Modélisation des émissions de polluants dues au trafic routier Vincent AGUILÉRA
Antoine T ORDEUX
— L ABORATOIRE V ILLE M OBILITÉ T RANSPORT —
Soirée « Impact des transports » En collaboration avec la Chaire Eco-Conception des ensembles bâtis et des infrastructures
le 17 janvier 2011 à Rueil-Malmaison — Auditorium de Vinci
Objectifs
• Analyser et comparer les modèles microscopiques et
macroscopiques d’estimation des émissions de polluants du trafic routier • Développer une méthode d’estimation des émissions de
polluants du trafic routier à la fois: • Opérationnelle (basée sur des données disponibles) • Précise (capable de rendre compte d’aspects fins tels que la
régulation de la vitesse maximale)
Revue des modèles d’émissions • Modèles macroscopiques discrets basés sur une classification des
états du trafic (COST, ARTEMIS, COPERT). L’approche requiert uniquement de connaître le type du réseaux. • Modèles macroscopiques continus basés sur la vitesse moyenne
des véhicules (MOBILE, COPERT, NAEI, EMFAC). • Modèles mésoscopiques (COPERT, Smit et al.). Il s’agit
généralement d’extensions de modèles macroscopiques, basés sur une estimation des densités des vitesses des véhicules. • Modèles microscopiques basées sur des performances
individuelles agrégées sur des cycles (VERSIT, Rapone et al.). • Modèles microscopiques basées sur des performances
individuelles instantanées (Joumard et al., VT-MICRO).
Problématique
• Les modèles macroscopiques sont faciles d’utilisation (car basés
sur la nature du réseau ou la vitesse moyenne) mais ils permettent difficilement d’évaluer l’impact de stratégies de régulation modifiant les aspects cinétiques des flux. • Les modèles microscopiques permettent de rendre compte
précisément des niveaux d’émissions mais ils requièrent des données fines (performances instantanées des véhicules) peu accessibles. → Utiliser un modèle macroscopique en apportant des connaissances sur les propriétés d’écoulement des flux de trafic
Données utilisées
• Données individuelles instantanées obtenues par simulation avec
un modèle microscopique de trafic (dont les paramètres sont estimées statistiquement sur des données réelles) • Trafic simulé sur un cercle (d’une longueur de 5 km) pour
différents niveaux de densités et deux régulations de la vitesse maximale • Distinction de deux états de trafic: • Libre (vitesse des véhicules homogène) pour des densités faibles • Interactif ou congestionné (vitesse des véhicules hétérogènes,
présence d’ondes cinématiques) pour des densités importantes
Exemples de trajectoires obtenues
200 150
time, s 100 50 0
0
50
100
time, s
150
200
250
Interactive state
250
Free state
−400
−200
0
space, m
200
400
−400
−200
0
space, m
200
400
Comparaisons des estimations entre le modèle COPERT basé sur la vitesse moyenne et un modèle microscopique
20
30
40
8 6 4 2 0
150
CO emission, kg
250
(CO)
50
fuel consumption, kg
(FC)
50
20
density, veh/km
50
density, veh/km
100
200
gazoline Rapone and al. COPERT ϑ = 90 km/h ϑ = 125 km/h critical density
0
HC emission, g
NOx emission, g
200
40
50
(HC)
0
30
40
density, veh/km
(NOx)
20
30
20
30
40
50
density, veh/km
legends
Estimation des niveaux d’émissions avec les modèles COPERT basés sur vitesse moyenne et densité des vitesses
20
30
40
6 4 2 0
160
CO emission, kg
(CO)
60 100
fuel consumption, kg
(FC)
50
20
density, veh/km
50
density, veh/km
60
100
COPERT (gazoline) with speed dens. with mean value ϑ = 90 km/h ϑ = 125 km/h critical density
20
HC emission, g
200
NOx emission, g
100
40
50
(HC)
0
30
40
density, veh/km
(NOx)
20
30
20
30
40
50
density, veh/km
legends
Estimation des niveaux d’émissions avec le modèle COPERT basé sur un mélange bi-modale des vitesses
20
30
40
8 6 4 2 0
120
CO emission, kg
180
(CO)
60
fuel consumption, kg
(FC)
50
20
density, veh/km
50
density, veh/km
60
100
COPERT (gazoline) with mixed speed with speed dens. ϑ = 90 km/h ϑ = 125 km/h critical density
20
HC emission, g
NOx emission, g
100 200
40
50
(HC)
0
30
40
density, veh/km
(NOx)
20
30
20
30
40
50
density, veh/km
legends
Conclusions et perspectives de travail Conclusions: • Les modèles basés sur la vitesse moyenne ne sont pas toujours
suffisamment précis pour estimer l’impact de stratégies d’exploitation • Supposer que la vitesse moyenne est un mélange de deux modes
apparaît être un compromis raisonnable permettant un gain de précision significatif Perspectives de travail: • Développer une méthodes d’estimation statistique des
paramètres du modèle • Confronter les estimations à des données réelles et évaluer
l’apport de la démarche
