Test d’un modèle d’affectation des transports collectif

ou juste avant la balise de fermeture -->

 

 

 CD ROM Annuaire d'Entreprises France prospect (avec ou sans emails) : REMISE DE 10 % Avec le code réduction AUDEN872

10% de réduction sur vos envois d'emailing --> CLIQUEZ ICI

Retour à l'accueil, cliquez ici

ou juste avant la balise de fermeture -->

Ecole Hassania des Travaux Publics 2005-2006 Projet de Fin de Formation Master Gestion et Exploitation des Systèmes de Transport Mounia SKALLI Elève Ingénieur en 3 ème année Génie Civil Test d’un modèle d’affectation des transports collectifs Elaboration du réseau des transports collectifs lyonnais sous DaVISUM sur la base de données disponibles, et comparaison des résultats d’affectation issus de cette approche avec ceux de TERESE. Projet réalisé au sein du Laboratoire d’Economie des Transports à Lyon - France Du 21 Juillet 2006 au 10 Janvier 2007 Encadrant interne : M. Mostafa ELHAMLY Encadrant externe : M. Patrick BONNELI « Nous croyons que le transport, au cœur de l’économie et de la vie quotidienne des citoyens, peut satisfaire les exigences de la protection de l’environnement tout en contribuant au bien-être des populations, et cela par combinaison appropriée de politiques ». Rapport sur l’environnement, Association Mondiale de la Route, 2004. II Remerciements A mes chers parents à qui je dois la vie. A mon encadrant externe Monsieur Patrick BONNEL, grâce à qui j’ai pu approfondir mes connaissances en matière de modélisation de la demande de déplacement, et qui n’a épargné aucun effort pour faire réussir ce travail. J’ai été très honorée de travailler avec une telle personne. A mon encadrant interne Monsieur Mostafa EL HAMLY d’abord parce que c’est grâce à lui que j’ai aimé la modélisation et donc j’ai choisi ce stage, et puis pour son suivi et son soutien tout au long des six mois de travail. A ma famille qui m’a toujours encouragé et soutenu. A mes amis avec lesquels j’ai eu le plaisir de partager ma vie estudiantine. A tous mes enseignant qui m’ont prodigués leur savoir et conseils. A tous ceux qui m’ont aidé dans l’élaboration de ce travail, notamment Messieurs Sylvain BAUGE et Christian DE CARVALHO de Kéolis Lyon, Messieurs Fabrice MARCHAL, Jean Pierre NICOLAS et David CAUBEL du Laboratoire d’Economie des Transports, Monsieur Emmanuel BERNE de l’Ecole Nationale des Travaux Publics de l’Etat, Madame Florence PRYBYLA et Messieurs Frederic ORVAIN, Frederic REUTENAUER et Mathias LENZ de PTV France. A toute personne ayant participé de proche ou de loin au bon déroulement de ce travail. III NOTICE ANALYTIQUE NOM PRENOM COORDONNEES AUTEUR SKALLI Mounia Mounia.skalli@gmail.com + 212 65 20 26 83 TITRE DU TFE Test d’un Modèle d’Affectation des Transports Collectifs ORGANISME D'AFFILIATION ET LOCALISATION NOM PRENOM ENCADRANT EXTERNE LET - ENTPE Patrick BONNEL ENCADRANT INTERNE EHTP Mostafa EL HAMLY COLLATION Nombre de pages du rapport 81 Nombre de pages d'annexes 5 Nombre de références bibliographiques 23 MOTS CLES Modélisation de la demande de déplacement, affectation, réseaux des transports en commun TERMES GEOGRAPHIQUES Aire urbaine lyonnaise IV RESUME Mon projet de fin de formation s’inscrit dans le cadre du projet SIMBAD (Simuler les MoBilités pour une Agglomération Durable), développé au sein du Laboratoire d’Economie des Transports. C’est un modèle prospectif qui rend compte des enjeux environnementaux, économiques et sociaux des déplacements de personnes et de marchandises, réalisés au sein de l’aire urbaine lyonnaise. L’objectif étant de pouvoir simuler, en partenariat avec des acteurs publics du grand Lyon, différents scénarios de politiques de transport et d’urbanisme, et de tester leurs impacts de manière simultanée dans ces trois dimensions. SIMBAD se divise en plusieurs modules interagissant entre eux : localisation des activités économiques, localisations résidentielles, génération de la demande de transport de passagers, génération de la demande de transport de marchandises et affectation des déplacements sur les réseaux routiers et de transport collectif. Mon intervention dans ce grand projet prend lieu dans la phase du développement du module « Affectation des Transports Collectifs ». Le LET souhaite utiliser des données théoriquement disponibles, c’est-à-dire des données non confidentielles, pour codifier le réseau des transports collectifs, sans avoir à réaliser une lourde étape de calage du réseau qui nécessite d'avoir des données fines en matière d'usage des transports collectifs qui ne sont pas toujours facilement accessibles. J’ai été amenée à tester cette approche sous le logiciel DaVISUM sur la base d’une comparaison avec les résultats d’un modèle conventionnel qui est le modèle TERESE. Après avoir reconstitué le réseau de transport en commun Lyonnais de 2001 en partant des données de 2006, je l’ai codifié sous DaVISUM, j’ai codifié le zonage de Lyon et la matrice de la demande de déplacement en heure de pointe du soir d’un jour normal, et j’ai réalisé plusieurs procédure d’affectation sous DaVISUM, en changeant à chaque fois les coefficients des termes du temps généralisé. Les résultats m’ont amené à modifier le temps de parcours des connecteurs, en fonction du mode qu’on désire utiliser. J’ai refait le même processus en tenant compte du changement réalisé, les derniers résultats trouvés ont montré que je suis sur la bonne voie et m’ont conduit vers des pistes d’amélioration de mon travail. V TABLE DES MATIERES REMERCIEMENTS ............................................................................................................... II NOTICE ANALYTIQUE ..................................................................................................... III RESUME ................................................................................................................................. IV TABLE DES MATIERES ...................................................................................................... V LISTE DES TABLEAUX ................................................................................................... VIII LISTE DES FIGURES ........................................................................................................ VIII LISTE DES ABREVIATIONS ............................................................................................. IX INTRODUCTION .................................................................................................................... 1 I. CADRE ET CONTEXTE DU TRAVAIL ...................................................................... 3 I.1 UNITE DE TRAVAIL ............................................................................................... 3 I.2 LE RESEAU DES TRANSPORTS EN COMMUN A LYON ................................... 4 I.2.1 Description ............................................................................................................. 4 I.2.2 Organisation et exploitation ................................................................................... 4 I.3 PROJET SIMBAD ..................................................................................................... 5 I.3.1 Présentation et objectifs du projet ......................................................................... 5 I.3.2 Démarche prospective de SIMBAD ........................................................................ 6 I.3.3 Formalisation des scénarios prospectifs ................................................................ 7 I.3.3.1 Délimitation du système modélisé ................................................................................ 7 I.3.3.2 Sélection et attribution du statut des variables clés ....................................................... 9 I.3.3.3 Scénarios retenus ......................................................................................................... 11 I.3.4 Architecture du projet .......................................................................................... 12 II. BASES THEORIQUES DES MODELES DE TRANSPORT ................................... 14 II.1 PERIMETRE D’ETUDE ET DEFINITION DU ZONAGE ..................................... 14 II.1.1 Périmètre d’étude ................................................................................................. 14 II.1.2 Définition du zonage ............................................................................................ 15 II.2 ETAPES DES MODELES A QUATRE ETAPES ................................................... 16 II.2.1 Génération ............................................................................................................ 16 II.2.2 Distribution .......................................................................................................... 18VI II.2.3 Répartition modale ............................................................................................... 18 II.2.4 Affectation ............................................................................................................ 19 II.2.4.1 Temps généralisé ......................................................................................................... 21 II.2.4.2 Classification des modèles d’affectation ..................................................................... 23 II.3 OPERATIONNALITE ET PROBLEMATIQUE DES MODELES ........................ 27 II.3.1 Opérationnalité des modèles ................................................................................ 27 II.3.1.1 Pertinence .................................................................................................................... 27 II.3.1.2 Cohérence .................................................................................................................... 27 II.3.1.3 Mesurabilité ................................................................................................................. 28 II.3.2 Problématique des modèles .................................................................................. 29 III. DONNEES DE BASE, CODIFICATION ET APPLICATION DU LOGICIEL ..... 32 III.1 DONNEES DE BASE .............................................................................................. 32 III.1.1 Zonage .................................................................................................................. 32 III.1.2 Réseau de transport .............................................................................................. 33 III.1.3 Matrice Origine-Destination ................................................................................ 36 III.2 CODIFICATION SOUS DAVISUM ....................................................................... 37 III.2.1 Eléments de la codification du réseau sous DaVISUM ........................................ 37 III.2.2 Démarche suivie ................................................................................................... 45 III.3 REALISATION DE L’AFFECTATION SOUS DAVISUM ................................... 46 III.3.1 Les procédures d’affectation sous DaVISUM ...................................................... 46 III.3.2 Affectation selon la cadence ................................................................................. 47 III.3.2.1Détermination de la cadence ....................................................................................... 47 III.3.2.2Coûts généralisés ......................................................................................................... 48 III.3.2.3Recherche et choix d’itinéraires .................................................................................. 49 III.3.2.4Evaluation de la procédure, champs d’application ...................................................... 50 III.3.3 Description de la réalisation de l’affectation sous DaVISUM ............................ 50 IV. ANALYSE ET COMPARAISON DES RESULTATS D’AFFECTATION SOUS DAVISUM AVEC CEUX DE TERESE ............................................................................... 54 IV.1 PRESENTATION DE TERESE............................................................................... 54 IV.2 RESULTATS D’AFFECTATION SOUS TERESE ................................................ 55 IV.3 RESULTATS D’AFECTATION SOUS DAVISUM, ANALYSE ET COMPARAISON AVEC TERESE ...................................................................................... 55 IV.4 CONCLUSION SUR L’ANALYSE ET LA COMPARAISON ............................... 61 VII CONCLUSION ET PERSPECTIVES ................................................................................. 62 ANNEXE ................................................................................................................................. 64 BIBLIOGRAPHIE ................................................................................................................. 69VIII LISTE DES TABLEAUX TABLEAU 1 : CLASSIFICATION DES MODELES D’AFFECTATION (BONNEL, 2004) ... 24 TABLEAU 2 : CHARGE SUR CHAQUE MODE DE TRANSPORT EN EN COMMUN CALCULEE A L’AIDE DE TERESE ................................................................. 55 TABLEAU 3 : PREMIERS RESULTATS D’AFFECTATION SOUS DAVISUM ................... 56 TABLEAU 4 : TABLEAU DES VALEURS ATTRIBUEES AUX CONNECTEURS POUR VALORISER LES TRANSPORTS EN SITES PROPRES ................................ 58 TABLEAU 5 : COMPARAISON DES PARTS DE MARCHE DE CHAQUE METRO PAR RAPPORT AU AUTRES METRO, ISSUES DE DAVISUM ET DE TERESE . 59 TABLEAU 6 : SECONDS RESULTATS D’AFFECTATION SOUS DAVISUM .................... 59 LISTE DES FIGURES FIGURE 1 : SCHEMAS DU PROCESSUS DE SELECTION DES VARIABLES POUR LA CONSTRUCTION DE SCENARIOS PROSPECTIFS (SCENARIOS PROSPECTIFS POUR LE PROJET SIMBAD, J.P. NICOLAS, N. MORICE, FEVRIER 2006) ................................................................. 6 FIGURE 2 : GRAPHIQUE DU CLASSEMENT DES PRINCIPALES VARIABLES CLES SELON LEUR DEGRE DE MAITRISE ET D’INCERTITUDE (J.P. NICOLAS, N. MORICE, FEVRIER 2006) ...... 9 FIGURE 3 : SCHEMA DE L’ARCHITECTURE DE SIMBAD (J.P. NICOLAS, M. HOMOCIANU, F. MARCHAL, J.L. ROUTHIER, 2006) .................................................................... 12 FIGURE 4 : SCHEMA DE GENERATION DES EMISSIONS ET ATTRACTIONS PAR ZONE (BONNEL, 2004) ....................................................................................................................... 16 FIGURE 5 : SCHEMA DE DISTRIBUTION DES DEPLACEMENTS (BONNEL, 2004) ......................... 18 FIGURE 6 : SEQUENCE DES ETAPES LORS DU CALAGE DU MODELE A QUATRE ETAPES (BONNEL, 2004) ....................................................................................................................... 20 FIGURE 7 : RAPPORT ENTRE SYSTEMES DE TRANSPORT, MODES, SEGMENTS DE LA DEMANDE ET MATRICES O-D (MANUEL DAVISUM, P54) ............................................................. 39 FIGURE 8 : RESEAU DES TRANSPORTS COLLECTIFS LYONNAIS MODELISE SOUS DAVISUM ...... 51 FIGURE 9 : VISUALISATION DES CHARGES SUR LE RESEAU DES TRANSPORTS COLLECTIFS LYONNAIS SOUS DAVISUM ................................................................................... 53 IX LISTE DES ABREVIATIONS ADEME Agence De l’Environnement et de la Maîtrise de l’Energie CERTU Centre d’Etudes sur les Réseaux, les Transports, l’Urbanisme et les constructions publiques DRAST Direction de la Recherche et des Affaires Scientifiques et Techniques DRP Distance Réellement Parcourue DVO Distance à Vol d’Oiseau INRETS Institut National de Recherche sur les Transports et leur Sécurité INSEE Institut National de la Statistique et des Etudes Economiques IRIS Ilots Regroupées pour l’Information Statistique LET Laboratoire d’Economie des Transports MAP Marche à Pieds NR Nombre de Rupture OD Origine Destination PDU Plan de Déplacements Urbains PL Poids Lourd PTU Périmètre des Transports Urbains SCOT Schéma de Cohérence Territoriale SIG Systèmes d’Informations Géographiques SIMBAD Simuler les Mobilités pour une Agglomération Durable SYTRAL Syndicat mixte des Transports pour le Rhône et l'Agglomération Lyonnaise TAC Temps d’Attente en Correspondance TAD Temps d’Attente au Départ TAX Temps d’Accès à Destination TC Transports Collectifs TCL Transport en Commun Lyonnais TDP Temps de Déplacement Perçu TERESE Test de Réseau TEV Temps de Transport en Véhicule TG Temps Généralisé TI Transport Individuel TMàP Temps de Marche à Pieds X TR Temps de Rabattement VP Voiture Particulière Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 1 INTRODUCTION La mobilité est un facteur essentiel pour le développement de la société, mais pour satisfaire la demande de cette mobilité, toujours croissante, il faut organiser les transports de façon plus durable. Dans cette perspective, le Laboratoire d’Economie des Transports (LET) propose, à travers le projet SImuler les MoBilités pour une Agglomération Durable (SIMBAD), de développer un modèle prospectif qui rend compte des enjeux environnementaux, économiques et sociaux des déplacements de personnes et de marchandises réalisés au sein d’une aire urbaine. L’objectif étant de pouvoir simuler, en partenariat avec des acteurs publics du grand Lyon, différents scénarios de politiques de transports et d’urbanisme et de tester leurs impacts de manière simultanée dans ces trois dimensions. SIMBAD se divise en plusieurs modules interagissant entre eux : localisation des activités économiques, localisations résidentielles, génération de la demande de transport de passagers, génération de la demande de transport de marchandises et affectation des déplacements sur les réseaux routiers et de transports collectifs. Mon intervention dans ce grand projet prend lieu dans la phase du développement du module « Affectation des Transports Collectifs ». Le LET souhaite utiliser des données théoriquement disponibles dans tous les réseaux (c’est-à-dire des données non confidentielles), pour codifier de manière automatique le réseau des transports collectifs, sans avoir à réaliser une lourde étape de calage du réseau, qui nécessite d'avoir des données fines en matière d'usage des transports collectifs qui ne sont pas facilement accessibles (car les autorités organisatrices ou les entreprises ne veulent pas toujours les donner). L’outil informatique qui sera utilisé pour notre procédure d’affectation est le logiciel DaVISUM1 . Il s’avère indispensable, avant de pousser le développement de ce module, de tester l’efficacité de cette approche ; c’est ce que j’ai été amenée à faire à travers mon stage de fin de formation. L’objectif de mon stage est de reconstituer le réseau de transport en commun Lyonnais de 2001 (nous verrons par la suite pourquoi 2001), sur la base des données disponibles et accessibles à tout le monde, le codifier sous DaVISUM, codifier le zonage de Lyon, codifier 1 Logiciel d’aide à la planification des transports, développé par PTV, qui permet d’analyser et de planifier un système de transport. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 2 la matrice de la demande de déplacement, réaliser l’affectation sous DaVISUM, comparer les résultats de cette affectation avec ceux issus d’un modèle de référence, le modèle TERESE 2 , qui a déjà prouvé son efficacité, et conclure sur la possibilité d'utiliser des données théoriquement disponibles dans tous les réseaux, pour codifier de manière automatique le réseau et réaliser l’affectation des transports en commun dans SIMBAD. Les étapes suivies pour accomplir ce travail sont comme suit : 9 Collecter les données relatives au réseau de transport collectif de 2006 (les seules données disponibles) ; 9 Ramener ces données à l’année 2001 ; 9 Les codifier sous format lisible par DaVISUM ; 9 Codifier le zonage de l’aire urbaine lyonnaise ; 9 Codifier la matrice origine-destination relative à ce zonage ; 9 Mettre en œuvre l’application de l’affectation sous DaVISUM ; 9 Analyser les résultats de DaVISUM ; 9 Comparer ces résultats avec ceux du modèle de référence TERESE ; 9 Conclure sur la comparaison. Le présent rapport résume l’ensemble du travail depuis la phase bibliographique jusqu’à la comparaison entre les résultats de DaVISUM et ceux de TERESE. Il est scindé en quatre parties : ¾ La première rend compte de l’environnement du stage : l’unité de travail, les transports en commun Lyonnais et le projet SIMBAD ; ¾ La deuxième, consiste à rappeler les concepts théoriques de la modélisation de la demande de déplacement ; ¾ La troisième est consacrée aux données à savoir : la construction du réseau, le zonage, la matrice de la demande de déplacement, et à la codification et l’application de DaVISUM ; ¾ Et la quatrième et dernière partie consiste à analyser et comparer les résultats de DaVISUM avec ceux de TERESE. 2 TERESE ou Test de RESEau est un logiciel d’analyse de l’offre, de génération et d’affectation de trafic dans le domaine des transports publics des personnes développé au sein de la SEMALY. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 3 I. CADRE ET CONTEXTE DU TRAVAIL Avant de commencer à parler du projet sur lequel j’ai travaillé, il me semble indispensable de faire connaître au lecteur l’organisme avec lequel j’ai effectué mon stage ; j’enchaînerai par une brève description des transports en commun Lyonnais et je terminerai cette partie par la présentation du projet SIMBAD. I.1 UNITE DE TRAVAIL Le Laboratoire d’Economie des Transports (LET) est un laboratoire de recherche spécialisé en économie des transports et en aménagement du territoire. Le LET est rattaché au Centre National de la Recherche Scientifique (Unité Mixte de Recherche n°5593 de la Délégation Régionale Vallée du Rhône), à l'Université Lumière - Lyon 2 et à l'Ecole Nationale des Travaux Publics de l'Etat. Equipe pluridisciplinaire créée il y a plus de 30 ans, le LET regroupe actuellement une soixantaine de chercheurs qui s’activent dans la production scientifique traditionnelle et dans des activités contractuelles et d'expertise contribuant à l'aide à la décision des pouvoirs publics. De façon plus large, les recherches du LET donnent des éléments de réponses aux questions économiques et sociales inhérentes à la mobilité des personnes et des marchandises. Ainsi, dans un contexte où se télescopent des questions liées à l'environnement, aux équilibres sociaux, à l'aménagement du territoire, à la localisation des activités ou encore au choix des nouvelles infrastructures de transport, le LET analyse, simule et évalue des politiques de transport intégrant les préoccupations de développement durable. Le Laboratoire d'Economie des Transports est la principale équipe de recherche française dans son domaine. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 4 I.2 LE RESEAU DES TRANSPORTS EN COMMUN A LYON I.2.1 Description Le réseau des transports collectifs Lyonnais est le deuxième réseau de transports urbains en France. C’est un réseau multimodal qui dessert l'ensemble des communes du Grand Lyon et permet de nombreuses connexions avec les autres modes de déplacements, individuels ou collectifs. Ce réseau comprend : ¾ Quatre lignes de métro, dont une ligne automatique ; ¾ Deux funiculaires ; ¾ Trois lignes de tramway, y compris une nouvellement mise en service (4 décembre 2006) ; ¾ Une centaine de lignes de bus et de trolleybus ; ¾ Et des navettes. I.2.2 Organisation et exploitation L'organisation et l'exploitation des transports en commun urbains de Lyon relèvent de la compétence du SYndicat mixte des Transports pour le Rhône et l'Agglomération Lyonnaise (SYTRAL). Créé à l'initiative de la communauté urbaine de Lyon et du conseil général du Rhône, qui lui ont délégué leurs compétences sur le territoire du Grand Lyon, le SYTRAL est dirigé par un Comité syndical où siègent seize représentants communautaires et dix représentants du conseil général. Le SYTRAL élabore, programme et finance le développement, l’entretien et la modernisation du réseau de transports en commun (renouvellement du parc des véhicules, création de parcs- relais, aménagements de voirie pour faciliter l'accès aux transports en commun…). Le SYTRAL a confié la gestion du réseau TCL (Transport en Commun Lyonnais) à Kéolis Lyon, et la gestion du réseau Optibus (transport à la demande réservé aux personnes à mobilité réduite) à la société Inter Rhône-Alpes. Le terrain d'action du SYTRAL correspond au Périmètre des transports Urbains (PTU), c'est-à-dire, cinquante cinq communes de la Communauté urbaine de Lyon, auxquelles s'ajoute sept communes limitrophes. Le PTU représente 606 km² et 1 325 000 habitants. (Source : www.sytral.fr, www.grandlyon.com). Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 5 I.3 PROJET SIMBAD I.3.1 Présentation et objectifs du projet Le concept du développement durable s’impose de plus en plus, et donc naturellement, l’exigence d’une action publique s’inscrivant dans ce cadre est inévitable. Cependant, les outils permettant d’évaluer les politiques publiques dans cette optique sont encore peu développés. Pour cela, le Laboratoire d’Economie des Transports propose de développer le modèle prospectif SIMBAD qui rendra compte des enjeux environnementaux, économiques et sociaux des déplacements de personnes et de marchandises réalisés au sein de l’aire urbaine Lyonnaise. L’objectif est de pouvoir simuler, en partenariat avec des acteurs publics locaux, différents scénarios de politiques de transports et d’urbanisme et de tester leurs impacts de manière simultanée dans ces trois dimensions. SIMBAD est un modèle stratégique à ambition plutôt macro que microscopique : ce n’est pas l’effet de tel projet particulier en tel endroit de l’aire urbaine qui aura de l’intérêt, mais bien plus l’impact de telle politique d’agglomération dans un contexte général donné. Cet exercice est mis en œuvre sur l’aire urbaine de Lyon, avec 1999 comme année de référence et des scénarios à l’horizon 2025. Les moyens disponibles pour le développement du modèle sont de l’ordre de 40 hm (homme*mois) et 60 mille Euros. Le projet a démarré en janvier 2005 et il doit s’étaler sur une durée de 3 ans. Il est financé par l’ADEME (Agence de l’Environnement et de la Maîtrise de l’Energie) et la DRAST (la Direction de la Recherche et des Affaires Scientifiques et Techniques), avec également la participation de l’Agence d’Urbanisme de Lyon qui finance une bourse de thèse. L’exercice proposé par SIMBAD n’est pas d’annoncer ce que seront les trafics sur l’aire urbaine de Lyon en 2025, ni de prédire les coûts ou le niveau de pollution générés par les transports à cet horizon. L’objectif est tout à la fois plus modeste et plus stimulant intellectuellement : compte tenu des connaissances des liens entre les différents facteurs qui conditionnent les mobilités, comment peut on penser l’évolution des trafic suivant diverses hypothèses de transformation du contexte général, et quelles politiques peuvent accompagner ou modifier ces évolutions ? Tout l’enjeu de la prospective est d’éclairer au mieux cette réflexion stratégique. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 6 I.3.2 Démarche prospective de SIMBAD La démarche prospective retenue pour SIMBAD comprend cinq étapes principales : I- Délimiter le système étudié (la mobilité urbaine, ses causes et ses conséquences) ; II- Identifier les variables clés, déterminantes pour l’évolution de la mobilité urbaine ; III- Distinguer ces variables clés selon leur degré de maîtrise par les pouvoirs publics ; IV- Distinguer les variables mal maîtrisées selon leur degré d’incertitude, puis combiner différentes hypothèses sur l’évolution de ces variables pour construire des scénarios ; V- Confronter ces scénarios aux leviers disponibles pour élaborer les stratégies de l’action publique. Les étapes de ce protocole sont schématisées comme suit : Figure 1 : Schémas du processus de sélection des variables pour la construction de scénarios prospectifs (Scénarios prospectifs pour le projet SIMBAD, J.P. NICOLAS, N. MORICE, Février 2006) Variables endogènes Variables clés Variables négligeables I II III SYSTÈME MODÉLISÉ (variables environnementales, économiques et sociales) Variables exogènes Variables bien maîtrisées Variables peu maîtrisées IV Variables aisément prévisibles Variables difficilement prévisibles Tendances lourdes Clivages entre les futurs possibles Leviers disponibles V STRATEGIES SCENARIOSMaster Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 7 I.3.3 Formalisation des scénarios prospectifs L’élaboration des scénarios SIMBAD comporte trois étapes successives : 1- Délimitation du système modélisé ; 2- Sélection et attribution du statut des variables clés ; 3- Etablissement et description des scénarios retenus. I.3.3.1 Délimitation du système modélisé a. Nature du phénomène La mobilité urbaine, objet de la modélisation prospective de SIMBAD, est un phénomène complexe dont la définition mérite d’être précisée. Elle peut se concevoir comme l’ensemble des déplacements de voyageurs et de marchandises réalisés sur un territoire urbain. b. Acteurs On distingue traditionnellement trois types d’acteurs concernés par la mobilité urbaine : • Les individus à la fois citoyens (électeurs et contribuables) et consommateurs de biens et de services (dont les transports) ; • Les entreprises (opérateurs, gestionnaires d’infrastructures, constructeurs, expéditeurs/destinataires de marchandises, fournisseurs d’énergie…) ; • Les administrations nationales et locales (services centraux et déconcentrés de l’Etat, Régions, Départements, groupements intercommunaux, autorités organisatrices, régies…). L’évolution de la mobilité urbaine dépend en partie des compétences et du comportement de ces acteurs. Il est donc indispensable de tenir compte de leur intérêt et des logiques auxquelles ils répondent pour appréhender les enjeux de la mobilité urbaine. c. Contexte spatial La délimitation géographique du territoire sur lequel porte la perspective SIMBAD est essentielle : la configuration spatiale des agglomérations (répartition de l’habitat et des activités) amène à se placer à l’échelle de l’aire urbaine, voire au-delà. Un tel territoire comprend une superposition de découpages administratifs, sur lequel s’exercent autant d’influences différentes, multipliant de fait les possibilités d’évolution. Au sein de ce territoire, la mobilité prend des formes hétérogènes. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 8 L’horizon de projection de SIMBAD est fixé à 2025, sa date de référence est 1999. La période 2000-2025 se subdivise en cinq sous-périodes de 5 ans, durée particulièrement adéquate pour l’établissement de projections. Modéliser la mobilité urbaine oblige en outre à considérer l’existence de rythmes temporels plus fins (mobilité quotidienne, occasionnelle…). d. Causes La mobilité n’est pas une fin en soi, mais elle est nécessaire à la réalisation d’activités : un déplacement est toujours effectué pour un motif particulier. Il s’agit donc d’un phénomène dont la demande est dérivée, c’est-à-dire générée par l’existence de besoins socio- économiques annexes à satisfaire (activités de production, de consommation, de loisirs…), eux-mêmes déterminés par les comportements individuels et collectifs, les modes de vie et les valeurs culturelles. Ces déterminants peuvent être statistiquement expliqués par des variables telles que : • L’âge, le sexe, le statut d’activité du voyageur… • Le volume, le poids, la valeur des marchandises transportées… • Le motif, l’origine, la destination du déplacement… La mobilité urbaine est assurée par des modes de transport terrestre dont les principaux sont : la voiture particulière (VP), les poids lourds (PL), les transports collectifs (TC) et la marche à pieds (MAP). De ce fait, cette délimitation exclut non seulement les modes aériens, maritimes et fluviaux, mais aussi les déplacements routiers et ferroviaires de longue distance. Les modes de transport urbain sont dotés de réseaux d’infrastructures et de véhicules dont les spécifications techniques et fonctionnelles sont variées, proposant différentes quantités et qualités de service (que l’on peut exprimer par les variables prix, vitesse, confort…). Le fonctionnement d’un système de déplacements urbains résulte de l’adéquation ente les besoins de mobilité (demande) et l’équipement en moyens de transport (offre). e. Conséquences La mobilité urbaine a de multiples conséquences : • Environnementales (consommation d’énergie, contribution à l’effet de serre, pollution atmosphérique, bruit, occupation d’espace…) ; • Economiques (valorisation des rentes foncières, implantation des unités de production et de distribution…) ; Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 9 • Sociales (conditions d’accès aux logements et aux lieux d’activité, stratégies de localisation des ménages…). Les principales variables permettant de mesurer ces impacts seront sélectionnées pour l’élaboration des scénarios SIMBAD. I.3.3.2 Sélection et attribution du statut des variables clés La sélection des variables clés, supposées être à la fois exogènes au système modélisé et déterminantes pour son avenir, se fonde sur un ensemble de travaux récents consacrés à l’étude de la mobilité urbaine. La confrontation du contenu de ces travaux et des réflexions menées dans le cadre de SIMBAD permet de dégager un consensus pour l’attribution des degrés de maîtrise et d’incertitude de chaque variable clé. Le classement obtenu est présenté, de manière simplifiée, sur le schéma suivant (chaque variable clé est en réalité décrite par un ensemble d’indicateurs quantitatifs et qualitatifs, qui n’apparaît pas ici par souci de clarté). Figure 2 : Graphique du classement des principales variables clés selon leur degré de maîtrise et d’incertitude (J.P. NICOLAS, N. MORICE, Février 2006) Maîtrise Incertitude Réglementation Fiscalité Investissements Technologie Economie Démographie Valeurs culturelles Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 10 De ce classement, il est possible de formuler plusieurs hypothèses, qui serviront de fondement à l’élaboration des scénarios SIMBAD. Avant d’énoncer ces hypothèses, nous allons présenter brièvement la signification des trois types de variables clés : • Les tendances lourdes affectent le système de manière prévisible, mais non maîtrisée ; • Les sources de clivages affectent le système de manière imprévisible et non maîtrisée ; • Les leviers disponibles affectent le système de manière prévisible et maîtrisée. Voici les principales hypothèses retenues pour caractériser l’évolution qualitative et quantitative des variables clés : • L’évolution démographique (classes d’âge, répartition spatiale…) est sans doute une tendance lourde à l’échelle du territoire national, mais reste une source de clivage à l’échelle d’une agglomération ; • L’évolution économique est caractérisée par des clivages potentiels (croissance du PIB, de l’indice de production industrielle, du revenu disponible et de la consommation finale des ménages, prix de l’énergie) ; • L’évolution des technologies (amélioration du rendement énergétique, donc des consommations et des émissions unitaires des véhicules, des habitations et des activités) apparaît comme une tendance lourde ; • L’évolution des valeurs, des références culturelles, des comportements et des modes de vie est source d’importants clivages ; • L’adoption de mesures réglementaires (normes d’émission, droit à polluer, limitations de vitesse, gestion du stationnement…) est un levier disponible pour l’action publique ; • L’usage des instruments de prélèvement fiscaux (taxes sur les véhicules et les carburants, péage de zone…) et d’affectation des recettes (subventions aux transports et bâtiments moins énergétivores…) peut être plus ou moins important et ciblé, et constitue donc un levier ; • Le choix des investissements publics, pour favoriser le développement de tel mode de transport ou de tel type d’habitat, est également un levier (qui dépend de critères tels que le taux d’actualisation, les valeurs du temps, de la vie humaine, de la tonne de carbone…). Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 11 I.3.3.3 Scénarios retenus Nous allons maintenant citer les scénarios prospectifs qui peuvent être simulés par SIMBAD tels qu’ils ont été retenus par l’équipe de travail. a. La ville mobile C’est le cas d’une forte croissance économique, tirant la mobilité automobile et conduisant à s’interroger sur les conséquences de son omniprésence. b. Une ville figée dans vieille Europe Le cas opposé d’une déflation durable, où les difficultés d’investissement et les problèmes sociaux se trouvent placés en premier plan. c. La voiture de la cohésion urbaine ? A côté des deux premiers scénarios opposant tendance haute et tendance basse, on s’interrogera aussi sur la fragilisation apportée par la simple poursuite des tendances actuelles, où l’on constate un renforcement des prix de l’immobilier qui tend à repousser les plus modestes en périphérie au prix (financièrement possible aujourd’hui) d’une dépendance automobile renforcée. Que se passe-t-il si les coûts d’usage de la voiture augmentent fortement? d. À la recherche d’une cohérence territoriale Enfin, une question vive en matière de gouvernance urbaine et de cohérence des politiques de transport émerge dans le cadre de l’Inter Scot 3 : quelles seraient les conséquences d’une politique divergente entre le centre et la périphérie ? Nous allons nous contenter de ce niveau de détail, et nous passerons à la présentation de l’architecture proprement dite du modèle « Simuler les MoBilités pour une Agglomération durable ». 3 Démarche de coordination entre les Schémas de COhérence Territoriale (Scot) situés dans un territoire où les interdépendances sont fortes. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 12 I.3.4 Architecture du projet L’architecture de SIMBAD se présente en six grands blocs qui interagissent entre eux. Le schéma suivant est une représentation simplifiée du système modélisé : Figure 3 : Schéma de l’architecture de SIMBAD (J.P. NICOLAS, M. HOMOCIANU, F. MARCHAL, J.L. ROUTHIER, 2006) 1- À la période initiale, les localisations sont données. 2- Le croisement entre la localisation des activités et les caractéristiques des ménages résidant dans chaque zone permet de déduire les besoins de déplacements entre chaque zone : les déplacements domicile-travail liés aux actifs et à l’emploi (idem pour les études des jeunes), Echange et transit t+1 Affectation des déplacements Réseau routier Réseau TC Localisation des activités économiques Localisations résidentielles Génération – Distribution des déplacements individuels Répartition horaire (HP/HC) Répartition modale Génération – distribution de marchandises Répartition par gabarit PL, Répartition horaire (HP/HC) Interaction Localisations Interactions génération des déplacements Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 13 les autres déplacements liés aux différents besoins des ménages et aux services proposés dans chaque zone. Suivant les motifs et l’accessibilité relative des modes, ces déplacements seront différemment répartis en termes d’horaires et de modes utilisés. 3- Par ailleurs, la localisation des activités va déterminer les flux de marchandises à l’intérieur de l’aire urbaine, là encore avec des types de véhicules et des répartitions horaires différentes selon les activités. 4- L’introduction des flux d’échanges et de transit, calculés sur la base simplifiée de l’évolution économique générale, permet de compléter le tableau des trafics réalisés sur l’aire d’étude. 5- L’ensemble de ces trafics de personnes et de marchandises se retrouve sur les différents réseaux, générant parfois, selon l’heure et le lieu, des points de congestion. Le calcul de l’affectation permet de déterminer des accessibilités moyennes par mode et par période (heures creuses, heures de pointe) entre les zones. 6- Ces accessibilités relatives joueront à long terme sur les localisations et affecteront le point de départ de la période suivante. Par ailleurs, un ajustement entre localisations résidentielles et localisations des activités doit être pris en compte, avec par exemple certaines activités de proximité qui suivent les mouvements résidentiels et d’autres qui peuvent attirer les populations (emplois, services) ou au contraire les repousser (atteintes au cadre de vie, nuisances). (Source : l’ensemble de cette partie a été inspiré de : « Scénarios prospectifs pour le projet SIMBAD », J.P. NICOLAS, N. MORICE, Février 2006 ; et « L’architecture du modèle au sein du projet SIMBAD », J.P. NICOLAS, M. HOMOCIANU, F. MARCHAL, J.L. ROUTHIER, Mars 2006). Comme il a déjà été signalé, mon intervention prend lieu dans la phase affectation relative aux transports collectifs. Cette phase représente la quatrième étape dans ce que l’on appelle « les modèles à quatre étapes ». Nous allons voir dans ce qui suit ce que c’est qu’un modèle à quatre étapes, nous présenterons après ses différentes étapes et nous terminerons cette partie par les conditions d’opérationnalité et les problématiques des modèles. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 14 II. BASES THEORIQUES DES MODELES DE TRANSPORT Avant de parler de la modélisation, commençons d’abord par quelques définitions du mot modèle : « Un modèle est une représentation simplifiée de la réalité destinée à mieux la comprendre ou à agir sur elle. » (Guitton, 1964). « Le mot MODELE désigne une représentation formelle de la réalité sous forme de lois, c’est- à-dire classiquement de variables et de relations entre ces variables. Le modèle est une vision simplificatrice de la réalité physique qu’il représente. Il a un caractère opératoire dans le cadre d’un certain nombre d’applications : soit pour mieux comprendre le phénomène, soit pour prédire sa réaction à une commande ou à une évolution de ses entrées. » (Ch. Buisson et F. Künkel, 2001). Dans le domaine de la modélisation de la demande de déplacement, il existe plusieurs familles de modèle, les plus utilisés sont ceux dits à quatre étapes. L’objectif de ce genre de modèles est de simuler les déplacements à des horizons donnés. Ils se décomposent en quatre étapes. Chacune de ces étapes correspond à une question : 1. Est-ce que je me déplace ? (Étape de génération) 2. Dans quelle direction je me déplace ? (Étape de distribution) 3. En utilisant quel mode de transport ? (Étape de choix modal) 4. Quel chemin j’emprunte pour réaliser ce déplacement ? (Étape d’affectation) Nous allons détailler dans ce qui suit les différentes étapes des modèles à quatre étapes, mais nous allons d’abord parler d’un point primordial pour la modélisation qui est la définition du zonage et le choix du périmètre d’étude. II.1 PERIMETRE D’ETUDE ET DEFINITION DU ZONAGE II.1.1 Périmètre d’étude L’utilisation d’un modèle nécessite de définir un périmètre d’étude au sein duquel sera développé le modèle. Le choix d’un périmètre revient en quelque sorte à définir un isolat, c'est-à-dire à considérer que ce qui est externe à ce périmètre est exogène et donc, toutes les Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 15 évolutions de ce qui est extérieur à ce périmètre sont considérées comme étant indépendantes des évolutions qui prennent place à l’intérieur. On définit donc un isolat qui n’interagit pas avec l’extérieur. Le choix de cet isolat dépend de : 9 L’échelle à laquelle on souhaite travailler : il faut adapter le périmètre d’étude aux objectifs de l’étude, par exemple, nous n’avons pas besoin de considérer une agglomération en entier si l’on souhaite étudier l’impact d’une modification locale d’un réseau de transport ; 9 Du coût et de la disponibilité des données : L’élargissement du périmètre s’accompagne souvent d’un alourdissement du travail nécessaire d’une part pour collecter les données, d’autre part pour mettre en place le modèle. De plus, certaines données peuvent être disponibles sur un espace restreint par rapport aux ambitions que l’on peut avoir. II.1.2 Définition du zonage Les modèles à quatre étapes s’appuient sur un découpage de l’agglomération en zones. La définition du zonage dépend des objectifs de l’étude, des données disponibles et de la taille de l’agglomération. En effet, le zonage doit pouvoir répondre à l’objectif que l’on s’est fixé, doit concorder avec les données dont on dispose (on ne peut pas créer un zonage très fin si l’on ne dispose pas des informations correspondant à chacune des zones) et doit prendre en compte la taille de l’agglomération. D’une manière générale, le découpage comprend de quelques dizaines de zones pour des modélisations de très long terme à faible spatialisation jusqu’à plusieurs milliers de zones pour les plus grosses agglomérations. Pour chaque zone, nous définissons un centroïde. « Ce centroïde est un point fictif de la zone (qui n’a pas besoin d’être physiquement localisé, si ce n’est pour des commodités de représentation graphique) qui concentre l’ensemble des caractéristiques de la zone » (BONNEL, 2004). En définissant un zonage, on agrège sur le plan spatial toutes les données qui se trouvent à l’intérieur de la zone, c'est-à-dire, qu’un individu, un emploi ou autre n’est plus localisé en un point précis de la zone, mais est situé au centroïde de la zone. Donc, à l’intérieur de la zone, toutes les distances sont considérées comme nulles. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 16 Le choix du périmètre d’étude et du zonage est une opération de base pour l’ensemble des calculs opérés dans les différentes étapes des modèles à quatre étapes. Il répond à deux impératifs principaux qui sont contradictoires : la précision des calculs nécessite une codification la plus fine possible et une aire étendue ! Toutefois, une codification très fine engendre davantage de zéros dans la matrice déplacements, et donc moins de précision dans le calage du modèle. Aussi, les considérations de coûts (temps de travail nécessaire et temps de calcul des ordinateurs) et de disponibilité des données militent pour une précision limitée. Le choix du périmètre d’étude et du zonage est donc un compromis entre des impératifs contradictoires. II.2 ETAPES DES MODELES A QUATRE ETAPES Les deux premières étapes des modèles à quatre étapes correspondent à la détermination de la demande de déplacement, les deux dernières ont pour objectif de répartir la demande en fonction de l’offre modale. Les parties suivantes décrivent chacune de ces étapes. II.2.1 Génération L’étape de génération, première des quatre étapes, a pour objet la détermination du nombre de déplacements émis et reçus par chaque zone. Cette étape correspond au choix de l’individu de se déplacer ou non. Dans cette étape, seules les extrémités des déplacements sont prises en compte comme des déplacements émis ou reçus. Les émissions correspondent à l’ensemble des déplacements dont l’origine se situe dans la zone et les attractions à l’ensemble des déplacements dont la destination se situe à l’intérieur de la zone. Figure 4 : Schéma de génération des émissions et attractions par zone (BONNEL, 2004) Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 17 Dans la pratique, l’étape de génération permet de constituer les marges de la matrice originesdestinations qui sera produite par l’étape suivante de distribution. La sortie d’un modèle de génération est donc la production des émissions et attractions qui sont généralement mesurées en nombre de déplacements par zone. Je voudrais noter ici que, lors de toute étude, il est important de s’assurer de la définition du « déplacement » retenue lors de la production des données, tout particulièrement lorsqu’il s’agit de combiner des données provenant de sources différentes. En effet, il n’y a pas de définition unique pour un déplacement. La définition utilisée dans le cadre des enquêtes ménages en France est la suivante : « le déplacement est le mouvement d’une personne, effectué pour un certain motif, sur une voix publique, entre une origine et une destination, selon une heure de départ, et une heure d’arrivée, à l’aide d’un ou plusieurs moyens de transport ». CERTU, L’enquête ménages déplacements « méthode standard », Collections du CERTU, éditions du CERTU, Lyon, 1998, Page 295. Toutefois, cette définition est difficilement applicable au sens strict, car on observe une multiplication conséquente du nombre de déplacements, ainsi qu’une segmentation artificielle des activités qui peuvent être liées. Ainsi, nous pouvons nous demander à partir de quel temps de parcours ou bien pour quel motif un déplacement sera pris en compte. C’est pourquoi la notion de sortie était avancée. Une sortie est composée de la totalité des déplacements effectués par un individu entre le départ du domicile et le retour à celui-ci. On peut également définir une autre notion qui est la chaîne de déplacement. Il s’agit de la succession des déplacements entre le domicile et le motif principal de la sortie ou entre ce motif principal et le retour au domicile. Lorsqu’on parle de déplacement, il est aussi primordial de préciser si l’on considère les déplacements d’un ménage ou alors juste d’un individu. Il est aussi fondamental d’expliciter la durée sur laquelle on considère les déplacements. On peut ainsi décompter les déplacements de façon journalière mais également à une heure de pointe, du soir ou du matin. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 18 II.2.2 Distribution La distribution constitue la seconde étape des modèles à quatre étapes. Elle correspond au choix de l’individu de sa destination et prend place après la génération dont elle utilise les sorties : émissions et attractions. En effet, à l’issue de la génération, les origines et les destinations des déplacements sont connues mais ne sont pas reliées. C’est l’objectif de l’étape de distribution de les relier pour produire la matrice origines-destinations des déplacements sur l’aire d’étude. Mathématiquement, la distribution permet de calculer la matrice origines-destinations des déplacements à partir de ses marges. E 1 3 2 1 3 2 T12 T21 T T32 T 23 13 T31 A 3 E 3 A 1 A 2 2 E 1 Génération Distribution E M I S S I O N Ei ATTRACTION Distribution MATRICE O-D T ij Génération Aj Figure 5 : Schéma de distribution des déplacements (BONNEL, 2004) II.2.3 Répartition modale La répartition modale constitue la troisième étape des modèles à quatre étapes. Elle prend place après la distribution dont elle utilise les sorties. La répartition modale correspond au choix de l’individu de son mode de déplacement. Pratiquement, elle permet d’éclater la matrice origines-destinations en autant de matrices origines-destinations par mode qu’il y a de modes pris en compte, afin d’estimer les volumes de déplacements pour chaque moyen de Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 19 transport. Elle utilise donc comme entrée les matrices origine-destination issues de l’étape de distribution pour fournir en sortie les matrices origine-destination par mode de transport. Plusieurs facteurs déterminent le choix du mode. Ils peuvent être classés en trois groupes (Ortúzar et Willumsen, 2001) : 9 Les caractéristiques de l’individu réalisant le déplacement (disponibilité ou propriété d’une voiture, possession d’un permis de conduire, structure du ménage, revenus, etc.) ; 9 Les caractéristiques du déplacement (motif du déplacement, moment de la journée au cours duquel ce déplacement est réalisé, etc.) ; 9 Les caractéristiques de l’offre de transport (temps de parcours pour chaque mode, coûts généralisés pour chaque mode, confort, régularité ou sécurité, etc.). II.2.4 Affectation Nous allons détailler un peu plus la description de cette étape par rapport aux précédentes du fait qu’autour d’elle que s’articule le sujet du stage. Après avoir calculé la matrice origine-destination des déplacements pour chacun des modes, nous procédons à l’affectation de la demande de déplacements sur les réseaux. Cette étape correspond au choix de l’individu de l’itinéraire pour se rendre d’une origine à une destination donnée avec un mode de déplacement donné, et ce, en choisissant l’alternative qui maximise son utilité. La principale sortie du modèle d’affectation consiste à produire la charge sur les différents réseaux, et c’est en fonction de cette charge que l’on détermine les temps de parcours sur chaque itinéraire du réseau. Ce calcul des temps avec la charge sur les réseaux effectué par le modèle d’affectation permet donc de calculer les matrices origines-destinations de coûts généralisés par mode. Ceci parait contradictoire, du fait que ces matrices sont celles que l’on utilise comme données d’entrée des modèles de distribution et de choix du mode et au même temps, le modèle d’affectation utilise comme données d’entrée les matrices de demande produites en sortie du modèle de choix modal : contradiction ! Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 20 Pour remédier à ce problème d’incohérence, dans la pratique, on commence le calage du modèle à quatre étapes par l’affectation, en prenant comme entrée du modèle d’affectation les matrices de référence issues des enquêtes déplacements. Ces matrices sont affectées sur les réseaux, chose qui permet de construire une première matrice origines-destinations de coûts généralisés pour chacun des modes. Ces matrices sont utilisées en entrée des modèles de distribution et de choix du mode. En sortie de ces deux modèles, on dispose de nouvelles matrices estimées par le modèle génération–distribution–choix modal. Il est alors possible de réaffecter ces matrices sur les réseaux. Cette procédure est schématisée comme suit : Figure 6 : Séquence des étapes lors du calage du modèle à quatre étapes (BONNEL, 2004) Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 21 Passons maintenant à la définition des différentes méthodes d’affectation. Il en existe plusieurs qui ont toutes en commun une première étape permettant de calculer le coût d’un ou plusieurs itinéraires entre chacune des origines i et chacune des destinations j. En effet, le coût d’un déplacement pour aller d’une origine i à une destination j, dépend du choix de l’itinéraire. Pour un itinéraire donné, ce coût est constitué du coût nécessaire pour parcourir chacun des liens de l’itinéraire, permettant d’aller du centroïde origine i au centroïde destination j. Le coût de chacun des liens peut être déterminé à partir des attributs du lien et d’une loi reliant le coût à ces attributs. Dans notre cas (transports collectifs), il s’agit de la notion du coût (ou temps) généralisé. Nous allons aborder dans ce qui suit cette notion et nous détaillerons par la suite les différentes catégories des modèles d’affectation. II.2.4.1 Temps généralisé Le temps d’attente, le temps de parcours en véhicule et le temps d’accès au réseau à l’origine et à la destination constituent le temps réel pour arriver d’une origine à une destination. Toutefois, ce temps ne justifie pas le choix d’un itinéraire au lieu d’un autre, puisque ce choix intègre aussi des composantes difficilement quantifiables comme le confort, la sécurité, la perception du temps par chaque individu…. Pour cela, il s’est avéré indispensable d’intégrer une notion qui prend en compte, en plus du temps réel de déplacement, cet aspect difficilement quantifiable, c’est ce qu’on appelle « le temps ou coût généralisé ». La formule générique du coût généralisé est donnée par l’équation suivante (BONNEL, 2004) : t i Cg P i Ti *V ? ? ? ? = + ? a Avec Cg est le coût généralisé ; P est le prix du déplacement ; Ti est une partie élémentaire du temps nécessaire pour effectuer le déplacement ; Vt est la valeur que l’individu attribue à son temps ; ai est un coefficient pondérateur du temps élémentaire Ti . Équation 1 : formule générique du coût généralisé Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 22 L’estimation des différentes composantes de ce coût généralisé pose des problèmes spécifiques ; nous traiterons dans ce qui suit ces différents problèmes en restant toujours dans le cas des transports collectifs : 9 Le prix P est généralement défini de manière moyenne, en fonction du mode de tarification. On utilise généralement la recette moyenne fournie par l’exploitant, mais entre le titre unitaire, les différentes formules tarifaires d’abonnement et les réductions tarifaires à caractère commercial ou social, la disparité peut être très élevée sans que l’information soit généralement disponible ; 9 Le temps de parcours est généralement décomposé en temps élémentaires Ti . Pour les transports collectifs, on distingue : • Le temps passé en véhicule ; • Le temps de marche à pieds pour accéder à l’arrêt à l’origine et à la destination ; • Le temps de correspondance : celui-ci est « défini indépendamment de l’attente du véhicule suivant, qui peut être forfaitaire (en général plusieurs minutes pour traduire la pénibilité de la correspondance indépendamment du temps réel supplémentaire) ou ajusté sur les lignes en correspondance en fonction du temps réellement nécessaire pour la correspondance + une constante qui traduit la pénibilité de la correspondance indépendamment du temps réel supplémentaire (cette constante peut valoir de 2 à 10 minutes selon les réseaux) » (BONNEL, 2004). Les temps de marche et d’attente sont affectés de coefficients généralement supérieurs à deux (en principe compris entre 1,5 et 3, leur estimation résulte du calage sur des données de préférences révélées ou parfois de préférences déclarées). La localisation précise de l’origine et de la destination du déplacement par rapport aux différents arrêts de transports collectifs n’étant pas connue, il est généralement nécessaire de retenir une valeur moyenne. Cette valeur fait partie des attributs du connecteur de centroïde. 9 Pour la valeur du temps Vt , si l’on ne dispose pas de données, on prend la valeur moyenne. Toutefois, une valeur individuelle relative au déplacement reste souhaitable pour tenir compte de la forte dispersion des valeurs individuelles du temps. En effet, il est important en modélisation de privilégier une valeur perçue par rapport à une valeur moyenne pour traduire correctement la perception de l’utilité de chacun des itinéraires Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 23 pour une origine-destination donnée. L’information individuelle n’étant pas toujours disponible, on utilise parfois une loi de distribution des valeurs du temps dans la population des déplacements. La forme de ces distributions est généralement lognormale (BONNEL, 2004). Le plus souvent, la formalisation du modèle ne permet pas de retenir une distribution des valeurs du temps. Dans ce cas, il est souvent préférable d’utiliser une valeur de temps médiane, plutôt qu’une valeur moyenne plus sensible aux très hauts revenus. A part ces éléments pris en compte dans le coût généralisé, il faut garder en esprit qu’il y a plusieurs autres composantes du déplacement ou de l’individu qui influent sur la perception des caractéristiques du déplacement et donc du choix de l’itinéraire (confort, habitude, connaissance préalable des itinéraires...). Compte tenu de ces différents éléments, il est rarement sinon jamais possible d’estimer un coût généralisé au niveau du déplacement. Enfin, il est important de signaler que la formalisation mathématique de la fonction de coût généralisé présente des limites, du fait que l’additivité de l’ensemble des éléments entrant dans la fonction de coût n’est pas évidente, car il n’est pas sûr que les individus disposent d’un référent unique permettant d’assurer la conversion de l’ensemble des composantes du coût généralisé. Le principe de base de tous les modèles d’affectation est de considérer que l’individu cherche à maximiser son utilité et donc à minimiser le coût généralisé de son déplacement. Nous allons voir dans ce qui suit comment sont classés les modèles d’affectation et nous définirons par la suite les différentes familles de modèles d’affectation. II.2.4.2 Classification des modèles d’affectation Bien que les modèles d’affectation ont un principe de base commun qui est de considérer que l’individu cherche à maximiser son utilité, ils sont toutefois classés selon deux dimensions (Thomas, 1991) : 9 La prise en compte ou non des contraintes de capacité. En effet, certains modèles ne prennent pas en compte la contrainte de capacité du lien, et donc le coût du lien ne dépend pas de la charge du lien. Ce type de modèle n’est applicable que sur des Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 24 réseaux non ou très faiblement congestionnés ou pour des applications en transports collectifs où l’incidence de la charge sur les temps de parcours est rarement prise en compte ; 9 L’utilité déterministe ou probabiliste. Pour l’utilité déterministe, on considère que tous les individus perçoivent d’une manière identique le coût d’un lien ou d’un itinéraire, chose qui n’est pas vraie ! du fait que la perception des différents éléments constituant le coût généralisé peut être différente selon les individus, de plus, les individus ne disposent le plus souvent que d’une information partielle sur l’ensemble des itinéraires potentiels. Et pour l’utilité probabiliste, elle concerne l’ensemble des facteurs du choix non pris en compte dans la fonction de coût généralisé : l’agrément du site traversé, le climat… La combinaison de ces deux dimensions conduit à la classification présentée dans le tableau suivant : Tableau 1 : CLASSIFICATION DES MODELES D’AFFECTATION (BONNEL, 2004) Procédure de choix de l’itinéraire Déterministe Probabiliste Contrainte de capacité Non Méthode tout-ou-rien ou plus court chemin Procédure stochastique pure (multichemin Dial, Burrell…), prix-temps Oui Méthode d’équilibre (équilibre de Wardrop, affectation par tranche) Méthode d’équilibre avec utilité stochastique Nous allons voir dans ce qui suit chacune des différentes classes de modèles d’affectation à savoir : ¾ Affectation tout ou rien ou plus court chemin ¾ Affectation stochastique ou multichemin ¾ Affectation à l’équilibre ou avec contrainte de capacité ¾ Affectation à l’équilibre avec utilité stochastique Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 25 a. Affectation tout-ou-rien ou plus court chemin C’est une procédure qui affecte la totalité du trafic d’une origine-destination donnée sur le chemin qui est le plus court (en termes de coût généralisé) et rien sur tous les autres chemins possibles. Cette procédure se base sur deux hypothèses : 9 Tous les individus perçoivent le coût d’un lien de manière identique, ce qui fait que pour tous les individus, il y a un plus court chemin unique ; 9 Le coût d’un lien est fixe et donc ne dépend pas de sa charge (comme si l’on considère que le lien a une capacité infinie), ce qui fait que la totalité de la demande sera affectée sur ce plus court chemin. Cette hypothèse est acceptable pour les transports collectifs, et pour la voiture dans le cas de réseaux non congestionnés. L’affectation tout-ou-rien correspond donc à une formulation déterministe de l’utilité (définition agrégée de l’utilité) associée à un itinéraire unique. Il existe plusieurs algorithmes de plus courts chemins (Thomas, 1991). Les plus connus sont ceux de Dijkstra (1959) et de Moore (1957). b. Affectation stochastique ou multichemin L’affectation stochastique se base sur deux hypothèses : 9 Tous les individus ne perçoivent pas le coût d’un chemin de manière identique ; 9 Le coût d’un lien est fixe et donc ne dépend pas de sa charge (toujours la considération d’une capacité infinie). Pour les réseaux routiers non ou peu congestionnés (période creuse par exemple en urbain ou trafic interurbain) et pour les transports collectifs, les méthodes multichemins sont plus pertinentes que l’affectation au plus court chemin. L’intérêt de ces méthodes réside dans leur capacité à répartir le trafic entre plusieurs chemins tout en conservant une attractivité accrue pour les chemins les plus courts. Les méthodes d’affectation stochastique les plus couramment utilisées sont : l’affectation multichemin de Dial et de Burrell et la méthode d’Abraham appelée également méthode Ariane utilisée en France pour l’interurbain. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 26 c. Affectation à l’équilibre ou avec contrainte de capacité Les deux familles de modèles précédentes ne prennent pas en compte les phénomènes de congestion. De ce fait, elles sont peu efficaces pour traiter de l’affectation des déplacements pour des réseaux routiers fortement congestionnés. Pour répondre à ces problèmes, les modèles à l’équilibre ont été développés. Le principe général de ces modèles est de prendre en compte la congestion à travers une définition du coût du lien en fonction de sa charge. En revanche, ils considèrent une approche déterministe de l’utilité à travers un coût unique pour le lien défini à partir des attributs du lien. L’affectation sur plusieurs chemins n’est plus assurée par une formalisation probabiliste des coûts comme dans l’affectation stochastique, mais par une prise en compte de la capacité des infrastructures. Lorsqu’un lien est trop chargé son coût devient excessif. De ce fait, d’autres itinéraires deviennent plus intéressants (au sens du coût généralisé). Le principe des méthodes à l’équilibre est de faire en sorte que plusieurs itinéraires soient choisis pour une même origine-destination lorsque l’on rencontre des phénomènes de congestion, de telle sorte que ces itinéraires soient d’un coût comparable. Plusieurs modèles sont inclus dans cette famille. Toutefois, seule l’affectation à l’équilibre de Wardrop répond pleinement à l’objectif visé. Les autres modèles plus simples à mettre en œuvre permettent seulement d’approcher la solution obtenue par l’équilibre de Wardrop. d. Affectation à l’équilibre avec utilité stochastique L’affectation à l’équilibre avec utilité stochastique repose sur le fait que chaque usager choisit le chemin qui lui permet de minimiser le coût perçu et donc de maximiser son utilité. De ce fait, pour chaque usager, le chemin choisi est celui qui présente le coût perçu le plus faible et donc aucun usager ne peut trouver un chemin lui offrant un coût perçu plus faible. Passant maintenant aux conditions d’opérationnalité et problématique des modèles. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 27 II.3 OPERATIONNALITE ET PROBLEMATIQUE DES MODELES II.3.1 Opérationnalité des modèles Un modèle consiste à représenter d’une manière simplifiée la réalité. De ce fait, il convient de s’assurer de son opérationnalité en tenant compte des objectifs qui lui sont assignés. « Un modèle apte à réaliser les performances que l’on attend de lui sera dit opérationnel. L’opérationnalité du modèle constitue donc sa qualité fondamentale » (Bonnafous, 1989). Bonnafous précise qu’il y a trois conditions à l’opérationnalité du modèle : pertinence, cohérence et mesurabilité. Ces trois conditions sont nécessaires et suffisantes. Toutefois, elles sont contradictoires et constituent la problématique du modèle. II.3.1.1 Pertinence « La pertinence correspond à la capacité du modèle à être conforme à ce que l’on croit savoir de la réalité, de l’état des choses », (BONNEL, 2004). Cette condition vérifie donc la capacité du modèle à approcher d’une manière simplifiée la réalité. L’absence de pertinence peut être due principalement au choix des variables explicatives et aux relations entre ces variables. Pour apprécier la pertinence d’un modèle, il est primordial d’expliciter la construction simplifiée de l’objet d’étude. II.3.1.2 Cohérence La cohérence du modèle recouvre deux notions : une condition de cohérence interne du modèle et une condition de cohérence d’objectifs du modèle. « La cohérence interne du modèle correspond à une condition de cohérence logico- mathématique du modèle. C’est-à-dire que le modèle ne doit pas comporter de contradictions internes que ce soit au niveau de la définition des variables, des valeurs prises par celles-ci ou au niveau des relations de causalité retenues. De plus, le modèle doit respecter les hypothèses d’application des modèles mathématiques » (Bonnel, 2004). Le problème de cohérence interne peut généralement être résolu en ayant recours à des calculs un peu plus longs ou complexes. Un examen attentif du modèle permet d’ailleurs, le plus souvent, de détecter les problèmes de cohérence interne. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 28 Pour la seconde condition qui est la cohérence d’objectifs du modèle, elle signifie que le modèle « doit reposer sur une organisation logico-mathématique, qui soit cohérente avec son objectif : pour rendre compte d’un équilibre général, le modèle du même nom devra comporter autant d’équations qu’il y a de quantités de bien à échanger sur les marchés et de prix de ces biens. Il faudra de surcroît que ces équations soient indépendantes, faute de quoi quelques-unes des inconnues du problème resteraient inconnues » (Bonnafous, 1989). L’ajout de nouvelles variables explicatives pour répondre à un objectif particulier pourra donc nécessiter l’introduction d’équations nouvelles ou d’hypothèses supplémentaires pour lever une indétermination. Elle nécessitera également le plus souvent des tests d’indépendance entre variables. La condition de cohérence est nécessaire à l’opérationnalité du modèle. Sa mise en défaut pourra conduire : 9 à des contradictions dans les résultats du modèle pour ce qui est de la cohérence interne ; 9 et à des indéterminations pour la condition de cohérence d’objectifs. Dès lors, c’est l’opérationnalité qui sera responsable de la non conformité avec la réalité ou de l’impossibilité de produire des prévisions. II.3.1.3 Mesurabilité La mesurabilité constitue la troisième condition de l’opérationnalité du modèle. Cette exigence se décline « selon trois registres : 9 La mesurabilité des relations causales ; 9 La mesurabilité des quantités mises en jeu dans le modèle ; 9 La mesurabilité des paramètres de ses équations » (Bonnafous, 1989). Pour la mesurabilité des relations causales, elle correspond à la nécessité de pouvoir les formaliser. Une absence de formalisation ne permettrait pas d’utiliser le modèle en prévision. « Quel serait l’intérêt en matière de prévision d’une relation causale du type « l’accroissement de la motorisation entraîne une croissance du nombre de déplacements en voiture particulière », pour laquelle on ne pourrait proposer une fonction reliant motorisation et mobilité automobile. Tout au plus, on pourrait prédire une croissance de la Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 29 circulation automobile en cas de croissance de la motorisation, mais on serait bien incapable de la quantifier et ainsi de répondre à l’objectif » (BONNEL, 2004). Pour ce qui est de la mesurabilité des quantités mises en jeu dans le modèle, elle est très nécessaire, puisque la non-mesurabilité de l’une de ces quantités pose problème, du fait qu’elle ne permettrait ni de tester l’opérationnalité du modèle (si le modèle établit que telle variable doit croître sous l’effet d’une variation d’une autre variable, le moins que l’on puisse attendre est de pouvoir confronter cette relation à l’état des choses), ni d’établir la valeur de la variable de sortie. Enfin, pour la mesurabilité des paramètres de ses équations, elle est également indispensable. L’indétermination d’un coefficient ne permettra pas d’estimer le modèle. Cette indétermination rend impossible de tester l’opérationnalité du modèle (face à l’impossibilité dans laquelle on se trouve de le confronter à l’état des choses), et la prévision de certaines grandeurs pour répondre aux objectifs visés. C’est pour répondre à ces trois dimensions de la mesurabilité que la production de données est nécessaire. En l’absence de données d’enquête, les quantités des variables risquent fort de ne pouvoir être définies. Mais surtout, la formalisation ne pourra pas être confrontée à la « réalité » représentée par les données. Et puis, la détermination des coefficients du calage sera impossible. Certes, dans ce cas, il est toujours possible de reprendre la formalisation et les coefficients de calage retenus lors d’un autre exercice de modélisation, mais alors de nouveau l’opérationnalité du modèle ne pourra être éprouvée, faute de confrontation possible à la « réalité ». II.3.2 Problématique des modèles Certes, les trois conditions de pertinence, cohérence et mesurabilité sont nécessaires et suffisantes à l’opérationnalité du modèle mais elles sont toutefois contradictoires, du fait que l’amélioration de l’une des conditions se fait, le plus souvent, au détriment des deux autres, constituant ainsi la problématique du modèle. Nous allons examiner dans ce qui suit ces différentes contradictions. La recherche d’une plus grande pertinence passe souvent par l’ajout d’un plus grand nombre de variables explicatives, ce qui nécessitera l’introduction des relations correspondantes au Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 30 sein du modèle mathématique et la cohérence d’objectifs imposera des tests beaucoup plus lourds pour vérifier que le modèle correspond bien à l’état des choses lorsque chacune des variables varie indépendamment ou conjointement. Aussi il y a risque de trouver des problèmes d’indépendance entre les variables lorsque l’hypothèse est nécessaire chose qui provoquera un problème au niveau de cohérence interne. La contradiction est encore plus évidente sur le plan de la mesurabilité. En effet, sur le volet mesurabilité des relations causales, les données doivent être disponibles pour formaliser l’ensemble des relations. L’absence de données