P. 1
LEUREN30

LEUREN30

|Views: 6|Likes:

More info:

Published by: Mourtallah Boureima Gado on Sep 02, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

09/02/2010

pdf

text

original

Les Cahiers Scientifiques du Transport

N° 30/1995 - Pages 31-49
Fabien M. Leurent
Un algorithme pour résoudre plusieurs modèles
d'affectation du trafic : la procédure d'égalisation
par transvasement

UN ALGORITHME POUR RESOUDRE PLUSIEURS MODELES
D'AFFECTATION DU TRAFIC : LA PROCEDURE D'EGALISATION PAR
TRANSVASEMENT
FABIEN M. LEURENT
DEST-INRETS
INTRODUCTION
QUELQUES DEFINITIONS
Un modèle d'affectation du trafic routier simule le choix d'itinéraire opéré par un conducteur
automobile sur un réseau routier, en fonction des caractères du conducteur et du réseau. Il sert à
simuler la réaction des conducteurs (= la demande) face à une modification du réseau (= l'offre),
par exemple la mise en place d'une nouvelle route, ou une restriction locale de capacité, ou
l'instauration d'un péage sur une route, ou la fourniture d'information au conducteur.
Parmi les caractères du réseau qui importent pour les conducteurs, le temps de parcours joue un
rôle primordial, analogue au prix d'un bien sur un marché économique : il faut donc le
représenter finement dans le modèle, et notamment prendre en compte les phénomènes de
congestion. La prise en compte minimale consiste à relier le temps de parcours d'une route au
débit qu'elle écoule, à l'aide d'une fonction de temps de parcours.
Dans un modèle où le temps de parcours dépend du débit, l'équilibre entre offre et demande se
calcule par approximations successives, à l'aide d'un algorithme itératif appelé algorithme
d'équilibrage.
Lorsque la circulation sur le réseau s'effectue dans des conditions approximativement
stationnaires, on peut appliquer un modèle d'affectation statique (= sans écoulement du temps) à
la période de stationnarité, par exemple l'heure de pointe du soir sur un réseau urbain. Nous ne
32 Les Cahiers Scientifiques du Transport - N° 30/1995

considérons pas ici l'affectation dynamique qui explicite l'écoulement du temps : elle étend
l'affectation statique, mais cela n'a pas de rapport direct avec notre propos qui est de calculer un
équilibre entre offre et demande de transport.
EXEMPLES DE MODELES D'AFFECTATION
Parmi les modèles d'affectation statique du trafic routier, la référence classique est le modèle
déterministe homogène de WARDROP-BECKMANN, dans lequel le temps de parcours dépend
du débit et les conducteurs ont une information et une rationalité totales. Dans ces conditions
seuls les chemins de temps minimum peuvent être chargés, donc à l'équilibre les temps de
parcours des chemins utilisés sont égaux et minimaux. On peut supposer l'élasticité de la
demande, i.e. que le flux d'une relation origine-destination (O-D) dépend du niveau de service
mesuré (au signe près) par le temps minimum.
La Figure 1 expose les résultats du modèle déterministe homogène, appliqué à une relation O-D
avec deux routes en concurrence (Figure 1a) pour deux valeurs fixées du flux (Figure 1b et
Figure 1c) puis pour une demande élastique (Figure 1d).
Figure 1 : Résultats du modèle déterministe homogène
a) Données de l'application.
O D
flot x
1
; t emps t
1
· 5 + 2 x
1
flot x
2
; t emps t
2
· 10
+
x
2

Flux O-D total x x x · +
1 2
.
b) Application pour x = 2.
O D



x
1
· 2 ; t
1
· 9

x
2
· 0 ; t
2
· 10

Tout le trafic s'affecte sur la route 1.
c) Application pour x = 13.
O
D

x
1
· 6 ; t
1
· 17
x
2
· 7 ; t
2
· 17

Le trafic se partage entre les deux routes.
d) Application à demande variable.
O
D
· ·

x
2
3. 4 ; t
2
13. 4

x
1
· 4. 2 ; t
1
· 13. 4

Fonction de demande x D t t · · − ( ) 20 .
D'autres facteurs que le temps influencent le choix d'itinéraire : distance, péages autoroutiers,
confort routier, sécurité, fiabilité… Une première solution technique, dans le modèle
déterministe homogène, est de considérer que les conducteurs minimisent non pas le seul temps
de parcours, mais un temps généralisé qui englobe les autres facteurs après conversion en unité
de temps ; ainsi on divise les frais de péage par la valeur du temps, somme qu'un individu
accepte de payer pour économiser une unité de temps.
Mais certains facteurs sont malaisés à mesurer ou à convertir : une deuxième solution,
complémentaire de la première, est d'ajouter au temps généralisé un terme aléatoire dont on fixe
F. M. Leurent - Un algorithme pour résoudre plusieurs modèles d’affectation du trafic... 33
la distribution statistique afin de reproduire des répartitions du trafic entre itinéraires
concurrents observées. On obtient alors un modèle stochastique. Le modèle stochastique le plus
simple est le logit linéaire, qui stipule que le rapport des trafics de deux itinéraires concurrents
est égal au rapport de fonctions exponentielles négatives appliquées aux temps généralisés
respectifs : soit x x t t
1 2 1 2
/ exp( ) / exp( ) · − − θ θ .
La Figure 2 présente ce modèle pour l'exemple de la Figure 1, avec θ = 2.
Figure 2 : Démonstration du modèle logit linéaire
a) Demande fixe x = 2.
O
D

x
2
· 0. 1 ; t
2
· 10. 1

x
1
·
1. 9 ; t
1
· 8. 8

Le trafic se partage…
b) Demande fixe x = 13.
O D


x
2
6. 98 ; t
2
17. 0 · ·

x
1
6. 02 ; t
1
17. 1
· ·

Presque identique à la
Figure 1c.
c) Demande variable.
O D

x
1
4. 03 ; t
1
13. 07
· ·

x
2
3. 19 ; t
2
13. 19
· ·

x D
e e
t t
· −
+
− −
(
ln( )
)
θ θ
θ
1 2
.
Une troisième solution, compatible avec les deux premières mais le plus souvent employée
seulement avec la première, est d'expliciter différents comportements au sein de la demande, en
supposant que les coefficients d'équivalence entre les facteurs du temps généralisé varient
parmi les conducteurs. On obtient un modèle prix-temps (bicritère) lorsque l'on suppose que
c'est la valeur du temps qui est continûment distribuée parmi les demandeurs.
Reprenons l'exemple de la Figure 1 en l'adaptant au cas prix-temps. On suppose maintenant que
sur la seconde route la fonction de temps de parcours est t x
2 2
4 · + , avec un péage de 360 : si
l'on considère une valeur du temps unique de 60, alors le temps généralisé de la seconde route
vaut tg x
2 2
4 360 60 · + + / ce qui revient au cas de la Figure 1. Mais nous supposons
désormais que la valeur du temps suit une loi log-normale de moyenne 60 et telle que son
logarithme naturel a un écart-type de 0.6.
Figure 3 : Démonstration du modèle prix-temps
a) Demande fixe x = 2.
O
D

x
1
1. 67 ; t
1
8. 34
· ·

x
2
0. 33 ; t
2
4. 33 · ·

b) Demande fixe x = 13.
O
D

x
1
6. 42 ; t
1
17. 84 · ·

x
2
6. 58 ; t
2
10. 58
· ·

c) Demande variable.
O D

x
1
4. 25 ; t
1
13. 51
· ·

x
2
3. 11 ; t
2
7. 11
· ·

x D · ( ) TGmoyen = 20-12.6.
34 Les Cahiers Scientifiques du Transport - N° 30/1995

