Table of Contents

L'estimation de la croissance du volume de trafic est un élément essentiel de la planification moderne des transports, du développement des infrastructures et de la gestion urbaine. À mesure que les villes s'élargissent et que les populations augmentent, il devient essentiel de comprendre comment les modes de circulation évolueront pour prendre des décisions éclairées qui façonnent nos réseaux de transport.

Dans le cadre du processus de prévision du trafic, les planificateurs, les ingénieurs et les autres professionnels du transport doivent estimer la quantité de trafic qui sera disponible sur le réseau de transport à l'avenir et évaluer les impacts à court et à long terme du trafic sur le réseau de transport. Cette entreprise complexe exige une combinaison de méthodes d'analyse, de techniques de collecte de données et de modèles de prévision qui peuvent expliquer de nombreuses variables qui influent sur les tendances du trafic.

Comprendre les mesures du volume de trafic

Avant de plonger dans les méthodes de prévision, il est essentiel de comprendre les paramètres fondamentaux utilisés dans l'analyse du trafic. La mesure la plus couramment utilisée est la circulation quotidienne moyenne annuelle (AADT), qui sert de base à la plupart des estimations de croissance du trafic et des décisions de planification.

Trafic quotidien moyen annuel (AADT)

La circulation quotidienne moyenne annuelle (DTAA) est une mesure utilisée principalement pour la planification des transports, l'ingénierie des transports et la sélection des emplacements de détail. Traditionnellement, c'est le volume total de la circulation routière d'une route ou d'une route pour une année divisée par 365 jours.

Le trafic quotidien moyen annuel (TAAA) représente le volume moyen de trafic quotidien sur toute une année. Il représente les jours de semaine, les week-ends, les jours fériés et les fluctuations saisonnières, ce qui donne un nombre normalisé.

L'AADT est la mesure standard de la charge de circulation des véhicules sur une section de route et la base de certaines décisions concernant la planification des transports ou les risques environnementaux liés à la pollution due au transport routier. L'une des utilisations les plus importantes de l'AADT est de déterminer le financement de l'entretien et de l'amélioration des routes.

Trafic quotidien moyen (TAA) par rapport à l'AADT

Bien que les AADT et ADT soient souvent confondus, ils représentent des périodes de mesure différentes. AADT est le volume total de véhicules circulant sur une route pendant une année entière, divisé par 365. ADT est le nombre moyen de véhicules voyageant à travers un emplacement pendant une période inférieure à un an. ADT peut être calculé pour une saison, un mois ou une semaine spécifique, ce qui le rend utile pour comprendre les tendances de trafic à court terme ou les variations saisonnières.

L'AADT sert généralement à mesurer les tendances à long terme ou les changements dans la demande de voyages, tandis que l'AAD est plus utile pour la planification et les opérations à court terme.

Méthodes de collecte de données pour l'AADT

Il existe deux techniques différentes pour mesurer les AADT pour les segments de route avec compteurs de trafic automatisés. Une technique est appelée méthode de collecte continue de données de comptage. Cette méthode comprend des capteurs qui sont intégrés en permanence dans une route et les données de trafic sont mesurées pendant toute la durée de 365 jours.

La plupart des AADT sont générés par des méthodes de collecte de données à court terme, parfois appelées méthode de collecte de données de comptage de couverture. Le trafic est recueilli avec des capteurs portables qui sont fixés à la route et enregistrent les données de trafic généralement pendant 2 à 14 jours. Ces chiffres à court terme sont ensuite ajustés en utilisant des facteurs d'expansion dérivés des stations de comptage permanentes pour estimer les moyennes annuelles.

Méthodes fondamentales pour estimer la croissance du trafic

Les planificateurs et les ingénieurs appliquent des techniques de prévision à des projets de toutes tailles et de toutes complexités, allant de l'intersection unique à la recommandation à l'échelle de l'État. La sélection d'une méthode de prévision appropriée dépend de la disponibilité des données, de la portée du projet, de la précision requise et de l'horizon de planification.

Analyse des données historiques et projection des tendances

L'analyse des données historiques sur le trafic fournit les bases de la plupart des estimations de la croissance du trafic, qui consiste à examiner les comptes de trafic passés pour déterminer les tendances et les tendances qui peuvent être projetées dans l'avenir.

La plupart des agences de transport préfèrent utiliser les données de comptage du trafic qui datent de 20 ans et plus pour créer des lignes de tendance fiables. Les données historiques à long terme aident à atténuer les fluctuations à court terme et fournissent une base plus stable pour projeter les tendances futures.

