Table of Contents

Comprendre la théorie du flux de circulation et le modèle de pare-chocs verts

La théorie du flux de circulation fournit le fondement mathématique et conceptuel pour comprendre comment les véhicules passent par les réseaux routiers. À son cœur, ce champ examine les relations entre trois variables fondamentales du trafic : flow (le nombre de véhicules passant un point par unité de temps), density[ (le nombre de véhicules par unité de longueur de la route), et speed (le taux de déplacement des véhicules). La relation fondamentale «q=kv» (flux (q) égale la densité (k) multipliée par la vitesse (v))) est illustrée par le diagramme fondamental, qui sert de pierre angulaire à l'analyse du trafic et à l'estimation de la capacité.

Le schéma fondamental du flux de trafic est un schéma qui donne une relation entre le flux de trafic routier (véhicules/heure) et la densité de trafic (véhicules/km). Un modèle macroscopique du trafic comprenant le flux de trafic, la densité de trafic et la vitesse constitue la base du schéma fondamental.

Parmi les différents modèles développés pour décrire le comportement de la circulation, le modèle de Greenshield 1935 propose une relation linéaire entre la vitesse et la densité de trafic. Bien qu'il ait été développé il y a près de 90 ans, le modèle Greenshields reste l'un des modèles de circulation les plus enseignés et appliqués en raison de sa simplicité et de sa précision raisonnable dans de nombreuses conditions.

La Fondation mathématique du modèle de boucliers verts

Hypothèses et équations de base

Greenshield a supposé une relation vitesse-densité linéaire comme base de son modèle. Cette hypothèse fondamentale conduit à une représentation mathématique simple qui peut être exprimée comme une équation linéaire reliant la vitesse moyenne à la densité de trafic. Le modèle pose que, comme plus de véhicules occupent une route (densité croissante), la vitesse moyenne de ces véhicules diminue proportionnellement.

La relation de densité de vitesse de base dans le modèle Greenshields peut être écrite comme suit: v = vf - (v[f/kjk, où v représente la vitesse moyenne, v[f est la vitesse de sortie (les véhicules à vitesse voyagent lorsque la densité approche de zéro), k est la densité de trafic, et kj est la densité de blocage (la densité maximale lorsque les véhicules sont pare-chocs et la vitesse est de zéro).

où est la vitesse moyenne à la densité, est la vitesse libre et est la densité de confiture. Cette équation capture élégamment la relation intuitive entre la congestion et la vitesse: quand la densité devient zéro, la vitesse approche de la vitesse libre, et inversement, quand la densité atteint son maximum (densité de jam), la vitesse approche de zéro.

Dérivés de la sensibilité au débit et des relations vitesse-déflagrance

Une fois la relation vitesse-densité établie, on peut calculer les relations débit-densité et vitesse-flux en utilisant l'équation fondamentale q = kv. En remplaçant l'équation vitesse-densité linéaire dans cette relation, on obtient une courbe débit-densité parabolique. Cette relation entre l'écoulement et la densité est de forme parabolique, ce qui a des implications importantes pour la compréhension de la capacité de la chaussée.

La nature parabolique de la courbe de densité de débit révèle une vision critique : elle montre un débit maximal de circulation avec la densité optimale de trafic correspondante. Ce point maximal représente la capacité de la chaussée, le débit durable le plus élevé qui puisse être atteint. À des densités inférieures à ce point optimal, la route fonctionne dans des conditions de libre-échange; à des densités supérieures, la route entre dans des conditions de congestion où la circulation diminue en fait à mesure que d'autres véhicules sont ajoutés.

Dans le diagramme q-v existent deux régimes, ce qui signifie qu'il est possible d'avoir deux vitesses au même débit de trafic. Par là le flux de trafic est classé dans un régime stable et instable. Cette caractéristique du double régime est fondamentale pour comprendre la dégradation du trafic et la formation de congestion.

Paramètres clés: Vitesse de refoulement libre et densité de la jam

Pour résoudre les fondamentaux numériques du flux de circulation, il faut deux paramètres de base • Vitesse de libre débit • Densité de Jam. Ces deux paramètres définissent complètement le modèle Greenshields pour un segment particulier de la chaussée et doivent être déterminés par des observations sur le terrain ou par étalonnage.

La vitesse libre représente les véhicules à vitesse moyenne qui voyagent s'il n'y avait pas d'autres véhicules sur la route pour entraver leur progression. Ce paramètre est influencé par des facteurs tels que la géométrie de la route, la vitesse de conception, les conditions de surface et le comportement du conducteur.

Pour utiliser ce modèle pour tout flux de trafic, il faut obtenir les valeurs limites, en particulier la vitesse de libre-circulation () et la densité de embouteillage (). Ceci doit être obtenu par une enquête sur le terrain et ce processus d'étalonnage est appelé.

Application du modèle de protection verte pour l'estimation de la capacité

Collecte de données et observations sur le terrain

La première étape de l'application du modèle Greenshields pour l'estimation de la capacité consiste à recueillir des données empiriques sur les conditions de circulation. Les modèles de circulation discutés jusqu'à présent peuvent servir à déterminer des caractéristiques spécifiques, telles que la vitesse et la densité auxquelles se produit le débit maximal, et la densité de blocage d'une installation.