OBJECTIF DE LA RECHERCHE
Cet article ne vise pas à comparer plusieurs modèles d'affectation, bien que les résultats des
exemples poussent en ce sens ! Son objectif est de présenter une méthode de calcul, un
algorithme d'équilibrage, valable pour les différents modèles examinés. Cette question
technique est nécessaire à toute application, donc préalable à toute confrontation des modèles.
Nous avons développé un algorithme particulier, la Procédure d'Egalisation par Transvasement
(PET) proposée par GIBERT (1968) puis d'autres, pour traiter le modèle déterministe
homogène ; nous avons étendu la PET aux cas de la demande élastique, du logit linéaire et du
modèle prix-temps. La PET se distingue des algorithmes d'équilibrage classiques (tels que la
méthode de FRANK-WOLFE implantée dans Emme/2 et Min UTP, ou la décomposition
simpliciale programmée dans DAVIS et SATURN) en ce qu'elle explicite les chemins
suivis : chose que bien des praticiens jugent encore impossible, alors que la constante
progression des ressources informatiques permet maintenant de traiter des applications de taille
moyenne (quelques milliers d'arcs) sur un micro-ordinateur compatible IBM-PC.
QUESTIONS DE METHODE
Du côté de la méthode, nous avons d'abord vérifié l'intérêt pratique de la PET en la comparant
aux algorithmes usuels dans une application opérationnelle de taille moyenne (140 zones de
demande, réseau de 2000 arcs). Puis (LEURENT, 1995a) nous avons étendu sa portée théorique
à des modèles qui sophistiquent la représentation de la demande : à savoir à demande élastique,
ou avec une perception aléatoire du temps de parcours (logit linéaire), ou avec des arbitrages
différenciés entre deux critères de coût (modèle prix-temps à valeur du temps distribuée
continûment). Ces diverses extensions relèvent d'un même principe théorique, à savoir la
possibilité de caractériser mathématiquement le point d'équilibre du modèle comme la solution
d'un programme de minimisation convexe.
La suite de l'article se compose de trois parties principales suivies d'une conclusion. La
première partie expose le fondement de la PET et la mise en oeuvre prescrite par
SCHITTENHELM (1990). La deuxième partie traite des extensions théoriques. La troisième
partie relate des expériences numériques.
Trois appendices apportent respectivement : la preuve du principe d'extension, un formulaire
pour des distributions triangulaires des valeurs du temps et un formulaire pour des distributions
log-normales des valeurs du temps.
1. FONDEMENT ET MISE EN OEUVRE DE LA PROCEDURE D'EGALISATION PAR
TRANSVASEMENT
1.1. LE PRINCIPE DE BASE
Soit un réseau de transport composé d'un ensemble de noeuds (= sommets) et d'un ensemble
d'arcs a. Généralement, entre un sommet d'origine r et un sommet de destination s, plusieurs
chemins k sont susceptibles d'acheminer un déplacement. Selon le principe de WARDROP, un
chemin k de temps de parcours T
rs
k
n'est utilisé que si T
rs
k
est minimal, parmi ceux des chemins
envisageables. Un temps de parcours T
rs
k
est la somme des temps de parcours T
a
des arcs a
traversés par le chemin k :
T T T
rs
k
a
a k
rs
ak
a
a
· ·

∑ ∑ δ , avec δ
rs
ak
·1 si a k ∈ ou 0 sinon.
Pour préciser le modèle à ce stade, il faut répondre à deux questions :
F. M. Leurent - Un algorithme pour résoudre plusieurs modèles d’affectation du trafic... 35
- comment identifier les chemins k ?
- si un temps T
a
varie en fonction du débit local x
a
, selon T t x
a a a
· ( ) où t
a
est une fonction
continue croissante, comment répartir le trafic q
rs
de la relation origine-destination r-s de
manière à satisfaire le principe de Wardrop, à savoir l'affectation à un chemin de temps
minimal ?
On répond usuellement à la première question en effectuant une recherche de plus court
chemin, qui livre un chemin k de temps minimal entre r et s : quand une telle recherche ne fait
pas apparaître de nouveau chemin, alors forcément les chemins de temps minimum déjà
identifiés suffisent.
A la seconde question, entre autres solutions ((PATRIKSSON, 1994) pour un très large
panorama, ou (LEURENT, 1995b) pour quelques aperçus), le principe d'égalisation constitue
une réponse. Si l'on a identifié les chemins disponibles, soit tous les chemins utilisés sont de
même coût et il n'existe pas de chemin non-utilisé de coût inférieur, auquel cas l'objectif est
atteint, soit il y a un chemin utilisé de coût supérieur à celui d'un autre chemin. Alors le principe
d'égalisation consiste à détourner, transférer du flux depuis le chemin chargé vers le chemin de
coût minimal, jusqu'à ce qu'il y ait égalisation du temps de parcours entre les deux chemins, ou
qu'il n'y ait plus de flux affecté au chemin le plus long. En itérant une telle confrontation deux-
à-deux des chemins, on parvient (par transitivité) à minimiser et égaliser les temps de parcours
des chemins utilisés entre l'origine et la destination.
1.2. LA MISE EN OEUVRE SOULEVE TROIS QUESTIONS ; LES REPONSES DE SCHITTENHELM
La mise en oeuvre du principe d'égalisation nécessite de répondre à trois questions :
- comment, à quel moment, sélectionner les chemins candidats à l'égalisation (ces chemins sont
ensuite stockés) ?
- comment traiter plusieurs relations origine-destination ?
- peut-on se contenter d'une égalisation approximative ?
SCHITTENHELM (1990) répond aux deux premières questions. Il prescrit de considérer tour à
tour chaque origine r
0
, de chercher depuis cette origine les plus courts chemins vers toutes les
destinations s afin d'augmenter éventuellement les collections (= stocks) de chemins pour les
relations origine-destination r s
0
− , puis d'égaliser tour à tour chacune des relations r s
0
− . Une
fois toutes les origines r ainsi traitées, on teste la convergence pour déterminer s'il y a lieu de
réitérer le traitement ou non.
La méthode de SCHITTENHELM est une minimisation à la GAUSS-SEIDEL de la fonction
objectif, avec pour variable de pivot le vecteur des flux issus d'une certaine origine, et un
caractère progressif (à un moment donné on minimise sur l'espace des chemins connus, qui est
un sous-ensemble de l'espace des chemins envisageables).
Quant à la troisième question, peut-on se contenter d'une égalisation approximative,
l'expérience pratique induit à répondre positivement. Mais il faut dans chaque application
trouver un niveau d'égalisation convenable…
1.3. NOTATIONS SUPPLEMENTAIRES
Nous appelons collection de chemins M { } · m
rs rs
un ensemble à autant d'éléments m
rs
que de
paires O-D, chaque élément m
rs
étant un ensemble de chemins k entre r et s.
36 Les Cahiers Scientifiques du Transport - N° 30/1995

