Analyse microscopique de la circulation routière

ANALYSE DE DONNEES DE TRAJECTOIRES INDIVIDUELLES DE VEHICULES
Mohamed Lemrabott OULD DAH
Master recherche MEGA
Spécialité Génie Civil
Soutenu le 27 juillet 2006
Président du jury : Mr
Jean Baptiste LESORT
Maître de stage : Mme
Christine BUISSON
Rapporteur : Mr
Olivier de MOUZON

Ould Dah Mohamed Lemrabott Master Génie Civil LICIT. 2006
1
Remerciements
Je remercie chaleureusement Mme Christine Buisson pour la qualité de son encadrement,
ainsi que toute l’équipe du laboratoire LICIT.

2

3
SOMMAIRE
1 Introduction……………………………………………………………..05
2 Données individuelles de trafic ………………………………………...06
2.1 Introduction………………………………………………………06
2.2 Cadre de l’analyse de données de trafic………………………….07
2.3 Données NGSIM…………………………………………………08
2.3.1 Section étudiée…………………………………………………08
2.3.2 Capteur vidéo…………………………………………………..10
2.3.3 Variables mesurées et la qualité de mesure……………………10
3 Analyse de données……………………………………………………..12
3.1 Analyse globale…………………………………………………..12
3.1.1 Type de véhicules………………………………………………12
3.1.2 Vitesses………………………………………………………...12
3.1.3 Distances inter-véhiculaires……………………………………13
3.1.4 Classement de véhicule par voie d’entrée et par voie de sortie..17
3.2 Etudes statistiques des changements de voie……………………19
3.2.1 Distribution du changement de voie par voie initiale………….19
3.2.2 Distribution par voie cible……………………………………...19
3.2.3 Distribution par voie cible et initiale…………………………..20
3.3 Changement de voie et la congestion…………………………….21
3.4 Evolution des interdistances et des vitesses…………………….24
3.4.1 Changement de voie (cas normal)……………………………...25
3.4.2 Les véhicules venant d’un convergent…………………………30
4 Bibliographie……………………………………………………………34
5 Annex1 : Figures de changement de voie et de trajectoires……………..36
6 Annex2 : Code Matlab…………………………………………………..54

4
1 INTRODUCTION
Depuis quelques années, la modélisation microscopique attire de plus en
plus l’attention des opérateurs de réseaux routiers.
La simulation microscopique permet aux opérateurs du trafic d’élaborer
des modèles capables de répondre à certaines questions aussi
importantes que l’optimisation de fonctionnement des feux sur les routes
urbaines, l’analyse de la congestion,le changement de voie, les longueurs
des files d’attente…etc.
Le changement de voie est une composante vitale de tous les modèles de
simulation microscopique du trafic, inclut les interactions entre les
véhicules, où le comportement de chaque véhicule est influencé par les
comportements des autres, ce qui rend obligatoire aux conducteurs de
réagir et de prendre des décisions basées sur les actions faites par les
autres conducteurs.
Le but de notre travail n’est pas de faire des modèles mais plutôt
d’analyser des données de trajectoires individuelles de véhicules en
mettant l’accent sur le changement de voie pour avoir une idée même
simple de ce comportement.
Dans ce rapport on a fait une analyse détaillée du changement de voie à
partir des données individuelles de trajectoires de véhicules représentent
un état de trafic congestionné collectées par le biais de caméras vidéo sur
l’autoroute I-80 en Californie, USA, dans le cadre du programme NGSIM.
La première étape porte sur une analyse globale de données (débit
entrant et sortant, distribution de vitesses, distribution de distances inter-
véhiculaires …), puis une analyse plus détaillée nombre et types de
manœuvres du changement de voie et enfin, les résultats dans ce rapport
portant d’observer les comportements individuels des véhicules en terme
de vitesses, créneaux acceptées .

5
2 DONNEES INDIVIDUELLES DE TRAFIC
2.1 Introduction
Les études dans le domaine du trafic, autant pour la planification que pour
la régulation nécessitent le recueil de données pertinentes et fiables.
Aujourd’hui, le recueil de données de trafic se fait essentiellement avec
des stations sur le terrain. Cependant, les technologies de recueil ont
commencé à se diversifier et des nouvelles possibilités existent :
utilisation de la vidéo, géo localisation, suivi de téléphones portables…etc.
Il existe des nombreux types de capteurs permettant la mesure directe ou
indirecte des variables de trafic routier, les principaux types de capteurs
d’emploi courant sont [S.Cohen.1997]:
- les pneumatiques,
- les boucles électromagnétiques,
- les ultrasons,
- les radars à effets Doppler –Fizeau,
- le capteur vidéo,
- véhicules traceurs.
Les boucles restent le dispositif de mesure le plus répandu dans de
nombreux pays et largement utilisé en France, notamment par les
systèmes de régulation des carrefour à feux. [C. Buisson 2002].
Mais ce capteur sert essentiellement à détecter la présence ou le passage
d’un véhicule dans sa zone. Comme tous les capteurs ponctuels, les
boucles ne peuvent fournir de mesures qu’à leur emplacement, et durant
les périodes de congestion, la précision du comptage diminue du fait que
les véhicules sont trop proches les uns des autres.
En revanche les études de phénomènes du trafic comme la longueur de
file d’attente, le changement de voie…, nécessitent une vision
microscopique du trafic, des données individuelles sur toute la trajectoire.
Donc pour cet objet le programme NGSIM a fait des efforts importantes
pour la collecte des données individuelles de trajectoires de véhicules en
utilisant des caméras vidéo.

6
2.2 Cadre de l'analyse de données du trafic
L'univers existant des données du trafic n'est pas homogène : suivant les
efforts de collecte de données du trafic changent considérablement par les
applications prévues et la méthodologie de collecte de données.
La figure 2.1 donne un cadre pour démontrer quels types de données du
trafic sont les plus utiles pour la micro simulation. Puisque les modèles de
micro simulation nécessitent de capturer une grande quantité de données
détaillées.
Figure2.1 : Utilité de données pour la recherche de Micro simulation. [NGSIM]
La plupart des études de données du trafic se concentrent sur les
contextes de la gestion des opérations du trafic (tels que le
développement du plan de la synchronisation de feux).
Les données du trafic appropriées au développement et à la validation
des modèles de la micro simulation sont souvent tout à fait différentes de
des données appropriées à ces applications. Les modèles microscopiques
exigent beaucoup plus des données détaillées que les opérations de la
gestion ou des applications de modèle. La figure 2.2 donne une illustration
conceptuelle des données résultantes pour différentes méthodes de
collection. Les secteurs ombrés représentent des données inconnues, alors
que les secteurs clairs représentent les détails connus. Les contextes les
plus communs (gestion d'opérations, application de simulation) emploient
des données de détecteur, parce qu'elles sont peu coûteuses.
Figure2.2 Contextes conceptuels de la collecte de données [NGSIM].

