En février 2021 s’est tenu pour la première fois le Forum académique PTV. Un lieu d’échange et de partage crée pour les professeurs et les chercheurs de l’enseignement supérieur allemand et de l’Europe du Sud-Est. Le but de cet évènement est de discuter des tendances actuelles de la modélisation des transports et d’apprendre les uns des autres.
Les échanges se sont organisés en petits groupes avec des experts renommés. Nous vous avons résumé les principales idées sur les tendances de la modélisation en 2021.
Tendance 1 : « Le vélo dans la modélisation des transports »
Michael Cik, Université technique de Graz
En Autriche, le vélo est l’un des moyens si ce n’est le moyen de transport préféré de la population. À l’Université technique de Graz, nous sommes préoccupés par la manière dont nous pouvons, en tant qu’experts en mobilité, fournir une représentation précise et correcte du trafic cycliste dans un modèle de mobilité future.
L’intérêt des villes et des autorités locales pour les modes de transport actifs a considérablement augmenté depuis la pandémie de la Covid-19. Ainsi, nous ne nous basons pas seulement sur les caractéristiques du mode de transport, mais aussi sur les données lors de nos recherches.
Klaus Nökel, PTV Group
À mon avis, la modélisation du transport à vélo repose principalement sur la « redistribution de l’espace routier« . Nous avons besoin de modèles qui soient sensibles à des niveaux très différents.
Par exemple, un carrefour reste-t-il « praticable » lorsqu’il est réaménagé pour le transport à vélo ? Pour répondre à cette question, nous avons modélisé ce scénario à l’aide de PTV Vissim. Le logiciel prend en compte tous les usagers de la route et leurs paramètres de comportement.
Elisabeth Lerch, Université des sciences appliquées de Francfort
À l’université des sciences appliquées de Francfort, notre mission la plus importante actuellement est d’examiner quels domaines de recherche existent déjà sur le thème du « transport à vélo » et où il y a-t-il un manque dans la recherche. Nous pourrons alors définir la direction que doit prendre nos recherches.
Pour vous donner un petit aperçu de notre approche : nous voulons savoir, par exemple, comment se comportent les cyclistes et les piétons ? Comment se comportent-ils lorsqu’ils doivent partager le même espace urbain ?
Malheureusement, il n’y a pas suffisamment de données sur les formes de mobilité active à l’heure actuelle. De plus, en raison de la COVID-19, nous ne sommes pas en mesure de mener des enquêtes de terrain. Par conséquent, les connaissances que nous obtiendrions seraient inutilisables pour nos objectifs. Néanmoins, il sera intéressant de voir si les tendances provoquées par la COVID-19, c’est-à-dire un plus grand nombre de personnes en télétravail ou une part croissante du transport à vélo, se maintiendront lorsque la pandémie sera terminée.
Prof. Dr. Christoph Walther, PTV Group
Chez PTV, nous étudions le trafic cycliste depuis de nombreuses années. Il y a plus de 10 ans déjà, nous développions une méthode d’évaluation macroéconomique des infrastructures cyclables. Nous faisons actuellement partie de l’équipe d’experts scientifiques qui soutient l’élaboration du Plan national vélo (PNC) pour le ministère fédéral des transports allemand (BMVI).
Personnellement, je trouve intéressante l’idée d’étudier un jour le développement du transport à vélo pour voir s’il pourrait y avoir un seuil de rentabilité de la demande. Un point à partir duquel l’effet positif diminuerait, de sorte qu’il ne serait plus possible de fluidifier le trafic si davantage de citoyens se mettaient au vélo. À Copenhague, j’ai fait l’expérience de ne pas pouvoir traverser vers l’arrêt de bus en tant que piéton parce qu’il y avait trop de cyclistes sur la route. Mon constat : une forte majorité de cyclistes n’utilisaient pas nécessairement l’espace routier de manière optimale.
Matthias Richter, Université des sciences appliquées de Zwickau.
Nous avons récemment réalisé une étude empirique sur le thème « Causes et effets des conflits entre cyclistes et piétons » en coopération avec l’Université technologique de Cracovie. Mon collègue Marek Bauer et moi-même avons présenté les résultats à la « 13e Conférence internationale sur la sécurité routière, GAMBIT 2020 ».
