Présentation aux RFTM 2024 sur l'estimation des débits à partir des données FCD

ESTIMATION DU DÉBIT À PARTIR DE
DONNÉES FCD
RFTM 2024 - Bruxelles
26 juin 2024

MOTIVATION
RFTM 2024 : données FCD et débit 2
Boucle
électromagnétique
Floating Car Data
(FCD)
Autres
technologies
Débit (véh/h) Oui Non ...
Vitesse (km/h)
Temps de parcours
Oui
si boucle double
Oui ...
Classe de véhicule
Oui
si boucle double
Oui
selon l’origine des données
...
Avantages
Données publiques
Fiabilité métrologique
Couverture spatiale
Coût d’achat
...
Inconvénients
Capteurs ponctuels
Coût d’entretien
Données « propriétaires »
Variabilité du taux de
pénétration
...
Mesure du trafic routier

DES DONNÉES FCD AU DÉBIT ?
Espace
Temps
Débit ?
= nombre de véhicules
passés en un point x
entre t-Δt et t
Δx
Δt
x
Véhicule
autre
Véhicule
sonde
Vitesse
instantanée
Position
horodatée
Véhicule (i)

RFTM 2024 : données FCD et débit
Méthodologie
Données disponibles
Modélisation
Modèles
Variables explicatives
Métriques
Premiers résultats
Éléments de conclusion et pistes
de travail
SUITE DE LA PRÉSENTATION

Méthodologie

FORMALISATION MATHÉMATIQUE SIMPLIFIÉE
y = f(X)
y : variable cible
Ici, y = débit (véh/h)
X : variables explicatives
Ici, X inclut la vitesse moyenne
donnée par les données FCD (véh/h)
f : la relation à trouver !
Ici, on teste plusieurs modèles
Problème de régression :

APPROCHE RETENUE
1. Recueillir des données de débit et de vitesse FCD pour un même tronçon et pour une même
plage temporelle (+ même période d’agrégation temporelle)
1. Répéter pour plusieurs tronçons si possible
2. Traiter les données manquantes / aberrantes / extrêmes
2. Choisir les variables explicatives pertinentes
3. Séparer les données en 2 ensembles :
• Un ensemble d’entraînement (80% des données)
• Un ensemble de test (20% des données)
4. Choisir un (des) modèle(s) de régression
5. Validation croisée :
1. Entraîner le(s) modèle(s) de régression sur un sous-ensemble de l’ensemble d’entraînement
2. Tester les performances du(des) modèle(s) sur un sous-ensemble de l’ensemble d’entraînement
3. Répéter les 2 étapes précédentes sur des sous-ensembles différents (validation croisée)
6. Comparer les performances sur l’ensemble de test et conclure
7

Données disponibles

PLAN DES 7 SITES (RENNES)
Laval 
D173 - « voie de la Liberté »
D29
Bvd de la Liberté
Bvd de la Tour d’Auvergne

LISTE DES DONNÉES DISPONIBLES
Difficulté
Type de
réseau
Gestionnaire Site Période temporelle Débits FCD
Interurbain DIRO
RN157 entre Rennes et Laval
(2 stations : Brécé et Noyal)
~7 mois
Du 24/03/2021 au
21/10/2021
6 min 6 min
Périurbain
DIRO
RN136 périphérique de Rennes
(porte de Villejean)
~7 mois
Du 26/03/2021 au
21/10/2021
6 min 6 min
Rennes
Métropole
RD29
2 ans
Du 01/01/2021 au
20/03/2023 entre 5h et 22h
6 min 15 min
RD173 6 min 15 min
Urbain
Rennes
Métropole
Boulevard de la Tour d’Auvergne 15 min 15 min
Boulevard de la Liberté 15 min 15 min

Choix du modèle

VARIABLES EXPLICATIVES
Vitesse
moyenne
Mois
Jour de
semaine
Heure Vacances Férié Sens
Nom de
la voie
Vitesse
limite
autorisée
Nombre de
voies
Site par
site X X X X X X X
Tous sites
confondus X X X X X X X X X X

MODÈLES TESTÉS
1. Modèles linéaires
• Régression linéaire
• ElasticNet
2. Modèle polynomial
3. Modèles à base d’arbres décisionnels
• DecisionTree
• RandomForest
• GradientBoosting
• CatBoost
• XGBoost
• LightGBM

PREMIERS RÉSULTATS (SITE PAR SITE)
Type de
réseau
Gestionnaire Site R2 RMSE
Erreur
max
Interurbain DIRO
RN157 entre Rennes et Laval
(2 stations : Brécé et Noyal)
0,94 240 2400
Périurbain
DIRO
RN136 périphérique de Rennes
(porte de Villejean)
0,93 210 1700
Rennes
Métropole
RD29 0,84 100 800
RD173 0,93 150 1500
Urbain
Rennes
Métropole
Boulevard de la Tour d’Auvergne 0,87 150 1100
Boulevard de la Liberté 0,80 230 1600

PREMIERS RÉSULTATS (SITE PAR SITE)
Quelques enseignements :
1. Modèles à base d’arbres décisionnels performants
2. Prédiction de valeurs négatives
3. Surestimation des valeurs basses
4. Sous-estimation des valeurs hautes

EXEMPLE : BVD DE LA TOUR D’AUVERGNE
R² = 0,873
Écart =
100%
valeur réelle
Écart = 50% valeur réelle

RÉSULTATS (TOUTES STATIONS CONFONDUES)
Variables explicatives :
• Vitesse (FCD), mois, jour de semaine, heure, vacances, férié, nom de la
route, nombre de voies, vitesse maximale autorisée, sens
• Méthodes à base d’arbres décisionnels
• Des valeurs R² a priori satisfaisantes mais de gros écarts

RÉSULTATS (TOUTES STATIONS CONFONDUES)
lundi
Dimanche
Catboost – Boulevard de la Liberté – les mardis de janvier à 8h

Pistes

QUELQUES PISTES
• Pertinence des données FCD en entrée :
• Heures creuses ?
• Présence de bretelles d’insertion / de sortie ?
• Présence de collectrices ?
• Taille du tronçon versus fréquence d’échantillonnage : limite en milieu urbain ?
• Approche réseau à développer
• Nouveau jeu de données espéré en 2024 (Metz Métropole)

Merci de votre attention

INTERVENANTS
22
Audrey COMEMALE
Chargée d’études en modélisation multimodale des déplacements
Cerema Est, Metz
audrey.comemale@cerema.fr
Guillaume COSTESEQUE
Chargé d’études en optimisation du trafic routier et ITS
Cerema Ouest, Nantes
guillaume.costeseque@cerema.fr

Présentation aux RFTM 2024 sur l'estimation des débits à partir des données FCD

Contenu connexe

Plus de Guillaume Costeseque

Présentation aux RFTM 2024 sur l'estimation des débits à partir des données FCD