Estimation des impacts atmosphériques des projets de gestion de trafic : de l’application des modèles théoriques sur des cas concrets

Estimating the atmospheric impacts of traffic management projects: application of theoretical models to concrete cases

Résumé

Outre ses nombreux impacts négatifs en termes économique et social, la congestion accentue les émissions de CO2 et de polluants locaux dues au trafic routier. La saturation des réseaux peut cependant être limitée par diverses mesures de gestion du trafic mises en place par l’exploitant; mais l’impact immédiat de ces mesures sur la qualité de l’air et les rejets de gaz à effet de serre reste très mal quantifié par les outils d’évaluation couramment employés. En effet, ces derniers utilisent des données de trafic très agrégées, qui ne permettent pas de représenter efficacement les modifications induites par les politiques de gestion du trafic dans la manière dont s’écoule le trafic. L’article présente un outil d’évaluation capable de prendre en compte ces effets: cet outil résulte de la combinaison d’un modèle dynamique de trafic et d’un modèle d’émissions. Un modèle de trafic dynamique unique (AIMSUN), très couramment utilisé dans les processus d’aide à la décision, a été couplé à différents modèles d’émissions, dans le but d’identifier les facteurs de modélisation pouvant conduire ou non à des différences d’estimation d’impact. Les différents couplages de modèles ont été mis en oeuvre et comparés entre eux sur deux mesures de gestion du trafic concrètes: la mise en place d’une voie réservée aux bus et aux taxis sur l’autoroute A1 entre l’aéroport Roissy-Charles-de-Gaulle et Paris, d’une part, et une réduction de la limitation de vitesse sur une portion de la rocade A86 au nord-ouest de la capitale, d’autre part. Il s’avère que les variations d’émissions prédites par les différents modèles peuvent significativement varier. Les écarts observés entre les modèles ne résultent pas uniquement de différences dans leurs lois d’émissions, mais également de leur capacité à représenter les variations d’écoulement de trafic induites par les mesures de régulation. Cet article propose ainsi un premier éclairage permettant d’expliquer les écarts observés et identifie des pistes de progrès pour les recherches à venir sur les modèles de trafic et d’émissions ainsi que sur leur couplage.

Abstract

In addition to its harmful economical and social effects, road traffic congestion is a key contributor of emissions of CO2 and local pollutants. Many traffic management policies could be implemented to tackle it. However, the impacts of those strategies on air quality and greenhouse effect are poorly predicted by classical assessment procedures. Indeed, current assessment tools are based on aggregated traffic data, which fail to capture the dynamic effects of traffic management policies on traffic flow. This article presents an estimation tool capable of measuring all the effects of traffic management policies. It is based on a commonly used dynamic traffic flow model (AIMSUN) combined with different emission models, in order to identify modelling features leading or not to differences in results. Different models combination have been applied and compared for two traffic regulation strategies: a HOV lane dedicated only to buses and taxis created on the leftmost lane of A1 between Charles de Gaulle airport and Paris, and a reduction of speed limits on a section of motorway A86 in the northwest of Paris. Substantial differences in predictions of different emission models are highlighted. They cannot be entirely explained by differences in emission laws. Other insights with regard to traffic representation and emission models’ inputs are also investigated to explain them.

This is a preview of subscription content, access via your institution.

Références

  1. 1.

    AIRPARIF (2007) Mesures dans le flux de circulation: étude exploratoire. Pôle étude, AIRPARIF, Paris, 35p

    Google Scholar 

  2. 2.

    EPA (2003) User’s Guide to MOBILE 6.1 and MOBILE 6.2 — Mobile Source Emission Factor Model. EPA420-R-03-010, 261p

  3. 3.

    California Air Resources Board (2007) EMFAC 2007 version 2.30, calculating emission inventories for vehicles in California, Users Guide, 78p

  4. 4.

    Gkatzoflias D, Kouridis C, Ntziachristos L, Samaras Z (2007) COPERT 4: computer programme to calculate emissions form road transport. User Manual 5.0, Laboratory of applied thermodynamics, Aristotle University Thessaloniki, Greece, 53p

    Google Scholar 

  5. 5.

    ADEME (2003) Logiciel IMPACT-ADEME — Émissions de polluants et consommation liées à la circulation routière. ADEME Éditions, Paris, 31p

    Google Scholar 

  6. 6.

    De Haan P, Keller M (2004) Emission factors for passenger cars and light duty vehicles: HandBook Emission Factors for road transport (HBEFA) — version 2.1. INFRAS, Bern, 83p

    Google Scholar 

  7. 7.