Les ingénieurs du trafic utilisent généralement diverses méthodes de collecte de données, notamment des détecteurs de boucles intégrés dans le trottoir, des caméras vidéo, des capteurs radar et, de plus en plus, des données sur les véhicules à partir de véhicules équipés du GPS.

La collecte de données devrait permettre de saisir une large gamme de conditions de circulation, depuis les états de libre-échange jusqu'aux états encombrés, afin de permettre un étalonnage précis des modèles. Les observations effectuées pendant les périodes de pointe sont particulièrement utiles car elles révèlent souvent les contraintes de capacité de la route.

Modèle d'étalonnage utilisant l'analyse de régression

Bien qu'il soit difficile de déterminer la vitesse exacte de l'écoulement libre et la densité de blocage directement à partir du champ, des valeurs approximatives peuvent être obtenues à partir d'un certain nombre d'observations de vitesse et de densité, puis d'adapter une équation linéaire entre elles.

L'approche de régression considère la vitesse comme la variable dépendante et la densité comme la variable indépendante. En traçant les paires de densités de vitesse observées et en installant une ligne de régression linéaire à travers les données, les ingénieurs peuvent déterminer la pente et l'interception de la relation. L'interception représente la vitesse de libre-écoulement (la vitesse lorsque la densité est égale à zéro), tandis que l'intercepte x (où la vitesse est égale à zéro) représente la densité de blocage.

Par exemple, pour les données suivantes sur la vitesse et la densité, déterminer les paramètres du modèle de Greenshields. Trouvez également le débit et la densité maximums correspondant à une vitesse de 30 km/h. Ces exercices d'étalonnage démontrent l'application pratique du modèle aux données du monde réel.

Calcul du débit et de la capacité maximum

Une fois les paramètres du modèle étalonnés, la détermination de la capacité de la chaussée devient simple. Tant que la relation entre la densité et la vitesse est linéaire, on peut constater que le débit maximal (ou la capacité de débit) se produit à kj/2 et Vf/2. , le débit maximal se produit à la vitesse Vf/2. Cette propriété mathématique de la courbe de densité du débit parabolique signifie que la capacité se produit à exactement la moitié de la densité de blocage et la moitié de la vitesse de libre-écoulement.

Le débit maximal peut être calculé à l'aide de la formule suivante : qmax = (k[j/2) × (vf/2) = k[j[v[]f/4. Cela représente la capacité théorique de la chaussée selon les hypothèses du modèle Greenshields. Par exemple, si une chaussée a une vitesse de sortie calibrée de 100 km/h et une densité de blocage de 150 véhicules/km, le débit maximal serait (150 × 100)/4 = 3 750 véhicules par heure.

L'intersection des vecteurs en libre circulation et des vecteurs encombrés est l'apogée de la courbe et est considérée comme la capacité de la route, qui est l'état de la circulation à laquelle le nombre maximal de véhicules peut passer par un point dans une période donnée. Cette capacité représente le seuil critique au-delà duquel l'ajout de véhicules à la route réduit effectivement le débit.

Interprétation des résultats et identification des régimes de circulation

Le modèle Greenshields divise le flux de trafic en deux régimes distincts basés sur le point de capacité. Lorsque la densité se situe en dessous de la densité de capacité kc, nous parlons de libre-circulation.

Dans le régime de libre circulation, la circulation fonctionne efficacement avec des interactions minimales avec les véhicules. Les conducteurs peuvent généralement voyager à leur vitesse souhaitée, et ajouter plus de véhicules à la chaussée augmente proportionnellement le débit total. Cependant, une fois la densité de la capacité critique supérieure, la route entre dans le régime encombré où la vitesse baisse considérablement et le débit commence à diminuer malgré la présence de plus de véhicules.

La moitié supérieure de la courbe d'écoulement est non encombrée, la moitié inférieure est encombrée. Cette distinction est cruciale pour la gestion du trafic et les stratégies de contrôle, car les interventions peuvent varier considérablement selon le régime dans lequel le trafic est exploité.

Considérations pratiques et applications dans le monde réel

Facteurs influant sur l'exactitude du modèle

Bien que le modèle Greenshields offre un cadre utile pour l'estimation de la capacité, plusieurs facteurs réels peuvent affecter sa précision. Mais sur le terrain, nous pouvons difficilement trouver une telle relation entre vitesse et densité. Par conséquent, la validité du modèle Greenshields a été remise en question et de nombreux autres modèles sont apparus. L'hypothèse de densité de vitesse linéaire, bien que mathématiquement pratique, représente une simplification du comportement réel du trafic.

Certains conducteurs maintiennent des distances plus grandes après la course, tandis que d'autres conduisent de façon plus agressive. Les conditions météorologiques telles que la pluie, le brouillard ou la neige peuvent réduire considérablement les vitesses de circulation libre et les densités de blocage. La géométrie de la route, y compris les grades, les courbes et les largeurs de voie, influence également la relation vitesse-densité de manière à ne pas être capturée par le modèle linéaire simple.