Les fluctuations économiques nécessitent une attention particulière lors de l'analyse des tendances. La croissance du trafic montre souvent des baisses temporaires pendant les récessions ou les ralentissements qui pourraient fausser les projections. L'analyse à long terme montre des effets minimes des ralentissements économiques à court terme, bien que des périodes prolongées de croissance lente nécessitent une réflexion attentive.

Formule du taux de croissance linéaire

La formule du taux de croissance linéaire est l'une des méthodes les plus simples et les plus couramment utilisées pour la prévision du trafic. Croissance linéaire - Augmentation linéaire des volumes de trafic au fil du temps. Cette méthode suppose une croissance constante chaque année et ne considère pas comme une restriction de capacité.

La formule linéaire de base calcule le volume de trafic futur en appliquant un taux de croissance constant au volume de l'année de référence. Par exemple, si une route transporte actuellement 24 000 véhicules par jour avec un taux de croissance annuel prévu de 2 %, le volume prévu après cinq ans serait calculé comme suit : Volume futur = Volume de base × (1 + Taux de croissance × Années), ce qui se traduirait par 26 400 véhicules par jour, soit une augmentation totale de 2 400 véhicules sur la période de cinq ans.

Les projets financés par le gouvernement fédéral et les examens environnementaux exigent généralement que les volumes de trafic soient projetés 10 à 30 ans à l'avenir, en supposant généralement une croissance annuelle de 1 à 2 % du volume des véhicules.

Méthode du taux de croissance composé

Contrairement à la croissance linéaire, la méthode de croissance composée suppose une augmentation exponentielle du trafic au fil du temps, la croissance s'appuyant sur les augmentations des années précédentes. Un taux de croissance composé de 2 % double le trafic en 35 ans.

La formule de croissance composée est la suivante : Volume futur = Volume de base × (1 + Taux de croissance)^ Années. Ce calcul exponentiel peut produire des résultats sensiblement différents de la croissance linéaire sur de longues périodes, ce qui rend important de choisir la méthode appropriée en fonction des conditions locales et des schémas historiques.

La précision des projections futures et des décisions de planification de l'infrastructure dépend fortement du choix des taux de croissance appropriés entre les formules linéaires et composées. Les planificateurs des transports doivent prendre cette décision cruciale tout en prévoyant les volumes de trafic pour 2025-2030.

Baisse des courbes de croissance

Dans les zones qui approchent des contraintes de capacité, des modèles simples de croissance linéaire ou composée peuvent surestimer les volumes futurs de trafic. Les zones qui ont ou qui auront probablement des contraintes de capacité devraient utiliser la courbe de croissance décroissante indiquée ci-dessous, tant qu'il y a suffisamment de preuves d'un changement potentiel.

Dans de nombreux cas, on utilise un taux de croissance linéaire car il n'existe souvent pas de données suffisantes pour étayer l'utilisation d'un type de courbe plus spécifique. Toutefois, lorsque les données le confirment, les courbes de croissance en baisse fournissent des prévisions plus réalistes pour les zones urbaines encombrées.

Le taux de croissance des 20 premières années est généralement plus élevé que celui des 20 années, car la croissance diminuera au fil du temps à mesure que l'installation approchera de sa capacité.

Prévisions de la ligne de tendance

On pourrait prévoir des tendances, en supposant que le pourcentage récent de croissance du trafic se poursuivra à l'avenir.Ces prévisions sont les plus fiables pour des périodes relativement courtes (5 ans ou moins). Cette approche simple extrapole les tendances récentes en les rendant accessibles et faciles à mettre en œuvre.

Toutefois, les prévisions de tendance présentent d'importantes limites, qui ne tiennent pas compte du potentiel de contraintes de capacité à l'avenir pour limiter la croissance de la demande future, ce qui signifie que les prévisions de tendance pourraient surestimer le trafic futur dans les zones où la capacité de la voie limitera la croissance.

Techniques avancées de prévision

Bien que l'analyse des tendances historiques simples constitue un point de départ pour la prévision du trafic, des méthodes plus sophistiquées intègrent d'autres variables et des techniques de modélisation pour améliorer l'exactitude et tenir compte des interactions complexes entre les systèmes de transport et les modes d'utilisation des terres.

Modélisation de la demande de voyages

Les prévisions de la demande future de voyages sont mieux obtenues à partir d'un modèle de demande de voyages, qui exige beaucoup d'efforts et de temps pour élaborer et étalonner. Si on n'existe pas déjà, l'analyste peut chercher à élaborer des prévisions de la demande en fonction des taux de croissance historiques.

