Table of Contents

Introduction aux modèles basés sur les agents dans le trafic urbain et la qualité de l'air

La pollution atmosphérique urbaine demeure l'un des défis environnementaux les plus pressants auxquels sont confrontées les villes modernes, les émissions de trafic représentant une part importante de polluants nocifs tels que les oxydes d'azote (NOx), les particules (PM2,5 et PM10) et les composés organiques volatils (COV). Les modèles basés sur les agents (BMA) sont apparus comme une méthode de calcul sophistiquée pour simuler la dynamique complexe des systèmes de transport urbains et leurs incidences sur l'environnement.

La base des GAB réside dans leur capacité à saisir les phénomènes émergents, les schémas de système qui découlent des interactions ascendantes d'innombrables agents individuels.Dans le contexte des émissions de trafic urbain, cela signifie que l'on simule comment des milliers de conducteurs individuels qui font des choix de parcours, accélèrent, décélérent et ralentissent les intersections produisent collectivement des schémas de pollution à l'échelle de la ville.

Fondations théoriques de la modélisation des émissions par agents

Principes de base et architecture des agents

Chaque agent du véhicule possède des caractéristiques, notamment le type de véhicule (voiture de tourisme, autobus, camion, motocyclette), le type de carburant (essence, diesel, électricité, hybride), le profil des coefficients d'émission (grammes de polluant par kilomètre dans diverses conditions d'exploitation) et les paramètres comportementaux tels que la vitesse souhaitée, les préférences d'accélération et les critères de sélection de l'itinéraire. L'environnement est constitué d'un réseau routier représenté comme un graphique avec des nœuds (intersections) et des bords ( segments de route), chacun comportant des attributs incluant des limites de vitesse, des configurations de voies, le calendrier des signaux de circulation et des profils de congestion.

Les conducteurs prennent des décisions basées sur le temps de déplacement perçu, la familiarité routière, l'information en temps réel sur le trafic et le respect des règlements de circulation.Le modèle Gipps auto-suivant et Nagel-Schreckenberg sont des modèles d'automate cellulaire couramment utilisés pour simuler la dynamique du trafic microscopique. Ces modèles capturent des phénomènes tels que les ondes de choc, le trafic d'arrêt et de marche et la baisse de capacité, qui influent tous de façon significative sur les modes d'émission.

Intégration aux méthodes d'estimation des émissions

La conversion de la dynamique simulée du trafic en estimations d'émissions nécessite l'accouplement des GAB avec des modèles de coefficients d'émission établis.Les approches les plus utilisées sont le modèle US EPA MOVES (Motor Vehicle Emission Simulateur), le modèle European COPERT (Programme d'informatique pour calculer les émissions du transport routier)[ et le modèle IVECO[ pour les véhicules utilitaires lourds.

Le processus d'intégration fonctionne à plusieurs échelles temporelles et spatiales. À la plus haute résolution, la vitesse instantanée et l'accélération de chaque agent sont cartographiées en fonction des taux d'émission à l'aide de modèles modaux d'émission. Ces valeurs instantanées sont ensuite agrégées à travers les intervalles de temps et les zones spatiales pour produire des inventaires d'émissions. Le VT-Micro modélisé et CMEM (modèle modulaire global d'émissions) sont des exemples d'approches modales qui corrélent le comportement de conduite de seconde à seconde avec les taux d'émission.

Principales applications de la simulation des émissions de la circulation urbaine

Évaluation des stratégies de tarification des congestions

En simulant la façon dont les conducteurs individuels réagissent aux divers taux de péage, les modélistes peuvent prévoir des changements de comportement de voyage, y compris des changements de route, des commutateurs de mode et des rééchelonnements de trajet. Le cadre MATSIM (Multi-Agent Transport Simulation), développé à l'ETH Zurich, a été largement utilisé pour simuler des scénarios de tarification de la congestion dans des villes comme Singapour, Londres et Stockholm. Ces simulations aident les décideurs à équilibrer la production de revenus, la réduction de la congestion et les améliorations de la qualité de l'air.

Les recherches montrent systématiquement que des prix bien conçus pour la congestion peuvent réduire les émissions de NOx de 15 à 30 % dans les quartiers centraux d'affaires pendant les heures de pointe. Toutefois, les GAB révèlent des nuances importantes : les prix peuvent déplacer les émissions vers les zones périphériques, car les conducteurs recherchent d'autres voies, ce qui pourrait créer de nouveaux points chauds de pollution.