La composition des véhicules présente un autre défi. D'autres facteurs influent sur la vitesse de conception – Contrôle d'accès – Présence de camions – Limite de vitesse – Nombre de voies. Les véhicules lourds, comme les camions et les autobus, présentent des caractéristiques de performance différentes de celles des voitures particulières, ce qui affecte la vitesse et l'espacement.

Limitations de l'hypothèse linéaire

Paramètres constants: L'hypothèse de la constante v0 et α est une limitation majeure. Le flux de trafic réel présente souvent des relations plus complexes entre la vitesse et la densité que le modèle linéaire ne le suggère.

Les observations empiriques ont montré que la relation vitesse-densité peut être mieux représentée par des fonctions non linéaires dans certaines conditions. Parmi celles-ci, on peut citer le modèle logarithmique de Greenberg, le modèle exponentiel de Underwood, le modèle généralisé de Pipe et les modèles à régimes multiples.

Bien que le modèle Greenshields offre une capacité d'analyse et ait été largement appliqué dans la modélisation macroscopique du débit de circulation, son hypothèse d'une relation vitesse-densité linéaire ne reflète pas pleinement les caractéristiques non linéaires du trafic réel, en particulier dans des conditions sursaturées.L'analyse empirique présentée à la figure 11 montre que les vitesses du véhicule se stabilisent souvent pendant la congestion plutôt que de continuer à diminuer, formant une région semblable à un plateau qui s'écarte de la courbe classique Greenshields.

Combiner les résultats du modèle avec les données empiriques

Pour améliorer la précision, les ingénieurs du trafic combinent souvent des prévisions théoriques de modèles avec des observations et des ajustements empiriques. La capacité est un concept central dans la conception et le contrôle de la circulation. L'estimation des valeurs empiriques de capacité dans des circonstances pratiques n'est pas un problème banal; il est très difficile de définir la capacité d'une manière non équivoque.

Plutôt que de se fier uniquement à l'estimation théorique de la capacité du modèle Greenshields, les praticiens peuvent valider et ajuster ces estimations en utilisant les débits maximaux observés pendant les périodes de pointe. Les voies publiques, les volumes de trafic, la vitesse et la densité sont des types de données de trafic utilisés pour identifier quatre groupes de méthodes d'estimation de la capacité.

Si cette lacune est corrigée, les méthodes prometteuses d'utilisation pratique dans le domaine de l'ingénierie du trafic sont la méthode de limite de produit, la méthode empirique de distribution et la méthode de diagramme fondamental bien connue, dans cet ordre. La méthode de diagramme fondamental basée sur le modèle Greenshields reste utile lorsqu'elle est utilisée en conjonction avec d'autres techniques et lorsque ses limites sont bien comprises.

Applications en gestion et planification du trafic

Malgré ses limites, le modèle Greenshields continue de trouver une application généralisée dans les pratiques de l'ingénierie des transports. Sa simplicité le rend particulièrement utile pour les analyses préliminaires, les fins éducatives et les situations où les données détaillées peuvent être limitées.

L'un des principaux documents utilisés par les planificateurs américains est le Highway Capacity Manual, publié par le Transportation Research Board, qui fait partie de l'Académie nationale des sciences des États-Unis.

Les ingénieurs du trafic utilisent les estimations de capacité tirées du modèle Greenshields à diverses fins, notamment pour déterminer le niveau de service, évaluer la nécessité d'améliorer la voie, concevoir des plans de chronométrage des signaux de circulation et évaluer les répercussions des nouveaux développements sur les réseaux de voies existants.

Sujets avancés dans la modélisation du flux de trafic

Le schéma fondamental et ses variations

Le diagramme fondamental est la représentation graphique des relations entre le flux de trafic, la vitesse et la densité, et a longtemps été le fondement de la théorie du flux de trafic et de l'ingénierie des transports. Le modèle Greenshields produit une forme spécifique du diagramme fondamental, caractérisé par une relation de vitesse-densité linéaire et une courbe de débit-densité parabolique.

Actuellement, il existe deux types de graphiques de densité de flux: parabolique et triangulaire. Academia voit la courbe triangulaire de densité de flux comme plus la représentation exacte des événements réels. Le diagramme fondamental triangulaire, qui suppose une vitesse constante de flux libre jusqu'à la capacité suivie d'une diminution linéaire du régime encombré, a gagné en faveur ces dernières années pour certaines applications.

Les diagrammes fondamentaux (FD), c'est-à-dire les relations d'équilibre bivariées entre le débit, la concentration et la vitesse, sont d'une grande importance théorique et pratique. Par exemple, le concept de niveau de service pour une route est basé sur le débit de vitesse FD. Différentes formes du diagramme fondamental peuvent être plus appropriées pour différents types de routes, conditions de circulation ou fins d'analyse.