Pour un vecteur de flux sur chemins f { } · f
rs
k
rsk
, on note :
x f
a rs
ak
rs
k
rsk
(f) · ∑ δ l'agrégation sur l'arc a des flux sur chemins f.
q f
rs rs
k
k
(f) · ∑ l'agrégation sur l'O-D r-s des flux sur chemins f.
K
rs
k k
1 2
(f ; ) α le vecteur g { } · g
rs
k
rsk
qui ne diffère de f que sur les deux composantes
g f
rs
k
rs
k
1 1
· −α et g f
rs
k
rs
k
2 2
· +α .
K
rs
k,
(f ; )
0
α le vecteur g { } · g
rs
k
rsk
qui ne diffère de f que sur la composante
g f
rs
k
rs
k
· −α .
K
rs
k 0,
(f ; ) α le vecteur g { } · g
rs
k
rsk
qui ne diffère de f que sur la composante
g f
rs
k
rs
k
· +α .
J la fonction objectif du programme de BECKMANN (1956), dont la
minimisation livre un point d'équilibre du système de transport.
1.4. DÉTAIL DU PROCÉDÉ DE SCHITTENHELM
On peut résumer la variante de SCHITTENHELM (1990) par un algorithme en 6 étapes.
Pas 0 : Initialisations.
• Initialiser le compteur d'itérations : i:· 0.
• Initialiser la collection des chemins : par exemple ∀ · r s m k
rs rs
, : { }
0
où k
rs
0
est un plus court
chemin calculé sur la base des temps de parcours T t
a a
· ( ) 0 .
• Charger le réseau en affectant le trafic de l'O-D r-s sur le chemin k
rs
0
.
Pas 1 : Progression d'ensemble.
• Incrémenter le compteur d'itérations : i i :· +1.
• Choisir la première origine r.
Pas 2 : Augmenter la collection de chemins.
• Depuis le sommet d'origine r, chercher les plus courts chemins sur la base des temps de
parcours courants T t x
a a a
: ( (f)) · .
• Pour chaque destination s, si le plus court chemin ainsi calculé entre r et s n'est pas déjà dans
m
rs
, l'y placer.
• Choisir la première destination s.
Pas 3 : Equilibrer l'O-D r-s.
• Si la collection m
rs
est vide, aller au Pas 4.
• Prendre dans m
rs
le chemin chargé de temps maximum, disons k
1
et notons f
rs
k
1
sa charge, et
un chemin de temps minimum, disons k
2
.
• Si T T
rs
k
rs
k
T
1 2
(f) (f) ≤ +ε , alors aller au Pas 4.
F. M. Leurent - Un algorithme pour résoudre plusieurs modèles d’affectation du trafic... 37
• Chercher la solution α de : min J K
α
α
∈[ ; ]
( (f ; ))
0
1
1 2
f
rs
k k
rs
k . Autrement dit :
- si T f T f
rs
k
rs
k k
rs
k
rs
k
rs
k k
rs
k
T
1 1 2 1 2 1 2 1
( (f ; )) ( (f ; )) K K ≥ +ε , alors retenir α :· f
rs
k
1
,
- sinon retenir α tel que T T
rs
k
rs
k k
rs
k
rs
k k
1 1 2 2 1 2
( (f ; )) ( (f ; )) K K α α · .
• Actualiser : f: (f ; ) · K
rs
k k
1 2
α , et modifier en conséquence les temps de parcours courants
T t x
a a a
· ( (f)) .
• Recommencer le Pas 3.
Pas 4 : Nouvelle destination et nouvelle origine.
• Si s n'est pas la dernière destination, alors considérer la destination suivante et aller au Pas 3.
• Si s est la dernière destination, si r n'est pas la dernière origine, alors considérer l'origine
suivante et aller au Pas 2.
• Si r est la dernière origine et s la dernière destination, aller au Pas 5.
Pas 5 : Test de convergence.
• Noter f
( ) i
le vecteur de flux sur chemins obtenu en fin de la i-ème itération.
• Si f
( ) i
satisfait un test de convergence, alors Terminer ; Sinon, retourner au Pas 1.
Un test intuitif de convergence consiste à examiner si :
max
tel que r s k k f
rs
k i
rs
k i
G
rs
k T T
, , ,
( ) ( )
(f ) (f )
2 1
1
1 2
0 >
− ≤ ε
1.5. DEROULEMENT D'UN EXEMPLE
Nous adaptons un exemple adapté de (MARCOTTE, ZHU, 1994) et que nous reprendrons
exactement au §2.4. Soit un réseau à 4 noeuds et 5 arcs, reliant une unique origine à une unique
destination par 3 chemins 1={(1-2) ; (2-4)}, 2={(1-2) ; (2-3) ; (3-4)} et 3={(1-3) ; (3-4)}
(Figure 4), avec un flux de demande de 6 unités.
Figure 4 : Données pour le cas d'école
1
2
3
4
Origine
Destination


Arc a
(1-2) 10x
(1-3) 50+x
(2-3) 10+x
(2-4) 50+x
(3-4) 10x

t
a
(x )

Le Tableau 1 expose, à la fin de certains transferts (repérés par le numéro de l'itération et le
numéro d'exécution du Pas 3 dans cette itération), les valeurs des principales variables d'état du
système : le flux et le temps de chaque chemin.
38 Les Cahiers Scientifiques du Transport - N° 30/1995

Tableau 1 : Quelques états intermédiaires
Itération . n° de Pas 3

f
1
f
2

f
3

T
1
T
2

T
3

0 0.00 6.00 0.00 110.00 136.00 110.00
1 2.17 3.83 0.00 112.16 112.16 88.33
2.1 1.08 3.83 1.08 100.25 112.16 100.25
2.2 2.08 2.84 1.08 101.24 101.24 90.32
2.3 1.58 2.84 1.58 95.68 101.24 95.68
2.5 1.81 2.39 1.81 93.73 96.23 93.73
2.10 2.00 2.04 1.96 92.41 92.41 91.93
2.16 2.00 2.00 2.00 92.00 92.00 92.00
Il y a convergence en 2 itérations, avec pour la deuxième itération 16 transferts : donc en tout
17 transferts. Il faut 24 itérations de l'algorithme de FRANK-WOLFE pour parvenir à ce
résultat, mais l'exemple choisi favorise cette méthode.
Dans la pratique, il paraît judicieux d'appliquer avec modération le principe d'égalisation sur
une même relation O-D au cours d'une itération : autrement dit, il est bon de limiter le nombre
de transferts pour chaque relation O-D au Pas 3 de l'algorithme, à une valeur de 3 par exemple.
Une justification intuitive tient au « couplage » entre les relations O-D : si 2 itinéraires sont
concurrents entre une origine et une destination données, et si le réseau d'application compte de
nombreuses zones de demande, alors très probablement il y aura d'autres O-D où les mêmes
portions d'itinéraires sont en concurrence. Donc on peut attendre une « égalisation entre points
de choix sur le réseau » grâce à une succession de transferts entre O-D différentes.
2. EXTENSION A D'AUTRES MODELES
Nous présentons d'abord un principe pour étendre le procédé d'égalisation à d'autres modèles
que le modèle déterministe homogène de BECKMANN traité par SCHITTENHELM (2.1.).
Puis nous appliquons ce principe en abordant successivement la demande élastique (2.2.), le
modèle logit linéaire (2.3.), et le modèle prix-temps à demande élastique agrégée (2.4.).
2.1. UN PRINCIPE D'EXTENSION
Appliqué au modèle déterministe homogène de BECKMANN, l'opération d'égalisation porte
sur les temps de parcours des chemins. Une extension naturelle à un autre modèle est de
remplacer le temps de parcours T
rs
k
(f) d'un chemin k par une fonction d'impédance plus
générale G
rs
k
(f) , de manière que l'égalité entre les impédances des chemins utilisés et la
minimalité soient synonymes de l'équilibre du modèle. Pour cela, une fonction G
rs
k
doit remplir
deux exigences.
[E1] Un impératif d'ordre théorique : l'égalité des impédances G
rs
k
des chemins utilisés, et
leur minimalité par rapport à celles des chemins envisageables, doivent équivaloir aux
conditions caractéristiques d'un état d'équilibre du modèle.
F. M. Leurent - Un algorithme pour résoudre plusieurs modèles d’affectation du trafic... 39
[E2] Un impératif d'ordre pratique : entre deux chemins k
1
et k
2
tels que G G
rs
k
rs
k
1 2
(f) (f) > ,
une fonction d'écart Φ Φ( ) ( (f ; )) ( (f ; )) α α α · − G G
rs
k
rs
k k
rs
k
rs
k k
1 1 2 2 1 2
K K doit décroître en fonction du
flux transférable α.
La preuve de convergence de (SCHITTENHELM, 1990) s'applique.
Nous allons énoncer et démontrer un théorème qui guide le choix d'une fonction G
rs
k
, pour un
modèle doté d'une formulation extrémale.
Théorème 1, condition suffisante d'extension. Si l'on peut caractériser un état d'équilibre d'un
certain modèle, comme une solution d'un programme d'optimisation convexe
min J
g ;
(g)
≥ ∑ · 0 g Q
rs
n
n rs
m
, alors les dérivées partielles de la fonction objectif fournissent des
fonctions G
g
rs
n m
rs
n
(g) (g) ·


