Methodes d’optimisation basee sur lasimulation pour le covoituragedynamique

These de doctorat de :Negin Alisoltani Dehkordi

Resume etendu(Manuscrit complet en anglais disponible en ligne sur theses.fr)

Universite de LyonEcole Nationale des Travaux Publics de l’Etat

Institut Francais des Sciences et Technologies des Transports, de l’Amenagement et des Reseaux

These de doctorat de l’Universite de LyonOperee au sein de l’Ecole Nationale des Travaux Publics de l’Etat (ENTPE)Et de l’Universite Gustave Ei�elPreparee au Laboratoire Ingenierie Circulation Transports (LICIT) , Lyon, France & Genie des Reseaux deTransport Terrestres et Informatique Avancee (GRETTIA), Paris, France

Auteur : Negin Alisoltani DehkordiDate de soutenance : 2/10/2020Titre : Methodes d’optimisation basee sur la simulation pour le covoiturage dynamiqueNumero d’ordre NNT : 2020LYSET012Ecole doctorale : ED 162 MEGA (Mecanique, Energetique, Genie civil, Acoustique)Specialite : Genie civil

Directeur de these : Ludovic LECLERCQ et Mahdi ZARGAYOUNAPresidente du jury : Salima HASSAS (Universite Claude Bernard Lyon 1)Composition du jury :Nikolas GEROLIMINIS (Ecole Polytechnique Federale de Lausanne), RapporteurJorge A. LAVAL (Georgia Institute of Technology), RapporteureAmal EL FALLAH SEGHROUCHNI (Sorbonne Universite), ExaminateurSalima HASSAS (Universite Claude Bernard Lyon 1), ExaminateurLudovic LECLERCQ (ENTPE, IFSTTAR, Universite de Lyon), Directeur de theseMahdi ZARGAYOUNA (Univ. Gustave Ei�el), Directeur de these

Mots-Cles : Covoiturage dynamique, Congestion du trafic, Gestion optimale de la flotte, Nouveaux services demobilite, Optimisation basee sur la simulation

Financement :Ce projet est soutenu par le Conseil Europeen de la Recherche (ERC) dans le cadre du programme europeenpour la recherche et l’innovation Horizon 2020 (numero d’agrement 646592, projet MAGnUM)

© 2020. Negin Alisoltani.

RESUME

L’objectif principal de cette these est derepondre a l’une des questions essentielles surles services de covoiturage dynamique : Le co-

voiturage dynamique peut-il reduire la congestion?Dans cette these, nous proposons un framework

d’optimisation base sur la simulation pour le covoi-turage dynamique. Ensuite, a l’aide de ce framework,nous evaluons l’impact du covoiturage dynamiquesur deux echelles de reseau di�erentes pour trouverla reponse a cette question.

Lors de l’evaluation du probleme du covoitu-rage dynamique, deux points importants doiventetre pris en compte. Premierement, comment lesysteme de covoiturage repond a la demande dureseau et deuxiemement, comment le systeme de co-voiturage est in�uence par le reseau et en particu-lier par la congestion. Ensuite, nous pouvons evaluerl’impact d’un tel service sur le reseau. La plupart desapproches existantes se concentrent sur le premierpoint, c’est-a-dire sur la conception de la correspon-dance de la demande, tout en utilisant des hypothesesde base pour le second point, principalement destemps de trajet constants.

La methode proposee dans cette these peut etreplus performante que les methodes existantes dansla litterature. L’algorithme d’optimisation peut four-nir des solutions de haute qualite en peu de temps.Notre approche de solution est concue pour etreexacte pour les petits echantillons. Ensuite, pourpouvoir traiter les problemes a grande echelle, elle estcompletee par plusieurs heuristiques qui conserventla conception generale de la methode de solution

mais reduisent considerablement son temps de cal-cul.

Dans la composante de simulation, un ”Modeled’usine” est applique sur la base du ”Diagrammemacroscopique fondamental (MFD) base sur lesdeplacements” pour representer la realite de la dy-namique du tra�c et un ”Modele de prediction” estapplique sur la base de la vitesse moyenne a utili-ser pendant le processus d’a�ectation. Nous realisonsune etude de simulation approfondie (basee sur desmodeles de tra�c reels) pour evaluer l’in�uence dessystemes de covoiturage dynamiques sur la conges-tion du tra�c. A l’echelle moyenne (Lyon 6 + Vil-leurbanne), les resultats ont montre que le covoitu-rage ne pouvait pas ameliorer de maniere signi�ca-tive la situation du tra�c. Des parts de marche eleveesaugmentent la distance et la duree des trajets et en-traınent une augmentation du tra�c sur le reseau.Dans les grandes villes, les resultats sont totalementdi�erents de ceux des villes petites et moyennes. Dansles simulations a grande echelle (ville de Lyon enFrance), le systeme de covoiturage dynamique pro-pose peut ameliorer considerablement les conditionsde circulation, en particulier aux heures de pointe.L’augmentation de la part de marche et du nombre decovoiturages peut renforcer cette amelioration. Parconsequent, le systeme de covoiturage dynamiquepropose est une option viable pour reduire la pres-sion sur les transports publics existants et diminuerle tra�c du reseau dans les villes peuplees et de grandetaille.