Optimisation du calendrier des signaux de circulation pour la réduction des émissions

En simulant les trajectoires individuelles des véhicules par des intersections signalisées, les GAB peuvent évaluer comment différents plans de synchronisation des signaux affectent les modèles d'arrêt et de marche, la longueur de la file d'attente et les événements d'accélération. Les systèmes de contrôle des signaux de circulation adaptatifs, tels que SCOOT et SCATS, peuvent être modélisés dans les cadres de GAB pour prédire leurs avantages environnementaux avant le déploiement.

Les études indiquent que le calendrier optimisé des signaux peut réduire la consommation de carburant de 5 à 15 % et les émissions correspondantes de CO2 par des marges similaires. Plus important encore, les réductions des émissions de NOx et de particules résultant de la réduction des accélérations dues à des phénomènes difficiles peuvent être encore plus importantes, s'élevant entre 20 et 25 % dans certains corridors.

Évaluation des impacts de l'adoption des véhicules électriques

La transition vers les véhicules électriques (EV) présente à la fois des possibilités et des défis pour la qualité de l'air urbain.Les ABM sont particulièrement adaptés pour simuler les modèles spatials et temporels d'adoption des EV et leurs effets sur les émissions.

Les simulations montrent systématiquement que l'adoption précoce d'un véhicule électrique tend à se concentrer dans des quartiers plus riches où l'accès au garage peut créer des disparités dans les améliorations de la qualité de l'air. Les systèmes de gestion de l'énergie aident à identifier les secteurs où des mesures incitatives ciblées ou des investissements dans les infrastructures de tarification pourraient accélérer l'adoption et maximiser les avantages pour les communautés défavorisées en matière de qualité de l'air.

Intégration avec la modélisation de la dispersion de l'air

Approches de couplage pour l'évaluation de la qualité de l'air dans l'espace

La simulation des résultats de la qualité de l'air nécessite la mise en relation des inventaires des émissions dérivés de l'ABM avec des modèles de dispersion atmosphérique. Le couplage peut être mis en œuvre par des approches offline ou online[. Dans le couplage hors ligne, l'ABM génère des champs d'émission résolus dans le temps et répartis dans l'espace qui sont ensuite introduits dans des modèles de dispersion tels que AERMOD, CALPUFF ou CMAQ.

Le choix de l'approche de couplage dépend des questions de recherche et des ressources informatiques disponibles. Le couplage hors ligne est efficace sur le plan informatique et convient à l'évaluation des politiques à long terme, tandis que le couplage en ligne capte des interactions dynamiques telles que la façon dont les alertes de qualité de l'air peuvent modifier le comportement de voyage.

Identification des points chauds de pollution et des populations vulnérables

L'une des applications les plus utiles des modèles de dispersion ABM couplés est l'identification de points chauds de pollution[ — des endroits où les émissions de trafic produisent des concentrations de polluants disproportionnées. Ces points chauds se trouvent généralement près des principales intersections, des échanges routiers et des zones à forte densité de trafic, combinés à de mauvaises conditions de dispersion telles que les canyons de rue.

Outre l'identification des points chauds, ces modèles permettent d'évaluer l'exposition de la population[ en superposant les champs de concentration avec des données démographiques.Cette capacité est particulièrement importante pour les analyses de la justice environnementale, car les recherches montrent constamment que les communautés à faible revenu et les communautés minoritaires ont souvent des charges disproportionnées de pollution atmosphérique.

Études de cas et mise en œuvre dans le monde réel

Londres : Optimisation de la zone de charge de congestion

Le modèle de demande de voyages de Londres, qui intègre des éléments basés sur les agents, simule les changements aux limites des zones de recharge, aux niveaux de prix et aux heures d'exploitation, qui influent sur les modes de circulation et les émissions. Des études utilisant ce cadre ont démontré que la charge de congestion initiale a réduit les émissions de NOx dans la zone de recharge d'environ 15 à 20 %, bien que certaines émissions aient été transférées vers les routes limitrophes.

Les simulations ABM ont montré que la combinaison des prix de la congestion et des exigences ULEZ pouvait permettre de réduire les émissions de NOx de 30 à 40 % dans le centre de Londres tout en minimisant les perturbations économiques. Les modèles ont également révélé d'importantes réactions comportementales, notamment l'adoption accrue de véhicules conformes et le passage au transport en commun, qui ont contribué à des objectifs plus larges de durabilité.

Los Angeles : Expansion du transport en commun et réduction des émissions

L'Association des gouvernements de la Californie du Sud (SCAG) a utilisé des cadres ABM pour évaluer les plans de transport à longue distance pour la région métropolitaine de Los Angeles. À l'aide du modèle POLARIS basé sur les agents développé par le Laboratoire national d'Argonne, des chercheurs ont simulé les impacts d'une expansion étendue du transport, y compris de nouvelles lignes de transport léger, des couloirs de transport rapide par autobus et des améliorations de la connectivité entre les premiers milles et les derniers milles.