J
qui satisfont les exigences E1 et E2.
La preuve est donnée en Appendice A.
Nous avons volontairement noté n plutôt que k, g plutôt que f, et Q
rs
plutôt que q
rs
: c'est pour
que le théorème s'applique à la fois à la demande fixe et à la demande élastique. Dans le cas à
demande fixe, il suffit de remplacer n par k, g par f et Q
rs
par q
rs
dans l'énoncé. Dans le cas à
demande élastique, il faut définir { } { } { } n k · U 0 , et g f f · ( ; )
0
où f { }
0 0
· f
rs rs
est le vecteur
des flux de demande en excès (voir ci dessous pour plus de précisions) : ainsi les contraintes de
flux origine-destination deviennent f f Q
rs rs
k
k
rs
0
+ · ∑ ou encore f q Q
rs rs rs
0
+ · (f) . On en
déduit évidemment que


·


· −
f
q
q
f
rs
rs
rs
rs
0
0
1, dont il résulte que
G
f
q
q
f
q
rs
m
rs
m
rs
rs
rs
m
rs
0
0 0
(f) ·


·




· −


J J J
.
2.2. CAS DE LA DEMANDE ELASTIQUE
Pour traiter le modèle déterministe homogène à demande élastique, une solution élégante
1
due à
MURCHLAND (1970) est de rajouter un arc imaginaire a
rs
entre le sommet d'origine r et le
sommet de destination s, et de lui attacher une fonction fictive de temps de parcours
t x D Q x
a rs rs
rs
( ) ( ) · −
−1
, où Q
rs
est un majorant de la fonction de demande D
rs
, par exemple
Q D
rs rs
· ( ) 0 .
Le programme de BECKMANN à demande élastique, originellement formulé comme :
{ ¦ { ¦
min J d d
f
(f) (f)
(f) ( ) ( )


· − ∫ ∑ ∫ ∑
0
t z z D z z
a
x
a
rs
q
rs
a rs
0
1
0


1
Formulation de la « demande en excès ».
40 Les Cahiers Scientifiques du Transport - N° 30/1995

devient
2
:
{ ¦
min J d d
g ;g (f;f )
(f)
0 (g) ( ) ( )
≥ ·
· +
¹
'
¹
¹
'
¹
∫ ∑ ∫ ∑
0
t z z t z z
a
x
a
a
f
rs
a
rs
rs
0 0
0

sous les contraintes f q Q
rs rs rs
0
+ · (f) .
En donnant l'indice n=0 au chemin imaginaire entre r et s, il suffit de
définir : G D f
rs rs rs
k
k
0 1
(f) ( ) ·

∑ et de conserver la définition G T
rs
k
rs
k
(f) (f) · pour tout chemin
réel n=k>0. Ainsi, si G G
rs
k
rs
(f) (f) >
0
, on réduit f
rs
k
, ce qui d'une part réduit G
rs
k
, d'autre part
réduit f
rs
k
k
∑ donc augmente D f
rs rs
k
k


1
( ) : au total, l'écart G G
rs
k
rs

0
se réduit doublement.
L'exigence E2 est donc satisfaite. Quant à l'exigence E1, elle signifie que, entre les vrais
chemins, seuls sont utilisés des chemins dont le coût est minimal, et que, pour le chemin fictif,
on a : D f T
rs rs
k
k
k rs
k −
∑ ·
1
( ) min , donc q D T
rs rs k rs
k
· ( ) min qui est la condition d'équilibre entre
volume de demande q
rs
et niveau de service déterministe min
k rs
k
T .
Comparaison à la méthode de NAGURNEY. La solution que nous proposons pour traiter la
demande élastique diffère de celle de NAGURNEY (1988) seulement dans l'application de
l'algorithme. L'algorithme de NAGURNEY ne prévoit pas de répéter le Pas 3 plusieurs fois
consécutives pour une même relation O-D : en cela il suit l'approche de DAFERMOS,
SPARROW (1969) mais se différencie de celui de SCHITTENHELM étendu à la demande
élastique. Par rapport à la méthode de DAFERMOS et SPARROW, NAGURNEY choisit deux
chemins réels k
1
et k
2
, et elle égalise simultanément G
rs
k
1
, G
rs
k
2
et G
rs
0
. Comme elle conclut que
son approche est plus efficace que celle de DAFERMOS et SPARROW adaptée pour traiter la
demande élastique, nous pouvons directement inférer que la méthode de SCHITTENHELM est
plus efficace que les deux autres, puisque le procédé de SCHITTENHELM « égalise
davantage » que celui de NAGURNEY, qui lui-même « égalise davantage » que celui de
DAFERMOS et SPARROW.
2.3. CAS DU MODELE LOGIT LINEAIRE
Dans le modèle logit linéaire, tous les chemins définis comme « attrayants » sont chargés, et la
condition d'équilibre s'écrit :
f f T T
rs
k
rs
k
rs
k
rs
k
1 2 1 2
/ ( ( )) · − − exp θ
En application du théorème 1, vu la caractérisation de l'équilibre logit linéaire par une
formulation extrémale dans (LEURENT, 1994a), on retient :
• G T
f
q
rs
k
rs
k rs
k
rs
· +
1
θ
ln( ) pour un chemin réel,
• G D q
rs rs rs
0 1
·

( ) si la demande est élastique.
Notons que, dans le modèle logit linéaire, les chemins doivent être définis à l'avance
(LEURENT, 1994a). Quand on lui applique le procédé d'égalisation, il convient donc de

2
A une constante −

∫ ∑ D z z
rs
Q
rs
rs 1
0
( )d près, car, grâce à la relation de Chasles, on vérifie
− · −
− −