Phénomène de chute de capacité

Un phénomène important qui n'est pas repris par le modèle de base Greenshields est la baisse de capacité qui se produit lorsque le trafic passe de la circulation libre à des conditions encombrées. l'augmentation de la densité (à partir d'un débit stable ou libre) atteint une valeur de capacité plus élevée ('capacité de circulation libre', qc1) qu'un flux de trafic à partir d'un état encombré (dans le cas extrême d'une file d'attente debout) qui se termine dans la soi-disant 'capacité de décharge de la file', qc2. Cette idée est illustrée à la figure 4.7 où se trouve une soi-disant 'démission de capacité'.

Le phénomène de la baisse de capacité signifie qu'une fois la congestion formée, le débit maximal qui peut être déchargé du goulot d'étranglement est en fait inférieur à la capacité de pré-découpage. Cet effet d'hystérie a des implications importantes pour la gestion du trafic, car il suggère que prévenir la panne est plus efficace que tenter de se remettre de la congestion une fois qu'elle s'est formée.

Les résultats indiquent que la baisse de capacité et la formation concave-convexe de la DF sont de plus en plus fréquentes dans la pratique. La recherche moderne sur les flux de trafic a accordé une attention considérable à la compréhension et à la modélisation de ce phénomène, ce qui a conduit à des modèles multirégimes plus sophistiqués qui peuvent saisir ces dynamiques.

Approches de modélisation microscopiques ou macroscopiques

Le modèle Greenshields représente une approche macroscopique de la modélisation du flux de circulation, en traitant le trafic comme un flux continu comme un fluide plutôt que de se concentrer sur les mouvements individuels des véhicules. Le flux de circulation microscopique simule les comportements de chaque véhicule tandis que le flux de circulation macroscopique simule les comportements du flux de circulation global.

Les modèles microscopiques, tels que les modèles de suivi de voiture et de changement de voie, simulent le comportement de chaque véhicule et ses interactions avec les véhicules environnants. Ces modèles peuvent saisir des aspects plus détaillés du comportement du conducteur et de la dynamique du véhicule, mais nécessitent des ressources beaucoup plus computations et des données d'entrée détaillées.

Le choix entre les approches de modélisation microscopique et macroscopique dépend de l'application spécifique, des données disponibles, des ressources informatiques et du niveau de détail requis. Pour de nombreuses applications de planification et de conception préliminaire, les modèles macroscopiques comme le modèle Greenshields fournissent une précision suffisante avec une mise en œuvre beaucoup plus simple.

Sources de données modernes et techniques d'étalonnage

Les progrès de la technologie de collecte des données ont révolutionné l'étalonnage et la validation des modèles de flux de trafic. Depuis des décennies, les chercheurs et les praticiens mesurent généralement les variables macroscopiques de flux de trafic, c'est-à-dire la densité, le débit et la vitesse, en utilisant des coupes de temps ou d'espace, puis construisent les diagrammes fondamentaux du flux de trafic. Avec l'avènement de séries de données à grande échelle sur la trajectoire des véhicules, qui captent souvent 100 % de la dynamique des véhicules, les définitions généralisées d'Edie sont devenues largement reconnues comme le cadre le plus approprié pour mesurer ces variables.

Les données de la sonde de véhicule peuvent fournir des données sur la vitesse et le temps de déplacement, mais pas généralement les données sur le flux de trafic. Si les données sur le débit sont nécessaires pour les algorithmes de contrôle du trafic ou d'autres calculs, il est alors nécessaire d'estimer le débit à partir des données sur la vitesse ou le temps de déplacement. Ces nouvelles sources de données permettent une étalonnage et une validation plus fréquentes des modèles, ce qui pourrait améliorer l'exactitude des estimations de capacité.

L'apprentissage automatique et les techniques d'intelligence artificielle sont de plus en plus appliqués à la modélisation du flux de trafic et à l'estimation de la capacité. Ces approches fondées sur les données peuvent compléter les modèles traditionnels comme le modèle Greenshields en identifiant des modèles et des relations complexes qui ne sont pas nécessairement pris en compte par des formes paramétriques simples.

Procédure étape par étape pour l'estimation de la capacité

Planification de la collecte de données

Avant de commencer à estimer la capacité à l'aide du modèle Greenshields, il est essentiel de planifier soigneusement l'effort de collecte de données. Les ingénieurs devraient identifier le segment particulier de la chaussée, en tenant compte de facteurs tels que l'homogénéité des conditions, la présence de goulots d'étranglement et les schémas de circulation typiques.

La collecte des données devrait s'étendre sur plusieurs jours et comprendre des périodes de pointe où les contraintes de capacité sont les plus susceptibles d'être observées. Il est généralement nécessaire d'obtenir au moins plusieurs heures de données pendant les périodes de pointe pour saisir l'ensemble des états de circulation, depuis le libre-échange jusqu'aux conditions encombrées.

Les détecteurs de boucles permettent une collecte automatique continue des données, mais nécessitent une installation sur le trottoir. Les caméras vidéo offrent une flexibilité et la capacité d'extraire plusieurs paramètres de trafic, mais peuvent nécessiter un traitement manuel ou semi-automatisé. Les données de véhicules de sonde provenant de sources GPS fournissent de bonnes informations de vitesse, mais peuvent avoir des limites dans l'estimation de la densité et du débit directement.

