Recherche sur des méthodes d'optimisation pour la mise en place de modèles intégrés de transport et usage des sols

Mots clé :

• Tranus
• usage de sol
• calibration
• optimisation
• land use

Les modèles intégrés d'usage des sols et de transport (LUTI) visent à représenter les interactions complexes entre l'usage des sols et l'offre et la demande de transport sur le territoire. Ils sont principalement utilisés pour évaluer différents scénarios de planification, par la simulation de leurs effets tendanciels sur les modes d'usage des sols et les comportements de déplacement. La mise en place d'un modèle LUTI nécessite l'estimation de plusieurs types de paramètres pour reproduire le plus fidèlement possible les observations recueillies sur la zone étudiée (données socio-économiques, enquêtes de transport, etc.). La grande majorité des approches de calibration disponibles sont semi-automatiques et estiment un sous-ensemble de paramètres à la fois, sans estimation globale intégrée.
L'objectif de ce travail est d'améliorer la procédure de calibration de Tranus, l'un des modèles LUTI les plus utilisés, en développant des outils pour l'estimation automatique et simultanée des paramètres. Parmi les améliorations proposées, nous remplaçons l'estimation de la boucle interne des paramètres endogènes (connus sous le nom de "shadow prices") par une procédure d'optimisation appropriée. Pour cela, nous examinons attentivement les mathématiques et les théories micro-économiques à la base des différentes équations du modèle. Nous proposons une solution d'optimisation efficace, en divisant l'ensemble du problème d'optimisation en problèmes équivalents plus petits. Nous validons alors notre algorithme avec des modèles synthétiques où l'ensemble optimal de paramètres est connu.
Deuxièmement, notre objectif de développer une calibration automatique entièrement intégrée, nous développons un schéma d'estimation intégré pour les "shadow prices" et un sous-ensemble de paramètres difficiles à estimer. Le système se révèle être supérieur à la qualité de calibration obtenue par l'approche classique, même lorsqu'elle est effectuée par des experts. Nous proposons également une analyse de sensibilité pour identifier les paramètres influents, que nous combinons à un algorithme d'optimisation pour améliorer la calibration des paramètres sélectionnés.
Troisièmement, nous contestons le point de vue classique adopté par Tranus et divers modèles LUTI, selon lequel la calibration devrait déterminer des paramètres pour lesquels les résultats de la modélisation correspondent parfaitement aux données observées. Cela peut en effet entraîner un risque de sur-paramétrisation (pour Tranus, en utilisant trop de paramètres de "shadow prices"), qui limiterait les capacités prédictives du modèle. Nous proposons donc un procédé de sélection des paramètres afin d'obtenir un bon compromis entre la complexité du modèle (dans notre cas, le nombre de "shadow prices") et la qualité de l'ajustement des résultat de la modélisation aux observations. Nos expériences montrent qu'au moins les deux tiers des "shadow prices" peuvent être supprimés tout en conservant un ajustement presque parfait aux observations.

La contribution décrite ci-dessus est démontrée sur des modèles Tranus de 3 régions métropolitaines, aux États-Unis et en Europe.

Directeurs:

• Mr Peter Sturm (INRIA )
• Mr Arthur Vidard (INRIA )

Raporteurs:

• Mr Vincent Hilaire (Université de Technologie de Belfort-Montbéliard )
• Mr Michael Batty (University College London )

Examinateurs:

• Mr Nicolas Coulombel (Université Paris-Est )
• Mr Carlos Canudas de Wit (CNRS )
• Mr Tomas de la Barra (Universidad Central de Venezuela )