∫ ∫ D z z D z z
rs
q
rs
Q f
rs rs rs 1
0
1
0
0
( ) ( )
(f)
d d · − + −
− −
∫ ∫ ( ( ) ) ( ) D z z D Q z z
rs
Q
rs rs
f
rs rs 1
0
1
0
0
d d .
F. M. Leurent - Un algorithme pour résoudre plusieurs modèles d’affectation du trafic... 41
remplacer l'initialisation de la collection des chemins (au Pas 0) par le chargement de chemins
déjà calculés
3
, et d'ôter l'augmentation de la collection des chemins prévue en cours d'itération
(au Pas 2).
2.4. CAS DU MODELE PRIX-TEMPS A DEMANDE TOTALE ELASTIQUE
Pour le modèle prix-temps à demande élastique agrégée défini par LEURENT (1993a), on peut
choisir en application du Théorème 1 :
• G T
H Q q
rs
k
rs
k rs
i
rs
i
rs rs
i
rs
i m k
m
rs
rs
· +

+

·


P P
1
1
1
( / )
( )
, pour un chemin réel,
• ( ) G D q F F
Q
q
Q q
H Q q
rs rs rs rs rs
m
rs
i
rs
i
rs
rs
i
rs
rs
i
rs
rs rs
i
rs
i
m
rs
rs
0 1 1
1
1
1
1 · − + −
|
.

`
,
− ∑
¹
'
¹
¹
¹
¹
'
¹
¹
¹
− +

·

( ) ( ).(
/
( / )
) P P P
si la demande est élastique,
en notant m k
rs
( ) l'indice de classe monétaire du chemin k, une classe monétaire de chemins i
regroupant tous les chemins d'un prix donné P
rs
i
sur l'O-D r-s. L'indexation des classes
monétaires suit l'ordre des prix croissants, et il y a m
rs
classes monétaires. On note Q
rs
i
le trafic
de l'O-D r-s qui est affecté sur les chemins de prix ≤ P
rs
i
. H
rs
−1
est la réciproque de la fonction
de répartition cumulée des valeurs du temps sur l'O-D r-s, tandis que F x
t
H t
rs
rs
x
( )
( )
·


d
1 0
.
Lorsque tous les chemins sont chargés, un G
rs
k
minimum s'interprète comme le temps de
parcours du chemin le plus rapide. Au temps de parcours T
rs
k
du chemin k, on soustrait une série
de rapports entre une différence de prix P P
rs
i
rs
i +

1
et une valeur du temps de coupure
F Q q
rs rs
i
rs
−1
( / ) , donc une série de gains de temps entre classes monétaires de prix consécutifs,
jusqu'à parvenir à la classe la plus chère.
Adaptations particulières du procédé d'égalisation. Pour adapter au modèle prix-temps
l'algorithme de SCHITTENHELM décrit au 1.3., il faut non seulement remplacer T
rs
k
par G
rs
n
,
mais encore, dans une recherche de plus courts chemins, chercher pour chaque O-D non pas un
seul chemin mais un ensemble de chemins tels que pour chaque valeur du temps l'un des
chemins soit efficace. Quand les prix des chemins dépendent uniquement de péages P
a
sur les
arcs, les temps généralisés par arcs à considérer dans une recherche de chemin efficace pour
une valeur du temps v s'expriment T t x P v
a a a a
· + ( (f)) / .
Une solution de simplicité consiste à chercher un seul chemin à la fois depuis chaque origine au
Pas 2, chemin tel qu'il soit efficace pour une certaine valeur du temps v
rs
i ( )
tirée au hasard selon
la loi de probabilité propre à l'O-D. Mais alors, au niveau du test de convergence, il faut
imposer par prudence la stabilité de la collection des itinéraires pendant la dernière itération et
si possible quelques précédentes.

3
Le logiciel MARS (LEURENT, 1995b) permet de calculer à l'avance plusieurs chemins différents pour chaque
relation origine-destination, ce qui soulage l'utilisateur d'un codage manuel préalable des itinéraires.
42 Les Cahiers Scientifiques du Transport - N° 30/1995

Application numérique. Nous reprenons exactement l'application numérique de
(MARCOTTE, ZHU, 1994) qui se distingue de l'exemple développé au 1.4. par deux ajouts :
- on associe des péages aux arcs : les prix des chemins 1, 2 et 3 valent ainsi respectivement 200,
190 et 210.
- on considère une distribution continue des valeurs du temps parmi les déplacements, de loi
triangulaire entre 0 et 2 (voir l'appendice B pour l'expression des fonctions liées à la distribution
statistique des valeurs du temps).
Au bout de deux itérations et de 16 transferts, la fonction objectif ne décroît plus et les flux
sont stables à 1e-5 près. Pour parvenir au même résultat, l'algorithme de FRANK-WOLFE
employé dans (MARCOTTE, ZHU, 1994), demande entre 60 et 70 itérations. Notons que le
nombre des transferts nécessaire au procédé d'égalisation est équivalent dans le cas bi-critères à
celui nécessaire dans le cas à une seule valeur du temps.
Tableau 2 : Quelques états intermédiaires
Itération . n° de Pas 3 f
1


f
2

f
3


G
1


G
2

G
3

0 0.00 0.00 6.00 ? ? 111.0
1 2.58 0.00 3.42 73.3 70.0 73.3
2.1 2.57 0.19 3.23 74.5 72.1 72.1
2.2 2.47 0.19 3.33 73.4 72.1 73.4
2.5 2.43 0.31 3.26 73.9 73.4 73.4
2.10 2.40 0.34 3.27 73.7 73.7 73.7
2.15 2.39 0.34 3.27 73.7 73.7 73.7
2.5. AUTRES EXTENSIONS FACILES
On étend facilement le procédé de SCHITTENHELM pour :
- traiter plusieurs classes, chacune pouvant relever de l'un des modèles examinés ci-dessus, logit
linéaire ou bicritère (prix-temps), avec la demande élastique si désiré : il suffit d'ajouter un Pas
4' pour considérer la prochaine classe.
- associer à certains arcs des contraintes de capacité. Une solution possible (LARSSON,
PATRIKSSON, 1994) consiste à rajouter une boucle de niveau supérieur, afin de chercher le
point-selle d'un lagrangien augmenté : au cours d'une itération de niveau supérieur, on applique
d'abord le procédé d'égalisation pour résoudre un programme d'optimisation libre dans lequel
les fonctions de temps de parcours des arcs dépendent des variables duales associées aux
contraintes de capacité, puis on actualise les multiplicateurs (variables duales) une fois que le
programme libre particulier est résolu.
Ces deux extensions, choisies parmi bien d'autres possibles, ont été incorporées au programme
MARS (LEURENT, 1995b).
F. M. Leurent - Un algorithme pour résoudre plusieurs modèles d’affectation du trafic... 43
3. EXPERIENCES NUMERIQUES
3.1. PRINCIPES DES TESTS ET DONNEES D'APPLICATION
Nous posons 4 principes méthodologiques pour les expériences numériques :
- pour chaque modèle (parmi déterministe homogène - BECKMANN -, logit linéaire additif,
prix-temps), nous appliquons le procédé d'égalisation en concurrence avec une (ou plusieurs)
méthodes « classiques ».
- la comparaison entre algorithmes porte non seulement sur le nombre d'itérations nécessaires
pour atteindre un certain niveau de convergence, mais encore et davantage sur le temps total
passé (sachant que les calculs sont faits à l'aide d'un même outil, le programme MARS en
l'occurrence).
- le niveau de convergence atteint à l'issue d'un certain nombre d'itérations est mesuré à l'aide de
la fonction objectif évaluée au point courant.
- l'application considérée est de taille moyenne (140 zones et 2000 arcs), elle a lieu sur un
micro-ordinateur compatible IBM-PC (donc représentatif des outils couramment disponibles
dans un bureau d'études de transport).
Les données de l'application. La société COFIROUTE nous a aimablement communiqué deux
jeux de données codant respectivement un réseau routier urbain à l'ouest de Paris (Cf. Annexe
D) et une matrice O-D des déplacements à l'heure de pointe du soir. Le réseau comprend
environ 2 000 arêtes unidirectionnelles. Il y a 141 zones de demande, donc près de 20 000
paires origine-destination. Les fonctions de temps de parcours sont de type BPR, paramètrées
selon t x t
x
C
a a
a
( ) ( . ( ) ) · +
0 4
1 0 15 , avec C
a
capacité pratique, cela pour les arcs qui ne sont pas
des connecteurs
4
. On considère la fonction de demande d'élasticité constante
q D t q t t
rs rs rs rs
· ·