Traitement et analyse des données de trafic

Une fois les données recueillies, il faut les traiter pour extraire les variables fondamentales du trafic : vitesse, densité et débit. Pour chaque période d'observation (généralement 5-15 minutes pour les données agrégées), calculer la vitesse moyenne, la densité du trafic et le débit.

Il faut examiner la courbe de dispersion des points de données aberrants ou anormaux qui peuvent résulter d'incidents, de défaillances de détecteurs ou de conditions non-équilibres. Ces points doivent être étudiés et potentiellement exclus de l'ensemble de données d'étalonnage.

L'équation de régression prendra la forme v = a - bk, où 'a' représente la vitesse de débit libre (vf) et le rapport a/b représente la densité de confiture (kj. Des mesures statistiques telles que le carré R devraient être examinées pour évaluer la bonté de l'ajustement et déterminer si le modèle linéaire représente adéquatement les données observées.

Capacité de calcul et paramètres critiques

Avec les paramètres du modèle étalonnés en main, calculez la capacité de la chaussée en utilisant la formule qmax = kj[vf/4. Cela représente le débit maximal durable prédit par le modèle Greenshields. Calculez également la densité critique (kc = kj/2) et la vitesse critique (vc = v]f/2) à laquelle ce débit maximal se produit.

Comparer l'estimation théorique de la capacité avec le débit maximal observé dans l'ensemble de données. En cas de divergence importante, étudier les causes potentielles telles que les limites du modèle, les problèmes de qualité des données ou les conditions particulières pendant la période d'observation. La capacité théorique devrait généralement être proche mais peut légèrement dépasser le débit maximal observé, car les conditions de capacité parfaites peuvent ne pas avoir été saisies pendant la période d'observation.

Générer le diagramme fondamental complet montrant les relations vitesse-densité, débit-densité et débit-flux sur la base du modèle étalonné. Ces diagrammes permettent de visualiser de façon exhaustive les caractéristiques de débit de la route et peuvent être utilisés à diverses fins d'analyse au-delà de l'estimation de la capacité simple.

Validation et ajustement des résultats

La validation est une étape critique pour assurer la fiabilité des estimations de capacité. Si possible, collectez un ensemble de données indépendant à partir du même emplacement à un moment différent et comparez le comportement de trafic observé avec les prévisions du modèle. Le modèle devrait raisonnablement prédire la relation vitesse-densité pour ce ensemble de données de validation.

Par exemple, si la route comporte un pourcentage important de véhicules lourds, il faudra peut-être ajuster la capacité à la baisse en utilisant des facteurs équivalents pour les voitures particulières. De même, si l'analyse est faite aux fins de la conception, des ajustements prudents peuvent être appropriés pour tenir compte de l'incertitude et garantir des marges de capacité adéquates.

Documenter toutes les hypothèses, les sources de données, les procédures d'étalonnage et les ajustements effectués au cours de l'analyse, qui sont essentiels pour la transparence, la reproductibilité et les mises à jour futures des estimations de la capacité à mesure que de nouvelles données deviennent disponibles ou que les conditions changent.

Exemples d'études de cas et applications pratiques

Analyse de la capacité de l'autoroute

L'inspection d'un ensemble de données sur les autoroutes révèle une vitesse de libre-circulation de 60 mi/h, une densité de blocage de 180 véhicules par mille par voie et un débit maximal observé de 2000 véhicules par heure. Déterminer l'équation linéaire de vitesse pour ces conditions et déterminer la vitesse et la densité aux conditions de débit maximal.

Dans cet exemple, la relation vitesse-densité étalonnée serait v = 60 - (60/180)k = 60 - 0,333k. La capacité théorique serait (180 × 60)/4 = 2 700 véhicules par heure par voie, se produisant à une densité de 90 véhicules par mille par voie et une vitesse de 30 mi/h. Le débit maximal observé de 2 000 véhicules par heure est légèrement inférieur à la capacité théorique, ce qui pourrait indiquer des effets de chute de capacité, des limites de mesure ou d'autres facteurs non saisis par le modèle simple.

Ce type d'analyse aide les organismes de transport à comprendre les caractéristiques de rendement de leurs systèmes d'autoroutes et à déterminer les endroits où des améliorations de capacité peuvent être nécessaires.

Estimation de la capacité articulaire urbaine

Le modèle Greenshields a été initialement conçu pour les installations de circulation ininterrompue comme les autoroutes, mais il peut aussi être adapté pour les voies artérielles avec les modifications appropriées. Pour le CMP, une méthode de calcul basée sur V/C a été choisie. Les volumes de chaque segment de route dans chaque direction sont divisés par la capacité, estimée à 1 100 véhicules par heure par voie. La capacité a été estimée sur la base d'un débit de saturation de 1 900 véhicules par voie et l'hypothèse que El Camino Real recevrait 60 % du temps vert.