La modélisation de la demande de voyages comprend la sélection d'un modèle applicable, l'étalonnage des conditions locales, la validation des résultats du modèle et la révision des volumes prévus. Un rendement TDM est étalonné pour la génération de voyages régionaux, la distribution des voyages, le choix du mode et l'affectation.

Le processus de modélisation en quatre étapes de la demande de voyages comprend :

  • Production de flux:[ Estimation du nombre de voyages effectués par et attirés vers différentes zones en fonction des caractéristiques de l'utilisation des terres, de la population, de l'emploi et d'autres facteurs socioéconomiques
  • Distribution des voyages :[ Détermination de la fin des voyages qui proviennent d'une zone, créant des motifs d'origine et de destination
  • Choix de mode : Prévoir le mode de transport (voiture, transport en commun, bicyclette, marche) que les voyageurs utiliseront pour leurs voyages
  • Trip Affectation:[ Affectation de voyages à des itinéraires particuliers par le réseau de transport en fonction des temps de déplacement, des coûts et d'autres facteurs

Les sorties de TDM peuvent présenter des incohérences par lien puisque ces modèles ne sont pas étalonnés au niveau de la liaison. Par conséquent, d'autres ajustements ou post-traitement des sorties quotidiennes ou de pointe du modèle sont généralement appliqués avant leur utilisation dans l'analyse de corridor ou de projet.

Pour les projets situés à l'intérieur d'un APM, on peut citer les derniers extrants du MPO TDM pour déterminer les taux de croissance des corridors pour les projets. Pour les projets situés à l'extérieur des limites du MPO, on peut citer la MAS du PPT pour déterminer les taux de croissance.

Séries chronologiques Analyse et méthodes statistiques

L'analyse des séries chronologiques applique des techniques statistiques aux données historiques sur le trafic afin d'identifier les modèles et de prévoir les valeurs futures. Ces méthodes peuvent saisir les variations saisonnières, les tendances et les modèles cycliques que des approches plus simples pourraient manquer.

Les modèles ARIMA sont particulièrement utiles pour la prévision du trafic parce qu'ils peuvent tenir compte des tendances et des tendances saisonnières dans les données. Ces modèles analysent la structure d'autocorrélation des données du trafic — comment les volumes de trafic à une période donnée se rapportent aux volumes à des périodes antérieures — pour générer des prévisions.

Analyse de régression

L'analyse de régression établit des relations mathématiques entre les volumes de trafic et les variables explicatives comme la population, l'emploi, les niveaux de revenu, les prix des carburants et les caractéristiques de l'utilisation des terres.

Les modèles de régression multiple peuvent intégrer de nombreuses variables simultanément, ce qui permet aux analystes de tenir compte des facteurs complexes qui influent sur la croissance du trafic. Par exemple, un modèle de régression peut prédire les volumes de trafic en fonction de la densité de population, de l'emploi dans le corridor, du revenu des ménages, de la distance entre le quartier central des affaires et de la disponibilité de solutions de rechange au transport en commun.

Il est recommandé de comparer les extrants et les taux de croissance du MDT avec d'autres sources, comme les données historiques, les projets adjacents, les projets antérieurs, les prévisions démographiques et la population de données du recensement des États-Unis.

Apprentissage automatique et approches de l'intelligence artificielle

Les progrès de l'apprentissage automatique (ML) et de l'intelligence artificielle (IA) ainsi que les améliorations apportées aux technologies de détection de l'Internet des objets (IoT) ont rendu la recherche TCP cruciale pour le développement de systèmes de transport intelligents (STI).

Bien que les modèles statistiques traitent bien les modèles simples, l'apprentissage automatique, l'apprentissage profond et les techniques d'ensemble sont mieux adaptés aux conditions de circulation complexes et changeantes, bien qu'ils viennent avec des défis comme l'adaptation excessive et les demandes de calcul élevées.

Les réseaux neuronaux, les machines à vecteur support et les modèles forestiers aléatoires ont tous été appliqués à la prévision du trafic avec des résultats prometteurs. Ces modèles peuvent traiter de grandes quantités de données provenant de sources multiples et s'adapter à l'évolution des conditions au fil du temps.

Techniques de simulation et de microsimulation

Les modèles de simulation du trafic créent des représentations détaillées du flux de trafic, permettant aux analystes de tester différents scénarios et d'évaluer les impacts des changements proposés.

Ces modèles sont particulièrement utiles pour analyser les intersections complexes, évaluer les améliorations opérationnelles et évaluer les impacts des nouveaux développements. Bien que la microsimulation nécessite des données d'entrée détaillées et des ressources informatiques importantes, elle fournit des informations sur les opérations de trafic que les modèles agrégés ne peuvent saisir.

