Formation des embouteillages - Modélisation et partage d’information par systèmes intelligents

Dans un environnement où la voiture reste le moyen de déplacement privilégié et face au besoin renouvelé de mobilité, la compréhension de la congestion routière est devenue un enjeu majeur pour les sociétés modernes en termes de perte de productivité, de perte de temps, d’émissions de gaz à effet de serre et d’autres externalités négatives.

Les embouteillages ont de nombreuses conséquences économiques, sociales, logistiques, sanitaires et écologiques. En août 2010, un embouteillage à Pékin d’une centaine de kilomètres dura 12 jours, provoqué par les camions apportant le matériel pour les travaux de l’autoroute G110. Une étude de l’institut de recherche Centre for Economics and Business Research et d’Inrix, une société d’info-trafic américaine, publiée mardi 17 décembre 2013, montre que les embouteillages coûtent 5,9 milliards d’euros à l’économie française, tous les ans (référence : https://cebr.com/reports/the-future-economic-and-environmental-costs-of-gridlock/). Les coûts directs de la congestion (valeur du carburant et du temps perdu) pour l’ensemble des ménages parisiens devraient passer de 6,2 milliards à 10 milliards de dollars entre 2013 et 2030 (CEBR, 2014). En plus de réduire la vitesse de circulation, un embouteillage est une source importante de pollution de l’air.

L’efficience des infrastructures et des systèmes de transports d’un pays est un paramètre majeur dans son économie. Sur cet échiquier, le mode routier conserve une part prépondérante. Depuis les Trente Glorieuses, avec l’intensification des échanges, motif de déplacement, et la multiplication du nombre de véhicules, vecteur de déplacement, les infrastructures ont toujours dû être adaptées au volume de circulation. Cette politique d’expansion des réseaux n’est aujourd’hui plus tenable économiquement et n’est plus acceptable socialement. En effet, dans un environnement global contraint, la prise de conscience collective des impacts négatifs d’un tel fonctionnement conduit à changer de paradigme. L’usage des infrastructures aujourd’hui congestionnées doit donc être optimisée afin d’apporter aux usagers un niveau de service accru.

L’apparition de la congestion est un phénomène qui est étudié depuis plus d’une cinquantaine d’années et les mécanismes en jeu sur les sections homogènes sont relativement bien compris. Cela est un peu moins vrai concernant l’approche globale d’un réseau composé de sections homogènes mais aussi de discontinuités. Ce qui est également moins compris, est de savoir comment intervenir efficacement sur ce système afin d’en tirer un fonctionnement optimal. Il faut toutefois nuancer les ambitions car en réalité, l’idée d’un trafic fluide n’existe pas en soi. La fluidification du trafic conduit à modifier les choix des agents qui, à terme, peut créer une situation de congestion. Un problème qui s’apparente au paradoxe de Jevons ou « effet rebond ».

Les coûts directs de la congestion (valeur du carburant et du temps perdu) pour l’ensemble des ménages parisiens devraient passer de 6,2 milliards à 10 milliards de dollars entre 2013 et 2030 (CEBR, 2014).

L’objectif de l’article est de mettre en évidence des méthodes qui permettent de réaliser des prédictions de congestion, l’une par la modélisation physique et l’autre par l’échange « temps réel » d’informations du trafic via des systèmes communiquant. Ces méthodes sont complémentaires et permettent une nouvelle gestion de l’état d’un trafic routier. Il est possible de concevoir des outils d’aide à la décision utilisés par les collectivités locales pour penser l’organisation du trafic. D’autre part, dans le cadre du développement et de l’essor de la voiture autonome, ces outils vont avoir un grand rôle à jouer, en attendant et en complément du perfectionnement des algorithmes d’intelligence artificielle. Le futur économique et logistique de la voiture autonome en dépend fortement.