Pour les artères, la capacité est limitée par des intersections signalisées plutôt que par la relation vitesse-densité. Cependant, l'approche de diagramme fondamental peut encore fournir des informations sur les caractéristiques du flux de trafic entre les signaux. Les ingénieurs doivent tenir compte de la nature interrompue du flux artériel et de l'influence du timing du signal sur la capacité effective.

Le modèle Greenshields peut être appliqué à des segments artériels individuels entre les signaux, étant entendu que la capacité globale du corridor sera déterminée par le goulot d'étranglement le plus restrictif, qui est souvent une intersection signalée plutôt que par le segment du bloc médian.

Zone de travail et planification des événements spéciaux

L'estimation de la capacité à l'aide du modèle Greenshields est particulièrement utile pour planifier le contrôle temporaire de la circulation pendant les zones de travail ou les événements spéciaux. En comprenant la capacité normale d'une route et la façon dont elle sera réduite par la fermeture de voies ou d'autres restrictions, les ingénieurs peuvent élaborer des plans de gestion de la circulation appropriés et prévoir l'étendue et la durée de la congestion.

Pour les zones de travail, le modèle peut être recalé avec des vitesses de débit libre réduites et des densités de blocage pour refléter les conditions limitées. L'estimation de la capacité qui en résulte aide à déterminer si la zone de travail peut être aménagée pendant les périodes normales de circulation ou si des heures de pointe sont nécessaires pour minimiser les perturbations.

Si la demande dépasse la capacité prévue, le modèle permet de quantifier l'ampleur et la durée de la congestion, d'informer les décisions sur le calendrier des événements, les stratégies de stationnement et les services de transport supplémentaires.

Intégration avec les systèmes modernes de gestion du trafic

Surveillance de la capacité en temps réel

Les systèmes de transport intelligents modernes peuvent tirer parti des principes du modèle Greenshields pour la surveillance et la gestion du trafic en temps réel. Le système mobile Millenium Stockholm (MMS), qui consiste en un modèle macroscopique de flux de trafic et Kalman filtrage pour la prédiction et l'estimation des états de trafic, a été utilisé pour estimer les états de trafic. La relation entre la vitesse et la densité (et aussi le flux) est dans ce type de modèle décrit avec un diagramme fondamental.

En surveillant en permanence les conditions de circulation et en comparant les débits observés avec la capacité estimée, les centres de gestion du trafic peuvent identifier quand et où la congestion se forme.

Les relations de diagramme fondamentales intégrées au modèle Greenshields fournissent un cadre pour estimer les variables manquantes du trafic lorsque seules des informations partielles sont disponibles. Par exemple, si des données de vitesse sont disponibles sur les véhicules à sonde, mais que la densité n'est pas mesurée directement, la relation vitesse-densité étalonnée peut être utilisée pour estimer la densité et le débit par la suite.

Systèmes de contrôle du trafic adaptatif

Les systèmes de contrôle des signaux de circulation peuvent bénéficier d'estimations de la capacité découlant du modèle Greenshields. Comprendre la capacité des approches aux intersections signalisées aide à optimiser le temps de passage des signaux tout en minimisant le retard.

Les systèmes de mesure par rampe sur les autoroutes utilisent des estimations de capacité pour déterminer les débits de mesure appropriés qui empêchent le débit de la ligne principale de dépasser la capacité et de se décomposer en congestion. Le modèle Greenshields fournit les bases théoriques pour comprendre comment le mesurage peut maintenir le trafic dans le régime de libre-échange efficace en empêchant la densité de dépasser la valeur critique.

Les systèmes de limitation de vitesse variables reposent également sur des relations de diagrammes fondamentales pour déterminer des limites de vitesse optimales qui maximisent le débit. En comprenant la relation entre la vitesse, la densité et le débit, ces systèmes peuvent ajuster les limites de vitesse pour maintenir le trafic à proximité du point de capacité où le débit est maximisé.

Mesure du rendement et rapports

Les organismes de transport utilisent de plus en plus les mesures du rendement pour évaluer l'efficacité de leurs systèmes et de leurs investissements. L'utilisation de la capacité, définie comme le rapport entre le débit réel et la capacité estimée, fournit une mesure clé pour comprendre l'efficacité de l'infrastructure routière.

L'analyse du niveau de service, qui est un élément fondamental de la planification et de la conception des transports, repose sur la comparaison des volumes de trafic avec la capacité. La méthode choisie pour les segments d'autoroutes repose sur le calcul des ratios V/C pour chaque direction de déplacement, dans laquelle le volume de trafic pour chaque segment est divisé par la capacité du segment. Les volumes sont obtenus à partir des comptes pour les conditions existantes ou d'un modèle de prévision des déplacements pour les conditions futures. La capacité est estimée comme le nombre de voies multiplié par 2 200 véhicules par heure par voie quatre segments d'autoroutes à quatre voies et par voie 2 300 véhicules par heure pour les segments à six voies ou plus. Les ratios V/C sont calculés et reliés à la LOS en fonction des relations présentées dans les références standard.