7
2.3 Données NGSIM
Les données utilisées dans ce rapport sont des données individuelles de
trajectoires de véhicules rassemblées dans le cadre du programme
NGSIM, qui est dirigé par la Federal Highway Adminsration’s (FHWA),
USA.
Les objectives visés par NGSIM sont :
• Améliorer la qualité des outils de simulation,
• Réaliser une base des données validées pour la simulation,
• Développer un noyau de données pour valider des algorithmes.
Dans le cadre de sa mission l’équipe de NGSIM a demandé à l’université
de Berkeley de collecter des données individuelles de véhicules par des
caméras vidéo sur une section d’autoroute en Californie, le 13 avril 2005.
Les données ont été rassemblées pendent la période de pointe de l’après
midi et l’ensemble de données se compose de trajectoires individuelles de
véhicules et d’autres informations nécessaires pour la recherche et la
validation des algorithmes.
2.3.1 Section étudiée
Les données ont été collectées entre 5 :00 et 5 :15 après midi sur une
section l’autoroute I-80 en Californie, les données représentent des
trajectoires des véhicules, ont été collecté par l’utilisation de sept cameras
vidéo et donnent les informations de tous les véhicules chaque dixième de
seconde. La longueur de la section est de1650feet (500m) et de six voies
et une rampe d’accès à l’entrée de la section. Figure2.3 illustre la section
étudiée.
Le trafic sur cette autoroute est dans une seule direction et les images ont
été traitées par un programme développé pour NGSIM. Ce programme
détecte et dépiste automatiquement la plupart des véhicules à partir des
images vidéo et transcrit les données de trajectoires dans une base de
données.

8
Figure 2.3 La section de l’autoroute étudiée
N.B : la voie n°1 est une voie spéciale (HOV).

9
2.3.2 Capteur vidéo
La caméra a été utilisé traditionnellement pour la surveillance du trafic.
Actuellement l’évolution des performances des calculateurs rend facile le
traitement d’image est la caméra devenu un instrument efficace de
détection.
Les caméras utilisées dans le domaine du trafic sont conçues pour pouvoir
fonctionner sous une faible lumière.
Il est possible maintenant d’analyser le mouvement de véhicule dans une
séquence d’image
Les premières méthodes de traitement d’images utilisées ont consisté à
traiter un groupe limité de pixels de l’image. Cette approche permet, en
effet, de réduire le volume de données à traiter.
Le traitement des images numérisées est relativement complexe et
comporte différentes étapes ;
• Elimination des bruits,
• Extraction des objets intéressant (les véhicules),
• Discrimination et mise en forme de ces objets,
• Suivi de la trajectoire des objets mobiles et détermination de leur
vitesse.
La mesure par ces capteurs est liée à quelques difficultés comme :
Les conditions métrologique,
Les effets de masque dus à la végétation, aux véhicules de grand
gabarit ou à la trop grande densité du trafic,
Les vibrations de supports de caméras.
2.3.3 Variables mesurées et la qualité de mesure
Dans nos données [NGSIM] les variables mesurées sont :
o Identification du véhicule
o position longitudinale x
o position latérale y
o vitesse
o accélération
o type de véhicule
o longueur
o largeur
o hauteur
o la distance inter véhiculaire
o le temps entre deux véhicules
o Identification de voie

10
-la qualité de mesure donnée par NGSIM :
Variable Direction tolérance
Position du longitudinale 1.22m
Véhicule
Position du latérale 0.61m
Véhicule
Vitesse 5%
Accélération 0.077m/sec^2
Largeur du 0.61m
Véhicule
Longueur du 0.61m
Véhicule
Temps inter- 1.22m
véhiculaire
Débit 0%
Identification de voie exacte

11
3 ANALYSE DE DONNEES
On rappelle que le but de ce travail est de voir l’impact du changement de
voie sur le trafic et d’apprécier la congestion due à l’insertion d’un véhicule
dans un flux de trafic, dans ce but on fait une analyse globale de nos
données avant de nous intéresser à une typologie de changement de voie.
3.1 Analyse globale
Dans le cadre de l’analyse globale on donne de la suite les distributions
de type de véhicules, le débit entrant et sortant, les vitesses et les
distances inter véhiculaires.
3.1.1 Type de véhicule
Tableau 3.1 : type de véhicules
On constate que le pourcentage du poids lourds est relativement faible car
de 1836 véhicules dont seulement070 sont des PL.
3.1.2 Vitesses
Les vitesses ont été calculées pour tous les véhicules par voie (Tableau).
Deux types de vitesses ont été calculées, la moyenne arithmétique et la
moyenne harmonique, ce qui nous donne la vitesse temporelle (Vt) et la
vitesse spatiale (Vs).
Tableau 3.2 : vitesses temporelle et spatiale
Voie 1 2 3 4 5 6
Vt
(m/s)
14.45 7.24 6 6.5 6.82 6.7
Vs
(m/s)
10.34 5 4.5 4.8 5 4.87
Type de véhicule Véhicule pourcentage
Motos 24 1.3%
Automobile 1742 94.9%
Poids lourd 70 3.8%
Somme 1836 100%

12
1 2 3 4 5 6
0
2
4
6
8
1 0
1 2
1 4
1 6
V o ie
vitesse(m/s) V s
V t
Figure3.1: Vitesse par voie
On constate bien que :
o La vitesse temporelle est supérieure à la vitesse spatiale pour toutes
les voies.
o La vitesse sur la voie N°1 (HOV) est diffère de manière considérable
des autres vitesses.
o On peut considérer que les vitesses pratiquées sur les voies 2, 3, 4,
5 et 6 sont identiques.
o Toutes les vitesses sont faibles.
3.1.3 Distances inter véhiculaire
0 20 40 60 80 100 120 140 160 180 200
0
1000
2000
3000
4000
5000
6000
distances(m)
distribution de distances intervéhiculaires sur la voie n°1
Nombred'obsevations
Figure3.2 Distribution de distances inter véhiculaires, (HOV).
La distance inter véhiculaire la plus probable est de 22m ce qui correspond
à une concentration de l’ordre de 45véh/km.

13
0 20 40 60 80 100 120
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
2.2
x 10
4
distances(m)
Nombred'observations
Figure3.3 Distribution de distances inter véhiculaires, Voie n°2.
La distance inter véhiculaire la plus probable est de 12m ce qui correspond
à une concentration de l’ordre de 84véh/km.
0 10 20 30 40 50 60 70 80 90 100
0
2000
4000
6000
8000
10000
12000
14000
16000
distances(m)
Figure 3.4 Distribution de distances inter véhiculaires, voie3
La distance inter véhiculaire la plus probable est de 13m et la
concentration correspondant est de 80 veh/km.

14
10 20 30 40 50 60 70 80 90 100
0
0.5
1
1.5
2
2.5
x 10
4
distances(m)
Noimbred'observations
Figure3.5 Distribution de distances inter véhiculaires, voie4
0 20 40 60 80 100 120
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
x 10
4
distances(m)
Figure3.6 Distribution de distances inter véhiculaires ,voie5
concentration correspondant est de 90 véh/km.

15
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
x 10
4
distances(m)
5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100
0
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
distances(m)
La distance inter véhiculaire la plus probable est de 9m et la concentration
correspondant est de 111 veh/km.

