès 300 Caméras 568 km FCD Informations Supervision des équipements Gestion trafic PC CORALY PC TRAM et BUS PC Tunnel SITG

4 Modèles économiques des opérateurs de services
OptiCities, un projet européen… Appel à projet lancé par la Commission Européenne Durée de 3 ans (démarrage au 1er novembre 2013 fin de l’expérimentation début 2017) Budget de 13M€ dont 9M€ financé par la CE 25 partenaires issus de 8 États membres de l’UE 6 villes pour les terrains de jeux des industriels et des fournisseurs de services (dont SPIE) pour la mise en œuvre des institutions (dont des universités) pour la normalisation, l’expérimentation et l’évaluation Grand Lyon, instigateur et pilote du projet SPIE, partenaire du Grand Lyon et fournisseur du PC CRITER Contact : Politiques publiques Besoin des particuliers Modèles économiques des opérateurs de services

5 Outils d’optimisation et d’aide à la décision dans la régulation trafic
Objectifs : Être proactif sur la régulation du trafic en se dotant d’un outil d’optimisation et d’aide à la décision dans la régulation trafic Obtenir des informations trafic sur des zones dépourvues de capteur; Simuler en temps réel, et sur demande, différents scénarios de régulation de trafic; Comment ? Prédire l’état du trafic sur l’heure suivante (+18’, +36’ et +54’) Simuler jusqu’à 4 stratégies de régulation (situation actuelle + 3 stratégies) Faciliter le choix d’une stratégie à mettre en place en fonction d’indicateurs  Intégrer la prédiction de trafic dans le système de gestion de trafic du Grand Lyon

6 Création d’un model mésoscopique
Couverture de la zone 60km2, habitants Modélisation du réseau 1 360 km de route, sections 7 300 intersections, 700 centroïdes véh/h à l’heure de pointe Comptages (directionnels et 450 capteurs) Fonctionnement des feux (plans de feux, calendrier) Réseau routier (nombre de voie, mouvements autorisés) Matrices Origines/Destination de MODELY Limites Micro régulation (dont priorité TC ) et anti-saturation non prises en compte Seul les axes majeurs possèdent des points de mesure (dispersions) Seul les débits sont intégrés et ont permis de caler le model Taux d’occupation non exploité : Les exploitants travaillent le plus souvent avec le taux d’occupation. Les cartographiques temps réelle et prévisionnelle sont basées sur le taux d’occupation.

7 Fonctionnalités Simulation Auto (18’) État du trafic (traficolor)
Alertes: Taux Débit Vitesse Densité Simulation de stratégies (1+3): Test de plan de feux Indicateurs Fluidité globale : « garantir sur les axes structurants » Congestion dynamique : « répondre à la demande » Respect de la hiérarchie du réseau : « préserver les zones apaisées » Confort pour les piétons : « indicateur multimodal » Nombre d’alerte inhibée. Déploiement

8 Bilan Faire adhérer le opérateurs au nouvel outil :
Manque d’effectif et de temps disponible (surtout en HP) Manque de confiance dans l’outil : Bogues au début de l’expérimentation; Prévision de trafic peut fiable Variété des plans de feux limitée Plan unique ou semblables (quelques secondes de vert de différence sans impactes); Qualité des prévisions de trafic faible La difficulté du modèle à prendre en compte l’ensemble du contexte d’une zone intra-urbaine (très différente de la modélisation d’axes de types Autoroutiers ou VSA) : Impact des travaux, stationnement en double file ; Impacte des perturbations difficilement modélisable (double file, chantiers, accidents) Non prise en compte des anti-saturations et de la micro-régulation ; Congestions non remontées par les données temps réel (voiries sans points de mesure). Vérifier la qualité des simulations à 1h : Oblige de ne pas changer le fonctionnement des feux pendant cette heure

9 Confronter l’ensemble des coûts avec les apports de l’outils
Bilan Cout : La ville évolue très vite (mouvements autorisés, nombre de voie, sens de circulation, …) Maintenir à jour un modèle méso afin de garantir la qualité des simulations à un coût humain (postes d’ingénieur temps plein) non négligeable. A cela s’ajoute le coût de l’outil et de la licence Confronter l’ensemble des coûts avec les apports de l’outils Améliorations : Définir des plans de feux variés afin de construire des stratégies de régulation pertinentes; Ajouter des postes de mesure pour que le modèle soit mieux informé des perturbations; Intégrer le taux d’occupation (et vitesse, TdP FCD) dans le model en complément du débit; Outils d’import automatique et de validation des modifications du réseau : Routes, carrefours, fonctionnement des feux, point de mesure, … Autres idées d’usage du modèle : Validation de dossier carrefour dans le model avant déploiement sur le terrain : Réduire les déplacements et le risque de mis en place de mauvais dossier. Tester l'efficacité d’une onde verte. Vitesse réel de l’onde verte Détecter la monté en charge d’un axe pour changer le fonctionnement d’une onde verte Régime fluide : mise au vert d’amont en aval Régime chargé: mise au vert d’aval en amont

10 Merci pour votre attention