Cela arrive à chaque conducteur plus souvent qu'il ne le souhaiterait probablement: suivez l'itinéraire prévu et, d'une manière ou d'une autre, on parvient à allumer chaque feu de route en cours de route. Non seulement cela est frustrant, mais cet arrêt gaspille du carburant, du temps et peut même provoquer des embouteillages, bloquant toute une ville.
Le nouveau logiciel de simulation mis au point par Carolina Osorio, professeur assistant en génie civil et environnemental au MIT, promet de fluidifier le trafic de manière plus efficace que tout autre logiciel auparavant. En optimisant le cadencement des feux de signalisation au-delà des capacités des systèmes actuels, il a été démontré que ses modèles réduisaient les temps de trajet aux heures de pointe de 22%.
Les systèmes de chronométrage des feux de circulation fonctionnent généralement de deux manières. Sur une grande ville ou à l’échelle régionale, les systèmes fixent l’éclairage en fonction du trafic observé; ce sont les modèles basés sur les flux. D'autres simulateurs fonctionnent à plus petite échelle, en prenant en compte les actions et les habitudes de chaque conducteur. Ces simulateurs agissent comme une sorte d’intelligence artificielle permettant de prédire l’évolution des comportements et des décisions des conducteurs en fonction des conditions de circulation. Ce sont ces différences minimes et ces décisions individuelles qui déséquilibrent les modèles basés sur les flux.
«Je dois expliquer comment les gens vont réagir à mes changements. Si les temps de trajet augmentent sur une artère, les gens risquent de se détourner », explique Osorio.« La plupart des logiciels de chronométrage des signaux tiennent compte de la structure actuelle ou historique du trafic. Ils ne tiennent pas compte de l'évolution des déplacements. »
Ce problème peut être aggravé par le nombre croissant de changements de signal mis en œuvre. Supposons, par exemple, que vous ayez deux itinéraires possibles pour vous rendre au travail: l’itinéraire A et l’itinéraire B. Vous choisissez le plus souvent l’itinéraire A, mais un jour l’horaire des feux de signalisation change, vous décidez donc de basculer sur l’itinéraire B. Non seulement le trafic a-t-il changé sur la route A, mais ceux qui empruntaient déjà la route B pourraient être enclins à reconsidérer leurs options. La manière dont ces changements et déviations peuvent se propager vers l'extérieur et affecter le reste des routes et des intersections de la région complique encore les choses.
La solution évidente consiste à exécuter des modèles individualisés et basés sur des flux pour tous les scénarios. Mais simuler toutes les permutations possibles du flux de trafic n'est pas réalisable. La puissance de calcul nécessaire pour réaliser une simulation aussi complexe pour une ville entière rendrait le coût du système prohibitif.
Pour résoudre ce problème sans sacrifier la fidélité et la fiabilité, le système Osorio combine le meilleur des deux mondes. Il ne prend que les meilleurs scénarios basés sur les flux, identifiés par un logiciel de synchronisation banal, et exécute les simulations spécifiques au pilote uniquement sur ces cas.
Prenons, par exemple, une intersection dont le trafic est beaucoup plus intense vers le nord et le sud que vers l’est et l’ouest. Des modèles plus simples peuvent donner à penser que le feu devrait permettre plus de temps vert dans les voies nord-sud que dans les voies est-ouest. Ensuite, les simulations plus complexes peuvent aider à évaluer la longueur de ces lumières et à prédire l'effet d'entraînement d'un tel changement.
La solution est évolutive. «Supposons que je souhaite tester 100 synchronisations de signal différentes», déclare Osorio. «Le modèle plus simple pourrait vous donner une idée d'un sous-ensemble des 100 qui pourrait avoir un grand potentiel. Ensuite, nous exécutons la simulation sur le sous-ensemble. "
Les lignes colorées représentent les principales routes de Lausanne, en Suisse. La carte de gauche, avec la programmation des feux de signalisation conventionnels, comporte de nombreuses lignes rouges qui représentent de longs trajets. La bonne carte, qui utilise le système amélioré du chercheur, comporte de nombreuses lignes vertes qui représentent des trajets courts. (Gracieuseté de Carolina Osorio) Le document d'Osorio, qui sera publié dans la revue Transportation Science, a appliqué son modèle au trafic à Lausanne, en Suisse, une région où elle a vécu. Travaillant avec des données de trafic sur 47 routes et 15 intersections (dont neuf avec des feux de circulation), l’étude a appliqué ses algorithmes à la première heure de l’heure de pointe du soir. Les simulations ont permis de réduire le temps de trajet de près du quart.
Les simulateurs de flux de trafic fournis par Osorio à ses modèles sont généralement créés par les villes elles-mêmes. Les municipalités collectent leurs propres données sur les conditions de circulation et les informations de recensement des mines, entre autres méthodes, pour créer des modèles en lesquels elles ont confiance. Ils transmettent ensuite à Osorio leurs simulations intégrées avec des métadonnées sur leur infrastructure, leurs destinations populaires, le trafic piétonnier et d'autres priorités pertinentes.
À Manhattan, par exemple, il existe des restrictions particulières quant à la durée pendant laquelle les piétons doivent avoir la priorité. Le département des transports de la ville de New York collabore déjà avec l'équipe d'Osorio pour gérer le débit pendant les périodes de pointe dans les zones très fréquentées de Manhattan.
«Un tel modèle peut valider notre système actif de gestion du trafic à Manhattan et nous permettre d’affiner nos processus et d’améliorer le fonctionnement du réseau», a déclaré Mohamad Talas, directeur adjoint de l’ingénierie système du DOT de NYC.
En fonction des objectifs de la ville, explique Osorio, le modèle peut aider à optimiser différents facteurs. Par exemple, la circulation dans le temps pourrait aider les conducteurs à augmenter leur consommation de carburant.
Son équipe collabore déjà avec des entreprises sur plusieurs projets. Ils sont impliqués dans un effort pour aider les conducteurs de futures voitures autonomes à identifier les moments et les endroits idéaux pour basculer en mode autonome afin d'économiser du carburant. Un autre projet en cours permettra aux programmes d'autopartage, tels que ZipCar, de mieux localiser leurs lieux de prise en charge et de dépose, de sorte que les clients puissent estimer leurs temps de trajet de manière plus fiable.
Tous les travaux d'Osorio, y compris le test de Lausanne, en sont encore à la phase de simulation, et il n'y a pas de calendrier précis pour appliquer ses leçons de mesure de la circulation sur la route.
"Mais c'est pourquoi nous faisons ces choses", dit-elle, "pour les implémenter dans le monde réel."