16
3.1.4 Classement de véhicules par voie d’entrée et de sortie
La figure ci dessous nous donne la distribution de véhicules par la voie
occupée par eux à l ‘entrée de la section.
1 2 3 4 5 6 7
0
50
100
150
200
250
300
350
400
Voie
Véhicules
Figure3.9: distribution de véhicules par voie d’entrée
Tableau 3.3
o Plus de 20% de véhicules sont rentrés dans la section par le HOV.
o La différance entre le nombre de véhicules qui sont rentrés dans la
section par les autres voies est très faible,la plus grande différence
est de 3%.
La figure 3.10 le distribution des véhicules par la voie de sortie de la
section.
1 2 3 4 5 6
0
50
100
150
200
250
300
350
400
450
Voie
Véhicule
Figure 3.10 distribution de véhicules par voie sortie
Voie 1 2 3 4 5 6 7
Véhicules 384 280 232 240 246 248 206

17
Tableau 3.4 : distribution par voie de sortie
Dans le tableau ci dessous on a récapitulé les informations les plus
importantes du paragraphe précédent.
Tableau 3.5 : Récapitulatif des données de voies
Voie 1 2 3 4 5 6 7 Unité
Véhicules
entrants
384 280 232 240 246 248 206 véhicule
Véhicules
sortants
406 321 262 269 245 333 0 véhicule
Vitesse
temporelle
52.02 26.06 21.6 23.4 24.55 24.55 24.01 Km/h
Vitesse
spatiale
37.22 18 16.2 17.28 18 17.53 16.02 Km/h
Distance
inter
véhiculaire
moyenne
27.5 14.9 17 13.4 11 9 7 m
Distance
inter
véhiculaire
probable
22 12 13 13 11 11 9 m
o Les vitesses moyennes sur les voies 2, 3, 4, 5, 6 et 7 sont presque
les même, seul le HOV a une vitesse plus élevée que les autres
voies.
o On voit que le nombre de véhicules sur chaque voie augmente tant
qu’on s’éloigne du convergent vers le HOV.
o On constate que les voies 2, 3, 4, 5, 6 sont identiques au niveau de
vitesse moyenne et de concentration.
On voit donc qu’un certain nombre de changements de voie se produit au
cours de l’écoulement sur la section, ceci nous amène à faire une étude
statistique de changement de voie.
Voie de
sortie
1 2 3 4 5 6 7
Véhicule 406 321 262 269 245 333 0

18
3.2 Etude statistique du changement de voie
Le choix de voie fait par un conducteur est dépendant de plusieurs
facteurs comme : la spécificité de voie, la destination….etc.
Le tableau ci- dessous pressentent le nombre de changement de voie
effectué à partir de chaque voie.
3.2.1 Distribution du changements de voie par voie initiale
Tableau 3.6
Le pourcentage est fait en divisant le nombre de véhicule qui changent
leur voie sur le nombre totale de véhicules qui sont entrés à la section par
la même voie.
o A partir du tableau on voit que le nombre de changements de voie
augmentent de l’intérieur vers l’extérieur de la section c'est-à-dire
que les voies voisines de la convergent sont les voies les plus
quittées.
3.2.2 Distribution du changement de voie par voie cible
Tableau 3.7
Voie cible 1 2 3 4 5 6
Véhicules 31 60 83 107 104 170
Pourcentage 7.63% 18.67% 31.67% 39.77% 42.44% 51.05%
o On observe que le pourcentage de véhicule dans les voies cibles
augmente de HOV vers la voie 6.
Voie Initiale 1 2 3 4 5 6 7
véhicules 9 19 53 78 105 85 206
Pourcentage 2.3% 6.78% 22.84% 32.5% 42.68% 34.27% 100%

19
3.2.3 Distribution du changement de voie par voie cible et par voie
initiale
Dans ce paragraphe on veut avoir une idée du nombre de changements de
voies effectués, c’est à dire est ce que les véhicules changent leurs voies
pour passer juste à la voie adjacente ou ils entament plusieurs
changement de voie.
Tableau 3.8
Cible Initiale
1 2 3 4 5 6 7 SOMME
1 13 11 3 1 1 2 31
2 8 32 11 6 0 3 60
3 0 5 57 10 3 8 83
4 1 1 6 62 13 24 107
5 0 0 0 2 68 34 104
6 0 0 4 5 26 0 135 170
SOMME 9 19 53 78 105 85 206 555
o 74 ,6% véhicules changent la voie vers la voie adjacente.
o 8,46% de véhicules changent la voie de l’extérieur vers l’intérieur.
o 91,54 de véhicules changent leurs voies de l’extérieur vers
l’intérieurs.
On déduit de tout ce qui précède que les conducteurs ont tendances de
s’éloigner le plus possible de la rampe d’accès et ça peut être pour ne
pas être obligés de ralentir et aussi pour des raisons de sécurité.
3.3- Changement de voie et la congestion

20
Les données NGSIM nous permettent de dessiner les trajectoires de tous
les véhicules dans le plan (x,t) de tous véhicules chaque dixième du
seconde.
Dans la suite on regarde dans quelques exemples l’impact de changement
de voie sur le trafic.
0 500 1000 1500
0
100
200
300
400
500
600
(sec)
(m
)
TRAJECTOIRES DE VEHICULES SUR LA VOIE N°6
Figure 3.11
On voie ici les ondes de chocs créer par les véhicules qui viennent de
convergent pour s’insérer dans la voie 6 (au schéma en rouge).

21
80
0
100
0
120
0
140
0
160
0
180
0
200
0
220
0
24
0
0
10
0
20
0
30
0
40
0
50
0
60
0
(se
)
(m
TRAJECTOIRES DE VEHICULES SUR LA VOIE N°6
Figure 3.12
On constate la congestion qui remonte et qui est crée par le véhicule qui
s’insert dans le flux de la voie n°6.

22
1500 2000 2500 3000 350
0
100
200
300
400
500
600
(sec)
(m)
TRAJECTOIRESDE VEHICULESSURLAVOIEN°6
Figure 3.13
Dans ce cas on observe la congestion qui c’est produit à la sortie de la
section due par le véhicule en rouge qui vient de s’insérer dans le flux.

23
3.4 L’évolution des interdistances et de vitesses
Dans la suite on va prendre des exemples de changement de voie et on
regarde l’évolution des distances inter véhiculaires entre le véhicule objet
et son leader d’une part et entre lui et son suiveur d’autre part dans les
deux voies, initiale et cible.
La figure ci- dessous illustre la position des véhicules concernés par le
changement de voie et les définitions conventionnelles des interdistances.
Définition :
o IAM : le véhicule en amont sur la voie initiale.
o IAV : le véhicule en aval sur la voie initiale.
o FAM : le véhicule en amont sur la voie cible.
o FAV : Le véhicule en aval sur la voie.
sens du trafic
D FAM D FAV
DIAM DIAV
Figure3.14: Véhicules : leader, suiveur et objet et leurs variables.
FAM FAV
IAVIAM Objet