Facteurs clés qui influencent la croissance du volume du trafic

Pour prévoir avec précision le trafic, il faut comprendre les divers facteurs qui déterminent les changements dans la demande de voyages, qui fonctionnent à de multiples échelles, allant des décisions individuelles de voyage aux tendances économiques régionales, et qui interagissent de façon complexe.

Croissance démographique et démographique

La croissance démographique est l'un des facteurs les plus fondamentaux de l'augmentation du volume de la circulation. Comme plus de personnes vivent dans une région, plus de voyages sont générés pour le travail, les achats, l'école et d'autres activités.

La répartition par âge influe sur les habitudes de déplacement, les adultes en âge de travailler produisant généralement plus de voyages en véhicule que les enfants ou les retraités. La taille du ménage influe sur la génération de voyages, car les ménages plus importants ont tendance à faire plus de voyages, mais peuvent partager plus efficacement les véhicules.

Selon les estimations de l'ONU, d'ici 2030, environ 4,9 milliards de personnes vivront dans les zones urbaines du monde entier et, d'ici 2050, environ 70 % des habitants seront des citadins.

Développement économique et emploi

L'activité économique stimule la croissance du trafic par l'intermédiaire de mécanismes multiples. Les niveaux d'emploi affectent directement les habitudes de transport, la croissance de l'emploi entraînant généralement une augmentation du volume de trafic pendant les périodes de pointe.

La prospérité économique est généralement liée à des taux de propriété plus élevés et à des déplacements plus discrétionnaires. Cependant, les ralentissements économiques peuvent temporairement réduire la croissance du trafic ou même entraîner une baisse des volumes de trafic.

Les modes d'utilisation des terres et le développement urbain

L'aménagement spatial des terres détermine fondamentalement les modes de déplacement et les volumes de trafic. Le développement étendu et à faible densité génère généralement plus de déplacements de véhicules et de longueurs de trajet plus longues que le développement compact et mixte. La séparation des zones résidentielles des centres d'emploi, des magasins et des services augmente les distances de voyage et la dépendance à l'égard de l'automobile.

À l'inverse, le développement mixte qui intègre les usages résidentiels, commerciaux et d'emploi peut réduire la longueur des trajets et permettre une utilisation plus fréquente de la marche, du vélo et du transport en commun.

Les grands développements tels que les centres commerciaux, les parcs à bureaux ou les subdivisions résidentielles peuvent affecter considérablement le trafic sur les routes à proximité.

Politiques et investissements en matière d'infrastructure dans les transports

Une étude documentaire de plusieurs études axées sur la demande induite a révélé que de 50 à 100 % de la nouvelle capacité de la route est souvent absorbée par le trafic en trois ans ou plus. Ce phénomène induit de la demande signifie que l'expansion de la capacité seule résout rarement les problèmes de congestion.

La précision de la projection souffre d'une prise en compte insuffisante de la demande induite. Les recherches montrent que la nouvelle capacité de la voie devient 50 à 100% remplie de trafic induit en seulement trois ans. Les procédures de modélisation standard excluent encore largement ce phénomène, ce qui représente un défi important pour la prévision du trafic et la planification de l'infrastructure.

Les politiques de tarification telles que les péages, les frais de stationnement et les frais de congestion peuvent influencer le comportement des voyageurs et le volume de la circulation. Les investissements en transit offrent des alternatives au voyage automobile et peuvent réduire la croissance du trafic sur les routes parallèles.

Dans certains cas, les villes visent à atteindre des objectifs explicites de partage des modes pour réduire la dépendance à l'égard de l'utilisation de véhicules à occupation unique. Pour atteindre ces objectifs agressifs, il faudra changer à la fois l'investissement dans l'infrastructure et le comportement des voyageurs.

Progrès technologiques et évolution du comportement des voyageurs

Les changements technologiques modifient les modes de déplacement de façon à remettre en question les approches traditionnelles de la prévision. Le télétravail et le travail à distance réduisent les déplacements en commun, tendance qui s'accélère considérablement par la pandémie de COVID-19.

Le commerce électronique et les achats en ligne réduisent les déplacements dans les magasins de détail tout en augmentant le trafic de véhicules de livraison. Les services de transport routier comme Uber et Lyft ont ajouté des kilomètres parcourus dans de nombreuses zones urbaines.

Les véhicules électriques changent l'économie du fonctionnement des véhicules, ce qui pourrait encourager la conduite en raison de la baisse des coûts par kilomètre. Les services de mobilité partagée, y compris le partage de voitures et de vélos, offrent des solutions de rechange à la propriété de véhicules privés et peuvent réduire la circulation dans certains contextes.