5

SOMMAIRE

I Qu’est-ce que le covoiturage? 9

1 Introduction 11

2 Revue de la litterature 14

II Comment evaluer la performance du covoiturage sur la demande du reseau?15

3 Formulation du probleme du covoiturage 17

4 Methode de solution au probleme du covoiturage dynamique 19

III Comment evaluer l’impact du reseau sur le systeme de covoiturage et viceversa? 21

5 Cadre de simulation 23

6 Analyses de transport 25

IV Quels sont les principaux resultats de cette these ? 33

7 Conclusion 35

7

Premiere partie

Qu’est-ce que le covoiturage?

9

C ette partie explique la motivation et le contexte de la these. Nous expliquons l’origine etle concept du covoiturage ainsi que les termes et concepts qui s’y rapportent. Une discus-sion est developpee sur les di�erentes parties d’un probleme de covoiturage dynamique etl’interaction d’un tel service avec le reseau de transport.

10

Chapitre 1

INTRODUCTION

Le covoiturage est a l’origine unconcept general qui consiste a trans-porter plus de deux personnes dans

la voiture d’une des personnes qui partagentune partie ou la totalite de leurs horaires etde leurs itineraires. Cependant, le conceptde covoiturage evolue aujourd’hui commeun arrangement de voitures en temps reel etad hoc pour combiner les deplacements despassagers

Le covoiturage dynamique est unsysteme qui permet un processus de cor-respondance automatique entre les partici-pants dans un delai tres court ou meme encours de route. Il se distingue du covoituragetraditionnel et se concentre sur des trajetsuniques et non recurrents qui ne necessitentpas d’engagement a long terme entre les per-sonnes pour voyager ensemble dans un butparticulier.

De nombreuses recherches ont mis enevidence les di�erents avantages du co-voiturage pour les participants (conduc-teurs et passagers), comme la reduction descouts de transport, la reduction de la dureedes trajets, l’attenuation des embouteillages,l’economie de carburant et la reduction de

la pollution atmospherique. Le principalavantage mentionne de ce systeme est lareduction des embouteillages. Cependant,il y a encore un manque d’etudes qui exa-minent la performance du systeme de co-voiturage tout en considerant le fonctionne-ment reel du reseau de transport, y comprisles periodes de congestion.

Le covoiturage dynamique (en tant quenouveau service de mobilite) agit commeune couche intermediaire. D’une part, ilrepond aux demandes des passagers, c’est-a-dire a la demande de mobilite, et d’autrepart, il peut avoir un impact sur la capacitedu reseau et peut etre a�ecte par les condi-tions du reseau.

Ainsi, pour evaluer le systeme de co-voiturage et etudier les impacts du ser-vice sur le tra�c, nous devons evaluer lesdeux problemes. Premierement, nous de-vons trouver le meilleur moyen de repondrea la demande du reseau. Ensuite, nous de-vons evaluer l’impact de l’etat du reseau surles performances du systeme de covoiturageet en�n, l’impact du systeme de covoituragesur le tra�c du reseau.

Dans cette these, nous visons a evaluer

11

la performance du systeme de covoituragedynamique integre au reseau de transportactuel. La principale question de rechercheest d’evaluer la reduction de la congestiondu reseau qui peut etre obtenue avec le co-voiturage. Pour repondre a cette question,nous devons considerer la performance ducovoiturage sur la satisfaction des demandesdes passagers ainsi que les interactions entrela capacite du reseau et la performance dusysteme de covoiturage. La these, qui s’ins-crit dans un cadre general, examine plusieursquestions de recherche qui sont developpeesen six chapitres.

— Comment evaluer la performancedu covoiturage sur la demande dureseau ?Trois chapitres de cette these sontconsacres a la reponse a cette ques-tion. Nous resolvons ce probleme demaniere hierarchique en repondantaux questions suivantes :

— Comment modeliser un problemede gestion de flotte, pour un systemede covoiturage qui considere a lafois les principaux objectifs et lescontraintes des participants, dansle probleme mathematique?Dans le chapitre 2, nous pas-sons en revue les problemes simi-laires a�n de trouver les lacunesdes recherches precedentes sur leprobleme de la gestion de la �otte.Ensuite, en tenant compte de ceslacunes, le chapitre 3 decrit lescontraintes et les fonctions ob-jectives du probleme de gestionde la �otte et en�n presente leprobleme mathematique lineaireentier du systeme de covoiturage

propose.— Comment trouver une solution ra-

pide et de qualite au probleme dela gestion de la flotte a grandeechelle ?Tout d’abord, dans le chapitre 4,nous proposons un algorithmeinnovant pour trouver la so-lution optimale du problememathematique presente dans lechapitre 3. Notre approche dela solution est concue pour etreexacte pour de petits echantillons.Ensuite, la methode est completeepar plusieurs heuristiques quiconservent la conception generalede la methode de solution maisreduisent considerablement sontemps de calcul pour la rendreevolutive pour les problemes agrande echelle.