24
Deux cas sont possibles :
Le premier le conducteur procède à un changement de voie seulement s’il
y a une distance suffisante entre les véhicules en amont et en avale sur
la voie cible.
On suppose aussi que ce conducteur décide de changer de voie
seulement s’il est gêné par son leader ou par son suiveur sur la voie
initiale.
Le deuxième cas pour lequel le conducteur est obligé de changer de voie,
par exemple dans le cas du véhicule à une convergeant qui va s’insérer
sur la voie adjacente (cas du véhicule venant de la voie 7 vers la voie
6), ou le cas où le conducteur veut quitter la route (cas du véhicule de la
voie 6 vers le divergent en aval de la section étudiée ). Dans ce cas le
conducteur va accepter des créneaux moins sécurisés que dans le cas
général. Dans la suite on va étudier les deux cas.
3.4.1 Changement de voie (cas normal)
Dans ce paragraphe on a pris comme exemple des véhicules qui ont
changés leurs voies vers la voie n°2. Dans ce cas on est sure que le
changement de voie est destiné à maintenir une vitesse désirée.
N.B1 : Il est important ici de rappeler que IAM, IAV, FAM, FAV sont
définies avec en intervalle du temps moins de deux secondes, c’est à dire
qu’on les a considéré si le temps qui sépare eux et le véhicule sujet et
moins ou égale de deux secondes.
N.B2 :L’instant t=100 c’est le moment où le véhicule sujet change la voie.
On voie choisir des cas types pour l’analyse :

25
* Cas 1 : le véhicule sujet lent
Figure 3.16
o Le véhicule objet est plus lent que FAV et FAM, dans ce cas il a
continué à la même vitesse, lors que FAM ralentie pour maintenir
une distance de sécurité. Après 10 secondes de changement de voie
on voit que les véhicules ont trouvé un état d’équilibre.
o Dans ce cas le véhicule sujet gêne le FAM.
Figure 3.17 présente l’évolution de vitesses de véhicules objet, FAV et
FAM.
Figure 3.17
FAM
FAV
Dixième de

26
Figure 3.18 illustre l’évolution des interdistances
Figure 3.18
* cas2 : le véhicule sujet rapide
Figure 3.19
Ce type de conducteur est agressif , on voie qu’il change de voie avec une
distances très faible de FAM et il continue d’augmenter sa vitesse et a
dépasse FAV après 6 secondes.
On regarde dans la figure 3.20 l’évolution de vitesses
Dixième de secondes

27
Figure 3.20
La figure 3.21 présente les distances inter- véhiculaires
*Statistique de vitesses
Dans le tableau ci-dessous on a les vitesses de tous les véhicules.
Tableau 3.9 : les vitesses
Vitesse FAM Vitesse FAV Vitesse IAM Vitesse IAV
Vitesse de
sujet
Unité
1 9,16 9,65 7,59 10,39 6,37 m/s
2
7,55 11,67 7,36 5,49 8,35
m/s
3 36,03 7,59 7,59 6,08 6,37 m/s
4 40 6,69 7,15 9,17 5,78 m/s
5 14,655 13,27 6,11 14,32 15,39 m/s
6 7,467 9,27 7,68 10,13 10,82 m/s
7 70 15,32 0 2,37 7,66 m/s
8 15,49 13,9 9,38 9,46 17,42 m/s
9 0 10,8 0 4,83 7,33 m/s
10 13,62 14,69 6,84 9,97 10,32 m/s
11 16,59 14,71 10,47 8,12 14,11 m/s
12 11,76 13,76 0 7,14 13,64 m/s
13 13,18 12,03 2,88 0 7,37 m/s
14 10,75 11,91 7,64 4,54 9,24 m/s
15 6,63 6,22 8,27 6,83 6,63 m/s
16 13,58 11,08 3,79 1,97 7,04 m/s

28
Tableau3.10 : les grandeurs statistiques de vitesses (m/s).
vitesse FAM vitesse FAV vitesse IAM vitesse IAV vitesse objet Unité
Moyenne 11,2 11,4 7,1) 7,3 9,1 m/s
Maximum 16,5 15,3 10,4 14,3 17,4 m/s
Minimum 6, 6,2 2,8 1,9 5,7 m/s
On constate que la vitesse moyenne de véhicule objet et moine que
de vitesses moyennes de FAM et FAV et plus grande que de vitesses
moyennes de IAM et IAV ce qui explique l’effet que le changement de voie
et destiné pour maintenir une vitesse désirée.
*Statistique des interdistances
Tableau3.11 :les distances inter- véhiculaires (m).
DFAM DFAV DIAM DIAV
Unité
36,65 12,91 23,75 50,43
m
31,81 9,29 23,66 11,48
m
11,43 8,86 15,93 10,68
m
0 10,46 15,82 24,99
m
3,29 14,23 12,98 1,91
m
19,13 19,53 14,25 15,93
m
0 18,5 0 5,03
m
0,49 38,5 22,24 4,58
m
0 16,55 0 10,73
m
44,9 12,35 20,52 36,21
m
30,65 12,2 26,51 17,37
m
22,94 14,36 0 21,94
m
46,09 11,91 17,88 2,76
m
40,44 11,12 28,56 18,73
m
11,46 35,03 1,08 34,43
m
69,12 9,88 18,64 3,31
m

29
Tableau3.12 :les grandeurs statistiques de distances inter véhiculaires
DFAM DFAV DIAM DIAV Unité
Moyenne 28,33 15,98 18,6 16,9m
Maximum 69,12 38,5 28,56 50,43m
Minimum 0,49 8,86 1,08 1,91m
On voit que :
o La distance minimum entre l’objet et FAV est égale à 8.86m.
o La distance minimum entre l’objet et IAV est égale à 1.91m.
o La distance minimum entre l’objet et FAM est égale à 0.49m.
On peut dire que les conducteurs sont plus intéressés de véhicules en aval
que ceux en amont.
3.4.2 Les véhicules venant de convergent
Dons nos données 206 véhicules venant de convergent (voie N°7)
l’analyse statistique de vitesses et l’inter distance s’est fait sur 100
véhicules. L’objective de cette analyse est de savoir la différance entre ce
cas et le cas précèdent.
*Statistique de vitesses
Tableau 3.13 : les vitesses (m/s).
VitFAM VitFAV VitIAM VitIAV Vitesse d’objet
15,63 10,67 17,39 0,00 12,29
12,25 13,19 14,29 0,00 13,16
12,21 11,73 13,17 0,00 14,09
12,13 9,74 13,35 0,00 10,85
12,16 10,22 14,79 0,00 13,12
12,23 9,67 13,67 0,00 9,77
11,50 6,47 12,15 0,00 10,59
9,91 9,58 14,61 0,00 10,35
8,70 10,44 12,97 0,00 14,46
11,35 7,56 12,18 10,76 10,79
9,06 7,12 10,55 5,36 9,11
6,49 8,10 5,23 0,00 6,88
6,20 7,08 5,86 0,00 5,18
4,56 7,21 6,10 0,00 4,85
4,55 5,74 6,10 0,00 5,96
4,56 5,57 4,06 0,00 4,41
3,49 3,23 2,76 0,00 3,52
1,06 2,26 0,74 0,00 2,03
1,90 3,45 1,97 0,00 9,73
1,44 4,67 9,17 0,00 3,02