L’étude retrace le comportement des cyclistes et des piétons et leur interaction en fonction de divers facteurs, tels que l’infrastructure disponible pour le transport à vélos. Une observation intéressante que nous avons faite est que la part des piétons qui sont responsables des incidents est en constante augmentation et que des mesures respectives doivent et peuvent être prises afin de rendre la rencontre des différents usagers de la route plus sécuritaire.
Tendance 2 : « Les données dans le modèle de transport »
Dr. Klaus Nökel, PTV Group
Malgré le fait que la Covid-19 soit néfaste pour l’industrie, la société et l’économie, cette situation reste très intéressante du point de vue de la science des données. Les scientifiques collectent des données massivement afin d’analyser cette pandémie mondiale aussi précisément que possible en termes de changements de comportement.
Pour l’heure, nous ne pouvons que spéculer sur le nombre de ces changements de comportement qui s’imposeront définitivement comme des tendances en matière de mobilité. Il est vrai que plusieurs de ces caractéristiques n’ont été qu’accélérées par la pandémie et sont donc sûres de se manifester de manière permanente en tant que nouveaux modèles de comportement. Néanmoins, nous ne pouvons pas encore dire lesquels et nous ne pouvons donc pas non plus les inclure dans le modèle.
Michael Cik, Université technique de Graz
Obtenir et préparer des données pertinentes en amont représente 30 à 35 % du travail de recherche. Nous avons actuellement un projet à Graz qui étudie la mobilité active. L’accent est mis sur les utilisateurs de trottinettes classiques (pas les trottinettes électriques) et les cyclistes. L’étude commence par la question suivante : Comment peut-on obtenir des données sur le sujet de recherche avec lesquelles je peux générer des résultats ? Obtenir des informations complètes sur certaines dates de référence implique beaucoup de temps et de dépenses. Il n’y a malheureusement pas de recette unique pour tous.
Andreas Stadler, PTV Group
Les données étaient, sont et seront de plus en plus importantes pour la modélisation des transports. Nous devons trouver un moyen de recenser les données en permanence, puis de les utiliser pour étendre ou améliorer les modèles.
En définitive, il s’agit de maintenir un modèle vivant, qu’il s’agisse d’un modèle urbain ou d’un modèle Vissim à petite échelle. La base de données est, à mon avis, plus importante que la méthodologie. J’utilise pour cela de nouvelles méthodes d’IA ou d’apprentissage automatique, ou une ancienne procédure statistique qui nécessitent toutes des données.
La différence entre les résultats des procédures est plus faible que celle qui se serait produite si la qualité des données avait divergé. Des questions vraiment intéressantes, par exemple : Comment modéliser la mobilité partagée ? Comment les choses vont-elles évoluer avec la Covid-19 ? Comment les gens réagissent-ils à un changement dans le transport à vélo ? Ces questions peuvent, jusqu’à un certain point, être modélisées de manière fiable grâce au logiciel PTV Vissim.
Dr. Klaus Nökel, PTV Group
La modélisation des transports ne peut plus être imaginée sans intelligence artificielle. Elle doit être considérée comme une extension des méthodes conventionnelles de modélisation des transports ou même, dans une certaine mesure, comme un remplacement de celles-ci.
La modélisation du transport en temps réel présente également un grand potentiel pour la prévision à court terme des conditions de circulation, tâche essentielle de la gestion du trafic. L’intelligence artificielle pourrait être utilisée pour définir les conditions de circulation à l’aide d’images vidéo d’un tronçon de route ou d’un carrefour et, par conséquent, être en mesure de déduire des actions de contrôle simples.
Si nous voulons faire avancer ce développement, il n’y a pas d’autre solution que de disposer de données d’entraînement de haute qualité pour l’intelligence artificielle. Une question passionnante est de savoir si les modèles de transport peuvent être utilisés pour synthétiser de telles données d’entraînement.
Matthias Richter, Université des sciences appliquées de Zwickau
Sur l’utilisation des méthodes d’IA dans la gestion des transports.
Depuis peu, l’Université des sciences appliquées de Zwickau porte le nom d’« Université de la mobilité ». En tant que telle, nous sommes, d’une manière similaire à celle décrite pour l’Université des Sciences Appliquées de Francfort, toujours dans le processus d’auto-découverte et nous sommes actuellement en train de définir l’orientation que cela signifie pour notre travail.