pour choisir la forme fonctionnelle correspondant le mieux à l’état des choses, imposerait de faire des hypothèses sur la fonction mathématique à choisir, ce qui risque de compromettre tant la pertinence que la cohérence d’objectifs. Sur le volet mesurabilité des quantités mises en jeu, la multiplication des variables peut poser des problèmes de mesurabilité de ces variables. Et sur le volet mesurabilité des paramètres de ses équations, l’analyste doit pouvoir disposer d’un jeu de données suffisant mettant en œuvre l’ensemble des variables en relation afin de pouvoir caler les fonctions. L’accroissement de la pertinence risque donc de se faire au prix fort, face à l’inflation des données nécessaires. En effet, la production des données est un poste budgétaire important dans le cas où une telle production est nécessaire face à l’absence de données disponibles. La recherche d’une plus grande mesurabilité se fait également souvent au détriment des autres conditions. Pour illustrer ce problème, nous proposons l’exemple du revenu (BONNEL, 2004). Lors des enquêtes, il est très rare de demander directement aux enquêtés leurs revenus, du fait que les gens refusent fréquemment de donner cette information. Pour remédier à cela, on utilise des classes de revenu en demandant à l’enquêté non pas de donner son revenu mais la classe à laquelle il appartient. Ceci permet de réduire le nombre de refus. Toutefois, la définition de cette nouvelle variable qui est la classe de revenus pose des problèmes de cohérence interne, puisque, pour répondre aux objectifs de quantification du modèle, il est généralement nécessaire de disposer d’un revenu variant continuellement et non pas par classes. La solution consiste alors à lisser la courbe. Pour cela, il faudrait introduire des hypothèses sur la distribution des revenus au sein de chacune des classes, chose qui provoque un problème de pertinence, puisqu’on ne connaît pas la distribution effective des revenus. En plus, même si l’introduction de la classe de revenu réduit les refus, elle ne les annule pas. De plus, selon les niveaux de revenus et les professions, les informations délivrées par les Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 31 enquêtés sont fréquemment volontairement erronées à la hausse ou à la baisse. L’information reste donc de qualité médiocre. C’est pourquoi, il est fréquent de remplacer le revenu par l’appartenance à une catégorie socio-professionnelle. On dispose cette fois d’une variable aisément mesurable. Par contre, il faut bien garder à l’esprit qu’il s’agit d’un substitut approximatif du revenu dont la pertinence est plus que discutable. Enfin, la recherche d’une plus grande cohérence ne fait pas non plus bon ménage avec les deux autres conditions de l’opérationnalité. Prenons l’exemple d’un modèle linéaire où deux variables ne satisfont pas suffisamment les critères d’indépendance, il est souhaitable d’en supprimer une des deux ou d’en créer une nouvelle les agrégeant. Mais la pertinence risque fort de diminuer si les deux variables influent sur l’objet d’étude, d’autant plus que la création d’une variable qui agrège les deux, peut conduire à la fois à une pertinence moindre, et à des problèmes de mesurabilité. Aussi, encore dans le cas d’un modèle linéaire, lorsque des variables ont des coefficients qui ne sont pas significativement différents de zéro, la statistique recommande de les enlever de la liste des variables prises en compte par le modèle, la pertinence peut s’en trouver affectée. Face à la problématique du modèle, Bonnafous propose deux solutions. « La première est tout bonnement la réduction du modèle : réduction de son objectif, de son objet ou des deux » (Bonnafous, 1989). La seconde consiste à traiter le problème par l’innovation méthodologique. Elle nécessite le plus souvent de déplacer le problème pour le resituer à un autre niveau. C’est évidemment la sortie que l’on préférera, mais elle est nettement plus exigeante (BONNEL, 2004). Nous avons vu à travers cette synthèse des éléments de la modélisation de la demande de transport, que la réalité n’est pas facile à approcher, et que sa modélisation nécessite un grand travail de réflexion et de structuration. Aussi, cette modélisation nécessite un travail assez lourd de collecte et traitement de données. La partie suivante sera consacrée aux données, à leur codification et à l’application de DaVISUM. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 32 III. DONNEES DE BASE, CODIFICATION ET APPLICATION DU LOGICIEL Il me semble nécessaire, avant de commencer à traiter cette partie, de rappeler que le but de notre projet est de tester la possibilité d'utiliser des données théoriquement disponibles dans tous les réseaux (sans problème de confidentialité) pour codifier de manière automatique le réseau de transport collectif du périmètre urbain lyonnais. Ainsi, et comme nous l’avons déjà signalé en introduction, nous avons commencé le travail par la collecte des données relatives au réseau de transport en commun lyonnais de 2006 à savoir : les distances entre stations successives et les horaires de passage par ces stations en heure de pointe du soir (entre 16h30 et 19h00), et ce pour chaque ligne de transport en allée et en retour. Après, nous avons procédé à la correction de ces données sur la base des cartes des réseaux de 2001 et de 2006. Une fois notre réseau est construit, nous l’avons codifié sous le logiciel DaVISUM, nous avons codifié aussi les centroïdes des zones et la matrice de la demande de déplacement, et enfin, nous avons réalisé l’affectation. Dans cette troisième partie, nous allons parler de toutes ces données à savoir le zonage, le réseau TC et la matrice OD, comment nous les avons obtenues/construites, leur traitement…, nous décrirons par la suite comment nous avons codifié ces données sous DaVISUM, et nous aborderons à la fin la procédure d’affectation sous DAVISUM. III.1 DONNEES DE BASE III.1.1 Zonage Notre périmètre d’étude englobe toute l’aire urbaine Lyonnaise de l’année 2001. Nous nous sommes basés dans SIMBAD sur le zonage en IRIS, réalisé par l’INSEE 4 . En effet, les IRIS (Ilots regroupés pour l’Information Statistique) sont les découpages de base en matière de diffusion des données locales. La France est découpée en environ 50800 IRIS. Pour les petites communes (34 800), l’IRIS correspond au territoire de la commune. Puis la plupart des communes plus de 5 000 habitants, sont découpées en IRIS 2000. Les IRIS 2000 forment « un 4 Institut National de la Statistique et des Etudes Economiques. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 33 petit quartier » qui se définit comme un ensemble d’îlots contigus. Il y a 3 types d’IRIS 2000 : • Les IRIS d’habitat, qui sont des zones dont la population se situe entre 1800 et 5000 habitants et qui sont homogènes quant au type d’habitants ; • Les IRIS d’activités, qui sont des zones qui regroupent plus de 1000 salariés et comptent deux fois plus d’emplois que de population résidente ; • Les IRIS divers, qui sont des zones de superficie importante à usage particulier (bois, parc, zones portuaires…). Ainsi l’Aire Urbaine Lyonnaise qui constitue notre périmètre d’étude a été découpée en 777 zones IRIS. Nous avons adopté ce découpage en IRIS car c’est le découpage le plus fin disponible. III.1.2 Réseau de transport L’affectation réalisée à l’aide de TERESE avait comme année de référence 2001, pour cela, il fallait prendre la même année pour que « la comparaison » entre les résultats de DaVISUM et ceux de TERESE ait un sens. Or, après avoir contacté Kéolis Lyon, l’exploitant des TCL, il s’est avéré que les seules données auxquelles nous pouvions accéder sont ceux de 2006, et il a fallu donc d’abord saisir les données relatives à 2006, et puis reconstituer le réseau 2001 sur la base de ces données et de la comparaison entre les cartes du réseau des transports en commun de 2001 et 2006. Les données dont nous avions besoin sont les temps de parcours entre stations adjacentes pour chaque sens et chaque ligne de transport en commun. Pour cela, il fallait avoir, pour toutes les lignes de transport en commun : la succession des stations, les distances entre stations adjacentes et les horaires de passage entre ces stations (en heures de pointe du soir). Comment avons-nous procédé ? • Construction du réseau Nous avons construit dans un premier temps, sur la base des données de Kéolis Lyon, des tableaux qui contiennent, pour chaque ligne de 2006 : la succession des stations en allée et en retour, les distances entre ces stations et les horaires de passage en heures de pointe du soir, par chacune des stations principales. Après, il a fallu procéder à la reconstitution de nouveaux tableaux pour l’année 2001, et ce sur la base des tableaux 2006 et des cartes du réseau 2001 et 2006. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 34 A l’aide des cartes du réseau de transport en commun du grand Lyon de 2001 et de 2006, nous comparions la succession des stations en allée et retour. Pour une ligne i et dans un sens donné, un ou plusieurs des cas suivants peut (peuvent) se présenter : ¾ Des stations sont conservées, et donc il n’y a aucun changement entre 2006 et 2001 ; ¾ Des stations ont gardé les mêmes emplacements mais sont desservies par de nouvelles lignes en 2006 ; ¾ Des stations appartiennent à un itinéraire qui existait et qui existe encore mais la station n’est plus desservie ; ¾ Une station n’est plus desservie dans un sens mais elle l’est dans l’autre ; ¾ Des stations (pour une même ligne) ont les mêmes noms en 2001 et en 2006 mais leurs emplacements ne sont pas les mêmes ; ¾ Des stations n’existaient pas en 2001 mais existent en 2006, sur le même itinéraire de 2001 ; ¾ Des stations qui étaient desservies en 2001 ne le sont plus en 2006 ; ¾ Etc. Pour le premier cas, il n’y a aucun problème, mais pour les autres cas, il fallait trouver moyen de récupérer les données. Nous avons donc essayé au maximum de tirer l’information sur la base des cartes et des données disponibles (de Kéolis Lyon), mais dans certains cas, il était indispensable d’avoir recours à des cartes du réseau numérisées par David CAUBEL 5 sur un SIG de haute résolution spatiale pour ce qui est des distances. Pour les horaires de passage, nous nous sommes basés sur les vitesses pratiquées par le même mode de transport dans le voisinage du tronçon en question (toute chose étant égale par ailleurs). Mis à part le travail fastidieux de collecte de données, la correction de ces données n’était pas facile ; d’une part, les outils dont je disposais étaient limités (cartes de réseau de 2001 et 2006) et d’autre part, il y a eu beaucoup de changements sur le réseau et ces derniers étaient concentrés dans certaines zones (généralement au centre de la ville), et donc parfois il s’avérait impossible de trouver les distances ou les temps de parcours entre stations de ces 5 Chercheur au LET Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 35 régions sans avoir recours aux distances issues des cartes numérisées et à l’estimation des temps de parcours. Après avoir reconstitué notre réseau de 2001, avec les distances entre stations et les horaires de passage par les principales stations, nous avons calculé les horaires de passage par les stations secondaires, et ceux par interpolation entre chaque deux stations principales. Ensuite, nous avons calculé les temps de parcours entre toutes les stations adjacentes et pour chaque ligne de transport en commun en allée et en retour. Nous avons procédé par la suite au contrôle des distances, moyennant une comparaison de celles fournies par Kéolis avec celles issus du SIG, et ce à l’aide d’un petit programme sur Excel qui informe sur l’existence de différences considérables. En effet, si le rapport différence entre distance Kéolis et distance SIG sur distance Kéolis est supérieur à 10%, nous procédons à une rectification. A la fin de tout ce travail, nous avons recensé 1879 stations de transport en commun, 309 allée et retour et 141 lignes de transport en commun dont 4 métros, 2 tramways et 2 funiculaires. Remarque : Le principe que nous avons suivi pour la reconstitution du réseau 2001 sur la base des données 2006 n’est pas tout à fait correct, car cela exige que les conditions de trafic soient conservées entre 2001 et 2006, chose qui n’est pas vraie. Je cite l’exemple des règles de priorité qui ont changé sur certaines routes et qui favorisent le bus par rapport aux voitures, aussi de nouvelles voies ont été aménagées pour être utilisées par les bus… Ceci dit, nous avons gardé l’hypothèse que les conditions de trafic n’ont pas changé, puisque la recherche des changements qui ont eu lieu entre 2001 et 2006 nécessite un travail de collecte de données considérable et son intégration dans le réseau n’est pas évidente. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 36 III.1.3 Matrice Origine-Destination Pour pouvoir comparer l’affectation de DaVISUM avec celle de TERESE, il fallait partir des mêmes données de la demande. Pour cela, nous avons utilisé la matrice origine-destination de déplacement relative au réseau 2000-2001 fournie par la SEMALY 6 et utilisée dans TERESE. Il s’agit d’une matrice de déplacement en transport collectif relative aux heures de pointe du soir (entre 16h30 et 19h00). Toutefois, cette matrice posait problème, puisque l’aire urbaine lyonnaise modélisée par la SEMALY repose sur un découpage en 196 zones par contre le LET travaille sur un découpage en 777 zones, il fallait donc passer d’une matrice 196×196 à une matrice 777×777. Pour remédier à ce problème nous avons procédé à l’éclatement de la matrice de la SEMALY pour la faire correspondre à celle du LET. En effet, nous avons défini chaque zone IRIS comme la somme pondérée des zones du découpage TERESE dont une partie est incluse dans cette zone IRIS. De ce fait, si i est une origine et j une destination dans le découpage IRIS, et Dij la demande sur l’origine-destination ij, et si dkl la demande de déplacement entre les zones k et l du découpage de la SEMALY alors on a : Équation 2 : formule de la construction de la matrice de la demande de déplacement des zones IRIS sur la base de celle des zones de découpage de la SEMALY (J. PITION, 2006) Les coefficients de pondération aik et ajl correspondent au pourcentage de la surface bâtie de chaque zone TERESE qui est commune avec la zone du découpage du LET. Le choix de la surface bâtie vient du fait que celle-ci est la somme des surfaces d’habitation et des surfaces de travail et donc il est plus logique de ne prendre en compte que cette surface qui engendre l’émission et l’attraction de chaque zone. Ainsi, nous avons construit notre matrice de demande correspondante au découpage IRIS. 6 Société d'ingénierie des transports urbains et ferroviaires, créée en 1968 à l’initiative des collectivités locales lyonnaises, elle est spécialisée dans l'étude et la maîtrise d'oeuvre des transports en commun de type métros, tramways, bus guidés et ferroviaires : trains à grande vitesse, chemins de fer régionaux, nationaux et internationaux. Dij = Sk,l aik ajl dkl Avec aik et ajl respectivement les coefficients de pondération des zones IRIS i et j par rapport aux zones SEMALY k et l. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 37 III.2 CODIFICATION SOUS DAVISUM III.2.1 Eléments de la codification du réseau sous DaVISUM La codification d’un réseau pour les besoins de modélisation nécessite la description de sa structure (définition de ses composants), des propriétés de ses composants (longueur, vitesse…) et des relations entre ces éléments et les flux de déplacements (Lamb, Havers, 1970). Le réseau représentant le système de transports collectifs pour DaVISUM doit décrire la structure spatiale et temporelle de l’offre de transport. C’est pourquoi on le construit en fonction de nombreux éléments contenant toutes les données significatives relatives au réseau des tronçons, aux lignes et horaires de transport en commun et aux zones de trafic. Le modèle de réseau intégré dans DaVISUM distingue les systèmes de transport du type individuel “TI” et ceux du type collectif “TC”. Les systèmes de transport TI dépendent de la vitesse autorisée et de la capacité des tronçons tandis que les véhicules des systèmes de transport TC circulent selon des horaires. Pour décrire une offre de transport, DAVISUM distingue plusieurs éléments que l’on codifie sous forme de tables à formats spécifiques. En effet, les tables nécessaires à la description d’un réseau dépendent de la nature de l’offre de transport qu’on veut décrire. Dans notre cas nous nous intéressons au réseau des transports collectifs (qui est beaucoup plus « exigeant » en matière d’informations requises que le transport individuel). Les tables indispensables pour mettre en œuvre ce réseau sont les suivantes : Table : paramètres du réseau Table : systèmes de transport Table : modes Table : segments de la demande Table : nœuds Table : points d’arrêt Table : arrêts Table : zones d’arrêt Table : zones Table : tronçons Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 38 Table : connecteurs Table : lignes Table : itinéraires de lignes Table : tracés d’itinéraires de lignes Table : profils des temps de parcours Table : éléments des profils des temps de parcours Nous allons décrire dans ce qui suit chacune de ces tables et vous trouverez en annexe un exemple de chacune de ces tables. Table : Paramètres Réseau La table Paramètres réseau contient des paramètres de réseau généraux pour les données de réseau (échelle, nombre de décimale pour les coordonnées…). Table : Systèmes de transport La table Systèmes de transport informe sur les différents systèmes de transport qui constituent l’offre. Un système de transport est défini par : ¾ Un type de système de transport : transport individuel, transport collectif, marche à pied… ¾ Un moyen de transport : voiture, vélo, tram, bus… Table : Modes La table mode décrit les modes de transport utilisés dans le réseau. Un mode sert à relier un ou plusieurs systèmes de transport. Un mode peut comporter un et un seul système de transport TI ou plusieurs systèmes de transport TC. Table : Segments de la demande La table segments de la demande définit les différents segments de la demande. Un segment de la demande appartient à un et un seul mode. Il permet de faire le lien entre l’offre de transport et la demande de déplacements. On peut utiliser les segments de la demande pour différencier : ¾ Les groupes de la population : actifs avec VP (conducteurs), actifs TC, étudiants TC, etc. ; Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 39 ¾ Les types de titres de transport : aller simple, abonnements mensuels, etc. ; ¾ Les types de véhicules : VP diesel, VP essence, etc. Une matrice O-D est assignée à chaque segment de la demande. Généralement, on part du principe que les matrices O-D contiennent la demande en unités de véhicules pour les TI et en unités de personnes pour les TC. Le schéma suivant illustre le rapport entre systèmes de transport, modes, segments de la demande et matrice OD. Figure 7 : Rapport entre systèmes de transport, modes, segments de la demande et matrices O-D (manuel DaVISUM, p54) Table nœuds : La table nœuds décrit les nœuds du réseau. Les nœuds sont des éléments ponctuels qui définissent la position des carrefours du réseau routier et des arrêts de transport en commun. Les zones sont connectées au réseau par l’intermédiaire des noeuds. Dans notre cas, nous n’allons considérer comme nœuds que les arrêts des transports collectifs. Table points d’arrêt : La table points d’arrêt décrit les points d’arrêt du réseau. Un point d’arrêt est le point de départ concret d’une ou plusieurs lignes. Dans la modélisation la plus précise possible, le point d’arrêt correspond au poteau d’arrêt pour le transport par bus et à la bordure de quai pour le transport par voie ferrée. Les points d’arrêt sont inclus dans le réseau TC et peuvent être situés soit à un noeud soit sur un tronçon (orienté) à une position définie. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 40 Table zones d’arrêt : La table zones d’arrêt décrit les zones d’arrêt relatives au réseau. Une zone d’arrêt est assignée à un arrêt précis et peut regrouper plusieurs points d’arrêt, elle décrit une zone d’un arrêt et peut être assignée à un noeud du réseau, ce qui permet de relier le réseau routier et les connecteurs de zones (nous allons voir plus loin cette notion de connecteurs de zones). Les zones d’arrêt servent essentiellement à définir des temps de transition à pied entre les différents points d’arrêt. Elles regroupent les points d’arrêts dont les temps de transition à pied vers d’autres points d’arrêt ne divergent pas. Exemple : Dans une gare, les points d’arrêt des différents quais sont regroupés en une zone d’arrêt et ceux des différents arrêts de bus de la gare également. Les zones d’arrêts peuvent aussi représenter des entresols à l’intérieur d’arrêts plus vastes à plusieurs niveaux. Le second rôle des zones d’arrêt est de relier les arrêts aux zones et au réseau des liaisons piétonnes en dehors de l’arrêt. Table arrêts : La table arrêt décrit les arrêts du réseau. Un arrêt regroupe des zones d’arrêt et par conséquent des points d’arrêt. Il comporte des coordonnées pour des raisons de localisation et de représentation graphique. Ces distinctions entre arrêts, points d’arrêt et zones d’arrêt permettent d’élaborer des modèles de réseau plus ou moins détaillés avec DAVISUM : ¾ Pour la planification stratégique, les points d’arrêt au noeud sont suffisants car la position exacte du point d’arrêt n’est en général pas décisive ; ¾ Pour la planification d’exploitation TC, il est judicieux de modéliser les points d’arrêt sur les tronçons car on atteint ainsi le niveau de détail requis ; ¾ Il est également possible de mélanger les deux formes dans DAVISUM, par exemple en utilisant une modélisation précise selon les tronçons en agglomération et une modélisation selon les noeuds hors agglomération. Pour nous, il s’agit d’un modèle stratégique, donc nous n’avons pas besoin d’une codification « ponctuelle » très précise, pour cela, nous allons confondre point d’arrêt, zone d’arrêt et arrêt. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 41 Table tronçons : La table tronçons décrit les tronçons qui constituent le réseau. Les tronçons relient les nœuds, c'est-à-dire les carrefours du transport individuel et les points d’arrêt des transports collectifs, et matérialisent ainsi les infrastructures routières et ferroviaires. Un tronçon est une arête orientée, ce qui signifie que les deux sens sont des éléments de réseau indépendants. Pour chaque tronçon, il faut préciser les systèmes de transport du mode TI et du mode TC autorisés à emprunter ce tronçon. Cette table est indispensable pour la création d’un réseau sous DaVISUM mais on peut ne pas la construire car les tronçons peuvent être générés à partir de la table d’itinéraires de lignes. Table zones : La table zones représente les zones qui appartiennent au périmètre d’études. Les zones sont des éléments ponctuels qui décrivent des surfaces ayant une utilisation spécifique et leur localisation dans le réseau (par exemple : zones résidentielles, zones tertiaires, centres commerciaux, écoles). Elles sont l’origine et la destination des déplacements et sont connectées au réseau de transport via des connecteurs. On représente une zone par son centroïde, le centroïde est un nœud fictif qui concentre tous les attributs de la zone dont il constitue en quelque sorte le centre de gravité. Il s’agit d’un point fictif introduit à des fins de représentation (donc de simplification de la réalité). Il n’a pas réellement de position géographique. Souvent, on le situe au centre de gravité de la zone, mais il ne s’agit que d’une commodité de représentation graphique qui n’a pas de sens en termes de distance métrique. Toutes les localisations de la zone (ménages, emplois, origines et destinations des déplacements…) sont en fait concentrées en ce point. A l’intérieur de la zone, toutes les distances sont donc considérées comme nulles. Il s’agit bien évidemment d’une approximation. Et c’est pour réduire la portée de cette approximation, que l’on introduit le connecteur de centroïde (que nous décrirons après). Par définition, il ne peut y avoir qu’un seul centroïde par zone. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 42 Table connecteurs : La table connecteurs décrit les connecteurs qui relient les centroïdes de zones au réseau. Les connecteurs représentent les chemins de rabattement et d’accès (entrée et sortie) entre le centroïde d’une zone et les noeuds. Un connecteur a deux sens, qui peuvent être utilisées comme chemin d’accès au réseau ou de sortie du réseau : ¾ Connecteurs en émission depuis une zone vers un nœud ; ¾ Connecteurs en attraction depuis un noeud vers une zone. Les zones sont l’origine et la destination des déplacements, de sorte qu’un connecteur en émission représente toujours la première partie et un connecteur en attraction toujours la dernière partie d’un déplacement. La valeur par défaut du temps de connexion pour chaque système de transport est calculée à partir de la longueur du connecteur et de la vitesse du Système de Transport sur le connecteur (pour nous, le système de transport est la marche à pieds, et la vitesse de la marche à pieds est de 4km/h) existant sous forme de valeur par défaut. Pour l’affectation, chaque zone doit être connectée au réseau par au moins un connecteur en émission et au moins un connecteur en attraction. Une zone peut être reliée au réseau par plusieurs noeuds de connexion. La construction de cette table avait posé problème, du fait que les connecteurs sont des éléments fictifs que le planificateur crée pour des fins de modélisation. Pour créer des connecteurs, nous avons procédé comme suit : A l’aide d’Excel, nous avons calculé, pour chaque zone, la distance à vol d’oiseau entre cette zone et toute les stations de transport en commun, en se basant sur les coordonnées XY des zones et des stations. Ensuite, nous avons procédé au calcul de la distance réellement parcouru sur la base de la formule suivante (INRETS (GALLEZ, 2000, p.35)) : Équation 3 : Formule de calcul de la distance réellement parcourue en fonction de la distance à vol d’oiseau dans un système urbanisé Si DVO = 20 Km DRP = DVO × (1,1 + 0,3 exp (-DVO/20)) Sinon DRP = DVO × 1,1 Avec : DRP : Distance réellement parcourue DVO : Distance à vol d’oiseau Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 43 Ensuite, pour chaque zone i, quelle que soit la station k telle que DRP entre i et k est inférieure à 500m, on attribue un connecteur entre i et k. Une fois que l’on ait tous les connecteurs possibles (avec une longueur maximale de 500m), on ne considère que les stations qui n’ont eu aucun connecteur, et on leur applique la même procédure précédente mais cette fois avec la condition DRP inférieure ou égale à 1000m. Pour les zones auxquelles nous n’avons attribué aucun connecteur, elles sont considérées comme étant non connectées au réseau urbain. Le choix des valeurs de 500m en premier lieu et de 1000m en second lieu comme limites supérieures pour les distances d’accrochage 7 n’est pas arbitraire. En effet, pour la première valeur, il est courant de considérer que les zones de chalandise des stations de transport en commun ne dépassent pas un rayon de 500m. Toutefois, les déplacements dont l’origine ou la destination se trouve en périphérie pourraient présenter de non ou faibles connexions au réseau car l’offre en transport est réduite, c’est pour cela que, dans un deuxième temps, nous avons choisi d’augmenter, pour les zones non connectées, la limite supérieure des distances d’accrochage à 1000m. Le choix d’une plus grande distance d’accrochage (typiquement plus de 1000m) conduirait au calcul d’un nombre trop important de plus court chemin, ainsi, le temps de calcul serait augmenté sensiblement pour donner des résultats qui ne seraient pas réellement différents de ceux pouvant être obtenus avec une distance plus faible. Table lignes : La table ligne définit les lignes de transport collectif qui appartiennent au réseau. Une ligne de transport en commun est constituée d’une ou plusieurs variantes de lignes, qui peuvent différer par leur itinéraire ou leur temps de parcours entre deux arrêts. Une ligne est décrite par : ¾ Des itinéraires de ligne : un ensemble d’itinéraires de ligne pour chaque ligne ; ¾ Des profils de temps de parcours : un ensemble de profils de temps de parcours pour chaque itinéraire de ligne ; ¾ Des services : utilisent un profil de temps de parcours. 7 Une distance d’accrochage est une distance qui relie un centroïde de zone au réseau de transport, elle correspond à la longueur du connecteur. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 44 Dans la construction de cette table, nous ne signalons que les lignes existantes sans donner de détail sur la ligne, ce que dans les tables itinéraires de lignes et tracés d’itinéraires de lignes que l’on donne les informations qu’il faut sur les lignes. Table itinéraires de lignes et table tracés d’itinéraires de lignes : Un itinéraire de ligne décrit le chemin suivi par une ligne pour un sens donné comme succession de points d’itinéraire et regroupe un ou plusieurs profils de temps de parcours. Dans la table itinéraire de ligne, on définit l’ensemble des itinéraires existant pour chaque ligne. Dans la table tracé itinéraire de ligne on décrit la succession des points de ces itinéraires. En effet : ¾ Les points d’itinéraires sont des points sélectionnés de l’itinéraire de ligne, et qui sont, tous les points d’arrêt de l’itinéraire ; ¾ Les points d’itinéraires peuvent également être des noeuds traversés (comme des carrefours par exemple) ; ¾ Le premier et le dernier point d’itinéraire d’un itinéraire de ligne doivent être des points d’arrêt autorisés pour le système de transport de la ligne. Table Profil de temps de parcours et table éléments de profil de temps de parcours Un profil de temps de parcours décrit les temps de parcours entre les arrêts et les temps d’arrêts commerciaux pour un itinéraire de ligne d’une ligne. Dans la table Profil de temps de parcours, on redéfinit les itinéraires des lignes existants comme dans la table itinéraires de lignes. Et dans la table Eléments de profils de temps de parcours, on décrit tous les points d’arrêt desservis de l’itinéraire de ligne avec leurs temps de parcours et d’arrêt. Tous les points d’itinéraires sont appliqués pour le profil de temps de parcours, c’est-à-dire, pour le calcul de l’heure d’arrivée et du temps de parcours cumulé. Matrice de la demande Dans les matrices origine – destination, la demande de déplacements est indiquée par le nombre de déplacements (nombre de trajets) entre une zone i et une zone j. La distribution temporelle des souhaits de déplacement à l’intérieur de l’intervalle d’étude est décrite à l’aide Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 45 d’un instant de début et d’une courbe de distribution, considérée lors de l’affectation TC et de l’affectation dynamique TI. La courbe de distribution n’entre pas en compte dans les affectations TI statiques. Une description de la demande : ¾ Contient la demande de déplacements ainsi que sa distribution dans le temps ; ¾ Se rapporte à un ou plusieurs segments de la demande ; ¾ et est enregistrée dans un fichier de données de la demande. Dans DAVISUM, les matrices et les courbes de distribution sont des éléments de réseau indépendants et peuvent être assignées librement à des segments de la demande pour l’affectation. III.2.2 Démarche suivie Pour réaliser la codification du réseau sous format lisible par DaVISUM, nous avons suivi les étapes suivantes : ¾ Nous avons dressé l’inventaire des tables nécessaires à la construction du réseau TC ainsi que leurs attributs obligatoires ; ¾ Nous avons construit ces tables sous Excel ; ¾ Nous les avons exportées vers des fichiers bloc note avec le format spécifique à chaque table ; ¾ Et en dernier lieu, nous avons créé un fichier .net lisible par DaVISUM sur lequel nous avons copié l’ensemble des tables. Vous trouverez en annexe, un exemple de chaque table. Nous avons pu à travers cette démarche construire les bases élémentaires de notre réseau des transports collectifs, mais il fallait aussi intégrer le volet service indispensable pour l’affectation. Nous avons donc introduit, directement sous DaVISUM, pour chaque itinéraire de ligne, la fréquence de la desserte en heure de pointe du soir (l’heure pour laquelle nous allons réaliser l’affectation et pour laquelle nous disposons de la matrice origine-destination) tout en spécifiant, à chaque fois, les moments de début et de fin de cette fréquence de pointe. Ainsi, notre réseau a été construit et il ne restait qu’introduire les données de la demande. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 46 La matrice de la demande 777×777 a été générée, comme nous l’avons vu dans la partie précédente, à partir de celle de la SEMALY. Nous l’avons importée sous format .mtx en respectant la numérotation des zones de la table zones du réseau. III.3 REALISATION DE L’AFFECTATION SOUS DAVISUM Pour modéliser les déplacements TC, DAVISUM propose trois types de procédures d’affectation qui diffèrent les unes des autres par les données d’entrée nécessaires, le temps de calcul et la précision des résultats. III.3.1 Les procédures d’affectation sous DaVISUM ¾ La procédure d’affectation selon les systèmes de transport : elle utilise une affectation “tout ou rien” spécifique aux TC et fournit un aperçu de la structure de la demande de déplacements. Cette procédure se prête à la détermination d’un « réseau de lignes souhaité » dans le cadre d’une planification sommaire, réseau dans lequel les voyageurs sélectionnent l’itinéraire le plus rapide sans contrainte horaire ; ¾ La procédure d’affectation selon la cadence est idéale pour les réseaux urbains aux cadences rapprochées et pour les plans conceptuels à long terme où l’horaire exact pour la période d’étude n’est pas encore connu. La procédure selon la cadence détermine le temps d’attente en correspondance lors d’un changement de ligne à partir de la cadence moyenne de la ligne suivante ; ¾ La procédure d’affectation selon les horaires tient compte des horaires exacts et convient donc particulièrement à la planification des réseaux TC locaux dans les zones rurales ou des réseaux ferroviaires. Parmi ces trois variantes, nous avons choisi la plus adéquate à notre cas : l’affectation selon la cadence. Ce choix vient du fait que nous travaillons dans le cadre d’un modèle stratégique à des horizons de long terme. Nous allons détailler dans ce qui suit la procédure d’affectation selon la cadence retenue pour la réalisation de notre affectation sous DaVISUM. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 47 III.3.2 Affectation selon la cadence Dans la procédure d’affectation selon la cadence, chaque ligne est décrite par un itinéraire (succession d’arrêts), des temps de parcours entre arrêts desservis et une cadence. La procédure d’affectation selon la cadence englobe les trois étapes de détermination de la cadence, de recherche et de choix d’itinéraire ainsi que de répartition sur les liaisons. La procédure d’affectation selon la cadence se distingue de la procédure d’affectation selon les horaires par la combinaison de la recherche et du choix d’itinéraire. Dans la deuxième étape, DAVISUM recherche les chemins possibles entre deux zones et détermine une répartition entre celles-ci. Les chemins ne représentent pas des liaisons mais des itinéraires dans la mesure où la procédure de recherche ne tient compte des horaires que globalement par l’intermédiaire de la cadence. Dans la troisième étape, la demande de la matrice O-D est répartie sur les itinéraires déterminés lors de la recherche d’itinéraires et les itinéraires chargés sont enregistrés (au choix). III.3.2.1 Détermination de la cadence La cadence d’une ligne peut être déterminée de trois manières différentes au choix : ¾ Dans le cas le plus simple, la cadence est spécifiée directement par l’utilisateur comme attribut du profil de temps de parcours. ¾ La cadence peut également être déterminée à partir de l’horaire du profil de temps de parcours en déterminant pour des intervalles de temps définis par l’utilisateur et compris dans l’intervalle d’affectation le nombre n de départs revenant à chaque intervalle. Dans des réseaux avec des cadences rapprochées et des intervalles de temps suffisamment longs, cette approximation simple est acceptable. ¾ La troisième méthode est utilisée comme configuration par défaut pour la procédure d’affectation selon la cadence. La cadence d’une ligne l est définie comme le double du temps d’attente attendu du prochain départ de l en cas d’accès aléatoire à l’arrêt dans un intervalle donné. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 48 III.3.2.2 Coûts généralisés La recherche de chemins de la procédure d’affectation selon la cadence repose sur le principe fondamental suivant : tous les voyageurs d’une même zone d’attraction prennent leur décision de choix de chemin selon les mêmes critères, indépendamment du chemin partiel parcouru auparavant. Ce principe mathématique représente un critère de décision stable. Pour la recherche et le choix d’itinéraire, les itinéraires sont évalués selon leur temps ou leur coût généralisé. Celui-ci est composé d’un temps de déplacement perçu TDP et d’un prix de déplacement Tarif (Manuel DaVISUM) : Équation 4 : Formule du calcul du temps généralisé telle qu’elle est décrite dans le manuel d’utilisation de DaVISUM Le temps de déplacement perçu TDP est exprimé en minutes et se compose des temps suivants : TDP [min] = Temps de transport en véhicule • FactTEV + Temps de rabattement • FactTR + Temps d’accès à destination • FactTAX + Temps de marche à pied • FactTMàP + Temps d’attente au départ • FactTAD + Temps d’attente en correspondance • FactTAC + Nombre de ruptures • FactNR TG = TDP • FactTDP + Tarif • FactTarif Avec : TG : Temps généralisé TDP : Temps de déplacement Perçu Tarif : Prix du déplacement FactTDP et FactTarif respectivement les coefficients multiplicateurs du temps de déplacement perçu et du prix du déplacement. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 49 Les temps de déplacement, coût etc. sont déterministes. Le temps d’attente au départ et le temps d’attente en correspondance découlent de la cadence déterminée auparavant de la ligne TC dans laquelle le voyageur monte à l’arrêt de départ ou de correspondance. Ils dépendent de la position relative des lignes empruntées successivement par rapport aux autres lignes dans le cadre de leur cadence. III.3.2.3 Recherche et choix d’itinéraires La demande de déplacements d’une relation OD est injectée à la zone d’émission. Pour le choix de la première ligne, il peut déjà exister plusieurs alternatives avec des temps généralisés et des cadences différentes. La demande totale est alors répartie – comme à tous les prochains points de décision - sur les différentes alternatives selon un principe simple : La probabilité du choix d’une alternative est égale à la probabilité qu’une alternative soit la meilleure parmi toutes les alternatives. La recherche d’itinéraires dans l’affectation selon la cadence ne repose pas sur des recherches du plus court chemin mais génère un graphe de décision orienté pour chaque zone d’attraction. Les arrêts où plusieurs alternatives sont à disposition des voyageurs représentent les noeuds de ce graphe de décision, appelés noeuds de décision. Les branches de ce graphe représentent les différentes possibilités d’accéder à la zone d’attraction. L’hypothèse selon laquelle les voyageurs se répartissent à chaque arrêt sur les différentes options pour continuer le déplacement conformément à ce graphe de probabilité – indépendamment de la manière dont ils ont accédé à l’arrêt – est décisive. Logiquement, la recherche et le choix dans la nouvelle procédure d’affectation selon la cadence sont structurés de telle sorte que toutes les possibilités de se déplacer à partir des arrêts du réseau en direction de la zone d’attraction sont déterminées rétroactivement à partir de chaque zone d’attraction. Les temps généralisés moyens des noeuds de décision pour lesquels une répartition a déjà été calculée servent successivement à déterminer la répartition à des noeuds de décision plus éloignés. Au cours de cette recherche, seuls les itinéraires constituant la meilleure option avec une probabilité positive parmi toutes les alternatives disponibles à leur noeud décisionnel de départ sont conservés (c’est-à-dire que seules de telles branches du graphe de décision sont chargées). Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 50 III.3.2.4 Evaluation de la procédure, champs d’application La procédure d’affectation selon la cadence présente les caractéristiques suivantes : ¾ La procédure détermine non seulement l’itinéraire “optimal” mais également tous les itinéraires “suffisamment attractifs”, au même titre que l’affectation selon les horaires. A la différence de cette dernière cependant, le temps d’attente en correspondance est seulement considéré globalement ; ¾ La coordination des horaires n’est considérée que si elle est explicitement modélisée ; ¾ Le nombre de ruptures, le temps de déplacement et le temps de transport peuvent être estimés de façon précise si toutes les lignes ont des cadences moyennes faibles ; ¾ Pour la plupart des réseaux TC, le temps de calcul est considérablement réduit avec la procédure selon la cadence par rapport à la procédure selon les horaires, en particulier pour les réseaux cadencés. En revanche, dans les réseaux dans lesquels de nombreuses lignes ne sont constituées que d’un seul service, le gain de temps est peu considérable ; ¾ Dans la mesure où la procédure d’affectation selon la cadence ne tient en général pas compte de la coordination des horaires, elle est recommandée pour la planification des transports collectifs en milieu urbain, en particulier si l’état actuel (horaire exact disponible) doit être comparé à des scénarios pour lesquels il n’existe pas encore d’horaires exacts. Cette procédure ne convient pas à la planification des TC en milieu rural ou pour les transports à longues distances, car dans ces cas les cadences sont généralement faibles et la mise en place de correspondances constitue une tâche de planification élémentaire. Nous allons maintenant décrire comment nous avons réalisé pratiquement l’affectation sous DaVISUM. III.3.3 Description de la réalisation de l’affectation sous DaVISUM Après avoir construit le fichier .net qui contient toutes les tables requises pour la création du réseau de transport, nous allons l’importer sous DaVISUM. Nous procédons comme suit : ¾ Ouvrir DaVISUM ; ¾ Dans le menu déroulant « fichier » on choisit l’option ouvrir ; Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 51 Une fenêtre s’ouvre automatiquement demandant de spécifier la nature du fichier que l’on veut ouvrir, nous choisissons « réseau » ; ¾ On spécifie l’emplacement de notre fichier qui contient les tables qui décrivent le réseau ; ¾ DaVISUM affiche une fenêtre où l’on demande si on désire afficher les messages d’erreur à l’écran, il faut cocher cette option puisqu’elle nous permettra de savoir exactement où se situe le problème s’il y en a. ¾ DaVISUM commence alors à lire le réseau et éventuellement à le compléter. ¾ Il affiche une fenêtre où l’on choisi notre Système de transport, et où on nous demande si l’on désire éventuellement que DaVISUM insère des tronçons s’il en faut. Dans notre cas, on coche cette option, et on demande à DaVISUM d’appliquer ceci à tous les systèmes de transport. ¾ La lecture du réseau prend quelques secondes. Après, notre réseau s’affiche à l’écran sous la forme suivante : Figure 8 : Réseau des transports collectifs lyonnais modélisé sous DaVISUM Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 52 ¾ Maintenant, il faudra insérer les données de la demande, pour cela on ouvre la matrice de la demande ; ¾ Fichier > ouvrir > matrice OD > nouvelle matrice ; ¾ On spécifie l’emplacement de la matrice qui a déjà été enregistrée sous format .mtx ; ¾ La fenêtre des données de la demande apparaît ; ¾ On spécifie la durée relative à la matrice origine-destination avec l’heure de début et de fin de cette période ; ¾ Pour réaliser l’affectation, on sélectionne dans le menu déroulant « Calcul » l’option « procédures » ; ¾ La fenêtre procédure apparaît avec deux onglets : « déroulement » et « fonctions ». On choisi « déroulement » ; ¾ On clique sur insérer, l’opération affectation apparaît ; ¾ Il faudra par la suite sélectionner le segment de la demande sur lequel on désire réaliser l’affectation ; ¾ On choisit la procédure d’affectation qui nous convient (dans notre cas c’est selon la cadence) ; ¾ Après, on spécifie les paramètres de l’affectation à savoir : les numéros de zones de destinations, l’intervalle d’affectation et les coefficients des différents termes de la fonction temps généralisé ; ¾ Et enfin, on lance l’exécution de la procédure ; Je note ici que la réalisation de l’affectation prend 5 à 6 min dans notre cas. Une fois la procédure est terminée, on peut visualiser la charge sur chaque tronçon moyennant des fonctionnalités des paramètres graphiques. Voici un exemple : Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 53 Figure 9 : Visualisation des charges sur le réseau des transports collectifs lyonnais sous DAVISUM Dans un premier temps, nous avons refait cette procédure plusieurs fois en changeant à chaque fois les coefficients des termes de la fonction de temps généralisé. Après, nous avons forcé les temps de parcours sur les connecteurs, sous certaines conditions, (nous allons voir après pourquoi), et nous avons ré appliqué une autre fois plusieurs procédures avec divers coefficients pour les termes de la fonction de temps généralisé. Nous allons voir dans la partie suivante pourquoi nous avons réalisé plusieurs fois la procédure d’affectation. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 54 IV. ANALYSE ET COMPARAISON DES RESULTATS D’AFFECTATION SOUS DaVISUM AVEC CEUX DE TERESE Comme nous l’avons déjà cité, le but de mon stage est de tester la possibilité d’utiliser des données théoriquement disponibles dans tous les réseaux (sans problème de confidentialité), pour codifier de manière automatique le réseau de transport collectif sans, avoir a réaliser une lourde étape de calage du réseau qui nécessite d'avoir des données fines en matière d'usage des transports collectifs, qui ne sont pas toujours facilement disponibles (car les autorités organisatrices ou les entreprises ne veulent pas toujours les donner). Nous sommes amenés à tester cette approche dans le cadre du module « affectation des transport collectifs » du projet SIMBAD. Nous avons travaillé sous DaVISUM, et nous avons réalisé les tests sur la base d’une comparaison de nos résultats d’affectation avec ceux de TERESE qui ont déjà prouvé leur efficacité en matière de reproduction de la réalité, et qui sont les seuls résultats dont nous disposons, pour pouvoir faire notre comparaison. A ce stade de notre rapport, nous allons présenter brièvement le modèle TERESE, nous enchaînerons par la présentation des résultats d’affectation de la demande de déplacement, en heure de pointe du soir, pour un jour normal de la semaine, sur le réseau Lyonnais de 2001 issus de TERESE ; après, nous présenterons nos différents résultats issus de DaVISUM tout en les comparant avec ceux de TERESE. IV.1 PRESENTATION DE TERESE TERESE (TEst de RESEau) est un logiciel d’analyse de l’offre, de génération et d’affectation de trafic dans le domaine des transports publics des personnes, développé au sein de la SEMALY. Il permet d’analyser la qualité du service procurée par le réseau de transports collectifs, et c’est également un outil d’aide à la décision. Le réseau modélisé sous TERESE est un réseau relativement détaillé, mais toutefois moins que celui représenté dans notre projet. La différence notaire étant au niveau du zonage, qui est beaucoup plus fin pour nous. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 55 IV.2 RESULTATS D’AFFECTATION SOUS TERESE Nous avons choisi de commencer par la présentation des résultats de TERESE car c’est sur la base de ceux-ci que nous allons changer les différents paramètres d’affectation sous DaVISUM pour les leur faire correspondre. En effet, nous ne disposons pas de données sur la réalité de la situation de la demande de déplacement en 2001, et puisque le modèle TERESE avait prouvé son efficacité de reproduction de la réalité en cette année, nous allons nous baser sur ses résultats pour caler DaVISUM. Le tableau suivant représente les charges sur chaque mode de transport calculées par TERESE, sachant que le modèle a été calé à l’aide de données réelles, et les coefficients des termes de la fonction de temps généralisé qui ont été retenus sont : 2,8 pour la marche à pieds et 1,75 pour le temps d’attente. Tableau 2 : CHARGE SUR CHAQUE MODE DE TRANSPORT EN EN COMMUN CALCULEE A L’AIDE DE TERESE TERESE Bus Funiculaire Métros Tramways total Nombre de voyageurs 121 858 2 943 155 369 34 582 314 752 % par rapport au total 39% 1% 49% 11% 100% IV.3 RESULTATS D’AFECTATION SOUS DAVISUM, ANALYSE ET COMPARAISON AVEC TERESE Notre but est de pouvoir trouver une formulation de la fonction de temps généralisé dans DaVISUM qui nous permettrait d’obtenir ou plutôt de nous rapprocher des résultats de TERESE. Pour cela, nous avons fait varier le coefficient de marche à pieds, le coefficient de temps d’attente et la pénalité de rupture. Je rappelle au lecteur la forme de la fonction de temps généralisé utilisée par DaVISUM : Temps de Déplacement Perçu (en min) = Temps de transport en véhicule • Facteur (TEV) + Temps de rabattement • Facteur (TR) + Temps d’accès à destination • Facteur (TAcc. Dest.) + Temps de marche à pied • Facteur (TMàP) Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 56 + Temps d’attente au départ • Facteur (TAtt. Dep.) + Temps d’attente en correspondance • Facteur (TAC) + Nombre de ruptures • Facteur (NR). Pour nous, le temps généralisé est égal au temps de déplacement perçu. Nous avons considéré que le tarif est nul. Ceci vient du fait que sur notre réseau, nous travaillons sur un segment de la demande unique, ce qui fait que le tarif est unique, il ne sert à rien donc de tenir compte de cette composante « tarif » dans le temps généralisé si elle ne va avoir aucune influence sur nos résultats d’affectation. Nous rappelons au lecteur, qu’en France, le système de tarification des transports collectifs repose sur l’intégration tarifaire, c'est-à-dire, qu’on peut prendre autant de moyens de transport qu’on veut avec le même billet, tant que sa période de validité n’est pas terminée. Aussi, qu’on prenne le bus, le métro ou le tram, le tarif est le même. Le tableau suivant présente les différents résultats obtenus de DaVISUM en fonction des différentes valeurs des coefficients multiplicateurs des termes de temps généralisé. Tableau 3 : PREMIERS RESULTATS D’AFFECTATION SOUS DAVISUM Coefficient de marche à pieds Coefficient de temps d’attente Pénalité de Rupture % de charge sur les bus % de charge sur les funiculaires % de charge sur les métros % de charge sur les trams Total des charges 2 2 10min 66% 1% 28% 5% 271 442 2 2 5min 64% 1% 30% 5% 283 843 1,5 2 5min 64% 1% 30% 5% 283 843 2 1,5 5min 64% 1% 30% 5% 281 766 2 2 3min 63% 1% 31% 5% 292 671 3 2 3min 63% 1% 31% 5% 292 671 2 2 1min 62% 1% 32% 5% 307 225 2 2 0min 61% 1% 33% 4% 319 950 3 2 1min 62% 1% 32% 5% 307 225 2 1,5 1min 62% 1% 32% 4% 306 543 2,8 1,5 1min 62% 1% 32% 4% 306 543 Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 57 Analyse et comparaison des résultats La première remarque qui attire l’attention est le fait que plus la pénalité de rupture diminue, plus le nombre total des charges augmente, chose qui parait très logique, puisque plus la correspondance est pénalisante moins on a tendance à changer de moyen de transport et vis versa. Aussi, cette pénalité de rupture influence légèrement sur les parts de marché, plus la pénalité diminue, plus la part du métro augmente au détriment de celle du bus. Cela s’explique par le fait que les métros sont généralement empruntés après une correspondance ou suivis d’une correspondance. Une autre remarque, la diminution du coefficient de temps d’attente fait diminuer aussi le nombre total de charges. Nous pouvons expliquer ceci par le fait que lorsque l’attente est moins pénalisante, l’individu préfère plutôt prendre un moyens de transport au lieu de deux, et donc le nombre de voyages diminue et par conséquent la charge aussi. A part cela, on remarque que les parts de marché varient très légèrement, et restent loin de ceux donnés par TERESE. Aussi, en parcourant notre réseau modélisé sous DaVISUM, nous avons remarqué que le nombre de connecteurs est trop faible, et il y a même une station de métro qui n’est relié à aucun centroïde de zone. En effet, que ce soit pour les parts de marché qui sont loin de la dite « réalité » ou bien pour le nombre de connecteurs qui est faible et la station non reliée aux centroïdes de zone, nous avons pensé que tout cela peut être dû d’abord au choix arbitraire du positionnement des centroïdes de zones, et puis à la méthode retenue pour la création des connecteurs. Pour ce qui est du positionnement des centroïdes de zones, le fait de choisir un point comme représentant de tous les points de la zone peut exclure des connexions qui sont « très possibles ». Et pour ce qui est de la méthode retenue pour la création des connecteurs, nous avons pensé que les distances d’accrochage pourraient avoir une influence sur ces résultats, puisque DaVISUM conçoit le temps de parcours sur les connecteurs de la même manière pour tous les connecteurs, chose qui ne reflète pas la réalité, puisque, l’expérience montre que les voyageurs préfèrent parcourir plus de distances pour prendre le métro ou le tramway plutôt Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 58 que de prendre le bus. Cette affirmation est soutenable pour des raisons d’attractivité. Nous citerons par exemple : ¾ La régularité : la régularité du métro est meilleure que celle du tram, et cette dernière est meilleure que celle du bus ; ¾ Transport en site propre : les individus sont de plus en plus soucieux des problèmes de l’environnement, de ce fait ils préfèrent prendre un mode de transport en site propre plutôt que d’utiliser le bus ; ¾ Etc. Une solution partielle pour le deuxième problème était d’imposer des temps de parcours sur les connecteurs variables en fonction des modes de transport ; ainsi, nous avons retenu ce qui suit : Tableau 4 : TABLEAU DES VALEURS ATTRIBUEES AUX CONNECTEURS POUR VALORISER LES TRANSPORTS EN SITES PROPRES Valeurs à attribuer au connecteur s’il est relié à une station de : Valeur initiale du temps de parcours du connecteur Métro Tramway Bus Entre 0 et 300s 0s 50s 150s Entre 300 