30
3,02 4,55 4,35 0,00 5,10
5,59 7,55 5,67 0,00 8,48
5,81 7,97 8,57 0,00 5,96
5,41 7,52 0,00 0,00 5,97
2,25 2,06 12,01 0,00 2,50
9,86 7,19 13,90 5,32 9,10
1,53 5,92 1,52 0,00 3,92
5,16 7,27 3,09 0,00 5,22
4,70 6,45 6,07 0,00 5,98
6,18 7,55 5,11 0,00 6,01
6,09 7,10 5,05 0,00 4,77
5,95 6,48 4,07 0,00 5,12
4,75 7,16 6,08 0,00 6,87
4,74 8,38 5,61 0,00 7,51
6,06 7,00 5,45 0,00 5,41
4,85 4,78 4,44 0,00 4,43
5,29 4,20 4,15 0,00 3,02
2,69 6,01 4,15 0,00 3,12
4,55 4,86 1,63 0,00 4,92
4,66 5,90 3,52 0,00 4,96
4,55 6,55 4,55 0,00 5,02
5,06 6,24 4,59 0,00 5,48
1,13 2,16 2,40 2,27 2,83
4,48 5,82 5,97 0,00 4,16
5,39 5,54 6,16 0,00 6,01
4,55 6,23 4,18 0,00 4,51
3,43 6,08 3,02 0,00 4,48
2,78 3,68 2,77 4,29 3,37
6,65 6,49 4,54 0,00 4,72
2,48 3,04 3,22 3,04 3,17
4,95 6,54 3,92 0,00 5,28
7,10 7,05 4,20 0,00 6,64
4,54 7,09 6,07 0,00 6,64
6,07 6,56 6,08 0,00 6,77
4,93 5,98 7,43 0,00 5,95
4,55 4,65 7,38 0,00 4,49
5,44 3,39 4,61 0,00 4,50
3,60 5,25 3,03 0,00 4,49
3,49 5,05 3,19 0,00 4,50
1,52 4,82 4,28 0,00 4,59
5,26 6,39 2,37 0,00 4,47
5,93 7,15 4,92 0,00 6,11
4,47 8,25 5,86 0,00 6,31
4,55 8,58 5,05 0,00 6,30
6,56 2,92 9,48 2,77 5,61
6,06 6,52 6,89 0,00 6,83
6,07 7,60 8,70 0,00 5,82
6,67 6,06 7,93 5,82 4,95
8,72 6,30 7,47 6,86 7,66
5,92 7,57 6,13 0,00 7,82

31
6,07 7,24 5,78 0,00 6,26
5,40 6,28 4,91 0,00 5,92
4,35 3,96 3,81 0,00 4,49
4,35 3,94 4,53 0,00 3,49
3,24 2,06 3,17 0,00 3,03
2,69 5,70 2,07 0,00 3,83
3,96 6,89 5,51 0,00 5,25
4,77 7,28 7,09 0,00 6,24
5,34 7,09 5,50 0,00 7,11
4,02 5,68 4,55 0,00 0,00
6,15 5,05 10,29 0,78 5,74
4,55 3,03 9,44 0,00 4,53
2,53 3,02 10,16 0,00 3,07
3,27 1,52 0,00 3,90
4,81 5,78 3,24 0,00 5,56
4,55 6,40 6,45 0,00 5,72
4,54 5,66 5,68 0,00 4,49
4,11 4,50 3,48 0,00 4,49
2,98 4,10 2,63 0,00 3,49
2,02 2,79 3,09 0,00 3,02
2,39 4,87 2,33 0,00 3,40
2,03 3,82 1,52 0,00 1,64
4,55 5,30 4,63 0,00 5,91
1,76 1,94 5,32 2,64 3,39
2,65 2,78 4,40 1,62 4,35
4,06 5,15 4,55 0,00 4,48
4,10 2,97 5,82 5,16 1,87
4,26 4,56 3,03 0,00 4,49
2,72 4,51 3,03 0,00 3,31
3,15 2,21 2,37 1,53 3,49
Tableau3.14 :les grandeurs statistiques de vitesses
Vitesse
FAM Vitesse FAV Vitesse IAM
Vitesse
IAV Vitesse objet Unité
Moyenne 5,2 5,9 5,9 4.1 5,74 m/s
Maximum 15,63 13,19 17,39 10,76 14,46 m/s
Minimum 1,06 1,94 0,74 0.8 1,64 m/s
o Les vitesses moyennes sont presque égales pour l’objet, FAM, FAV.
o Les vitesses sont plus petites que les vitesses dans le cas précédent.

32
*Statistique des inter distances
Tableau3.15 :les grandeurs statistiques de distances inter véhiculaires
DFAM D FAV D IAM D IAV Unité
Moyenne 12,96 10,85 19,9 16 m
Maximum 59,54 36,33 72,63 44,62 m
Minimum 2,42 0,007 1,95 3,23 m
o on voit qu’au niveau de distance inter véhiculaires l’écart entre les
deux cas est faible.
3.4.3 Conclusion
Dans cette conclusion on va comparer les vitesse moyennes de véhicules
objet et les créneaux acceptés par les véhicules dans les deux cas.
Premier cas Deuxième cas Unité
DFAV-DFAM 12 2.1 m
Vitesse 9.61 5.74 m/s

33
BIBLIOGRAPHIE
Carlos F. daganzo. (1997). Fundamentals of Transportation
and Traffic Operations, Elsevier science Ltd, Oxford.
Christine Buisson. 2002. Modélisation de l’écoulement du trafic
routier, cours optionnels du DEA de Génie Civile , Ecole
doctorale MEGA, Lyon.
Simon COHEN. 1990. Ingénierie du trafic routier. Cours de
l’Ecole Nationale des Ponts et Chaussées, Paris.
Certu. 2001. Les capteurs vidéo de trafic.
Jacque Nouvier. 2005. Transport Intelligent VA Transport,
ENTPE, Lyon.
Ahmed, Kazi: Modeling Drivers’ Acceleration and Lane
Changing Behavior, Février, 1999.
P.Hidas: Transportation Research part c13 (2005) 37-62.
Site Internet
http://ngsim.camsys.com. dernier consultation :24/07/06.