La « mobilité » peut être interprétée de nombreuses façons différentes et comprend d’innombrables aspects de domaines. Dans le domaine de la gestion des transports, par exemple, nous effectuons des tests sur l’utilisation de modèles basés sur l’IA. Il y a aussi beaucoup de travaux de terrain dans tout cela : Installer une caméra ou survoler le trafic à l’aide de drones, identifier les véhicules et déterminer les paramètres. Je pense que sur ce point en particulier, il existe un grand potentiel de recherche avec des données en temps réel.
Avec des méthodes comparativement simples, on peut obtenir des résultats qui, par exemple, en ce qui concerne l’utilisation de véhicules autonomes (et aussi leur coexistence avec des véhicules classiques) ouvrent des possibilités imprévues.
Michael Cik, Université technique de Graz
C’est très intéressant lorsque je peux déterminer les activités des personnes à partir des modèles. Avec le temps, nous deviendrons de plus en plus performants dans la cartographie des activités grâce à l’intelligence artificielle. Qu’il s’agisse d’approches basées sur des règles ou de modèles probabilistes, les modèles deviennent de plus en plus intelligents avec les deux procédures, mais ils ne peuvent fonctionner que si nous générons de bons enregistrements de données d’entraînement et de test afin d’entraîner l’IA.
Mon but serait de disposer d’une base de données annotée d’un groupe de population suffisamment important. Les enregistrements de données devraient contenir des détails sur la trajectoire, les activités et le programme quotidien de chaque personne. Le modèle est entraîné sur la base de ces données d’entraînement et devient de plus en plus intelligent au fil du temps. Avec un deuxième enregistrement de données, je valide ensuite le modèle. À mon avis, il serait important d’investir des fonds de recherche dans ces relevés de données, car ces résultats devraient également être inclus dans les futures enquêtes sur les ménages, qui devraient bien sûr être améliorées et digitalisées au fil du temps.
Tendance 3 : « La modélisation du transport dans un contexte interdisciplinaire »
Michael Cik, Université de technologie de Graz
Pour moi, la plus grande découverte de ces derniers temps a été de voir combien de domaines spécialisés interagissent réellement et peuvent travailler ensemble sur la base d’un modèle de demande, auquel on ne pense pas normalement. Il est possible d’utiliser les faits empiriques, dont vous héritez, et le modèle de demande, que vous créez, à des fins très diverses. Qu’il s’agisse de l’air, du bruit, de l’environnement ou, comme c’est le cas actuellement, du secteur de la santé. Il est intéressant de voir quel impact la mobilité et la demande ont sur les autres domaines de recherche.
Par exemple, lorsque je compare la courbe de la mobilité en Autriche pour mars 2020 et celle du deuxième et troisième confinement avec la courbe du développement économique de cette période et le développement dans le domaine épidémiologique, on constate des corrélations claires.
Cependant, lors d’une conversation avec l’Institut de recherche économique, nous avons appris que les résultats de calcul du modèle de transport sont nécessaires très rapidement pour un traitement ultérieur afin de pouvoir faire des prévisions économiques, par exemple.
Dr. Klaus Nökel, PTV Group
Si la Covid-19 nous a appris une chose, c’est que nous devons élargir notre champ d’activité dans la modélisation des transports. Nous sommes tellement habitués à consulter la modélisation des transports pour la seule planification des infrastructures que nous négligeons honteusement d’autres domaines d’application possibles.
La planification des infrastructures ne joue pas de rôle dans le cas de la pandémie. Les modèles de transport ont été et sont utilisés ici pour déterminer les réseaux de contact et les risques d’infection et pour savoir quels effets les fermetures pourraient avoir sur l’économie. Les possibilités interdisciplinaires qui sont apparues sont plus que passionnantes.
Dr Christoph Walther, PTV Group
En 2019, l’Union européenne avait lancé l’initiative GAIA-X dans le but de réduire la dépendance à l’égard des fournisseurs informatiques américains et chinois et des plateformes axées sur les données et dominant le marché.