— Comment evaluer l’impact dureseau sur le systeme de covoiturageet vice versa?Les algorithmes proposes dans les 4premiers chapitres peuvent repondrea la premiere question concernant lasatisfaction de la demande de reseaupar un systeme de covoiturage dansles reseaux a grande echelle. Ensuite,pour evaluer les interactions entre lereseau et le service de covoiturage,nous devons repondre aux questionssuivantes :

— Comment prendre en compte ladynamique reelle du trafic?La premiere section du chapitre5 presente un ”modele d’usine”qui est base sur le diagramme

12

Fig. 1.1 – Les composants du systeme

macroscopique fondamental basesur les deplacements et qui peutrepresenter la situation reelle dutra�c.

— Comment calculer la duree et lavitesse de deplacement des vehiculespendant la procedure d’a�ecta-tion? Un ”modele de prediction”est presente au chapitre 5 et peutetre utilise pendant le processusd’a�ectation.

— Comment gerer les lieux d’arretdes vehicules de la flotte de covoitu-rage dans le reseau?Une methode de ”gestion desdepots” est proposee dans ladeuxieme section du chapitre 5pour repondre a cette question.

— Le covoiturage peut-il reduire lesembouteillages ?La derniere question est la principalequestion de recherche de cette these.Dans le chapitre 5, nous montronsd’abord la performance de l’algorithmepropose, puis dans le chapitre 6, nousevaluons la performance du systeme

de covoiturage propose en termes decongestion et nous faisons une ana-lyse de sensibilite sur les di�erents pa-rametres de service.

Le principal objectif de la recherche estd’evaluer les performances d’un systemede covoiturage integre au reseau. Nousavons concu un cadre global pour resoudrele probleme. Notre systeme comportedeux parties principales. La partie gestionde la �otte traite du processus d’apparie-ment entre les usagers et de l’a�ectationde l’appariement optimise des usagers auxvehicules. Pour traiter cette partie, nous uti-lisons d’abord des methodes de rechercheoperationnelle pour resoudre le problemede gestion de la �otte, puis nous utilisonsdes methodes heuristiques et des methodesde science des donnees pour resoudre leprobleme a grande echelle. Ensuite, dans lapartie simulation, nous voyons commentle programme optimal des vehicules estrealise en tenant compte des conditions dy-namiques completes du tra�c. Les princi-paux composants du systeme sont illustresdans la �gure 1.1.

13

Chapitre 2

REVUE DE LA LITTERATURE

Le covoiturage a fait l’objet de nom-breuses etudes dans le passe. Dansle chapitre precedent, nous avons

mentionne que pour evaluer les perfor-mances du probleme du covoiturage,il faut evaluer les interactions entre lesysteme de covoiturage et le reseau detransport. Pour evaluer ce probleme, noussommes confrontes a deux sous-problemes :Premierement, comment repondre a la de-mande du reseau et deuxiemement, com-ment evaluer les interactions avec la dyna-mique du tra�c. Les etudes precedentes surce sujet se concentrent principalement surle premier sous-probleme, et le second arecu moins d’attention dans la litterature,alors qu’il est tres important de considererles deux sous-problemes, surtout si undeploiement operationnel est envisage.

Le chapitre 2 passe en revue les re-cherches precedentes dans ce domaine, enconsiderant ces deux sous-problemes.

Nous passons en revue la de�nition ducovoiturage et les concepts similaires. Nouspresentons di�erents parametres de systemepour le covoiturage. Nous discutons desdi�erents algorithmes et methodes utilisesdans la litterature pour faire correspondre

les trajets et les cavaliers dans le cadre du co-voiturage. En�n, nous presentons une ana-lyse documentaire sur la prise en compte desconditions de circulation dynamiques dansles performances de covoiturage.

Cette analyse documentaire nous per-met de conclure que :

— Il y a un manque d’etudes sur lesmethodes e�caces de gestion de �ottequi peuvent fournir des solutions ra-pides et quali�ees a grande echelle.

— Il existe tres peu d’etudes sur l’im-pact du tra�c sur les performances dessystemes de covoiturage.

Pour comprendre ces points, dans cettethese, nous essayons de repondre a deuxquestions principales :

— Comment evaluer la performance ducovoiturage sur la demande du reseau?

— Comment evaluer l’impact du reseausur le systeme de covoiturage et viceversa?