34

35
ANNEXE 1

36
DISTANCES INTER-VEHICULAIRES

37

38

39

40

41
TRAJECTOIRES

42

43

44

45

46

47
VITESSES

48

49

50

51

52

53
ANNEXE 2

54
CODE MATLAB
%% Le 6 Juin 2006
%% Essai de traitement des fichiers récupérés de NGSIM
Fenetre =40; %%% 20 observations avant le changement de voie sont
enregistrées. Idem après.
TabVehChangVoi = zeros(Fenetre*2+1,12,length(changvoi));
I = [1:Fenetre*2+1];
MomentChangVoi=zeros(1,length(changvoi));
PiedsVersMetres = 0.3034;
for iv = 1 : length(changvoi)
%% for iv = 1 :2
%% On commence par chercher l'indice dans le grand tableau d de
%% l'observation qui correspond au changement de voie du véhicule iv.
nov = changvoi7(iv,1);
IndiceD = find(d(:,1)==nov);
TabTempo = d(IndiceD,:);
% figure;
% plot(TabTempo(:,2),TabTempo(:,6));
ObsChangVoi(iv)= max(find(TabTempo(:,14)==TabTempo(1,14)));
MomentChangVoi(iv)=TabTempo(ObsChangVoi(iv),2);
vitess0ChangVoi(iv)=TabTempo(ObsChangVoi(iv),12)*PiedsVersMetres;
%% C'est l'indice de la dernière fois où il est sur une la voie
initiale.
IndicesTemps = [max(1,ObsChangVoi(iv)-
(Fenetre)):min(length(TabTempo),ObsChangVoi(iv)+Fenetre)];
%% Première colone pas de temps.
if length(IndicesTemps)<length(I)
if ObsChangVoi(iv)<Fenetre+1
idebut = Fenetre+1-(ObsChangVoi(iv)-1);
ifin = Fenetre*2+1;
else
ifin = min(length(TabTempo),ObsChangVoi(iv)+Fenetre);
idebut = ObsChangVoi(iv)-Fenetre;
end;
Ii = [idebut:ifin];
else
Ii = I;
idebut = 1;
ifin = Fenetre*2+1;
end;
TabVehChangVoi(Ii,1,iv) = TabTempo(IndicesTemps,2);
%% Deuxième : position du véhicule considéré en x en metres.
TabVehChangVoi(Ii,2,iv) = TabTempo(IndicesTemps,6)*PiedsVersMetres;

55
%% Troisième : vitesse du véhicule considéré (en m/s) :
TabVehChangVoi(Ii,3,iv) = TabTempo(IndicesTemps,12)*PiedsVersMetres;
%% quatriéme:position du vehicule considéreé en y en mertes
% TabVehChangVoi(Ii,4,iv) = TabTempo(IndicesTemps,5)*PiedsVersMetres;
%% N° du véhicule initialement situé sur la meme voie que iv en aval;
IAV = TabTempo(ObsChangVoi(iv)-2,15);
IAM = TabTempo(ObsChangVoi(iv)-2,16);
FAV = TabTempo(ObsChangVoi(iv)+2,15);
FAM = TabTempo(ObsChangVoi(iv)+2,16);
VoieInitiale = TabTempo(ObsChangVoi(iv)-2,14);
% if (VoieInitiale == 7) && (IAV==0)
% iv
% nov
% 'vehicule venant de la rampe d''accès'
% else
if IAM>0
for it = idebut:ifin
Identifie = find( (d(:,1)==IAM) &
(d(:,2)==TabVehChangVoi(it,1,iv)) );
if Identifie
PosIAM(it) = d(Identifie,6)*PiedsVersMetres;
TabVehChangVoi(it,5,iv)= TabVehChangVoi(it,2,iv)-
PosIAM(it);
if it ==Fenetre+1 %% oN est au moment du changement de
voie, on stocke la vitesse
VitIAM(iv)=d(Identifie,12)*PiedsVersMetres;
gap1(iv)= TabVehChangVoi(it,5,iv);
% VitIAM(it)=d(Identifie,12)*PiedsVersMetres;
% TabVehChangVoi(it,4,iv)= VitIAM(it);
end;
end;
clear Identifie
end;
end;
if IAV>0
Identifie = find( (d(:,1)==IAV) &
if Identifie
PosIAV(it) = d(Identifie,6)*PiedsVersMetres;
TabVehChangVoi(it,6,iv)= -
TabVehChangVoi(it,2,iv)+PosIAV(it);
VitIAV(iv)=d(Identifie,12)*PiedsVersMetres;
gap2(iv)=TabVehChangVoi(it,6,iv);
end;
end;
clear Identifie
end;
end;
if FAV>0
Identifie = find( (d(:,1)==FAV) &
if Identifie
PosFAV(it) = d(Identifie,6)*PiedsVersMetres;

56
TabVehChangVoi(it,7,iv)= -
TabVehChangVoi(it,2,iv)+PosFAV(it);
VitFAV(iv)=d(Identifie,12)*PiedsVersMetres;
% VitFAV(it)=d(Identifie,12)*PiedsVersMetres;
% TabVehChangVoi(it,10,iv)= VitFAV(it);
% TabVehChangVoi(it,11,iv)= PosFAV(it);
end;
end;
clear Identifie
end;
end;
if FAM>0
Identifie = find( (d(:,1)== FAM) &
if Identifie
PosFAM(it) = d(Identifie,6)*PiedsVersMetres;
TabVehChangVoi(it,8,iv)= TabVehChangVoi(it,2,iv)-
PosFAM(it);
VitFAM(iv)=d(Identifie,12)*PiedsVersMetres;
% TabVehChangVoi(it,9,iv)= VitFAM(it);
% TabVehChangVoi(it,12,iv)= PosFAM(it);
end;
end;
clear Identifie
end;
end;
% PosIAM(I) =
d(find(((d(:,1)==IAM)&(d(:,2)==TabVehChangVoi(I,1,iv)))),6)*PiedsVersMetres
;
% TabVehChangVoi(I,4,iv)= TabVehChangVoi(I,2,iv)-PosIAM(I);
%% on stock les instante correspond oux moment de changement des voie
clear IndiceD;
clear TabTempo;
clear IndicesTemps;
clear Ii;
clear idebut;
clear ifin;
end;
colone 9 vitese FAM
colone 10 vitesse FAV
les vitesses
iv=19;
subplot(2,2,[3 4]),
plot(TabVehChangVoi(:,3,iv));title('Vitesse'),xlabel('t'),ylabel('m/s');

57
subplot(2,2,1), plot(TabVehChangVoi(:,9,iv));title('Vitesse
FAM');xlabel('t'),ylabel('m/s');
subplot(2,2,2), plot(TabVehChangVoi(:,10,iv));title('Vitesse
FAV');xlabel('t'),ylabel('m/s');
trajectoires
iv=19;
hold on;
plot(TabVehChangVoi(:,2,iv)),xlabel('t'),ylabel('m');
plot(TabVehChangVoi(:,11,iv));
plot(TabVehChangVoi(:,12,iv));
legend('objet','FAV','FAM');
distances intervéhiculaires
iv=19;
subplot(2,2,1),
plot(TabVehChangVoi(:,5,iv));title('IAM'),xlabel('t'),ylabel('m');
subplot(2,2,2),
plot(TabVehChangVoi(:,6,iv));title('IAV'),xlabel('t'),ylabel('m');
subplot(2,2,3),
plot(TabVehChangVoi(:,7,iv));title('FAV'),xlabel('t'),ylabel('m');
subplot(2,2,4),
plot(TabVehChangVoi(:,8,iv));title('FAM'),xlabel('t'),ylabel('m');
end;
hold on;
legend('IAM','IAV','FAV','FAM')
if IAV>0
subplot(2,2,2),plot(TabVehChangVoi(:,1,iv),TabVehChangVoi(:,6,iv)),title('I
AV'),xlabel('0.1*sec)'),ylabel('gap(m)');
end;
if FAV>0
subplot(2,2,3),plot(TabVehChangVoi(:,1,iv),TabVehChangVoi(:,7,iv)),title('F
AV'),xlabel('0.1*sec)'),ylabel('gap(m)');
end;
if FAM>0
subplot(2,2,4),plot(TabVehChangVoi(:,1,iv),TabVehChangVoi(:,8,iv)),title('F
AM'),xlabel('0.1*sec)'),ylabel('gap(m)');
end;
end;
for iv=30:266
figure;
plot(TabVehChangVoi(:,1,iv),TabVehChangVoi(:,3,iv)),title('vitess des
vehicules(1:20) changent la voie(1:20)'),xlabel('(0.1*sec)'),ylabel('vitess
(m/sec)');
for iv=1:20
if IAM>0
GapAccep(iv)=TabVehChanVoi(t0,5,iv
end;
%% pour la matrice de changement de voie les informations sont les
suivantes:
%% colon n°1: Temps
%%colon n°2: Position x(m)
%% colon n°3: la vitess de véhicule objet (m/sec)