( ) ( / )
. 0 0 0 6
, avec ( ; ) t q
rs rs
0 0
un point de référence particulier à la relation O-D
r-s (cette élasticité constante de -0.6 est classique des modèles de demande de transport, même
si selon le site, le mode et la période, la valeur peut varier de -0.3 à -2.0).
3.2. LE MODELE DETERMINISTE HOMOGENE
Dans le modèle déterministe homogène, les auteurs des déplacements minimisent le temps de
déplacement, dont ils ont une connaissance parfaite et une même évaluation. Quand la demande
est élastique (hypothèse retenue ici), le niveau de service est le temps de trajet minimum sur
l'O-D.
Les algorithmes en lice. Nous appliquons en concurrence trois algorithmes au modèle de
BECKMANN :
- la méthode de FRANK-WOLFE.
- la méthode des moyennes successives, avec un pas de descente à la i-ème itération défini à
l'avance comme 1 1 / ( ) +i .
- la PET, avec un seuil d'intervention au Pas 3 choisi égal à 1e-4 h (pour des temps de parcours
typiques d'une demi-heure, donc la précision relative de l'équilibrage est meilleure que 1 ‰), et
au plus trois transferts par paire O-D dans une même itération.

4
Pour les connecteurs, on suppose que le temps de parcours ne dépend pas du niveau de trafic.
44 Les Cahiers Scientifiques du Transport - N° 30/1995

A l'issue de la i-ème itération, on retient pour indicateur de convergence la quantité
J J
J
(f ) *
*
( ) i

, avec J* la valeur optimale du programme d'optimisation. Dans les tableaux qui
suivent, on mesure le niveau de convergence comme le logarithme décimal de cet indicateur.
Tableau 3 : Résultats pour le modèle de Beckmann
Niveau de convergence à l'itération i Temps par
Algorithme 1 2 5 10 20 50 100 200 400 itération
(mn)
Frank-Wolfe -1,0 -1,3 -1,7 -2,0 -2,4 -3,0 -3,6 -4,1 -5,5 2,0
Moyennes successives 0,1 -0,7 -1,4 -1,8 -2,1 -2,6 -2,8 -3,1 -3,5 0,7
Egalisation -1,5 -2,0 -3,0 -3,7 -4,4 -4,6 6,8
En nombre d'itérations, la PET converge beaucoup plus rapidement que ses deux concurrents,
entre lesquels la méthode de FRANK-WOLFE semble préférable. La supériorité de la PET se
maintient si l'on considère les temps. Notons l'atténuation progressive de l'efficacité de la
PET : c'est là un effet du seuil de mise en oeuvre ε
T
(au Pas 3), car pour améliorer la précision
il faudrait abaisser ce seuil en cours de route.
3.3. MODELE LOGIT LINEAIRE
Dans le cas du modèle logit linéaire, nous appliquons en concurrence la PET et la méthode des
moyennes successives, avec la même collection de chemins, définie à l'avance. On retient un
paramètre de dispersion θ égal à 0,233 mn
-1
(donc quand deux chemins sont en concurrence, si
le second est plus long de 5 mn, alors les trois quarts des individus choisissent le premier et le
quart restant le second).
Tableau 4 : Résultats pour le modèle logit linéaire
Niveau de convergence à l'itération i Temps par
Algorithme 1 2 5 10 20 50 90 itération
(mn)
Moyennes successives
-1,3 -1,7 -2,5 -3,4 -4,5 -5,7 -8,2 2,6
Egalisation
-1,7 -2,7 -3,9 -4,5 -4,5 -4,5 6,9
En termes de nombre d'itérations, on constate encore l'efficacité initiale supérieure de la PET,
qui disparaît en cours de route en raison de la présence du seuil de mise en oeuvre. En termes
de temps de calcul, les deux algorithmes sont à peu près équivalents : mais notons que là les
chemins sont explicités, ce qui explique le temps relativement élevé passé dans une itération
par l'algorithme des moyennes successives. Si l'on explicitait automatiquement les chemins (par
STOCH3, (LEURENT, 1994a)), la méthode des moyennes successives serait beaucoup plus
rapide (d'un facteur 5, environ).
F. M. Leurent - Un algorithme pour résoudre plusieurs modèles d’affectation du trafic... 45
3.4. MODELE PRIX-TEMPS A DEMANDE ELASTIQUE AGREGEE
La dernière série de tests concerne le modèle bicritère (prix-temps) à demande élastique
agrégée. On a retenu comme distribution des valeurs du temps une loi log-normale
5
de médiane
60 F/h, et d'écart-type de loi du logarithme naturel 0,6 (valeurs standards en urbain, (MARCHE,
1988)). Les chemins sont recherchés à chaque itération, depuis chaque origine, en tirant au
hasard une valeur du temps. Le Tableau 5 montre cette fois la nette supériorité de la PET par
rapport à la méthode des moyennes successives avec chemins explicités (LEURENT, 1993b),
autant en nombre d'itérations qu'en temps de calcul pour atteindre un certain niveau de
convergence.
Notons que pour la PET le temps passé dans une itération n'est que légèrement supérieur pour
le modèle bicritère à ce qu'il est pour le cas avec une seule valeur du temps (Cf. Tableau 3).
Cela montre qu'avec un algorithme approprié, un modèle d'affectation sophistiqué est tout à fait
traitable, à un coût d'emploi inférieur en fait à celui des algorithmes usuels pour les modèles
d'affectation plus rustiques.
Tableau 5 : Résultats pour le modèle bicritère prix-temps
Niveau de convergence à l'itération i Temps par
Algorithme 1 2 5 10 20 50 100 200 400 itération
(mn)
Moyennes successives
-0,9 -1,3 -1,6 -2,0 -2,4 -3,1 -3,5 -3,9 -4,0 4,4
Egalisation
-1,4 -2,0 -2,8 -3,3 -3,5 -3,7 7,5
Pour terminer, nous avons appliqué au même problème d'affectation prix-temps la méthode des
moyennes successives sans explicitation des chemins (F. LEURENT, 1993a). Pour un temps
par itération 6 fois moindre qu'avec explicitation, la précision des débits synthétisés est
comparable pendant les 200 premières itérations, mais ensuite elle stagne. Cela signifie que si
l'on peut se contenter de la précision obtenue en 200 itérations par la méthode des moyennes
successives, il est inutile d'expliciter les chemins. Mais la solution de meilleur rapport qualité-
prix est, dans tous les cas, d'appliquer la PET en abaissant progressivement le seuil de mise en
route.
CONCLUSIONS
Le travail mené développe le champ d'application de la procédure d'égalisation par
transvasement à tout modèle d'affectation dont l'équilibre est solution d'un programme de
minimisation convexe : cela englobe notamment le modèle déterministe homogène à demande
élastique, le logit linéaire et le modèle bicritère à demande élastique agrégée.
Sur une application de taille moyenne, la PET est compétitive avec les algorithmes
conventionnels, en termes de temps de calcul pour résoudre le modèle déterministe homogène.
Plus important, elle permet de traiter des modèles qui sophistiquent la représentation de la
demande, à un coût de peu supérieur à celui requis pour le modèle déterministe homogène.
Ces constats portent un témoignage supplémentaire quant à la contribution des mathématiques à
la modélisation : c'est grâce à l'addition de deux innovations mathématiques (formulation en
programme de minimisation convexe dans (LEURENT, 1993a), extension de la PET ici) que le