GAIA-X fournit un cadre organisationnel et juridique pour une architecture cloud respective. La salle de données sur la mobilité lancée par le ministère fédéral allemand des transports (BMVI) pourrait devenir un exemple d’application de GAIA-X dans le domaine de la mobilité.
En tant qu’utilisateur, l’opportunité d’avoir accès à de telles salles de données réside dans le fait de travailler avec des enregistrements de données de différents fournisseurs et ainsi de générer de meilleures matrices que les matrices de demande sur la base d’un seul fournisseur. Cela pourrait également révolutionner le plan de transport fédéral allemand si les planificateurs ne devaient pas déployer des efforts disproportionnés pour mettre à jour les matrices tous les 5 à 10 ans, mais au contraire les actualiser en permanence. De nombreux pays européens et des entreprises du monde entier soutiennent déjà le projet.
Tendance 4 : « La modélisation du transport en général »
Dr. Klaus Nökel, PTV Group
Nous devons convaincre les villes et les autorités locales des avantages de la modélisation des transports. Nous devons donc rendre l’utilisation des modèles plus abordable et plus attrayante pour les petites municipalités. Les petites villes n’ont souvent pas les ressources financières et humaines nécessaires pour créer un modèle et l’entretenir correctement.
Dans ce domaine, des mesures sont actuellement prises pour réduire le temps et les coûts liés à la construction de modèles. Je pense également que nous devons nous orienter davantage vers la conception de nos produits de manière à ce qu’ils soient plus facilement compréhensibles, afin que les collègues, qui ne sont pas des spécialistes du transport formés et qui ne s’occupent du transport qu’occasionnellement, puissent trouver un chemin vers le sujet.
Les experts en mobilité devraient également cesser de considérer les modèles de transport comme un gros dossier poussiéreux que l’on sort du tiroir pour y travailler une fois par an. Un modèle devrait plutôt être utilisé à des fins de suivi : chaque semaine, chaque jour, afin de vérifier si le modèle correspond à la réalité de l’autre côté de la fenêtre. De cette manière, les changements dans le processus de transport pourraient être détectés à temps et la cause identifiée, de sorte que des recommandations d’action fondées sur des données puissent être formulées.
Michael Cik, Université technologique de Graz
Jusqu’à présent, nous avons toujours travaillé dans une situation de laboratoire stérile mais, depuis mars dernier, cet environnement artificiel est devenu une réalité, grâce à la Covid-19.
Nous sommes maintenant préoccupés par d’autres questions que nous étudions dans le cadre de projets pilotes. Comment la mobilité va-t-elle continuer à se développer ? Quels changements dans le comportement de mobilité pouvons-nous observer ? Personne ne m’a encore dit qu’il avait trouvé la formule ultime sur la façon dont la mobilité se développera après un coronavirus. Je pense qu’il s’agit d’un sujet de recherche passionnant, et pas seulement pour le domaine de la modélisation des transports.
D’une part, nous essayons d’intégrer ce modèle axé sur les données, dans lequel nous travaillons avec des données de communication mobile, dans des modèles basés sur les agents. Nous travaillons également en étroite collaboration avec des collègues suisses. J’ai toujours trouvé très passionnant ce que M. Nagel (Prof. Kai Nagel, TU Berlin) avec son équipe et le RKI (Institut Robert-Koch) font sur le sujet.
Christoph Walther, PTV Group
Dans les pays disposant d’un réseau de transport dense et très développé, une tendance nécessaire consiste à donner la priorité à la préservation de l’infrastructure plutôt qu’à son expansion.
Avec le Plan fédéral des transports 2030, nous avons peut-être réussi à passer des nouvelles constructions à la préservation, mais il manque une procédure d’optimisation pour ce processus de préservation, c’est-à-dire la priorisation des mesures de préservation avec un budget limité. La base de données pour la planification de la préservation peut être de plus en plus affinée.
En principe, les voitures sont en mesure d’enregistrer les surfaces irrégulières lorsqu’elles circulent dans les rues. Ces données fournissent une bonne indication de l’état actuel de la surface de la route. Des capteurs, appelés infrastructures intelligentes, peuvent fournir des informations sur les modifications de la structure. La collecte et l’exploitation des données pourraient ainsi révolutionner la planification de la préservation