58
%%colon n°4: la position y(m)
%% colon n°5: la distance entre le véhicule objet et IAM (le vehicule en
amont sur la voie initial)
%% colon n°6: la distance entre le véhicule objet et IAV (le vehicule en
aval sur la voie initial)
%% colon n°7: la distance entre le véhicule objet et FAV (le vehicule en
aval sur la voie cible)
%% colon n°8: la distance entre le véhicule objet et FAM (le vehicule en
amont sur la voie cible)
% %%% Trace du 12
%
% iv=1
% hold on;
% plot(TabVehChangVoi(:,1,1), PosIAV(it));
% plot(TabVehChangVoi(:,1,1), PosFAM(it));
% plot(TabVehChangVoi(:,1,1), TabVehChangVoi(:,2,1));
% legend('IAM','FAM','objet');
% plot(
% subplot(2,2,1); plot(TabVehChangVoi(:,1,1), TabVehChangVoi(:,2,1));
%
% subplot(2,2,[3 4]); plot(TabVehChangVoi(:,1,1), TabVehChangVoi(:,8,1));
% plot(TabVehChangVoi(:,1,1), TabVehChangVoi(:,:,1));
% plot(TabVehChangVoi(:,1), TabVehChangVoi(:,3));
% Figure;
% end;
% plot(Ecart)
% plot(Ecart')
% legend('IAM','IAV','FAV','FAM')
% plot(Ecart(find(Ecart(1,:)>0))')
% plot(Ecart(find(Ecart(1,:)>0),:)')
% plot(Ecart(:,find(Ecart(1,:)>0))')
% plot(Ecart')
% legend('IAM','IAV','FAV','Fam')
%
%
%
% for j= 1:4
% ecart(i,:)=TabVehChangVoi(41,4+j,:);
% end;
% plot(Ecart)
% plot(Ecart(find(Ecart(1,:)>0))')
% plot(Ecart(find(Ecart(1,:)>0),:)')
% plot(Ecart')
%
% end;
% vitess0ChangVoi(iv)=TabTempo(ObsChangVoi(iv),12)*Pieds VersMetres;
% c=vitess0ChangVoi';

59
%% 07 juin 2006
%% data1 c'est le fishier des données collectées de 5:00 à 5:15
d=load('data1.txt');
%% num c'est le numéro des vehicules
num=d(:,1);
%% ind c'est la matice de premiere indices de chaqie véhicule
ind=[];
for i =min(num):max(num)
c=min(find(num(:)==i));
ind=[ind;c];
end;
%% numveh c'est le numéro de chaque vehicule
numveh=[];
for i = ind(:)
c=num(i);
numveh=[numveh;c];
end;
%% starvoi[], est la matrice devs voies de départ de chaque véhicule
starvoi=[];
for i =ind(:)
c=[d(i,14)];
starvoi=[starvoi;c];
end;
%% endvoi [] est la matrice des voies de sortir
endvoi=[];
for i =min(ind):max(ind)-1
c=[d(ind(i+1)-1,14)];
endvoi=[endvoi;c];
end;
endvoi(1836,1)=1;
%% changvoi[] est la matrice des vehicules qui changent leurs voies
changvoi=[];
v=[numveh,ind,starvoi,endvoi];
for i= 1:length(v);
if v(i,3)~=v(i,4),c=[v(i,:)];
changvoi=[changvoi;c];
end;
end;
changvoi2=[];changvoi3=[];changvoi4=[];changvoi5=[];changvoi6=[];changvoi7=
[];
changvoi7=[];
for i=1:length(changvoi)
if changvoi(i,3)==7
c1=changvoi(i,:);
changvoi7=[changvoi7;c1];
end;
end;
elseif changvoi(i,4)==2
c2=changvoi(i,:);
c3=changvoi(i,:);

60
c4=changvoi(i,:);
c5=changvoi(i,:);
c6=changvoi(i,:);
c7=changvoi(i,:);
end;
end;
%% L'agrégation de changement de voie par voie
fra=zeros(7,2);
%% L'agrégation par endvoie(voie de sortir)
classveh=zeros(7,2);
c1=0;
for j=1:7
for i =1:length(endvoi)
if endvoi(i)==j
c1=1+c1
end;
end;
classveh(j,1)=j;
classveh(j,2)=c1;
c1=0;
end;
%% L'agrégation par starvoi (voie de départ)
staveh=zeros(7,2);
c1=0;
for j=1:7
for i =1:length(starvoi)
if starvoi(i)==j
c1=1+c1
end;
end;
staveh(j,1)=j;
staveh(j,2)=c1;
c1=0;
end;
cha3vers6=[];
for i=1:length(changvoi6)
if changvoi6(i,3)==3
c3=changvoi6(i,:);
cha3vers6=[cha3vers6;c1];
end;
end;

61
voie=d(:,14);
PiedsVersM%% distribution de distances intervehiculaires par voie
etres=0.3036;
IndNumVeh5=[];
%% VI les numéros de véhicules sur la voie n°1
VI5=[];
num=d(:,1);
for i =min(num):max(num);
IndicVoie5=find(voie(:)==5);
Voie5=d(IndicVoie5,:);
end;
num5=Voie5(:,1);
for i=min(num5):max(num5)
c=min(find(num5(:)==i));
IndNumVeh5=[ IndNumVeh5;c];
end;
for i= IndNumVeh5(:)
c=num5(i);
VI5=[VI5;c];
end;
DistInterVeh2=Voie2(:,17);
x=[1:1:100];
hist(DistInterVeh1*PiedsVersMetres,x);
for i =1:length(Voie1)
dm4=sum(Voie4(:,17)*PiedsVersMetres)/length(Voie4);
for i=1:217
plot(Voie7(IndNumVeh7(i):IndNumVeh7(i+1)-
1,2),Voie7(IndNumVeh7(i):IndNumVeh7(i+1)-
1,6)*PiedsVersMetres),xlabel('(sec)'),ylabel('(m)'),title('TRAJECTOIRES DE
VEHICULES SUR LA VOIE N°7');
hold on;
end
%% Le 30 Juin 2006
%% Essai de traitement des fichiers récupérés de NGSIM
Fenetre =20; %%% 20 observations avant le changement de voie sont
enregistrées. Idem après.
I = [1:Fenetre*2+1];
MomentChangVoi=zeros(1,length(changvoi));
PiedsVersMetres = 0.3034;
b=zeros(length(changvoi),9);
for iv=1;
%% for iv = 1 :2
% for iv=1:20
%% On commence par chercher l'indice dans le grand tableau d de
%% l'observation qui correspond au changement de voie du véhicule iv.
nov = changvoi(iv,1);
IndiceD = find(d(:,1)==nov);
TabTempo = d(IndiceD,:);
% figure;
% plot(TabTempo(:,2),TabTempo(:,6));
ObsChangVoi(iv)= max(find(TabTempo(:,14)==TabTempo(1,14)));
MomentChangVoi(iv)=TabTempo(ObsChangVoi(iv),2);
vitess0ChangVoi(iv)=TabTempo(ObsChangVoi(iv),12)*PiedsVersMetres;
%% C'est l'indice de la dernière fois où il est sur une la voie
initiale.