Dans les chapitres suivants, nous propo-sons des cadres d’optimisation bases sur lasimulation pour le covoiturage dynamiquea�n de repondre a ces questions.

14

Deuxieme partie

Comment evaluer la performance ducovoiturage sur la demande du reseau?

15

L e probleme du covoiturage dynamique comporte deux sous-problemes. Le premier sous-probleme est le probleme de la gestion de la �otte et de l’adequation entre les trajets et lespassagers. Cette partie formule le probleme du covoiturage dans un modele mathematiqueau chapitre 3. Dans cette these, nous visons a aborder la solution optimale globale, alorsque les etudes precedentes se concentraient principalement sur l’optimisation des sous-problemes locaux. La recherche de la solution globale peut etre couteuse en termes de cal-cul, mais elle permet de repondre a la question du gain maximum que l’on peut attendredu covoiturage dans le systeme de transport. C’est un point crucial qui meriterait d’etreapprofondi. Pour se rapprocher de la solution globale, au chapitre 4, nous avons recours aun algorithme pour resoudre le probleme mathematique. Notre approche de la solutionest concue pour etre exacte pour de petits echantillons. Ensuite, pour pouvoir traiter lesproblemes a grande echelle, elle est completee par plusieurs heuristiques qui conserventla conception generale de la methode de solution mais reduisent considerablement sontemps de calcul. La strategie principale consiste a regrouper les requetes en fonction d’unindice de partage a�n de creer des echantillons plus petits qui sont plus rapides a resoudre.

16

Chapitre 3

FORMULATION DU PROBLEME DUCOVOITURAGE

Dans ce chapitre, nous presentonsles composantes du systeme quenous avons concu pour le covoitu-

rage dynamique. Le systeme comporte deuxcomposantes principales.

1) La composante de gestion de la �ottequi resout le probleme d’a�ectation en fonc-tion des temps de parcours prevus. La com-posante de gestion de la �otte resout unprobleme mathematique pour a�ecter lesvehicules aux demandes de deplacement. Laformulation mathematique de ce problemeest presentee dans ce chapitre. Nous expli-quons ensuite comment nous resolvons ceprobleme mathematique dans les deux cha-pitres suivants.

2) La composante de simulation quirepresente l’evaluation reelle du systeme.Les performances de cette composante sontexpliquees au chapitre 5.

Le fonctionnement global du systeme estpresente dans la �gure 3.1. Dans ce chapitre,nous presentons la composante de gestionde la �otte. Au debut d’un nouvel hori-zon de roulement, les composantes de ges-

tion de la �otte resolvent le probleme de l’af-fectation optimale en fonction des tempsde parcours prevus. Ensuite, la composantede simulation met en œuvre cette a�ecta-tion sur l’horizon suivant pour determinerl’evaluation reelle du systeme et les tempse�ectifs de prise en charge/depose et dedeplacement de tous les vehicules. La valeure�ective de la fonction objectif (fonctionobjectif realisee) peut etre calculee a la �nde chaque horizon et etre comparee a la va-leur objectif optimale (fonction objectif es-timee) derivee de la resolution du problemed’a�ectation avec les temps de deplacementprevus.

La composante de gestion du parc auto-mobile travaille a l’a�ectation des vehiculesaux demandes de deplacement. Dans cecomposant, un algorithme calcule le cheminle plus court et resout ensuite un problemed’optimisation multi-objectifs contrainta�n de minimiser le temps et la distancetotaux de deplacement des vehicules et letemps total de deplacement et d’attente despassagers.

17

Fig. 3.1 – Les composants du systeme

Les fonctions de contrainte sont lescontraintes de capacite, les contraintes defenetres de temps, les contraintes d’a�ecta-tion et le nombre de contraintes de partage.

Un compromis entre les objectifs sera

trouve pour etre envoye comme programmeaux pieds. Ensuite, les voitures assigneesquittent leur emplacement ou font undetour pour repondre aux nouvelles de-mandes.

18

Chapitre 4

METHODE DE SOLUTION AU PROBLEMEDU COVOITURAGE DYNAMIQUE

Dans cette these, nous visons a abor-der la solution optimale globale,alors que les etudes precedentes

se concentraient principalement sur l’op-timisation des sous-problemes locaux. Larecherche de la solution globale peut etrecouteuse en termes de calcul, mais elle per-met de repondre a la question du gain maxi-mum que l’on peut attendre du covoituragedans le systeme de transport.

Pour se rapprocher de la solution glo-bale, nous avons recours a un algorithmepour resoudre un programme lineaire en-tier.

Cependant, comme nous visons desproblemes avec de grandes instances,nous sommes toujours confrontes a lamalediction de la dimensionnalite. Notreapproche de la solution est concue pouretre exacte pour de petits echantillons. Elleest ensuite etendue avec plusieurs heuris-tiques qui conservent la conception generalede la methode de solution mais reduisentconsiderablement son temps de calcul.