Prix du carburant et coûts de transport

Les prix du carburant influent de façon significative sur le comportement des voyageurs et le volume de la circulation.Les prix plus élevés réduisent généralement les déplacements facultatifs et encouragent les déplacements en mode de transport, de covoiturage ou de véhicules plus économes en carburant.

Cependant, il est extrêmement difficile de prévoir les prix des carburants sur les 20-30 ans, ce qui complique les efforts de prévision du trafic qui tentent de tenir compte des effets des prix des carburants.

Considérations environnementales et climatiques

La sensibilisation accrue aux changements climatiques et aux préoccupations liées à la qualité de l'air influe sur les politiques de transport et peut influer sur les tendances de croissance du trafic.

Ces estimations de croissance façonnent aussi directement les évaluations de la qualité de l'air, les études de bruit et les calculs de la consommation d'énergie – qui changent radicalement en fonction des niveaux de trafic prévus.

Application pratique des méthodes de prévision de la circulation

Pour sélectionner et appliquer des méthodes de prévision appropriées, il faut examiner attentivement les caractéristiques du projet, la disponibilité des données et les contraintes en matière de ressources.

Sélection de la méthode de prévision appropriée

Selon la portée et la complexité de l'analyse, il faut prévoir différentes méthodes à l'avenir, allant de tendances historiques simples à des modèles complexes de demande de voyages.

  • Portée du projet: Les projets régionaux à grande échelle justifient généralement une modélisation complète de la demande de voyages, tandis que les projets de moindre envergure peuvent être adéquatement servis par des méthodes plus simples fondées sur les tendances.
  • Horizon de planification:[ Les prévisions à court terme (5 ans ou moins) peuvent souvent reposer sur l'analyse des tendances, tandis que les horizons plus longs bénéficient d'une modélisation plus sophistiquée
  • La disponibilité des données:[ La disponibilité des données historiques sur le trafic, des données socioéconomiques et des modèles de demande de voyages existants limite la sélection des méthodes
  • Contraintes en matière de ressources :[ Le budget, l'expertise du personnel et les limites de temps influent sur les méthodes possibles
  • Exactitude requise:[ Les projets ayant des conséquences plus importantes pour les erreurs (comme les investissements majeurs dans l'infrastructure) justifient des méthodes de prévision plus rigoureuses
  • Contexte local :[ Les zones en pleine croissance, les zones où des projets importants sont prévus ou les zones où des systèmes de transport changent peuvent nécessiter des approches plus sophistiquées

Le taux de croissance est un élément essentiel nécessaire pour prévoir les volumes de trafic. Il peut être déterminé par diverses méthodes. Toutes les méthodes énumérées dans cette section peuvent être utilisées pour déterminer le taux de croissance. Le taux de croissance peut varier d'une méthode à l'autre, il est donc recommandé de vérifier plusieurs méthodes aux fins de validation.

Évolution des taux de croissance à partir de sources multiples

Les meilleures pratiques en matière de prévision du trafic consistent à établir des taux de croissance à partir de sources multiples et à comparer les résultats.

  • Tendances historiques du trafic: Analyse des données de comptage du trafic sur une période de 10 à 20 ans ou plus
  • Modèles de demande de voyages:Modèles régionaux ou nationaux qui intègrent l'utilisation des terres et les prévisions socioéconomiques
  • Projections démographiques: Prévisions démographiques et d'emploi de démographes ou d'agences de planification d'État
  • Projets adjacents: Études de trafic pour les projets voisins qui ont peut-être analysé des corridors similaires
  • Comparaisons de la population :[ Taux de croissance provenant de corridors ou de collectivités semblables

Lorsque les taux de croissance de différentes sources divergent considérablement, les analystes doivent étudier les raisons et faire preuve de jugement professionnel dans la sélection des valeurs appropriées.

Comptabilisation de l'incertitude dans les prévisions

Toutes les prévisions sont sujettes à l'incertitude, et il est risqué de concevoir une installation routière dans un avenir précis, compte tenu des incertitudes qui y sont associées.

De même, les changements dans le développement économique et les approbations des organismes publics en matière de nouveaux développements peuvent modifier considérablement la demande future.