5
On fournit en Annexe C le formulaire nécessaire au traitement d'une loi log-normale.
46 Les Cahiers Scientifiques du Transport - N° 30/1995

modèle bicritère devient plus attrayant que le modèle déterministe homogène, puisque
théoriquement plus riche et traitable à un coût équivalent.
L'explicitation des chemins trouve des applications pratiques immédiates : repérage des trajets
des véhicules qui passent par une route donnée, etc. Elle permet aussi de mener des analyses de
sensibilité ((LEURENT, 1994b) pour le modèle bicritère). Elle ouvre la voie à une nécessaire
recherche empirique quant aux itinéraires réellement sélectionnés sur un réseau. Une telle
recherche pouvait paraître inutile tant que les modèles ne pouvaient utiliser son produit. Ce
n'est plus le cas maintenant : la sélection des chemins devient la question centrale en matière
d'affectation, enfin !
BIBLIOGRAPHIE
BECKMANN M., MCGUIRE C.B., WINSTEN C.B. (1956), Studies in the Economics of
Transportation. Yale University Press, New Haven, Connecticut.
DAFERMOS S.C., SPARROW F.T. (1969), The Traffic Assignment Problem for a General
Network. J. Res. Natl. Bur. Stand., Vol. 73B, pp. 91-118.
FISK C. (1980), Some developments in equilibrium traffic assignment methodology.
Transportation Research B, Vol. 14, pp. 243-256.
GIBERT A. (1968), A Method for the Traffic Assignment Problem. Report LBS-TNT-95,
Transportation Network Theory Unit, London Business School, London.
LARSSON T., PATRIKSSON M. (1992), Simplicial Decomposition with Disaggregate
Representation for the Traffic Assignement Problem. Transportation Science Vol. 26, pp. 4-
17.
LARSSON T., PATRIKSSON M. 1994, An augmented Lagrangean Scheme for Capacitated
Traffic Assignment Problems. In Actes INRETS Vol. 38, pp. 163-199, INRETS, Arcueil.
LEURENT F. (1993a), Cost versus Time Equilibrium over a Network. Eur. J. of Oper. Res.
Vol. 71/2, pp. 205-221.
LEURENT F. (1993b), Modelling Elastic, Disaggregate Demand. In Proceedings of the First
Meeting of the Euro Working Group on Urban Traffic and Transportation, Technical
University of Munich, Munich.
LEURENT F. (1994a), Logit-based equilibrium assignment model with elastic demand,
capacity constraints and a dual solution algorithm. In Actes INRETS Vol. 38, pp. 125-162,
INRETS, Arcueil.
LEURENT F. (1994b), Analyse de sensibilité et d'erreur d'un modèle - le cas de
l'affectation prix-temps. Note de Travail 94.1, INRETS, Arcueil.
LEURENT F. (1995a), Une famille d'algorithmes d'équilibrage pour des modèles
d'affectation statique du trafic routier. Note de Travail 95.1, INRETS, Arcueil.
LEURENT F. (1995b), Une Boîte-à-Outils pour opérer diverses affectations statiques du
trafic routier. Rapport de recherche INRETS n° 198, INRETS, Arcueil.
MARCHE R. (1988), Notes de Travail LASER 88.1 à 88.7. Documents internes INRETS,
INRETS, Arcueil.
MARCOTTE P., ZHU D. (1994), An efficient algorithm for a bicriterion traffic assignment
problem. Preprints of the 3rd Capri Seminar Vol. 2, pp. 891-897, Capri, June.
F. M. Leurent - Un algorithme pour résoudre plusieurs modèles d’affectation du trafic... 47
MURCHLAND D. (1970), Gleichgewichtsverteilung des Verkehrs um Strassennetz. In Oper.
Res. Verfahren VIII (Edited by R. Henn et al.), pp. 145-183.
NAGURNEY A. (1988), An equilibration scheme for the traffic assignment problem with
elastic demands. Transportation Research B, Vol. 22/1, pp. 73-79.
PATRIKSSON M. (1994), The traffic assignment problem : models and methods. VSP,
Utrecht, Pays-Bas.
SCHITTENHELM H. (1990), On the integration of an effective assignment algorithm with
path and path-flow management in a combined trip distribution and traffic assignment
algorithm. PTRC, 18th Summer Annual Meeting, Proceedings of Seminar H.
ANNEXES
ANNEXE A. PREUVE DU THEOREME D'EXTENSION
Preuve. Notons v
rs
le multiplicateur de LAGRANGE associé à la contrainte g Q
rs
n
n
rs
∑ · , et
v { } · v
rs rs
. Le lagrangien associé au programme de minimisation vaut :
£( ; ) J ( ) ( ) g v g · − −
∑ ∑ m rs rs
k
k
rs
rs
v g Q
A l'équilibre, on vérifie les conditions de KUHN-TUCKER :


·


− ≥
£ J
g g
v
rs
n
m
rs
n
rs
0 , donc G v
rs
n
rs
− ≥ 0 (1)
g
g
rs
n
rs
n
.


·
£
0 , donc g G v
rs
n
rs
n
rs
> ⇒ · 0 (2)
g Q
rs
n
n
rs
∑ · bien évidemment… (3)
La condition (2) signifie l'égalité des impédances entre les chemins utilisés d'une même relation
O-D ; ajoutée à cela, la condition (1) implique que les impédances des chemins non utilisés sont
supérieures à l'impédance minimale v
rs
. Donc E1 est satisfaite.
La satisfaction de l'exigence pratique E2 résulte quant à elle de la convexité de la fonction
objectif J
m
. Exprimons la variation entre α et α+η de la fonction d'écart :
Φ Φ ( ) ( ) α η α + − D
· + − + − + G G G G
rs
n
rs
n n
rs
n
rs
n n
rs
n
rs
n n
rs
n
rs
n n
1 1 2 2 1 2 1 1 2 2 1 2
( (g; )) ( (g; )) ( (g; )) ( (g; )) K K K K α η α η α α
·


+ −


+ −


+


J
K
J
K
J
K
J
K
m
rs
n
m
rs
n
m
rs
n
m
rs
n
g g g g
1 2 1 2
( (g; )) ( (g; )) ( (g; )) ( (g; )) α η α η α α
( ) · ∇ + − ∇
+ −

|
.