Au chapitre 3, nous avons formule le

probleme du covoiturage dans un modelede programmation lineaire en nombres en-tiers (ILP), et nous avons montre que leprobleme est NP-di�cile. En raison de ladurete NP du probleme, la solution opti-male ne peut etre calculee que pour de pe-tites parties du probleme.

Tout d’abord, nous presentons un algo-rithme base sur les branches et les coupespour resoudre exactement le problememathematique.

L’algorithme construit un arbre de par-cours et essaie d’ajouter les points realisablesa la meilleure branche de l’arbre a chaqueetape. Il veri�e la faisabilite des points parrapport aux contraintes du modele. Audebut, il part du depot non vide le plusproche des origines et ajoute les pointsd’origine aux branches de l’arbre. L’algo-rithme peut ajouter un point de destina-tion si et seulement si son point d’origineassocie a ete ajoute a l’itineraire aupara-vant. Il peut egalement ajouter un nouveaupoint d’origine si les contraintes de capa-cite et le nombre de contraintes de par-

19

tage sont satisfaits. Les contraintes de lafenetre temporelle doivent etre veri�ees lorsde l’ajout de nouveaux points d’arret surles itineraires. Lorsque l’algorithme trouveun point possible pour un itineraire, ilcree un nouvel itineraire en ajoutant cepoint possible et place l’itineraire nouvel-lement cree dans l’ensemble des itineraires.En�n, le meilleur itineraire est celui qui ala fonction d’objectif minimum. Dans lapremiere methode heuristique, nous met-tons en œuvre une approche a horizon glis-sant avec reechelonnement. L’algorithmeexact est resolu a chaque etape de l’opti-misation et, dans un premier temps, essaiede placer les requetes dans les horaires deswagons en mouvement. Dans la deuxiememethode heuristique, la strategie principaleconsiste a regrouper les requetes en fonc-tion d’un indice de partage pour creer desechantillons plus petits qui sont plus ra-pides a resoudre. Cette methode reduit l’ex-ploration de l’espace a des etats realisableset prometteurs seulement. Nous essayonsa la fois les methodes partitionnees (cluste-ring k-means) et hierarchiques (clusteringagglomeratif hierarchique). Dans la derniereetape heuristique, nous avons presente lamethode Force the Sharing (FOSH) pourfavoriser le partage. L’algorithme �nal peutresoudre un probleme de covoiturage dy-

namique de haute qualite en peu de tempspar rapport aux autres methodes de lalitterature. Le but principal de cette theseest d’evaluer l’impact du covoiturage dy-namique sur le tra�c du reseau. Dans lesmegalopoles et les reseaux a grande echelle,les performances du covoiturage en termesde reduction de la congestion peuvent etredi�erentes de son impact sur les reseaux apetite et moyenne echelle. A notre connais-sance, le courant de recherche sur les ser-vices de covoiturage se concentre sur dessituations dans de grandes villes commeNew York, Pekin et San Francisco. Ce-pendant, ces services sont de plus en pluspopulaires dans les grandes villes et lesvilles de petite et moyenne taille. Danscette these, l’objectif est d’evaluer les per-formances des systemes dynamiques de co-voiturage pour reduire la congestion dansles villes moyennes et grandes. Nous appli-quons donc la methode sur deux reseaux.Tout d’abord, pour evaluer le service a petiteet moyenne echelle, nous appliquons notremethode a une matrice de deplacements O-D realiste pour la moitie nord de Lyon enFrance. Ensuite, pour evaluer l’impact ducovoiturage sur les reseaux a grande echelle,nous appliquons la methode a l’ensemble dureseau de la ville de Lyon en France.

20

Troisieme partie

Comment evaluer l’impact du reseau sur lesysteme de covoiturage et vice versa?

21

D ans la partie precedente, nous avons presente la reponse au premier sous-probleme dessystemes de covoiturage dynamique. Dans cette partie, nous examinons le deuxieme sous-probleme : comment evaluer l’impact du reseau sur le systeme de covoiturage et vice versa?Pour repondre a cette question, au chapitre 5, nous presentons un ”modele d’usine”, quiest base sur le diagramme macroscopique fondamental base sur les deplacements et quipeut representer la situation reelle du tra�c. Ensuite, nous presentons le ”modele de prevision”base sur la vitesse moyenne qui peut etre utilisee pendant le processus d’a�ectation. En-suite, nous evaluons les performances des methodes heuristiques presentees, etape par etape,pour montrer la qualite de la methode de solution. Au chapitre 6, nous analysons l’impactdu covoiturage dynamique sur la congestion des reseaux a moyenne et grande echelle.

22

Chapitre 5

CADRE DE SIMULATION

Dans les chapitres precedents, pourevaluer les performances du covoi-turage sur la demande du reseau,

nous avons presente la formulation et lamethode de resolution du probleme du co-voiturage dynamique.

