Planification et exploitation du trafic basées sur les données.

Dans les villes modernes, la circulation ne se résume plus à l'état des routes, aux intersections ou au nombre de voies ; elle est devenue une affaire de données.

Lorsque les infrastructures et les institutions non financières sont compatibles, les villes peuvent améliorer continuellement la circulation grâce à des solutions non financières, sans dépendre uniquement d'investissements matériels. (Sur la photo : un carrefour en ville. Photo : THANH LAN)

Chaque mouvement humain, chaque trajet de véhicule, chaque événement urbain génère un flux de données reflétant le rythme et la structure dynamique de la ville.

Changez votre perspective sur les données.

Lorsque les zones urbaines croissent plus vite que leurs infrastructures physiques ne peuvent se développer, et que chaque point de congestion engendre un coût social, la seule approche efficace en matière de planification et d'exploitation consiste à appréhender le trafic comme un ensemble de deux niveaux parallèles : le niveau physique visible et le niveau des données qu'il est indispensable de comprendre. Il en découle un nouveau principe : toute planification physique du trafic doit reposer sur une analyse approfondie des flux de données ; et tout point de congestion physique doit être optimisé grâce aux données avant même d'envisager tout projet d'extension ou de nouvelle construction.

Si l'on ignore les données et que l'on se contente d'observer à l'œil nu, le trafic apparaîtra toujours comme une série chaotique et imprévisible. Mais lorsque les flux de données provenant des caméras, de l'Internet des objets (IoT), du GPS, des cartes numériques, des transports en commun et des infrastructures urbaines sont intégrés, le tableau qui se dessine est tout autre. Le flux de trafic physique est en réalité constitué de données comportementales : qui va où, à quelle heure, par quel itinéraire et pour quelle raison ; quel est le trafic de base, quelle est la part des fluctuations saisonnières ; quels sont les véritables points de congestion et quels sont les simples phénomènes localisés.

Les données nous aident à distinguer la cause de l'effet ; sans elles, nous risquons de planifier superficiellement en ignorant les problèmes sous-jacents. Par conséquent, la planification moderne des transports ne peut plus se fonder sur des enquêtes statiques ou des modèles linéaires, mais doit s'appuyer sur une analyse dynamique des données, en temps réel et sur le long terme.

Une fois les données collectées et normalisées, l'étape suivante consiste à modéliser les comportements de déplacement et à simuler différents scénarios d'aménagement. Les technologies de microsimulation et de modélisation multi-agents permettent de recréer les interactions de centaines de milliers de véhicules chaque seconde. Ces modèles vérifient l'impact d'un nouvel itinéraire, d'un échangeur modifié ou d'une voie réservée aux bus. Autrement dit, les données transforment la planification d'un état spéculatif à un état validé. Ce n'est qu'après avoir simulé et validé les options dans un environnement numérique que la ville peut prendre des décisions d'investissement concrètes éclairées, évitant ainsi des erreurs aux conséquences potentiellement désastreuses pendant des décennies.

Cependant, même avec une planification rigoureuse, les infrastructures physiques ont leurs limites. On ne peut élargir une route instantanément, construire un pont en quelques mois seulement, et les budgets publics ne permettent pas de remédier à tous les goulets d'étranglement. Dans ce contexte, les données continuent de jouer le rôle d'infrastructure immatérielle, en optimisant et en renforçant les capacités des infrastructures matérielles.

Lorsque les systèmes de prévision basés sur les données peuvent identifier les goulots d'étranglement 10 à 30 minutes avant leur formation, les villes peuvent mettre en œuvre des mesures correctives ciblées : ajustement des cycles des feux de circulation, inversion du sens de circulation, mise en place de feux verts, répartition du trafic à distance via des cartes numériques ou suggestion d'itinéraires alternatifs directement sur les téléphones portables des citoyens. Ces mesures sont efficaces car elles influencent les comportements et la demande, deux facteurs déterminants de la fluidité du trafic. En effet, des études montrent que si seulement 10 à 15 % des usagers modifient leurs horaires ou leurs itinéraires, les goulots d'étranglement peuvent être résorbés sans même ouvrir un seul mètre de route.

Nous devons nous concentrer sur des solutions souples.

L'essentiel est que les données ne servent pas seulement aux opérations immédiates, mais constituent également le fondement d'une gestion de la demande à long terme. Tokyo (Japon) réduit les embouteillages non pas en construisant de nouvelles routes, mais en analysant les données de billetterie des trains heure par heure et en ajustant les horaires pour répartir la demande. Singapour utilise un système ERP pour répartir la demande en fonction du prix. Séoul (Corée du Sud) utilise l'IA pour optimiser les cycles des feux de circulation afin de réduire la charge aux intersections sans les agrandir. Los Angeles (États-Unis) gère 4 500 intersections à partir d'un seul centre de données. Copenhague (Danemark) utilise les données relatives aux cyclistes et aux conditions météorologiques pour prioriser la circulation lente aux heures de pointe. Toutes ces villes démontrent qu'atténuer les goulots d'étranglement grâce aux données est bien plus efficace et moins coûteux que de construire des infrastructures lourdes.

Pour que les données deviennent véritablement une infrastructure souple, les villes ont besoin d'une architecture de données unifiée : un hub de données sur la mobilité urbaine comme plateforme centrale ; un jumeau numérique pour la simulation et les tests de transport ; un moteur de trafic IA pour l'optimisation en temps réel ; et des systèmes de transport intelligents (STI) pour la collecte continue de données. Par ailleurs, les institutions doivent s'adapter : rendre obligatoire l'utilisation des données et de la simulation dans la planification, exiger le partage de données entre les agences et les entreprises de transport, normaliser les API et mettre en place des environnements de test pour expérimenter de nouveaux modèles d'organisation du trafic.

Lorsque les infrastructures et les institutions dédiées sont compatibles, les villes peuvent améliorer en continu la fluidité du trafic grâce à des solutions souples, sans dépendre uniquement d'investissements dans les infrastructures lourdes. L'utilisation des données pour piloter les feux de circulation intelligents, la répartition flexible des voies, les systèmes d'alerte précoce et les suggestions d'itinéraires permet aux villes non seulement de réduire les embouteillages, mais aussi d'améliorer la sécurité en cas de conditions météorologiques extrêmes – un enjeu que les infrastructures lourdes seules ne peuvent résoudre.

Tout ce qui précède aboutit à une conclusion unifiée : les transports ne consistent plus à construire des routes à tout prix, mais à capter et organiser les flux de données. L’infrastructure physique en est le fondement, mais l’infrastructure de données en est le levier. Les villes qui maîtrisent leurs données maîtriseront les déplacements de leurs habitants, éviteront les coûts sociaux des embouteillages, amélioreront leur efficacité économique et la qualité de vie de leurs habitants. Par conséquent, dans les villes modernes, la planification des transports doit reposer sur une compréhension approfondie des flux de données ; et tous les goulets d’étranglement physiques doivent être éliminés grâce aux données avant même d’envisager tout projet d’expansion.

Source : https://baodanang.vn/quy-hoach-van-hanh-giao-thong-bang-du-lieu-3314724.html