Les mesures de congestion telles que les heures de congestion, les heures de véhicule et les mesures de fiabilité dépendent de la compréhension lorsque la demande dépasse la capacité. Le modèle Greenshields fournit un cadre théorique pour ces calculs, même lorsque des méthodes plus sophistiquées sont utilisées pour une analyse détaillée.

Orientations futures et technologies émergentes

Véhicules connectés et automatisés

L'émergence de véhicules connectés et automatisés (VAC) a des implications importantes pour la théorie du débit de circulation et l'estimation de la capacité. Les véhicules automatisés peuvent potentiellement maintenir des distances plus courtes et réagir plus rapidement que les conducteurs humains, ce qui pourrait augmenter la densité de blocage et la capacité.

La technologie des véhicules connectés permet aux véhicules de partager des informations sur leur vitesse, leur position et leurs intentions, ce qui pourrait réduire l'incertitude et la variabilité qui contribuent aux limitations de capacité.

Toutefois, les conditions de circulation mixte avec les véhicules classiques et les véhicules automatisés présentent de nouveaux défis pour l'estimation de la capacité. Le diagramme fondamental peut présenter des caractéristiques différentes selon la proportion de véhicules automatisés dans le trafic, nécessitant de nouvelles approches de modélisation qui peuvent expliquer cette hétérogénéité.

Applications de Big Data et d'apprentissage automatique

La disponibilité de données massives sur le trafic provenant de sources diverses crée de nouvelles possibilités d'estimation des capacités et de modélisation du flux de trafic. Les algorithmes d'apprentissage automatique peuvent identifier des modèles et des relations complexes dans ces ensembles de données qui peuvent ne pas être évidents par des méthodes d'analyse traditionnelles.

Toutefois, les approches purement fondées sur les données ne sont pas fondées sur les fondements théoriques et l'interprétation de modèles basés sur la physique comme le modèle Greenshields. Les approches hybrides qui combinent les forces des deux paradigmes – utilisant l'apprentissage machine pour saisir des modèles complexes tout en respectant les contraintes physiques fondamentales – représentent une orientation prometteuse pour la recherche future.

Les réseaux neuronaux, qui intègrent les équations de flux de trafic comme contraintes dans le processus d'apprentissage, illustrent cette approche hybride, qui peut tirer parti de grands ensembles de données tout en veillant à ce que les prévisions demeurent conformes aux principes fondamentaux de flux de trafic, ce qui pourrait fournir des estimations de capacité plus précises et plus fiables.

Changement climatique et résilience

Les changements climatiques devraient accroître la fréquence et la gravité des phénomènes météorologiques extrêmes, ce qui peut avoir des répercussions importantes sur la capacité de la voie. La compréhension des variations de la capacité dans différentes conditions météorologiques devient de plus en plus importante pour la planification de la résilience.

Les inondations, la chaleur extrême et d'autres impacts climatiques peuvent affecter à la fois l'infrastructure physique et le comportement des conducteurs de manière à modifier les relations de diagramme fondamentales. Les organismes de transport doivent tenir compte de ces facteurs lors de l'estimation de la capacité à des fins de planification à long terme et de l'élaboration de stratégies d'adaptation.

L'analyse de la capacité axée sur la résilience tient compte non seulement des conditions d'exploitation normales, mais aussi des états dégradés et des trajectoires de récupération après des perturbations.

Meilleures pratiques et recommandations

Quand utiliser le modèle de boucliers verts

Le modèle Greenshields est le mieux adapté aux analyses préliminaires, aux fins éducatives et aux situations où la simplicité et la transparence sont évaluées au-dessus de la précision maximale. Il fonctionne mieux pour des segments de chaussée relativement homogènes à débit ininterrompu, comme les sections d'autoroute entre les principaux échangeurs.

Pour les analyses de planification où les estimations de l'ordre de grandeur sont suffisantes, le modèle Greenshields offre une approche rapide et défendable. Cependant, pour la conception détaillée, l'analyse opérationnelle ou les situations où la précision est critique, il faut envisager des modèles plus sophistiqués ou des méthodes empiriques.

Les ingénieurs devraient toujours valider les résultats du modèle par rapport aux données observées lorsque c'est possible et être transparents quant aux hypothèses et aux limites inhérentes à l'approche. Le modèle des pare-soleil vert devrait être considéré comme un outil dans une trousse d'outils plus vaste plutôt que comme une solution universelle pour tous les problèmes d'estimation des capacités.

Assurance de la qualité et documentation

Il est essentiel de bien documenter les procédures d'estimation de la capacité pour assurer la qualité et les références futures. Toutes les sources de données, méthodes de collecte, périodes et conditions météorologiques doivent être clairement documentées.

Si les estimations de la capacité sont ajustées en fonction du jugement d'ingénierie ou de facteurs locaux, la justification de ces ajustements doit être documentée. Cette transparence permet l'examen par les pairs et aide les analystes à comprendre la base des estimations.

Les estimations de la capacité devraient être mises à jour périodiquement à mesure que de nouvelles données deviennent disponibles ou que les conditions changent. Les améliorations apportées aux routes, les changements dans les modes de circulation ou les changements dans la composition du parc automobile peuvent tous avoir une incidence sur la capacité au fil du temps.

