- Titre : Décarboner les mobilités urbaines : premiers résultats pour comprendre et favoriser le cyclisme en ville
- Présentateur : Herve Rivano (INSA Lyon / INRIA - AGORA)
- Résumé : La transition des mobilités urbaines vers des modes décarbonés est un levier majeur face aux enjeux du dérèglement climatique. En particulier, développer le cyclisme urbain fait partie des stratégies déployées par les métropoles. Pour autant, la compréhension du comportement des cyclistes est encore parcellaire et les modes de partage de l’espace public cantonné à une répartition spatiale des voiries. Dans cet exposé, nous présenterons des contributions, issues de la thèse de Lucas Magnana, à l’analyse des comportements et une piste de partage dynamique de la voirie qui s’appuient sur l’analyse de données de mobilité et des techniques d’apprentissage machine. Des perspectives de recherche, dont une part se fera dans le cadre du PEPR Mobidec, conclueront l’exposé.
- Sujet de recherche associé : Travaux antérieurs au projet
(*) Documents accesibles via l'authentification du portail MOBIDEC
Afficher le compte rendu
- Présentation par Hervé Rivano professeur à l'INSA de Lyon, directeur de l'équipe AGORA commune à INRIA
- Travail lié à l'École Urbaine de Lyon, un institut de convergence pluridisciplinaire sur les questions urbaines et Smart Cities
- Focus principal sur la thèse de Lucas Magnana, financée par l'École Urbaine de Lyon
- Recherche ciblée sur le cyclisme et comment faciliter la pratique du vélo en ville
- Premiers travaux il y a une dizaine d'années avec Nathalie Mitton sur les capteurs et le vélo connecté
- Étude de la densité spatiale nécessaire en termes de stations de collecte pour obtenir des volumes de données
- Participation aux travaux de Benjamin Baron sur l'utilisation de véhicules électriques comme backbone de transport d'informations avec concept de datamule
- Première thèse de Yosra Zguira sur les protocoles DTN (Delay Tolerant Networks) pour vélos avec simulation réseau et micro-mobilité
- Conclusion : impossibilité de faire des simulations réalistes sans comprendre où sont les vélos en ville et leur dynamique de déplacement
- Travail pluridisciplinaire avec géographes et anthropologues sur la notion de cyclabilité
- Étude de comment les personnes deviennent des cyclistes aguerris et gagnent de l'expertise
- Approche SHS avec support pour capture et analyse de données
- Objectif des politiques urbaines : augmenter la part modale des vélos pour diminuer les transports carbonés
- Nécessité de revégétaliser les cœurs de ville pour lutter contre les îlots de chaleur et les inondations
- Pour végétaliser, il faut diminuer la voirie, donc enlever des voitures
- Résultat clé : les véhicules sont immobiles 90% du temps et immobilisent plusieurs mètres carrés de surface bitumée
- Enlever une voiture permet de gagner quasiment 10 mètres carrés de végétalisation
- Objectif : faciliter et favoriser la pratique du vélo en ville
- Approche par apprentissage automatique pour comprendre les déplacements cyclistes
- Modélisation du comportement cycliste plus difficile que le comportement véhiculaire (plus de degrés de liberté, moins d'études académiques)
- Principe : minimisation de la distance avec autorisation de détours vers certaines routes préférées
- Présence d'infrastructures cyclables n'est pas le seul déterminant des choix de route
- Quatre types principaux de données pour étudier le transport cycliste
- Questionnaires de préférence : riches en informations qualitatives, inadaptés quantitativement pour l'IA
- Systèmes de vélos en libre-service (Vélo'v, Paris) : données très fortes et quantitatives, mais pas de trajets complets (uniquement origines-destinations)
- Capteurs GPS : traces de mobilité individuelle, problèmes RGPD, biais social, peu de jeux disponibles publiquement
- Compteurs de vélo : données ouvertes, très représentatives, mais géographiquement parcellaires sans trajets individuels
- Solution retenue : utilisation de traces GPS et compteurs vélo pour recaler les simulations
- Projet Veleval : nombre limité de participants mais grand angle de trajets, principalement Lyon et Saint-Étienne
- MonRésoVélo (Montréal) : plus de trajets mais surface de ville plus grande
- Comparaison heatmaps traces réelles vs plus courts chemins : les cyclistes ne suivent pas les plus courts chemins
- Émergence de zones particulières comme les berges du Rhône à Lyon (infrastructure cyclable la plus utilisée)
- À Montréal : piste cyclable de loisir autour du Saint-Laurent (trajets non origine-destination)
- 90% des détours font moins de 3 kilomètres