62
% IndicesTemps = [max(1,ObsChangVoi(iv)-
(Fenetre)):min(length(TabTempo),ObsChangVoi(iv)+Fenetre)];
%
% %% Première colone pas de temps.
% if length(IndicesTemps)<length(I)
% if ObsChangVoi(iv)<Fenetre+1
% idebut = Fenetre+1-(ObsChangVoi(iv)-1);
% ifin = Fenetre*2+1;
% else
% ifin = length(TabTempo)-ObsChangVoi(iv);
% idebut = ObsChangVoi(iv)-Fenetre;
% end;
% Ii = [idebut:ifin];
% else
% Ii = I;
% idebut = 1;
% ifin = Fenetre*2+1;
% end;
% TabVehChangVoi(Ii,1,iv) = TabTempo(IndicesTemps,2);
%
% %% Deuxième : position du véhicule considéré en x en metres.
% %% Troisième : vitesse du véhicule considéré (en m/s) :
% %% quatriéme:position du vehicule considéreé en y en mertes
% %% N° du véhicule initialement situé sur la meme voie que iv en aval;
IAV = TabTempo(ObsChangVoi(iv)-2,15);
IAM = TabTempo(ObsChangVoi(iv)-2,16);
FAV = TabTempo(ObsChangVoi(iv)+2,15);
FAM = TabTempo(ObsChangVoi(iv)+2,16);
% VoieInitiale = TabTempo(ObsChangVoi(iv)-2,14);
% if (VoieInitiale == 7) && (IAV==0)
% iv
% nov
% 'vehicule venant de la rampe d''accès'
% else
if IAM>0
for it = 1:I
Identifie = find( (d(:,1)==IAM) &
(d(:,2)==TabTempo(IndicesTemps,2)));
% if Identifie
% PosIAM(it) = d(Identifie,6)*PiedsVersMetres;
% TabVehChangVoi(it,5,iv)= TabVehChangVoi(it,2,iv)-
PosIAM(it);
VitIAM(iv)=d(Identifie,12)*PiedsVersMetres;
disIAM(iv)=-
d(Identifie,6)*PiedsVersMetres+TabVehChangVoi(it,2,iv);
b(iv,1)=disIAM(iv);
b(iv,2)=disIAM(iv);
end;
clear Identifie
end;
end;
if IAV>0

63
Identifie = find( (d(:,1)==IAV) &
% if Identifie
% PosIAV(it) = d(Identifie,6)*PiedsVersMetres;
% TabVehChangVoi(it,6,iv)= -
TabVehChangVoi(it,2,iv)+PosIAV(it);
VitIAV(iv)=d(Identifie,12)*PiedsVersMetres;
disIAV(iv)=d(Identifie,6)*PiedsVersMetres-
TabVehChangVoi(it,2,iv);
b(iv,3)=disIAM(iv);
b(iv,4)=disIAM(iv);
end;
clear Identifie
end;
end;
if FAV>0
Identifie = find( (d(:,1)==FAV) &
% if Identifie
% PosFAV(it) = d(Identifie,6)*PiedsVersMetres;
% TabVehChangVoi(it,7,iv)= -
TabVehChangVoi(it,2,iv)+PosFAV(it);
VitFAV(iv)=d(Identifie,12)*PiedsVersMetres;
disFAV(iv)=d(Identifie,6)*PiedsVersMetres-
TabVehChangVoi(it,2,iv);
b(iv,5)=disIAM(iv);
b(iv,6)=disIAM(iv);
end;
clear Identifie
end;
end;
if FAM>0
Identifie = find( (d(:,1)== FAM) &
% if Identifie
% PosFAM(it) = d(Identifie,6)*PiedsVersMetres;
% TabVehChangVoi(it,8,iv)= TabVehChangVoi(it,2,iv)-
PosFAM(it);
VitFAM(iv)=d(Identifie,12)*PiedsVersMetres;
disFAM(iv)=-
d(Identifie,6)*PiedsVersMetres+TabVehChangVoi(it,2,iv);
b(iv,7)=disIAM(iv);
b(iv,8)=disIAM(iv);
end;
clear Identifie

64
end;
end;
clear IndiceD;
clear TabTempo;
clear IndicesTemps;
clear Ii;
clear idebut;
clear ifin;
end;
vitess0ChangVoi(iv)=TabTempo(ObsChangVoi(iv),12)*Pieds VersMetres;
c=vitess0ChangVoi';
%% 07 juin 2006
%% data1 c'est le fishier des données collectées de 5:00 à 5:15
d=load('data1.txt');
%% num c'est le numéro des vehicules
num=d(:,1);
%% ind c'est la matice de premiere indices de chaqie véhicule
ind=[];
for i =min(num):max(num)
c=min(find(num(:)==i));
ind=[ind;c];
end;
%% numveh c'est le numéro de chaque vehicule
numveh=[];
for i = ind(:)
c=num(i);
numveh=[numveh;c];
end;
%% starvoi[], est la matrice devs voies de départ de chaque véhicule
starvoi=[];
for i =ind(:)
c=[d(i,14)];
starvoi=[starvoi;c];

65
end;
%% endvoi [] est la matrice des voies de sortir
endvoi=[];
for i =min(ind):max(ind)-1
c=[d(ind(i+1)-1,14)];
endvoi=[endvoi;c];
end;
endvoi(1836,1)=1;
%% changvoi[] est la matrice des vehicules qui changent leurs voies
changvoi=[];
v=[numveh,ind,starvoi,endvoi];
for i= 1:length(v);
if v(i,3)~=v(i,4),c=[v(i,:)];
changvoi=[changvoi;c];
end;
end;
starvoi1=[];starvoi2=[];starvoi3=[];starvoi4=[];starvoi5=[];starvoi6=[];sta
rvoi7=[];
for i=1:length(v)
if v(i,3)==1
c1=v(i,:);
starvoi1=[starvoi1;c1];
elseif v(i,3)==2
c2=v(i,:);
elseif v(i,3)==3
c3=v(i,:);
elseif v(i,3)==4
c4=v(i,:);
elseif v(i,3)==5
c5=v(i,:);
elseif v(i,3)==6
c6=v(i,:);
elseif v(i,3)==7
c7=v(i,:);
end;
end;

66

Analyse microscopique de la circulation routière

Recommandé

Recommandé

Contenu connexe

Similaire à Analyse microscopique de la circulation routière

Similaire à Analyse microscopique de la circulation routière (20)

Dernier

Dernier (8)

Analyse microscopique de la circulation routière