Les résultats indiquent que l'expansion du transport en commun pourrait à elle seule réduire de 6 à 10 % d'ici 2040 les kilomètres parcourus par les véhicules régionaux, avec des réductions correspondantes des émissions de CO2 de 8 à 12 %. Toutefois, les avantages pour la qualité de l'air varient considérablement d'un polluant à l'autre et d'un endroit à l'autre.

Pékin : Politiques de restriction des véhicules pendant les épisodes de pollution

Pékin a mis en œuvre certaines des politiques de restriction de la circulation les plus agressives au monde pour lutter contre les épisodes de pollution atmosphérique graves.]Les modèles basés sur l'agent ont été instrumentaux pour évaluer ces politiques, qui comprennent des restrictions de plaque d'immatriculation impair-even, des interdictions de conduire temporaires pendant les alertes rouges, et des restrictions sur les véhicules à haute émission.

Les résultats de la simulation ont montré que des restrictions impairs et même pendant les alertes rouges pouvaient réduire les émissions de 25 à 35 % du trafic dans les zones réglementées. Toutefois, les modèles ont également révélé des conséquences imprévues : certains ménages ont acheté des véhicules secondaires pour contourner les restrictions et les embouteillages ont souvent augmenté sur les routes frontalières en dehors des zones réglementées.

Stockholm: Prix de la congestion et intégration du transport en commun

Le système de tarification de la congestion de Stockholm, mis en place en permanence en 2007 à la suite d'un essai réussi, a été largement étudié à l'aide d'approches ABM. L'évaluation des essais de tarification de la congestion de Stockholm[ a incorporé des simulations basées sur des agents pour analyser les réponses comportementales dans différents groupes démographiques.

Les simulations ABM ont notamment montré que la charge de congestion a réduit le trafic intérieur de 20 à 25 %, avec des réductions correspondantes de 10 à 15 % et de 15 à 20 % des émissions de NOx. Les avantages environnementaux ont persisté au fil du temps, avec seulement des effets de rebond modestes à mesure que les conducteurs s'adaptent au nouveau système.

Défis et limites techniques

Complexité et scalabilité informatiques

La simulation de millions d'agents individuels dans les grandes régions métropolitaines avec une résolution seconde par seconde génère d'énormes demandes de calcul. Une simulation typique du comté de Los Angeles pour une seule journée pourrait impliquer 5-10 millions d'agents de véhicule et nécessiter 24-48 heures de traitement sur des grappes de calcul à haute performance. Ce fardeau calculal limite le nombre de scénarios qui peuvent être évalués et limite l'utilisation de GAB pour l'aide à la décision en temps réel.

Plusieurs stratégies permettent de relever ce défi.Les architectures informatiques parallèles les calculs d'agents de distribution à travers plusieurs processeurs, tandis que les approches de graine brute[ les agents agrégés ayant des caractéristiques similaires pour réduire la charge de calcul.

Exigences en matière de données et défis à relever pour l'étalonnage

Les GAB exigent des données étendues pour la paramétrisation et l'étalonnage[, y compris des enquêtes détaillées sur l'origine et la destination, le nombre de trafics, la composition du parc de véhicules, la géométrie du réseau routier, les plans de calibrage des signaux et les paramètres comportementaux.Dans de nombreuses villes, en particulier dans les régions en développement, ces données peuvent être incomplètes, dépassées ou indisponibles.

Les nouvelles sources de données offrent la possibilité de remédier à ces limitations. Les données de localisation des téléphones mobiles provenant de réseaux cellulaires fournissent des observations à grande échelle des modes de déplacement, tandis que les données GPS provenant des applications de navigation et des systèmes de gestion du parc automobile offrent des informations détaillées sur la trajectoire. La détection des émissions des véhicules[ à l'aide de capteurs routiers fournit des observations directes des taux d'émission des véhicules individuels, permettant une étalonnage plus précise des modèles d'émission.

Orientations futures et tendances émergentes

Intégration avec les flux de données en temps réel

La prochaine génération de GAB pour les émissions de trafic intégrera de plus en plus les flux de données en temps réel[ provenant de véhicules connectés, d'infrastructures intelligentes et de capteurs environnementaux.L'écosystème de l'Internet des objets (IoT) fournit des observations continues des conditions de circulation, des emplacements des véhicules et des mesures de la qualité de l'air qui peuvent être assimilées à des simulations en cours d'exécution.