Dans ce chapitre, nous etudions les in-teractions entre les reseaux de transport etles systemes de covoiturage dynamique. Ceprobleme a recu moins d’attention dansla litterature mais est tres important dupoint de vue operationnel. En e�et, l’en-combrement des reseaux peut avoir desrepercussions importantes sur le service decovoiturage.

Le systeme d’optimisation du servicede covoiturage utilise des estimations dutemps de trajet prevu obtenues a partird’un ”modele de prevision”. Lorsque lestrajets sont e�ectues, il existe generalementun ecart entre l’estimation et les condi-tions reelles de circulation. Le modele dit”d’usine” represente l’etat reel du tra�c, etil peut necessiter un ajustement dynamiquede l’a�ectation initiale pour s’adapter auxconditions observees. Lors de la simulationd’un service de covoiturage dynamique, il

est essentiel de distinguer avec precision laprevision et les modeles d’usine a�n de four-nir une evaluation realiste du fonctionne-ment du systeme. Dans ce chapitre, nousde�nissons le modele de prediction et lemodele de centrale pour le covoiturage dy-namique.

Nous utilisons des donnees reelles dureseau de Lyon dans nos simulations. Lemodele de prediction est base sur les dernierstemps de parcours observes, tandis que lemodele de station considere est un modelede diagramme macroscopique fondamen-tal (MFD) base sur les parcours, capablede reproduire l’evolution dans le tempsdes conditions moyennes de tra�c pour unreseau routier complet en utilisant le MFDcomme courbe comportementale globale.Le diagramme fondamental macroscopique(MFD) fournit une vue d’ensemble des etatsdu reseau.

Dans notre etude, nous expliquonsegalement la methode de gestion des depots.

Ensuite, nous montrons les perfor-mances des cadres d’optimisation bases surla simulation proposee. Nous evaluons lesperformances de toutes les methodes heu-

23

ristiques et nous demontrons que nos ap-proches heuristiques ameliorent signi�cati-vement le temps de calcul avec peu de com-promis sur l’optimalite. En outre, le cadred’optimisation propose peut surpasser les

methodes precedentes dans la litterature.Dans le prochain chapitre, nous

evaluerons l’e�et d’un systeme de covoitu-rage dynamique sur les reseaux a moyenneet grande echelle.

24

Chapitre 6

ANALYSES DE TRANSPORT

Dans le chapitre 5, nous avonspresente les cadres d’optimisationbases sur la simulation pour le

probleme du covoiturage dynamique quinous permettent d’evaluer le but princi-pal de cette these. Dans ce chapitre, nousevaluons l’impact du systeme de covoitu-rage sur le tra�c du reseau, et nous voyonscomment il peut a�ecter la congestion.

Nous cherchons a evaluer l’impact ducovoiturage dynamique sur les reseaux demoyenne et de grande envergure. Dans lesmegapoles et les reseaux a grande echelle,les performances du covoiturage en termesde reduction de la congestion peuvent etredi�erentes. Toutefois, ces services sont deplus en plus populaires dans les grandesvilles et les villes de petite et moyennetaille. Tout d’abord, nous evaluons l’im-pact du covoiturage sur le reseau de Lyon6 + Villeurbanne en tant que reseau de

taille moyenne. Ensuite, nous presentons lesanalyses a grande echelle en appliquant lamethode sur le reseau de l’ensemble de laville de Lyon en France.

Pour evaluer l’in�uence du systeme decovoiturage dynamique sur la reduction dela congestion du tra�c, nous comparons lesconditions de tra�c du systeme de covoi-turage dynamique en tenant compte desdi�erentes parts de marche et du nombre decovoiturages avec le cas ou la part de marcheest nulle lorsque seuls les vehicules person-nels repondent a toute la demande du reseau(”scenario sans service” dans les chi�res).Nous e�ectuons une analyse de sensibilitesur la longueur �xe de la fenetre temporelle,l’horizon de roulement et la taille du depot.

Le tableau 6.1 presente les resultats dessimulations a moyenne echelle et le tableau6.2 les resultats a grande echelle.

A l’echelle moyenne (Lyon 6 + Villeur-banne), contrairement a ce que nous atten-dions, les resultats montrent que le covoitu-rage n’a pas pu ameliorer considerablementla situation de la circulation. Le covoiturage

peut reduire les embouteillages par rapportaux services de taxi traditionnels et aux ser-vices d’appel. Toutefois, des parts de marcheelevees ajoutent aux deplacements une dis-tance et un temps de trajet supplementaires

25

Tab.6.1–

Resultatsdela

simulation

am

oyenneechelle

Con�guration

Sharedvehicles

PassengersPersonalvehicles

Allvehicles

Ntrips

m∑

k∈MTk (h

) ∑k∈

MTD

k (km)

n∑

i∈NTTi (h

) ∑i∈

NW

Ti (h

)Traveltim

e(h)Totaltraveltim

e(h)Totaltraveldistance(k

m)