Communiquer les résultats aux décideurs

Lorsqu'ils présentent des estimations de la capacité à des auditoires non techniques, il importe d'expliquer les résultats et leurs limites en termes accessibles.Les décideurs doivent comprendre que la capacité n'est pas une valeur déterministe fixe, mais plutôt une estimation sujette à variabilité et à incertitude.

Les présentations visuelles du diagramme fondamental peuvent aider les intervenants à comprendre les relations entre les variables du trafic et le concept de capacité. La démonstration de l'augmentation du flux de trafic avec une densité maximale et des diminutions fournit une explication intuitive de la raison pour laquelle l'ajout de véhicules au-delà de la capacité réduit réellement le débit.

Il convient de souligner les implications pratiques des estimations de la capacité. Par exemple, expliquer qu'une voie fonctionnant à 90 % de la capacité risque de connaître de fréquentes congestions aide les décideurs à comprendre la nécessité d'améliorer ou de stratégies de gestion de la demande.

Résumé et principales captures

Le modèle Greenshields reste un outil précieux pour l'estimation de la capacité de trafic près de 90 ans après son introduction. Son hypothèse fondamentale d'une relation vitesse-densité linéaire conduit à des formulations mathématiques simples qui peuvent être facilement calibrées à l'aide de données de terrain. Le modèle fournit des estimations raisonnables pour de nombreuses applications tout en offrant des informations importantes sur le comportement du trafic et les relations entre vitesse, densité et débit.

L'estimation de la capacité à l'aide du modèle Greenshields consiste à recueillir des données sur la vitesse et la densité, à étalonner la relation vitesse-densité linéaire par analyse de régression et à calculer le débit maximal en tant que quart du produit de la vitesse de sortie et de la densité de confitures.

Bien que le modèle ait des limites, notamment sa supposition linéaire simplifiée, son incapacité à saisir les phénomènes de baisse de capacité et les défis liés à un trafic hétérogène, il continue de jouer un rôle important dans la pratique du génie des transports. Le modèle est particulièrement utile pour les analyses préliminaires, les études et les situations où la simplicité et la transparence sont des priorités.

À mesure que les systèmes de transport évoluent avec de nouvelles technologies comme les véhicules connectés et automatisés, et que la disponibilité des données continue de s'étendre, les principes fondamentaux du modèle Greenshields resteront pertinents. La simplicité et la clarté théorique du modèle en font une contribution durable à la théorie du flux de trafic, même si des approches plus sophistiquées sont élaborées pour des applications spécifiques.

Ressources recommandées pour l'apprentissage continu

Pour ceux qui souhaitent approfondir leur compréhension de la théorie du débit de circulation et de l'estimation de la capacité, plusieurs ressources faisant autorité sont disponibles. Federal Highway Administration fournit des conseils techniques et des rapports de recherche détaillés sur l'analyse du débit de circulation.

Les manuels scolaires sur la théorie du flux routier fournissent des traitements complets du modèle Greenshields et des formulations alternatives. Les cours et programmes de formation en ligne offerts par des organisations professionnelles comme Institut des ingénieurs de transport couvrent les applications pratiques des méthodes d'estimation de la capacité.

Les logiciels de simulation du trafic open-source permettent aux praticiens d'expérimenter différents modèles de flux de trafic et d'observer leur comportement dans diverses conditions.Ces outils fournissent une expérience pratique précieuse qui complète la compréhension théorique.Les possibilités de développement professionnel, y compris les ateliers et les webinaires, offrent des forums pour apprendre des praticiens expérimentés et rester à jour avec les meilleures pratiques en évolution dans l'estimation des capacités et l'analyse du flux de trafic.

  • Collecter des données complètes sur la vitesse et la densité pendant les périodes de pointe pour saisir toute la gamme des conditions de circulation
  • Utiliser l'analyse de régression linéaire pour étalonner la relation vitesse-densité et déterminer les paramètres de densité de vitesse et de jaquette en régime libre
  • Calculer la capacité en tant que quart du produit de la vitesse de sortie et de la densité de confitures, à la moitié de la densité de confitures
  • Valider les prévisions du modèle par rapport aux débits maximaux observés et ajuster pour des facteurs locaux tels que la météo, la géométrie et la composition du véhicule
  • Reconnaître les limites du modèle, y compris l'hypothèse linéaire et l'incapacité de saisir les phénomènes de chute de capacité
  • Combiner les résultats des modèles théoriques avec des observations empiriques pour des estimations de capacité plus robustes
  • Documenter toutes les hypothèses, les sources de données et les procédures d'étalonnage pour la transparence et les références futures
  • Appliquer le modèle de manière appropriée pour les analyses préliminaires tout en utilisant des méthodes plus sophistiquées pour la conception et les opérations détaillées
  • Communiquer clairement les résultats aux décideurs, en expliquant les estimations et les incertitudes inhérentes à ces dernières.
  • Mettre à jour périodiquement les estimations de la capacité au fur et à mesure que les conditions changent ou que de nouvelles données deviennent disponibles