Présentation :
Dans le domaine des transports en commun, le resserrement d’intervalle désigne un groupe de deux véhicules de transport ou plus (comme des bus ou des trains), qui devaient normalement se situer à une certaine distance l’un de l’autre sur le même itinéraire, mais qui se retrouvent au contraire au même endroit, au même moment. Dave Sprogis, développeur logiciel bénévole et Analyste de données chez Watertown, dans l’état du Maryland, s’est servi d’AnyLogic pour confirmer son hypothèse, à savoir qu’éviter les « resserrements d’intervalles » améliorerait l’expérience des usagers des transports en commun. Il a plus spécifiquement prouvé que les longues attentes aux arrêts de bus seraient éliminés et que l’encombrement des bus pouvait être atténué, en empêchant les petits retards d’un bus, avant qu’ils ne fassent boule de neige et produisent le phénomène que nous appelons « resserrement d’intervalle ».
Problème :
Les habitants de Watertown dans le Maryland se plaignent depuis longtemps de la mauvaise qualité du service sur les lignes de bus qui desservent la ville. Sachant que la Massachusetts Bay Transportation Authority (MBTA), qui dessert Watertown, avait publié une API grâce à laquelle des données en temps réel sur les bus pouvaient être collectées, Dave s’est porté volontaire pour développer un système SaaS visant à les collecter dans un entrepôt de données à des fins d’analyse. Les résultats de l’analyse ont été sans appel et ont montré que les bus perdaient beaucoup d’efficacité dans la desserte de leur itinéraire lorsqu’ils se retrouvaient ensemble, en particulier aux heures de pointe, lorsque les usagers ont avant tout besoin de régularité et de fiabilité.
Si les résultats étaient concluants, il fallait encore trouver une solution. Est-ce que les bus pleins doivent ignorer les passagers qui attendent aux arrêts pour permettre au bus derrière eux de les récupérer ? Est-ce que les horaires des bus doivent être actualisés afin de refléter de façon dynamique l’évolution des conditions de circulation et les demandes des usagers ? Ou bien, le fait de simplement faire ralentir les bus pour éviter les resserrements d’intervalles peut-il être bénéfique à long terme ?
Solution:
Dave avait l’intuition que faire ralentir les bus serait bénéfique, mais il devait le démontrer. Pour cela, il avait besoin de la simulation, car il ne s’agit pas d'un problème déterministe. Dave souhaitait observer l’impact du ralentissement des bus sur l’expérience globale des usagers. Quels sont les compromis ? Par exemple, est-ce que la réduction des temps d’arrêt va augmenter les temps de trajet pour les usagers et dans quelle mesure ? De plus, si les temps de trajet augmentent, le taux d’occupation des bus ne va-t-il pas augmenter également ? Seule la simulation, dans laquelle les variables peuvent être ajustées et les résultats évalués, permettait de répondre à ces questions.
Dave a modélisé un itinéraire existant à l’aide des fonctionnalités GIS d’AnyLogic. Ce modèle a permis à Dave de simuler la situation actuelle et la solution qu’il proposait, en recueillant des indicateurs dans les deux scénarios et en comparant les résultats. Dave a développé le modèle en utilisant les éléments suivants :
- Arrêts de bus.
- Bus, comportement des bus et contraintes d’utilisation.
- Usagers et comportement des usagers.
- Trajets.
Le modèle comprenait également des paramètres qui pouvaient être ajustés avant et pendant le trajet (à savoir le nombre de passagers, le délai de chargement des passagers, le délai de déchargement des passagers, la vitesse maximum du bus et le choix entre deux politiques).
Conclusions :
Ce modèle a permis à Dave de visualiser le problème et les solutions proposées. Les meilleurs résultats ont été obtenus avec la solution appelée « Equilibrium » par Dave, qui consiste à trouver un moyen de maintenir les distances entre les bus. Dans la politique « Equilibrium », les bus ne suivent plus leur itinéraire librement, mais font des ajustements en permanence et ralentissent, ou s’arrêtent, jusqu’à ce qu’il y ait une distance suffisante avec le bus devant eux.
Lorsque cette politique est appliquée, le nombre de passagers dans chaque bus est plus homogène et le temps d’attente est réparti de façon plus prévisible, ce qui élimine les temps d’attente excessivement longs et atténue l’encombrement des bus.
Dave recommande que la MBTA mette en place une « ubérisation » des bus, à l’aide d’une simple application « connectée », qui suggère aux chauffeurs le moment où ils doivent attendre en s’appuyant sur des indicateurs réseau, permettant ainsi de respecter la politique « Equilibrium ».
La transition entre la théorie et la pratique n’est pas toujours évidente. La mise en œuvre d’une solution peut s’avérer coûteuse et/ou risquée. La simulation constitue une étape intermédiaire importante, qui permet de mieux voir où l’on va et crée de la confiance avant que des investissements ne soient effectués. Le partage du modèle AnyLogic avec la MBTA va aider les décideurs à visualiser le problème et la solution qui est proposée, ce qui permettra au final d’améliorer la qualité du service offert aux usagers.