- Besoin d'une métrique de distance entre données spatiales
- Distance géodésique classique inadaptée (ne capture pas la superposition des trajets)
- Distance personnalisée avec discrétisation de l'espace en petits carrés
- Distance de Jaccard : mesure le nombre de carrés communs entre deux traces
- Algorithme : Base Scan fonctionne bien après paramétrage
- Résultats : émergence claire de segments de voirie préférés (en rouge) et points de raccordement (en bleu)
- Hypothèse : minimisation de distance avec biais vers segments de route préférés
- Pondération du graphe en fonction de la présence ou non du cluster
- Comparaison avec : Dijkstra (plus court chemin), Mapbox (calcul cyclable type Google Maps), méthode avec clustering
- Résultats : méthode avec clustering produit des chemins très proches des traces réelles, bien meilleurs que plus courts chemins ou services commerciaux
- Utilisation de la heatmap complète moins performante que clustering par origine-destination
- Meilleurs résultats sur Lyon que Montréal (concentration des données)
- Problème : comment calculer le cluster sans la trace GPS complète
- Solution : classifier basé sur origine-destination représentée par le plus court chemin, pas sur la trace réelle
- Architecture : LSTM car adaptée aux grandes séquences
- Performance : 80% d'exactitude sur Lyon, amélioration notable par rapport au jeu entier
- Résultats entre l'oracle (cluster connu) et le jeu entier, plus proche de l'oracle
- Sur Montréal : 55% d'exactitude seulement (manque de données par rapport à la surface)
- Nécessité de quantité colossale de données pour généralisation et industrialisation
- Explicabilité des choix du classifieur à explorer (remontée possible au modèle Logit)
- Exploitation des propriétés temporelles des traces GPS non réalisée
- Intuition : différences de choix entre cyclistes aguerris/sportifs et débutants selon vitesse et agressivité
- Affinement possible autour des propriétés temporelles mais demande encore plus de données
- Question des infrastructures cyclables importante mais pas suffisante seule
- Critère majeur : être dans un flux séparé des voitures
- Création de pistes cyclables coûteuse et lente, nécessité de solutions dynamiques
- Point noir principal : intersections, notamment accident classique au démarrage (voiture tournant à droite)
- Solution proposée : phase verte spécifique pour vélos (comme tramways)
- Problème : très bon pour sécurité mais très lent
- Simulation avec SUMO (limité pour cyclistes)
- Croisement avec 4 routes et ajout de 2 phases vertes pour vélos (verticale et horizontale)
- Données de compteurs de Paris (vélo et voiture) avec hypothèse de processus de Poisson
- DRL prend en entrée l'état de l'intersection discrétisé et donne en sortie la phase verte à déclencher
- Changement de phase complètement libre (durées et ordres quelconques)
- Récompense basée sur vitesse de traversée (sécurité garantie par les 4 phases)
- Non sécurisé : 2 phases, vélos et voitures ensemble, le plus dangereux mais le plus rapide
- Static sécurisé : division naïve en 4 phases de 20 secondes, très lent
- Actuated : système européen avec caméra, cycle de phase statique mais temps dynamique
- 3DQN (DRL) : très proche du non sécurisé en performance tout en garantissant la sécurité
- DRL meilleur qu'Actuated en faible charge, kiff-kiff en forte charge (round-robin efficace en saturation)
- Test avec variation du trafic vélo entre 0,5x et 1,5x le trafic d'entraînement
- 3DQN assez robuste à ces variations
- Meilleures performances avec moins de véhicules, dégradation progressive au-delà de 1,5x
- Système peut accuser une variabilité sans nécessiter optimisation exacte pour volume actuel
- Gain de temps même comparé à situation sans prise en compte des vélos
- Flux continu évite arrêts (danger et effort au redémarrage)
- Système ressemblerait à une piste cyclable sans infrastructure physique
- Possibilité de déploiement de code, modification des feux, test d'adoption de trajets
- Si adoption réussie, planification de transformation en piste cyclable réelle
-
Thèse dans le cadre du PEPR MOBIDEC lancée décembre 2024
-
Benjamin Pichech recruté le 1er décembre 2024, démissionné le 23 décembre 2024 pour problème familial
-
Transformation probable en postdoc ou ingénieur en postdoc
-
Axe d'intérêt : croisement traces de mobilité et données réseau pour traces de connectivité mobile réalistes
-
Vision : infrastructures dynamiques dans l'espace urbain, virtualisation comme dans systèmes informatiques
-
Hypothèse : flexibilité et virtualisation des infrastructures urbaines pour ville plus efficace et résiliente