MS

:0%-

--

--

--

7978.47978.4

268481.0M

S:20%

nshare=0

2235158

251.77893.3

2236204.0

7.57816.6

8068.3269698.3

nshare=1

1239116

209.36676.8

2236218.7

39.07797.1

8006.4268481.8

MS

:40%nshare=

04482

307501.7

15452.64482

415.79.9

7657.88159.5

270750.6nshare=

12455

218419.3

13235.84482

450.771.9

7603.58022.8

268533.8M

S:60%

nshare=0

6731422

754.723016.0

6732632.2

11.17489.6

8244.4271770.0

nshare=1

3672303

632.319779.8

6732687.1

104.07417.9

8050.2268533.8

MS

:80%nshare=

08963

5151018.6

30867.68978

856.312.5

7308.38326.9

272887.6nshare=

14880

404852.4

26513.98978

937.5133.5

7220.68073.0

268533.9M

S:100%

nshare=0

11213578

1276.338434.0

112351078.6

12.67140.6

8416.9273891.0

nshare=1

6072477

1074.133099.4

112351183.7

168.67032.6

8106.8268556.4

nshare=2

4993474

1049.932605.2

112351283.0

233.37021.4

8071.3268062.2

26

Fig. 6.1 – Situation du trafic pour le nombre de partage 0 avec di�erentes parts de marche

Fig. 6.2 – Situation du trafic pour le nombre de partage 1 avec di�erentes parts de marche

et entraınent une augmentation du tra�cdans le reseau (�gures 6.1 et 6.2).

On constate ensuite que les servicesde covoiturage dans les grandes villes sontcompletement di�erents de ceux des petites

et moyennes villes. Dans des simulations agrande echelle (Lyon), le systeme de covoi-turage dynamique propose peut ameliorerconsiderablement les conditions de circula-tion, en particulier aux heures de pointe

27

Tab.6.2–

Lesresultatsdelasim

ulationa

grandeechelle

Con�guration

Sharedvehicles

PassengersPersonalvehicles

Allvehicles

Ntrips

m∑

k∈MTk (h

) ∑k∈

MTD

k (km)

n∑

i∈NTTi (h

) ∑i∈

NW

Ti (h

)Traveltim

e(h)Totaltraveltim

e(h)Totaltraveldistance(k

m)

MS

:0%-

--

--

--

75271.175271.1

2290280.0M

S:20%

nshare=0

410113667

10373.2312739.0

410439439.9

265.765770.0

76143.22308249.0

nshare=1

212852089

6210.1188979.0

410439726.4

346.964850.3

71060.32184489.0

nshare=2

148091559

4579.2139516.0

410439894.5

498.464505.3

69084.52135026.0

MS

:40%nshare=

082021

726120811.6

625745.082104

19052.3449.3

56176.476987.9

2325345.0nshare=

142374

413812377.0

380495.082104

19406.1661.7

54648.167025.0

2080095.0nshare=

229236

30349091.8

281067.082104

19763.1974.8

54088.363180.1

1980667.0M

S:60%

nshare=0

12305310632

31309.2939129.0

12316628740.8

615.746520.6

77829.72342399.0

nshare=1

635666067

18456.4573197.0

12316628921.7

970.544670.3

63126.61976467.0

nshare=2

436104368

13459.4422194.0

12316629316.1

1476.144007.2

57466.61825464.0

MS

:80%nshare=

0164079

1374041708.9

1248210.0164227

38358.1765.0

36951.778660.6

2359100.0nshare=

184686

772424309.3

762330.0164227

38110.81269.0

35037.559346.8

1873220.0nshare=

257968

559717745.97

564108.0164227

38577.81990.3

34383.152128.9

1674998.0M

S:100%

nshare=0

20512417102

52208.61558900.0

20530848068.1

913.227296.3

79504.92375940.0

nshare=1

1057459489

30075.0952139.0

20530847182.2

1564.425557.1

55632.11769179.0

nshare=2

721606826

21856.8703947.0

20530847596.1

2519.024982.4

46839.31520987.0

nshare=3

697906595

19731.3688755.0

20530849595.8

2812.424751.2

44482.51505795.0

28

L’augmentation de la part de marche etdu nombre de partages peut renforcer cetteamelioration. Nous montrons egalementque le systeme pourrait etre plus performantavec des voitures et des fourgonnettes plusgrandes.

En outre, nous etudions l’in�uence dela recherche de places de stationnement

pour les vehicules personnels sur les perfor-mances du systeme dynamique en termes dereduction de la congestion. Lorsque nousavons examine la recherche de places deparking par les vehicules personnels, nousavons constate que le systeme dynamiquede covoiturage peut ameliorer davantage lesembouteillages aux heures de pointe.