Par exemple, un GAB en temps réel pourrait ingérer des données de trafic de milliers de véhicules connectés pour prédire la formation de congestion 30-60 minutes à l'avance, puis ajuster le calendrier des signaux ou recommander d'autres voies pour minimiser les émissions. L'intégration avec les réseaux de capteurs de qualité de l'air permettrait de valider les prévisions des modèles et d'identifier les nouveaux points chauds de pollution.

Progrès réalisés dans la modélisation des émissions

Les modèles traditionnels de coefficients d'émission sont complétés par des approches d'apprentissage automatique [ qui apprennent les relations d'émission directement à partir de grands ensembles de données. Les réseaux neuraux formés aux données du système portatif de mesure des émissions (PEMS) peuvent prédire les taux d'émission instantanés avec une plus grande précision que les modèles analytiques, en particulier dans des conditions de fonctionnement transitoires.

La mise au point de modèles d'émissions multipolluants qui prédisent simultanément le CO2, les NOx, les particules et d'autres polluants avec une méthodologie cohérente représente une autre avancée importante.

Améliorations de la modélisation comportementale

La précision des simulations d'émissions basées sur l'ABM dépend de façon critique du réalisme des règles comportementales des agents. La recherche actuelle vise à intégrer une rationalité, un apprentissage et une adaptation limités dans la prise de décision des agents. Plutôt que d'assumer une optimisation parfaite des choix de voyage, les agents doivent refléter des limitations cognitives réalistes, un comportement habituel et un apprentissage progressif de l'expérience. Les algorithmes d'apprentissage du renforcement permettent aux agents d'adapter leur comportement au fil du temps en fonction des résultats des décisions précédentes, produisant des simulations à long terme plus réalistes.

Les processus d'influence sociale — comment l'information se propage par les réseaux sociaux et affecte le comportement des voyageurs — représentent une autre frontière. Comprendre comment les perceptions de la qualité du transport en commun, les avantages des véhicules électriques ou l'équité des prix de congestion se propagent par les populations peuvent améliorer les prédictions de l'adoption de politiques et de la réaction comportementale.

Incidences politiques et soutien à la décision

Intégration des résultats de la GAB aux processus de planification

Pour que les GAB influent efficacement sur la politique urbaine, les résultats de la simulation doivent être communiqués sous des formes accessibles aux décideurs et aux intervenants. Les plateformes analytiques visuelles qui affichent les profils d'émissions, les impacts sur la qualité de l'air et les résultats sur la santé sur des cartes interactives permettent une exploration intuitive des résultats des scénarios. Les interfaces de tableau de bord qui résument les indicateurs de rendement clés — émissions totales, exposition de la population, mesures d'équité — permettent une comparaison rapide des solutions de rechange.

La mise au point de plates-formes ABM de source ouverte[, telles que MATSIM, SUMO (Simulation de la mobilité urbaine) et le cadre BEAM, favorise la transparence et la reproductibilité dans l'analyse des politiques.Ces plates-formes permettent une vérification indépendante des résultats des modèles et facilitent le développement collaboratif entre les institutions de recherche et les organismes de planification.

Combiner les GAB et l'évaluation des répercussions sur la santé

Les cadres d'évaluation des incidences sur la santé traduisent les changements dans les concentrations de polluants en estimations du fardeau de la mortalité et de la morbidité, ce qui permet d'analyser les coûts et les avantages des interventions stratégiques.

L'outil BenMAP[ (Befits Mapping and Analysis Program) développé par l'EPA des États-Unis fournit une méthodologie standard pour estimer les avantages pour la santé des améliorations de la qualité de l'air. L'intégration avec les extrants de l'ABM permet des calculs d'impact sur la santé spatialement explicites qui tiennent compte des disparités entre les quartiers et les groupes démographiques.

Conclusion

Les modèles basés sur les agents se sont établis comme des outils indispensables pour comprendre et gérer la relation complexe entre le transport urbain et la qualité de l'air. En représentant les conducteurs, les véhicules et les voyageurs comme des agents autonomes avec des règles comportementales réalistes, les GAB saisissent les modèles de pollution émergents que les modèles agrégés traditionnels ne peuvent pas reproduire.

L'évolution continue de la technologie ABM, qui est motivée par les progrès de la puissance informatique, de la disponibilité en temps réel des données et de la science comportementale, renforcera encore leurs capacités prédictives et leur utilité pratique. L'intégration des ABM avec des modèles de dispersion de l'air, des outils d'évaluation de l'impact sur la santé et des cadres numériques jumeaux promet un avenir où la gestion de l'environnement urbain est de plus en plus fondée sur des données probantes, adaptative et équitable.