Pour remédier à l'incertitude prévue, les analystes devraient :

  • Développer plusieurs scénarios:[ Créer des scénarios de croissance faible, moyenne et élevée pour entrecroiser l'éventail des futurs possibles
  • Analyse de sensibilité des conducts : Tester comment les résultats des prévisions changent avec différentes hypothèses sur les variables clés
  • Construire dans Flexibilité:[ Infrastructure de conception qui peut être adaptée ou élargie à mesure que les conditions réelles deviennent claires
  • Surveillance et mise à jour:[ Comparer régulièrement le trafic réel avec les prévisions et mettre à jour les projections au besoin
  • Document Hypothèses:[ Énoncer clairement toutes les hypothèses sous-jacentes aux prévisions afin qu'elles puissent être revues et révisées

Il est bon de prévoir explicitement un certain degré d'incertitude dans l'analyse, ce qui est le but des tests de sensibilité.

Validation et évaluation après construction

Une étude récente a examiné la précision des prévisions de circulation après la construction et a révélé que la circulation sur les routes en milieu urbain (artériels et collecteurs) était généralement surestimée d'une manière importante, ce qui souligne l'importance de valider les méthodes de prévision et d'apprendre des performances passées.

Bien que les tendances indiquent que les volumes de trafic se sont stabilisés, voire diminués au cours des 10 dernières années, dans les administrations des États-Unis, les prévisions traditionnelles surestiment considérablement le potentiel de croissance du trafic, ce qui laisse supposer que les méthodes de prévision doivent évoluer pour refléter l'évolution des modes de déplacement et des priorités stratégiques.

La prévision du trafic doit dépasser les simples formules mathématiques, car nous envisageons de l'atteindre en 2025 et au-delà. Cette croissance nécessite des données de validation post-construction réelles.

Les organismes devraient établir des programmes pour comparer les prévisions avec les volumes réels de trafic après construction. Cette boucle de rétroaction permet d'améliorer continuellement les méthodes de prévision et aide à étalonner les modèles en fonction des conditions locales.

Défis et limites dans les prévisions de trafic

Malgré les progrès réalisés dans les techniques de collecte et de modélisation des données, les prévisions du trafic demeurent difficiles à comprendre, ce qui permet de fixer des attentes réalistes et de guider l'utilisation appropriée des prévisions.

Le défi fondamental de la prévision de l'avenir

Les prévisions de trafic tentent de prédire le comportement humain et les tendances sociétales dans l'avenir des décennies – une entreprise intrinsèquement incertaine.

Les prévisions de trafic urbain manquent souvent de leurs cibles. Cet écart entre les prévisions et la réalité reflète la difficulté de prévoir des systèmes complexes et en évolution.

Limites des données et questions de qualité

Les prévisions de la qualité dépendent fondamentalement de la qualité des données. Les statistiques historiques du trafic peuvent présenter des lacunes, des erreurs ou des incohérences. Les données socioéconomiques utilisées dans les modèles de demande de voyages peuvent être dépassées ou indisponibles à des échelles géographiques appropriées.

Les comptages de trafic sont généralement effectués par des stations de contrôle de la circulation/radar qui ne couvrent qu'une petite partie du réseau routier, ce qui signifie que de nombreuses routes ne disposent pas des données historiques nécessaires pour prévoir les tendances, ce qui nécessite des méthodes d'estimation qui créent une incertitude supplémentaire.

Limites et hypothèses du modèle

Tous les modèles de prévision reposent sur la simplification des hypothèses sur le comportement des voyages et les relations entre les systèmes. Les modèles de demande de voyages supposent généralement que les relations historiques entre l'utilisation des terres, les caractéristiques socioéconomiques et le comportement des voyages se poursuivront dans l'avenir.

Les modèles ont aussi des limites techniques, car ils ne représentent pas nécessairement tous les facteurs pertinents, peuvent présenter des erreurs d'étalonnage ou ne permettent pas de saisir les relations non linéaires ou les effets de seuil.

La confusion entre les prévisions et les objectifs politiques

L'écart entre les pratiques de prévision et les objectifs de la politique des transports d'aujourd'hui est sans aucun doute l'un de nos plus grands défis. De nombreuses villes âgées de 3 ans ont fixé des objectifs ambitieux pour accroître les modes de transport non motorisés.

Les méthodes traditionnelles de prévision qui extrapolent simplement les tendances historiques peuvent être incompatibles avec les objectifs stratégiques visant à réduire la dépendance à l'égard des automobiles, à accroître l'utilisation du transport en commun ou à promouvoir le transport actif.

Incertitude relative aux prévisions à long terme

Les planificateurs des transports créent habituellement des projections de croissance qui semblent 20 ans après la date d'ouverture prévue d'un projet. Ces longs horizons de planification, bien que nécessaires pour les grands projets d'infrastructure, accentuent l'incertitude des prévisions.