29

Fig. 6.3 – Situation du trafic pour le nombre de partage 0 avec di�erentes parts de marche (grande echelle)

Fig. 6.4 – Situation du trafic pour le nombre de partage 1 avec di�erentes parts de marche (grande echelle)

30

Fig. 6.5 – Situation du trafic pour le nombre de partage 2 avec di�erentes parts de marche (grande echelle)

Fig. 6.6 – Situation du trafic pour di�erentes capacites de vehicules (grande echelle, part de marche = 100%)

31

Quatrieme partie

Quels sont les principaux resultats de cettethese ?

33

D ans les parties precedentes, nous avons repondu a deux questions principales sur le servicede covoiturage dynamique en proposant des cadres d’optimisation bases sur la simulationpour un tel service. Dans cette partie, nous resumons les points critiques de cette these, etnous discutons des conclusions.

34

Chapitre 7

CONCLUSION

La these comporte quatre parties.Dans la premiere partie (chapitres 1et 2), nous avons de�ni le probleme

et fourni une analyse documentaire sur lecovoiturage. Dans la partie 2, nous avonsrepondu au premier sous-probleme impor-tant du probleme dynamique du covoitu-rage : comment evaluer la performance ducovoiturage sur la demande du reseau?

Pour repondre a cette question, nousavons d’abord exprime le probleme du co-voiturage en un probleme mathematiquedans le chapitre 3. Ensuite, dans le cha-pitre 4, nous avons presente la methodede resolution du probleme mathematique.Dans la troisieme partie, nous avonsrepondu au deuxieme sous-probleme :Comment evaluer l’impact des conditionsde tra�c du reseau sur le systeme de covoitu-rage et vice versa?

Dans le chapitre 5, nous avons presenteun cadre de simulation pour le covoitu-rage dynamique qui peut nous permettred’evaluer l’impact du reseau sur le covoitu-rage. Dans le chapitre 6, nous analysons, al’aide de ce cadre, l’impact du covoituragedynamique sur les reseaux de moyenne et de

grande envergure.En�n, dans la partie 4, nous presentons

les principaux resultats de la these.L’objectif principal de cette these est de

repondre a l’une des questions critiquesconcernant les services de covoiturage dyna-mique :

Le covoiturage dynamique peut-ilreduire la congestion?

Pour repondre a cette question, nousavons propose un cadre d’optimisation basesur la simulation, puis nous avons mis enœuvre le cadre de covoiturage dynamiquea deux echelles di�erentes pour trouver lareponse a cette question. Le cadre d’op-timisation base sur la simulation proposedans cette these est plus performant queles methodes existant dans la litterature.L’algorithme d’optimisation peut fournirdes solutions de haute qualite en peu detemps. Dans la composante de simulation,un ”Modele d’usine” est applique sur labase du ”Diagramme fondamental macro-scopique (MFD) base sur les deplacements”pour representer la realite de la dynamiquedu tra�c et un ”Modele de prediction” estapplique sur la base de la vitesse moyenne a

35

utiliser pendant le processus d’a�ectation.Nous avons e�ectue une etude de simu-

lation approfondie (basee sur des modelesde tra�c reels) pour evaluer l’in�uence dessystemes de covoiturage dynamiques sur lacongestion du tra�c.

A moyenne echelle, les resultats ontmontre que le covoiturage ne pouvait pasameliorer de maniere signi�cative la situa-tion du tra�c, contrairement a ce que nousavions prevu. Le covoiturage peut reduireles embouteillages par rapport aux servicesde taxi traditionnels et aux services de trans-port par telephone a moyenne echelle.

Pour reduire sensiblement les temps dedeplacement aux heures de pointe, nousprevoyons une reduction remarquable dunombre de vehicules sur le reseau routier.Toutefois, des parts de marche elevees aug-mentent la distance et la duree des trajetset entraınent une augmentation du tra�csur le reseau. Le covoiturage dynamique nepeut donc pas etre une solution adequate

pour reduire le tra�c dans les villes de pe-tite et moyenne taille. Dans les grandes villes,les resultats sont tout a fait di�erents deceux des villes moyennes et petites. Dansles simulations a grande echelle (Lyon),le systeme de covoiturage dynamique pro-pose peut ameliorer considerablement lesconditions de circulation, en particulier auxheures de pointe. L’augmentation de la partde marche et du nombre de covoituragespeut renforcer cette amelioration. En outre,a grande echelle, l’accumulation de la de-mande pour le service est tres elevee, et nousavons des points d’origine tres proches. Lesysteme o�re donc davantage de possibilitesde partage et peut partager ces voyages sansdeteriorer le temps d’attente des passagers.

Par consequent, le systeme de covoitu-rage dynamique propose est une optionviable pour reduire la pression sur les trans-ports publics existants et diminuer le tra-�c du reseau dans les villes peuplees et degrande taille.

36