Characterization of dynamic mobility patterns with the most significant contribution to pollution on an urban scale
Caractérisation des motifs dynamiques de mobilité ayant la contribution à la pollution la plus significative à l’échelle urbaine
Résumé
The road sector is a major source of air pollution in urban areas, with negative consequences for health, the environment, the climate and the economy. The aim of this thesis is to contribute to the reduction of emissions of atmospheric pollutants, including greenhouse gases, and fossil energy use, by optimizing vehicle routes from an environmental point of view (eco-routing). The project aims to assess the potential benefits of eco-routing by studying thousands of trips reconstructed from GNSS tracks on an urban scale, and the impact of eco-routing on the system as a whole. Since 2022, GNSS navigation applications in France have been required to provide users with environmental information. The first part of the thesis studies the potential of eco-routing through a database composed of routes derived from GNSS tracks. However, although GNSS tracks provide a large amount of traffic data with significant spatial and temporal coverage, sampling is sometimes poor on certain sections of the network to determine the speed flow of vehicles for a given period. A method based on a supervised Machine Learning model is proposed to obtain a dynamic speed map from FCDs in order to overcome missing data. This map can be used to estimate pollutant emissions on each section of the network using the COPERT emissions model, and to search for eco-routes using Dijkstra's “time-dependent” algorithm.However, as traffic-related phenomena are highly non-linear, a variation in one element of the system (changes in Origin-Destination flows, routes taken, departure times, etc.) can produce variations in the system as a whole. The second part of the thesis studies the impact of eco-routing on the scale of the urban network, using traffic simulations carried out on Symuvia. Indeed, it is necessary to study the behavior of the network in response to the changes generated by eco-routes. First, a sensitivity analysis of potential and actual gains is carried out by varying pollutants and the penetration rate of eco-routes in a targeted or random way. The aim of this analysis is to assess the actual impact of the eco-routes obtained during the simulations, and to measure any deviations from the expected potential impact. Next, a study of the stability and performance of eco-routes is carried out by running several iterative simulations, targeting eco-routes according to 2 complementary scenarios. The aim of this study is to assess (i) the method's ability to target eco-routes for day n+1 depending on traffic conditions on day n, and (ii) the method's stability and performance after several iterations.
Le secteur routier représente une source majeure de pollution atmosphérique dans les zones urbaines entraînant des conséquences négatives sur la santé, l'environnement, le climat, et l'économie. Les travaux de cette thèse visent à contribuer à la réduction des émissions de polluants atmosphériques, dont les gaz à effet de serre, et de l'utilisation d'énergie fossile en optimisant les itinéraires des véhicules d'un point de vue environnemental (éco-navigation). Ils portent d'une part sur l'évaluation des gains potentiels de l'éco-navigation à travers l'étude à l'échelle urbaine de milliers d'itinéraires reconstitués à partir de traces GNSS, et d'autre part, sur les conséquences de l'éco-navigation sur l'ensemble du système. Depuis 2022, les applications de navigation GNSS ont désormais l'obligation en France de fournir des informations environnementales aux utilisateurs. La première partie de la thèse étudie le potentiel de l'éco-navigation à travers une base de données composée d'itinéraires issus de traces GNSS. Cependant, bien que les traces GNSS fournissent une grande quantité de données de trafic avec une couverture spatiale et temporelle importante, l’échantillonnage s’avère parfois faible sur certains tronçons du réseau pour déterminer la vitesse du flot de véhicules pour une période donnée. Une méthode basée sur un modèle de Machine Learning supervisé est proposée pour obtenir une carte dynamique de vitesses à partir de FCDs afin de remédier aux sous-échantillonnages. Cette carte permet d’estimer les émissions de polluants sur chaque tronçon du réseau avec le modèle d'émissions COPERT et de rechercher des éco-itinéraires en utilisant l'algorithme « time-dependent » de Dijkstra. Cependant, les phénomènes liés au trafic étant fortement non linéaires, une variation sur un élément du système (modification des flux par Origine-Destination, des itinéraires empruntés, des heures de départ, etc.) peut produire des variations sur l’ensemble du système. La deuxième partie de la thèse étudie ainsi l’impact de l'éco-navigation à l’échelle du réseau urbain par le biais de simulations de trafic réalisées sur Symuvia. En effet, il est nécessaire d’étudier le comportement du réseau en réponse aux changements apportés par les éco-itinéraires. Tout d'abord, une analyse de sensibilité des gains potentiels et effectifs est réalisée en faisant varier les polluants et le taux de pénétration des éco-itinéraires de manière ciblée ou aléatoire. Cette analyse a pour objectif d'analyser l'impact réel des éco-itinéraires obtenus lors des simulations et de mesurer les écarts avec l'impact potentiel attendu. Ensuite, une étude sur la stabilité et la performance des éco-itinéraires est menée en réalisant plusieurs simulations itératives en ciblant certains éco-itinéraires selon 2 scénarios complémentaires. Cette étude vise à évaluer (i) la capacité de la méthode à cibler des éco-itinéraires pour le jour n+1 en fonction des conditions de trafic du jour n et (ii) la stabilité et les performances de la méthode à l'issue de plusieurs itérations.
| Origine | Version validée par le jury (STAR) |
|---|