Plus les prévisions se prolongeront, moins elles seront fiables. Pourtant, les investissements dans l'infrastructure ont souvent une durée de vie de 50 ans ou plus, exigeant des décisions basées sur des prévisions à long terme très incertaines. Cette tension entre la nécessité d'une planification à long terme et les limites de précision des prévisions est un défi inhérent à la planification des transports.

Meilleures pratiques pour l'estimation de la croissance du volume de trafic

Malgré les défis, les professionnels du transport peuvent améliorer la qualité des prévisions en suivant les pratiques exemplaires établies et en tirant des leçons de l'expérience.

Utiliser plusieurs méthodes et comparer les résultats

L'élaboration de prévisions à l'aide de multiples approches – comme les tendances historiques, les modèles de demande de voyages et les projections démographiques – et la comparaison des résultats aident à identifier les valeurs aberrantes et à renforcer la confiance dans la prévision finale. Lorsque différentes méthodes produisent des résultats similaires, la confiance augmente. Lorsque les résultats divergent, l'étude des raisons peut révéler des points de vue importants.

Prévisions de qualité des données au sol

Investir dans la collecte et la tenue à jour de données de comptage de trafic de haute qualité. Établir des stations de comptage permanentes pour suivre les tendances à long terme. Veiller à ce que les dénombrements à court terme soient correctement ajustés pour tenir compte des variations saisonnières et du jour de la semaine. Valider et nettoyer les données pour éliminer les erreurs.

Méthodes et hypothèses de documentation

Documenter de façon approfondie toutes les méthodes de prévision, les sources de données, les hypothèses et les points de décision.Cette documentation sert à plusieurs fins : elle permet d'examiner et de valider les prévisions, de fournir un dossier pour référence future, de permettre la mise à jour des prévisions à mesure que les conditions changent et de faciliter l'apprentissage de la comparaison des prévisions avec les résultats réels.

Il est recommandé de documenter et de soumettre les taux de croissance du trafic provenant des diverses sources de données dans le cadre du mémo de la méthodologie des projections du trafic.

Considérer le contexte et les conditions locales

Les différences régionales jouent également un rôle clé dans le processus de prévision, car les modes de circulation diffèrent des centres urbains denses aux zones rurales moins développées. Les taux de croissance génériques ou les méthodes unidimensionnelles peuvent ne pas refléter adéquatement les conditions locales.

  • Modèles et plans de développement local
  • Tendances économiques régionales et principaux employeurs
  • Caractéristiques du système de transport et améliorations prévues
  • Politiques locales affectant les transports et l ' utilisation des terres
  • Contraintes géographiques et possibilités

Alignez les prévisions sur les objectifs stratégiques

S'assurer que les méthodes et les hypothèses de prévision cadrent avec les politiques adoptées en matière de transport et d'utilisation des terres. Si une collectivité a des objectifs pour accroître l'utilisation du transport en commun, promouvoir le développement compact ou réduire les kilomètres parcourus, les prévisions devraient refléter des scénarios compatibles avec ces objectifs plutôt que simplement extrapoler les tendances passées.

Cela ne signifie pas que les prévisions devraient prendre en compte le succès des politiques sans justification, mais plutôt explorer des scénarios qui reflètent les différents niveaux de mise en oeuvre et d'efficacité des politiques, ce qui aidera les décideurs à comprendre les résultats que pourraient produire les différents choix stratégiques.

Mise à jour régulière et validation des prévisions

Les prévisions ne devraient pas être des documents statiques. À mesure que de nouvelles données deviennent disponibles, que les conditions changent et que le temps passe, les prévisions devraient être mises à jour.

Établir un processus systématique de surveillance de la croissance réelle du trafic et de comparaison avec les prévisions. Lorsqu'il y a des écarts importants, étudier les causes et ajuster les méthodes de prévision en conséquence.

Communiquer l'incertitude clairement

Présenter les prévisions comme fourchettes ou scénarios plutôt que comme prévisions ponctuelles, le cas échéant. Communiquer clairement les hypothèses sous-jacentes aux prévisions et la façon dont les changements dans ces hypothèses influeraient sur les résultats. Aider les décideurs à comprendre que les prévisions sont des outils de planification et non des prévisions précises de l'avenir.

Tendances et orientations futures

Les prévisions du trafic continuent d'évoluer à mesure que de nouvelles sources de données, technologies et méthodes deviennent disponibles.

Big Data et informations en temps réel

La prolifération des appareils connectés, des smartphones compatibles avec le GPS et de la télématique des véhicules génère des volumes sans précédent de données sur le trafic. Ces sources de « grandes données » offrent une couverture beaucoup plus complète du réseau routier que les compteurs de trafic traditionnels et peuvent saisir des informations détaillées sur les modes de déplacement, les vitesses et les itinéraires.