    Andre M, Keller M, Sjödin A, et al (2008) The ARTEMIS European tools for estimating the pollutant emissions from road transport and their application in Sweden and France. Proceedings of the 17th International Conference Transport and Air Polluation, Graz

  8. 8.

    Joumard R, André JM, Rapone M, et al (2007) Emission factor modelling and database for light vehicles. ARTEMIS deliverable 3, report no LTE 0523, 228p

  9. 9.

    Keller M, Kljun N (2007) ARTEMIS: assessment and reliability of transport emission models and inventory systems — Road emission model — Model description. Artemis deliverable 13, INFRAS report, Bern, 158p

  10. 10.

    Smit R, Smokers R, Schoen E, Hensema A (2006) A new modelling approach for road traffic emissions: VERSIT+ LD — Background and methodology. TTNO Report 06.OR.PT.016.1/RS, 57p

  11. 11.

    Ligterink NE, De Lange R (2009) Refined vehicle and driving-behaviour dependencies in the VERSIT+ emission model. ETAPP symposium

  12. 12.

    Cappiello A, Chabini I, Nam EK, et al (2002) A statistical model of vehicle emissions and fuel consumption. Proceedings of the IEEE 5th International Conference

  13. 13.

    Rakha H, Ahn K, Trani A (2004) Development of VT-Micro model for estimating hot stabilized light duty vehicle and truck emissions. Transport Res Part D 9:49–74

    Article  Google Scholar 

  14. 14.

    Panis LI, Broekx S, Liu R (2006) Modelling instantaneous traffic emissions and the influence of traffic speed limits. Sci Total Environ 371:270–285

    Article  Google Scholar 

  15. 15.

    Scora G, Barth M (2006) Comprehensive Modal Emissions Model (CMEM), version 3.01 — User’s Guide, University of California, Riverside, Center for Environmental Research and Technology, 153p

  16. 16.

    Rakha H, Ahn K, Trani A (2003) Comparison of MOBILE 5a, Mobile 6, VT-Micro and CMEM models for estimating hotstabilized lightduty gasoline vehicle emissions. Can J Civ Eng 30:1010–1021

    Article  Google Scholar 

  17. 17.

    Rakha H, Ahn K (2004) Integration modelling framework for estimating mobile source emissions. J Transport Eng 130(2):183–193

    Article  Google Scholar 

  18. 18.

    Noland B, Quddus M (2006) Flow improvements and vehicle emissions: effects of trip generation and emission control technology. Transport Res Part D 11:1–14

    Article  Google Scholar 

  19. 19.

    TSS-Transport Simulation Systems (2009) Microsimulator and mesosimulator in AIMSUN 6, User’s Manual, 304p

  20. 20.

    Laval JA, Leclercq L (2008) Microscopic modeling of the relaxation phenomenon using a macroscopic lane-changing model. Transport Res Part B 42(6):511–522

    Article  Google Scholar 

  21. 21.

    Bar-Gera H, Ahn S (2010) Empirical macroscopic evaluation of freeway merge-ratios. Transport Res Part C 18:457–470

    Article  Google Scholar 

  22. 22.

    Hallmark SL, Guensler R (1999) Comparison of speed-acceleration profiles from field data with NETSIM output for Modal Air Quality Analysis of Signalized Intersections. Transport Res Rec 1664:40–46

    Article  Google Scholar 

  23. 23.

    Can A, Leclercq L, Lelong J (2009) Selecting noise source and traffic representations that capture urban traffic noise dynamics. Acta Acustica United Acustica 95(2):259–269

    Article  Google Scholar 

Download references

Author information

Affiliations

Authors

Corresponding authors

Correspondence to S. Chanut or E. Chevallier.

Additional information

Les travaux présentés dans cet article ont été réalisés au sein de la DRIEA Île-de-France, dans le cadre d’une mission du mastère Action Publique de l’ENPC.

Rights and permissions

Reprints and Permissions

About this article

Cite this article

Chanut, S., Chevallier, E. Estimation des impacts atmosphériques des projets de gestion de trafic : de l’application des modèles théoriques sur des cas concrets. Rech. Transp. Secur. 28, 1–14 (2012). https://doi.org/10.1007/s13547-011-0018-4

Download citation

Mots clés

  • Évaluation
  • Trafic routier
  • Émissions
  • Pollution atmosphérique
  • CO2
  • Modélisation
  • Simulation
  • Régulation du trafic

Keywords

  • Assessment
  • Road traffic
  • Emissions
  • Air pollution
  • CO2
  • Modelling
  • Simulation
  • Traffic management