et 600s 100s 150s 300s Supérieure à 600s 200s 250s 500s Toutefois, un problème s’est imposé : lors de la création de la table connecteur, nous n’avons pas distingué entre connecteur qui assure la connexion avec métro, bus ou tramway différemment, puisqu’il y a des stations communes entre plusieurs modes de transport collectif. Nous avons remédié à ce problème en prenant le temps de parcours minimal. Avant de nous lancer dans un nouveau calcul, nous proposons de contrôler que le partage de marché à l’intérieur d’un même mode (on prendra le métro) suite à l’affectation sous DaVISUM est comparable à celui issu de TERESE. Ceci nous permettra de nous assurer qu’il ne s’agit pas d’un problème « intrinsèque » au réseau. Le tableau qui suit présente les résultats de cette comparaison : Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 59 Tableau 5 : COMPARAISON DES PARTS DE MARCHE DE CHAQUE METRO PAR RAPPORT AU AUTRES METRO, ISSUES DE DAVISUM ET DE TERESE DaVISUM TERESE Métro A 37,80% 37,16% Métro B 22,81% 18,56% Métro C 5,08% 5,38% Métro D 34,30% 38,90% La comparaison montre que la répartition au sein du même mode dans DaVISUM est plutôt proche à celle qui résulte de TERESE. Nous allons donc enchaîner dans notre calcul. Nous avons changé les valeurs de temps de parcours des connecteurs sur notre réseau, nous avons ré appliqué la procédure d’affectation en changeant à chaque fois le coefficient de marche à pieds, le coefficient de temps d’attente et la pénalité d’accès. Les résultats figurent dans le tableau suivant : Tableau 6 : SECONDS RESULTATS D’AFFECTATION SOUS DAVISUM Coefficient de marche à pieds Coefficient de temps d’attente Pénalité de Rupture % de charge sur les bus % de charge sur les funiculaires % de charge sur les métros % de charge sur les trams Total des charges 2 2 1min 55% 2% 38% 5% 332834 2 2 2min 55% 2% 38% 5% 321774 2 2 3min 56% 1% 38% 5% 313763 3 2 3min 54% 2% 39% 5% 323697 1 2 3min 58% 1% 36% 5% 304192 2 1 3min 55% 2% 38% 5% 313215 3 1,5 3min 54% 2% 39% 5% 323499 Analyse et comparaison des résultats ¾ Nous remarquons une autre fois que la pénalité de rupture est inversement proportionnelle au nombre total des charges, c'est-à-dire, lorsque la pénalité augmente le total des charges diminue et c’est très logique, du fait que les correspondances diminuent ; ¾ Le coefficient de marche à pieds a une influence considérable sur le nombre total des charges et a fait varier légèrement les parts de marché. En effet, plus le coefficient de marche à pieds augmente, plus le nombre total des charges augmente et plus la part de Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 60 marché du métro augmente au détriment du bus, c’est très logique, puisque, primo, lorsque nous pénalisons plus la marche à pieds, les individus préfèrent prendre plus de moyens de transport plutôt que de marcher vers des stations qui leur assurent moins de correspondances… . Secundo, nous avons rendu la marche à pieds vers les stations de métro moins pénalisante que vers celles du bus, et donc, plus le coefficient multiplicateur de la marche à pieds augmente, plus le gap entre marche à pieds vers métro et marche à pieds vers bus est grand en faveur du métro. Toutefois, bien que la part de marché du métro a augmenté au détriment du bus, les pourcentages des charges sur chaque mode de transport par rapport au total des charges restent très éloignés de ce qu’on l’on espérait obtenir, mais, il est quand même meilleur par rapport à ce que l’on avait obtenu au départ. Ce résultat ouvre sur plusieurs pistes sur lesquelles on pourrait travailler plus tard : 9 D’abord, lorsque nous avons imposé des temps de parcours sur les connecteurs qui diffèrent selon le mode de transport, nous n’avons pas vraiment privilégié les modes en site propre au détriment du bus, car, lorsqu’il s’agissait d’une station desservie par plusieurs modes, nous avions considéré le même temps de parcours sur les connecteurs qui la relient aux zones pour une desserte vers l’un ou l’autre des modes en question. Une solution serait de dédoubler ces connecteurs de façon à ce qu’il y est un pour chaque mode au lieu d’un pour plusieurs modes. 9 Et puis, le choix des distances d’accrochage pour la construction de la table connecteur n’était pas judicieux ; je rappelle que dans un premier temps nous avions limité les distances d’accrochage à 500m, et ce pour tout mode confondu, après, pour les zones qui sont restées non branchées au réseau, nous avions haussé cette limite à 1000m. Nous avons omis de prendre en compte que l’usager ne perçoit pas tous les modes de la même manière et donc il fallait prendre en compte cet aspect pour le choix de plusieurs distances d’accrochage relatives chacune à un mode bien précis, comme ça, nous aurions pu augmenter le rayon d’action des modes en site propre, chose qui est très raisonnable. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 61 9 Le positionnement « arbitraire » des centroïdes de zone pose aussi un problème, il est préférable de trouver une solution sur la base de laquelle on pourrait automatiser le calcul des connecteurs. 9 Aussi, le positionnement géographique de la station est aussi important pour le choix d’une distance d’accrochage, je citerai l’exemple du centre ville où l’individu qui se déplace vers une station ne percevra le temps de la marche à pieds de la même manière que s’il se déplace dans une zone résidentielle. IV.4 CONCLUSION SUR L’ANALYSE ET LA COMPARAISON 9 Le temps d’accès au réseau n’est pas de même nature pour tous les modes de transports collectifs. Le connecteur doit dans certains cas être spécifique pour chacune des lignes ou groupes de lignes traversant une zone, si le temps de marche pour accéder aux arrêts n’est pas perçu de la même manière pour chacune de ces lignes ou groupes de lignes. Le temps de marche étant généralement affecté d’un coefficient pondérateur au moins égal à deux pour traduire la pénibilité relative de la marche par rapport au temps en véhicule, il est important de définir assez précisément ce temps. Une mauvaise détermination des temps d’accès peut avoir des conséquences assez importantes sur les choix d’itinéraires (nous avons vu qu’il y a eu un changement considérable lorsque nous avons favorisé des stations de métros et de tramways par rapport aux bus) ; 9 La détermination de la distance d’accrochage doit prendre en considération que les zones de chalandise des arrêts de métro ou de tramway sont beaucoup plus grandes que celles des bus. Ceci dit, il faut rester conscient de l’approximation et des conséquences que cela peut avoir sur les résultats de l’affectation ; 9 Les résultats que nous avons trouvés ont montré que nous sommes sur la bonne voie pour converger vers les résultats de TERESE. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 62 CONCLUSION ET PERSPECTIVES A travers ce stage de fin de formation, j’ai été amenée à tester la possibilité d'utiliser des données théoriquement disponibles dans tous les réseaux, sans problème de confidentialité, pour codifier de manière automatique le réseau des transports collectifs, et ce dans le cadre du module « affectation des transports collectifs » du projet SIMBAD. L’élaboration de mon travail a passé par plusieurs étapes dont les plus lourdes étaient les premières à savoir : la collecte des données de 2006 (distances et temps de parcours entre stations) et la reconstitution du réseau 2001. Une fois mes données étaient prêtes, j’ai commencé à codifier mon réseau sous DaVISUM en apprenant à manipuler le logiciel au fur et à mesure que j’avançais dans mon travail. Ensuite, j’ai introduit les données de la demande à travers une matrice Origine-Destination 777×777 construite sur la base de la matrice utilisée dans TERESE. J’ai réalisé plusieurs affectations, en heure de pointe du soir d’un jour normal de la semaine, dans un premier temps en changeant les coefficients des termes du temps généralisé. Après, j’ai forcé les temps de parcours des connecteurs pour favoriser les métros et les tramways par rapport aux bus, et j’ai changé encore une fois, les coefficients des termes du temps généralisé, pour trouver une meilleure formulation qui nous permet d’approcher les résultats d’affectation du modèle TERESE qui représentent pour nous, faute d’indisponibilité de données réelles, « la réalité » du réseau en 2001. Les résultats trouvés ont montré que nous sommes sur la bonne voie permettant de faire converger nos résultats vers ceux de TERESE. Faute de temps, nous n’avons pas pu continuer sur ce travail, mais nous avons décelé des pistes sur lesquelles le LET pourrait continuer à travailler à savoir : 9 Dédoubler les connecteurs qui assurent la liaison vers plusieurs modes de transport de façon à ce qu’on ait un connecteur par mode ; 9 Créer des connecteurs avec des distances d’accrochage différentes selon le mode de transport avec lequel le connecteur est relié, en augmentant bien sûr les aires de chalandise des transports en site propre ; 9 Trouver une manière pour automatiser le calcul des connecteurs, pour tenir compte de tous les points de la zone au lieu de ne prendre que le centroïde dont le positionnement est plutôt « arbitraire ». Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 63 Avant de clore mon rapport, je note que ce stage m’a permis de toucher de proche un domaine qui me passionne énormément qui est la modélisation de la demande de déplacement. J’ai pu découvrir pas à pas quelques problèmes que pose la collecte et « la préparation de données », et j’ai appris à manipuler un logiciel très performant en matière de modélisation de la demande de déplacement, en surpassant les différents problèmes que pose une première utilisation d’un tel outil informatique. Aussi, j’ai eu la chance de travailler avec l’une des meilleures équipes (la première en son genre) de la modélisation de la demande de transport en France. Et enfin, ce travail de recherche m’a permis de participer activement à un projet très ambitieux et très stimulant intellectuellement qui est le projet SIMBAD. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 64 ANNEXE * Table : Paramètres de réseau $PARARESEAU:NUMVERSRES;NOMVERSRES;ECHELLE;CIRCGAUCHE;DECI COORD;DECILONGUEURLONG;DECILONGUEURCOURT;DECIVITESSE;SEPA RDECI;GENMODESEGD;DACCESATTRDAVIS;DEFCOORD 1.000;;1.000;0;4;3;0;0;.;1;INVISIBLE; * Table : Systèmes de transport $SYSTR:CODE;NOM;UVP;TYPE B;Bus;1.000;TC MP;MàP;1.000;PutWalk T;Tram;1.000;Tc M;Metro;1.000;TC F;Funiculaire;1.000;TC N;Navette;1.000;TC V;VP;1.000;TI * Table : Modes $MODE:CODE;NOM;ENSSYSTR;STDCARGOTSYS X;TC;B,M,T,F,N,MP; * Table : Segments de la demande $SEGMENTDEMANDE:CODE;NOM;MODE;TXOCCUP;FPPERIODEA;FPHORIZ ONA X;TC;X;1.000;1.000;365.000 * Table : Directions $DIRECTION:NUM;CODE;NOM 1;A;Aller 2;R;Retour * Table : Noeuds $NOEUD:NUM;CODE;NOM;NUMTYPE;TYPEREGUL;COORDX;COORDY;NUM MN;VALADD1;VALADD2;VALADD3 1;;18-juin-40;1;;806478;2088797;;;;0 2;;23-août-44;1;;803759;2077320;;;;0 3;;08-mai-45;1;;807309;2088674;;;;0 4;;24-août;1;;800356;2079161;;;;0 5;; Route d'Heyrieux;1;;804072;2079092;;;;0 6;;1ère D.F.L.;1;;792797;2086431;;;;0 Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 65 * Table : Zones $ZONE:NUM;CODE;NOM;NUMTYPE;COORDX;COORDY;IDSURFACE;TYPEZ ONE;PARTTRAFICE(TI);PARTTRAFICE(TC);PARTTRAFICA(TI);PARTTRAFIC A(TC);VALADD1;VALADD2;VALADD3;DANSSELEC;NUMMZ 1;;AMBÉRIEUX-EN-DOMBES;;799639;2114283;;;;;;;;;;;0 2;;ARS-SUR-FORMANS;;792319;2113058;;;;;;;;;;;0 3;;BALAN;;815232;2095576;;;;;;;;;;;0 4;;BÉLIGNEUX;;817810;2099578;;;;;;;;;;;0 5;;BEYNOST;;806582;2096275;;;;;;;;;;;0 6;;BIRIEUX;;809455;2109210;;;;;;;;;;;0 7;;BLYES;;826367;2097952;;;;;;;;;;;0 * Table : Connecteurs $CONNECTEUR:NUMZONE;NUMNOEUD;SENS;NUMTYPE;ENSSYSTR;LONG; T0-SYSTR(M);T0- SYSTR(V);POIDS(TI);POIDS(TC);VALADD1;VALADD2;VALADD3;DANSSELE C 147;27;O;1;MP;;;;;;;;;0 147;27;D;1;MP;;;;;;;;;0 166;717;O;1;MP;;;;;;;;;0 166;717;D;1;MP;;;;;;;;;0 166;719;O;1;MP;;;;;;;;;0 166;719;D;1;MP;;;;;;;;;0 167;88;O;1;MP;;;;;;;;;0 167;88;D;1;MP;;;;;;;;;0 167;853;O;1;MP;;;;;;;;;0 167;853;D;1;MP;;;;;;;;;0 167;890;O;1;MP;;;;;;;;;0 167;890;D;1;MP;;;;;;;;;0 167;1175;O;1;MP;;;;;;;;;0 167;1175;D;1;MP;;;;;;;;;0 167;1312;O;1;MP;;;;;;;;;0 167;1312;D;1;MP;;;;;;;;;0 * Table : Arrêts $ARRET:NUM;CODE;NOM;NUMTYPE;COORDX;COORDY;VALADD1;VALAD D2;VALADD3;DANSSELEC 1;;18-juin-40;1;806478;2088797;;;;0 2;;23-août-44;1;803759;2077320;;;;0 3;;08-mai-45;1;807309;2088674;;;;0 4;;24-août-06;1;800356;2079161;;;;0 5;; Route d'Heyrieux;1;804072;2079092;;;;0 6;;1ère D.F.L.;1;792797;2086431;;;;0 Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 66 * Table : Zones d'arrêt $ZONEARRET:NUM;NUMARR;CODE;NOM;NUMNOEUD;NUMTYPE;COORDX ;COORDY;VALADD1;VALADD2;VALADD3;DANSSELEC 1;1;;18-juin-40;1;1;806478;2088797;;;;0 2;2;;23-août-44;2;1;803759;2077320;;;;0 3;3;;08-mai-45;3;1;807309;2088674;;;;0 4;4;;24-août-06;4;1;800356;2079161;;;;0 5;5;; Route d'Heyrieux;5;1;804072;2079092;;;;0 6;6;;1ère D.F.L.;6;1;792797;2086431;;;;0 * Table : Points d'arrêt $POINTARRET:NUM;NUMZARRET;CODE;NOM;ORIENTE;NUMTYPE;ENSSYS TR;TADEF;NUMNOEUD;NUMNOEUDO;NUMTRON;POSREL;VALADD1;VALA DD2;VALADD3;DANSSELEC 1;1;;18-juin-40;1;1;B;;1;;;0.000;0.000;0.000;0.000;0 2;2;;23-août-44;1;1;B;;2;;;0.000;0.000;0.000;0.000;0 3;3;;08-mai-45;1;1;B;;3;;;0.000;0.000;0.000;0.000;0 4;4;;24-août-06;1;1;B;;4;;;0.000;0.000;0.000;0.000;0 5;5;; Route d'Heyrieux;1;1;B;;5;;;0.000;0.000;0.000;0.000;0 6;6;;1ère D.F.L.;1;1;B;;6;;;0.000;0.000;0.000;0.000;0 * Table : Lignes $LIGNE:NOM;CODESYSTR;NUMVEHCOMB;NUMEXPL;NOMML;VALADD1;V ALADD2;VALADD3;DANSSELEC MetroA;M;;;;;;;0 MetroB;M;;;;;;;0 MetroC;M;;;;;;;0 MetroD;M;;;;;;;0 Tram1;T;;;;;;;0 Tram2;T;;;;;;;0 FuniculaireF1;F;;;;;;;0 FuniculaireF2;F;;;;;;;0 Bus1;B;;;;;;;0 Bus2;B;;;;;;;0 Bus3;B;;;;;;;0 * Table : Itinéraires de ligne $ITINERAIRELIGNE:NOMLIGNE;NOM;CODESENS;LIGNECIRC;VALADD1;VA LADD2;VALADD3;DANSSELEC MetroA;A_A;A;0;;;;0 MetroA;A_R;R;0;;;;0 MetroB;B_A;A;0;;;;0 MetroB;B_R;R;0;;;;0 MetroC;C_A;A;0;;;;0 MetroC;C_R;R;0;;;;0 Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 67 * Table : Tracés d'itinéraires de ligne $TRACEITINLIGNE:NOMLIGNE;NOMITINL;CODESENS;INDEX;NUMNOEUD; NUMPARRET;ESTPOINTITIN;LONGPOST;LONGARRET;VALADD MetroA;A_A;A;1;1371;1371;1;;;0 MetroA;A_A;A;2;37;37;1;;;0 MetroA;A_A;A;3;97;97;1;;;0 MetroA;A_A;A;4;377;377;1;;;0 MetroA;A_A;A;5;722;722;1;;;0 MetroA;A_A;A;6;551;551;1;;;0 MetroA;A_A;A;7;1184;1184;1;;;0 MetroA;A_A;A;8;270;270;1;;;0 MetroA;A_A;A;9;1520;1520;1;;;0 MetroA;A_A;A;10;660;660;1;;;0 MetroA;A_A;A;11;545;545;1;;;0 MetroA;A_A;A;12;418;418;1;;;0 MetroA;A_A;A;13;903;903;1;;;0 MetroA;A_R;R;1;903;903;1;;;0 MetroA;A_R;R;2;418;418;1;;;0 MetroA;A_R;R;3;545;545;1;;;0 MetroA;A_R;R;4;660;660;1;;;0 MetroA;A_R;R;5;1520;1520;1;;;0 MetroA;A_R;R;6;270;270;1;;;0 MetroA;A_R;R;7;1184;1184;1;;;0 MetroA;A_R;R;8;551;551;1;;;0 MetroA;A_R;R;9;722;722;1;;;0 MetroA;A_R;R;10;377;377;1;;;0 MetroA;A_R;R;11;97;97;1;;;0 MetroA;A_R;R;12;37;37;1;;;0 MetroA;A_R;R;13;1371;1371;1;;;0 * Table : Profils de temps de parcours $PROFILTP:NOMLIGNE;NOMITINL;CODESENS;NOM;NUMVEHCOMB;DANSS ELEC;INDEXELEMREF;FIGEDEPEREF MetroA;A_A;A;1;;;;1 MetroA;A_R;R;1;;;;1 MetroB;B_A;A;1;;;;1 MetroB;B_R;R;1;;;;1 MetroC;C_A;A;1;;;;1 MetroC;C_R;R;1;;;;1 MetroD;D_A;A;1;;;;1 MetroD;D_R;R;1;;;;1 Tram1;T1_A;A;1;;;;1 Tram1;T1_R;R;1;;;;1 Tram2;T2_A;A;1;;;;1 Tram2;T2_R;R;1;;;;1 Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 68 * Table : Eléments de profils de temps de parcours $ELEMPROFILTP:NOMLIGNE;NOMITINL;CODESENS;NOMPROFILTP;INDEX; DESCENDRE;MONTER;ARRIVEE;DEPART;INDEXELEMITINL;VALADD MetroA;A_A;A;1;1;0;1;00:00:00;00:00:00;1;0 MetroA;A_A;A;1;2;1;1;00:02:00;00:02:00;2;0 MetroA;A_A;A;1;3;1;1;00:03:00;00:03:00;3;0 MetroA;A_A;A;1;4;1;1;00:05:00;00:05:00;4;0 MetroA;A_A;A;1;5;1;1;00:05:56;00:05:56;5;0 MetroA;A_A;A;1;6;1;1;00:07:31;00:07:31;6;0 MetroA;A_A;A;1;7;1;1;00:08:58;00:08:58;7;0 MetroA;A_A;A;1;8;1;1;00:10:50;00:10:50;8;0 MetroA;A_A;A;1;9;1;1;00:12:22;00:12:22;9;0 MetroA;A_A;A;1;10;1;1;00:13:44;00:13:44;10;0 MetroA;A_A;A;1;11;1;1;00:15:04;00:15:04;11;0 MetroA;A_A;A;1;12;1;1;00:16:53;00:16:53;12;0 MetroA;A_A;A;1;13;1;0;00:18:00;00:18:00;13;0 MetroA;A_R;R;1;1;0;1;00:00:00;00:00:00;1;0 MetroA;A_R;R;1;2;1;1;00:01:30;00:01:30;2;0 MetroA;A_R;R;1;3;1;1;00:03:20;00:03:20;3;0 MetroA;A_R;R;1;4;1;1;00:04:41;00:04:41;4;0 MetroA;A_R;R;1;5;1;1;00:06:04;00:06:04;5;0 MetroA;A_R;R;1;6;1;1;00:07:35;00:07:35;6;0 MetroA;A_R;R;1;7;1;1;00:09:30;00:09:30;7;0 MetroA;A_R;R;1;8;1;1;00:10:58;00:10:58;8;0 MetroA;A_R;R;1;9;1;1;00:12:33;00:12:33;9;0 MetroA;A_R;R;1;10;1;1;00:13:30;00:13:30;10;0 MetroA;A_R;R;1;11;1;1;00:15:00;00:15:00;11;0 MetroA;A_R;R;1;12;1;1;00:16:30;00:16:30;12;0 MetroA;A_R;R;1;13;1;0;00:18:00;00:18:00;13;0 Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 69 BIBLIOGRAPHIE Collection Dossiers n°106 du CERTU, Ch. BUISSON et F. KUNKEL, Janvier 2001 Guide d’utilisation du logiciel TERESE, Version 98 – 3.1, 1998. L’architecture du modèle au sein du projet SIMBAD, J.P. NICOLAS, M. HOMOCIANU, F. MARCHAL, J.L. ROUTHIER, Mars 2006 L’enquête ménages déplacements « méthode standard », collections du CERTU Lyon, 1998 ; Le siècle des ténèbres de l’économie, A. BONNAFOUS, 1989 ; Manuel de l’utilisateur DAVISUM, Version 9.2, Juin 2005. Mise en œuvre d’une simulation de trafic sur l’aire urbaine de Lyon, E. BERNE, Juin 2006 Modélisation de la demande de déplacement, Patrick BONNEL, 2004 Modelling transport, ORTUZAR, WILLUMSEM, 2001 ; Module d’affectation TC du projet SIMBAD, J. PITION, Juin 2006 Rapport sur l’environnement de l’association mondiale de la route, P.M. COOLS, G. SHEPHERD, F. ZOTTER, A. LEFEVRE, W. TERRYN, 2004 ; Scénarios prospectifs pour le projet SIMBAD, J.P. NICOLAS, N. MORICE, Février 2006 Statistiques et économétrie, H. Guitton, 1964 Système d’indicateurs pour l’évaluation prospective de scénarios d’évolution de la mobilité urbaine, C. GALLEZ, 2000. Master Gestion et Exploitation des Systèmes de Transport – Projet de fin de Formation Mounia SKALLI – Laboratoire d’Economie des Transports 70 Traffic assignment techniques, R. THOMAS, 1991; Traffic Engineering and Control, G.M. LAMB et G. HAVERS, 1970. Sites web www.grandlyon.com www.inter-scot.org www.let.fr www.sytral.fr www.tcl.fr Réunions Prise de notes de la présentation de Monsieur Jean-Pierre NICOLAS : responsable du projet SIMBAD, au cours d’une réunion de l’équipe du programme SIMBAD avec Monsieur Frederic REUTENAUER directeur de PTV France, en date du 15 Novembre 2006.