Les plateformes analytiques facilitent l'accès et l'utilisation de ces données par les organismes de transport pour l'estimation et la prévision du trafic par l'AADT. Les données en temps réel permettent de mettre à jour plus fréquemment les estimations du trafic et peuvent aider à identifier les tendances émergentes plus rapidement que les programmes de comptage annuels traditionnels.

Techniques de modélisation avancées

Les modèles de demande de voyages basés sur l'activité représentent une évolution au-delà des modèles traditionnels en quatre étapes. Ces modèles simulent les modèles d'activité quotidienne des voyageurs individuels, fournissant plus de réalisme comportemental et une meilleure capacité à évaluer les politiques qui affectent les choix de voyage.

Les modèles d'apprentissage approfondi peuvent identifier des modèles complexes dans de grands ensembles de données et améliorer la précision des prévisions, en particulier pour les prévisions à court terme. Toutefois, ces méthodes nécessitent une validation minutieuse et leur performance prévisionnelle à long terme est encore en cours d'évaluation.

Intégration de sources de données multiples

Les futures approches de prévision intégreront probablement diverses sources de données, notamment les comptages traditionnels du trafic, les données de la sonde GPS, le transport en commun, l'utilisation de la bicyclette, le comptage des piétons et l'information sur l'utilisation des terres.

Les plateformes basées sur le cloud et l'amélioration du partage des données facilitent l'accès et l'intégration des données provenant de sources multiples.

Planification des scénarios et gestion adaptative

Compte tenu de l'incertitude inhérente aux prévisions à long terme, la planification des transports adopte de plus en plus des approches de planification des scénarios. Plutôt que d'essayer de prédire un avenir unique, la planification des scénarios explore plusieurs perspectives plausibles et élabore des stratégies qui fonctionnent bien selon différents scénarios.

Les approches de gestion adaptative reconnaissent que l'avenir est incertain et assouplissent les plans et l'infrastructure. Plutôt que de concevoir une seule prévision, les approches adaptatives créent des options pour s'adapter au fur et à mesure que les conditions actuelles se développent.

Priorité à la planification multimodale

Les prévisions traditionnelles du trafic étaient presque exclusivement axées sur le trafic automobile. Les approches futures devront de plus en plus prévoir la demande pour tous les modes – marche, vélo, transit et modes émergents comme les e-cooters et les trajets – et comprendre comment ces modes interagissent.

La prévision multimodale exige des données et des méthodes différentes de celles qui sont axées sur l'automobile, et elle exige aussi de comprendre comment les investissements dans un mode influent sur la demande pour les autres et comment le choix du mode répond aux changements dans la qualité du service, le coût et la commodité.

Conclusion

L'estimation de la croissance du volume de trafic est à la fois une science et un art, exigeant une expertise technique, un jugement professionnel et une compréhension du contexte local. Bien que de nombreuses méthodes et outils soient disponibles – de l'analyse des tendances simples aux modèles sophistiqués de demande de voyages – aucune approche ne peut parfaitement prédire l'avenir.

La prévision du trafic est le moteur de la planification des infrastructures de transport dans le monde entier. Au cours des dernières années, les méthodes de prévision ont beaucoup changé et elles déterminent encore comment nous dépensons des milliards d'infrastructures chaque année.

À mesure que les systèmes de transport deviennent plus complexes, que les nouvelles technologies émergent et que les priorités politiques évoluent, les méthodes de prévision du trafic doivent continuer à s'adapter. L'intégration des mégadonnées, des techniques de modélisation avancées et des approches de planification des scénarios offre des perspectives d'amélioration de la précision et de l'utilité des prévisions.

La réussite des prévisions de trafic exige non seulement une compétence technique, mais aussi une humilité quant aux limites de la prévision, à la transparence des hypothèses et de l'incertitude, et à l'engagement à tirer des leçons de l'expérience.

Pour ceux qui cherchent à approfondir leur compréhension des méthodes de prévision du trafic, l'Administration fédérale de la route [ fournit des conseils et des ressources considérables. Le Transportation Research Board[ publie des recherches sur les méthodes de prévision et leur application. Les ministères des Transports maintiennent souvent des lignes directrices et des ressources de données sur la prévision du trafic propres à leur ressort.

En regardant vers l'avenir, l'importance d'une estimation précise de la croissance du volume du trafic ne fera qu'augmenter. La croissance des populations, l'évolution des technologies, les préoccupations climatiques et l'évolution des préférences en matière de voyage créent des défis et des possibilités pour la planification des transports.