`
,

J K J K
K K
m m
( (g; )) ( (g; )) .
(g; ) (g; )
α η α
α η α
η

car seules les composantes d'indices r-s-n
1
et r-s-n
2
sont concernées. Comme la convexité de
J
m
implique que ( ) ( ) ∇ − ∇ − ≥ J x J y x y
m m
( ) ( ) . 0, on déduit que Φ Φ ( ) ( ) α η α + − ≤ 0 quand
η ≥ 0 . Donc la fonction d'écart décroît quand le flux à transférer croît, d'où E2.
48 Les Cahiers Scientifiques du Transport - N° 30/1995

ANNEXE B. FORMULAIRE POUR UNE DISTRIBUTION TRIANGULAIRE DES VALEURS DU
TEMPS
Soit une distribution des valeurs du temps selon une loi de probabilité triangulaire (Figure 6).
Figure 6 : Distribution triangulaire des valeurs du temps
a b c
y=h(x)
0

La fonction de densité h vaut :
- h x ( ) · 0 sur ] ; ] [ ; [ − ∞ +∞ a c U
- h x
c a
x a
b a
( ) ·



2
sur [ ; ] a b
- h x
c a
c x
c b
( ) ·



2
sur [ ; ] b c .
On calcule aisément la fonction de distribution cumulative H x h t t
x
( ) ( ) · ∫ d
0
:
- H x ( ) · 0 sur ] ; ] − ∞ a
- H x
x a
c a b a
( )
( )
( )( )
·

− −
2
sur [ ; ] a b
- H x
c x
c a c b
( )
( )
( )( )
· −

− −
1
2
sur [ ; ] b c
- H x ( ) · 1 sur [ ; [ c +∞ .
Cette fonction cumulative admet pour réciproque :
- H u a c a b a u

· + − −
1
( ) ( )( ) sur [ ; ] 0
b a
c a



- H u c c a c b u

· − − − −
1
1 ( ) ( )( )( ) sur [ ; ]
b a
c a


1 .
L'inverse de la fonction cumulative réciproque a pour primitive :
- F u
c a b a
H u a a
H u
a
( )
( )( )
( ( ) ln(
( )
)) ·
− −
− −


2
1
1
sur [ ; ] 0
b a
c a



- F u
c a b a
c H u
c b
c a
a
b
a
c
H u
b
( )
( )( )
( ( ) ln( ) ln(
( )
)) ·
− −
− −


+


2
1
1
sur [ ; ]
b a
c a


1 .
F. M. Leurent - Un algorithme pour résoudre plusieurs modèles d’affectation du trafic... 49
Dans le cas où (a=0), il suffit de substituer 0 à a dans toutes ces formules, et d'annuler les
expressions en a a log( ) . Dans le cas où b=c, il faut remplacer systématiquement b-c par 0.
ANNEXE C. FORMULAIRE POUR UNE DISTRIBUTION LOG-NORMALE DES VALEURS DU
TEMPS
Bien que non nécessaire à la lecture et à la validation du contenu de l'article, voici un formulaire
pour traiter un modèle bi-critères à valeur du temps distribuée continûment selon une loi log-
normale. En effet la loi log-normale est la plus utilisée dans la pratique du modèle prix-temps
en France, depuis les travaux de Roger MARCHE et Claude ABRAHAM.
Soit une distribution des valeurs du temps selon une loi de probabilité log-normale de fonction
de répartition cumulée H( ) (
ln( )
) x
x
·

Φ
µ
σ
avec Φ la fonction de répartition cumulée d'une
loi gaussienne centrée normée. Donc la loi du logarithme naturel de la valeur du temps est
gaussienne de moyenne µ et d'écart-type σ. Alors il vient :
( )
H y y
− −
· +
1 1
( ) exp ( ) µ σΦ
F x
H u
u
x
( )
( )
·


1
1 0
d ( )
· − −

exp( ) ( )
σ
µ σ
2
1
2
Φ Φ Φ Φ x
ANNEXE D. SCHEMA DU RESEAU DES PREMIERES ETUDES A86 OUEST

confort routier. appliqué à une relation O-D avec deux routes en concurrence (Figure 1a) pour deux valeurs fixées du flux (Figure 1b et Figure 1c) puis pour une demande élastique (Figure 1d). Fonction de demande x = D(t ) = 20 − t .2 . la référence classique est le modèle déterministe homogène de WARDROP-BECKMANN. t2 = 13. complémentaire de la première. sécurité.32 Les Cahiers Scientifiques du Transport . temps t1 = 5 + 2 x1 x1 = 2 .e.4 O x2 = 7 . que le flux d'une relation origine-destination (O-D) dépend du niveau de service mesuré (au signe près) par le temps minimum. somme qu'un individu accepte de payer pour économiser une unité de temps. t2 = 17 D O x2 = 3. fiabilité… Une première solution technique. Mais certains facteurs sont malaisés à mesurer ou à convertir : une deuxième solution. est de considérer que les conducteurs minimisent non pas le seul temps de parcours. La Figure 1 expose les résultats du modèle déterministe homogène. temps t2 = 10 + x2 Flux O-D total x = x1 + x 2 . t1 = 9 O flot x2 . dans le modèle déterministe homogène.4 . EXEMPLES DE MODELES D'AFFECTATION Parmi les modèles d'affectation statique du trafic routier. D'autres facteurs que le temps influencent le choix d'itinéraire : distance.N° 30/1995 considérons pas ici l'affectation dynamique qui explicite l'écoulement du temps : elle étend l'affectation statique. t1 = 17 x1 = 4. c) Application pour x = 13. d) Application à demande variable. t1 = 13. mais cela n'a pas de rapport direct avec notre propos qui est de calculer un équilibre entre offre et demande de transport. On peut supposer l'élasticité de la demande. t2 = 10 Tout le trafic s'affecte sur la route 1. est d'ajouter au temps généralisé un terme aléatoire dont on fixe . flot x1 . Dans ces conditions seuls les chemins de temps minimum peuvent être chargés. b) Application pour x = 2. péages autoroutiers. dans lequel le temps de parcours dépend du débit et les conducteurs ont une information et une rationalité totales. ainsi on divise les frais de péage par la valeur du temps. donc à l'équilibre les temps de parcours des chemins utilisés sont égaux et minimaux. 4 D Le trafic se partage entre les deux routes. Figure 1 : Résultats du modèle déterministe homogène a) Données de l'application. i. mais un temps généralisé qui englobe les autres facteurs après conversion en unité de temps . D x1 = 6 . D O x2 = 0 .

42 . La Figure 2 présente ce modèle pour l'exemple de la Figure 1. x1 = 1.Un algorithme pour résoudre plusieurs modèles d’affectation du trafic. 19 x = D(− ln( e −θt1 +e −θt2 ) ). M. t2 = 10.11 . t1 = 13. 67 . Leurent .. 34 x1 = 6. en supposant que les coefficients d'équivalence entre les facteurs du temps généralisé varient parmi les conducteurs.F. On obtient un modèle prix-temps (bicritère) lorsque l'on suppose que c'est la valeur du temps qui est continûment distribuée parmi les demandeurs. b) Demande fixe x = 13. x1 = 1. t1 = 8. 98 . Reprenons l'exemple de la Figure 1 en l'adaptant au cas prix-temps. t2 = 7.33 .25 . . t2 = 10. 1 . 07 O D x2 = 0. Figure 3 : Démonstration du modèle prix-temps a) Demande fixe x = 2.. t2 = 13. t1 = 17.8 x1 = 6. Mais nous supposons désormais que la valeur du temps suit une loi log-normale de moyenne 60 et telle que son logarithme naturel a un écart-type de 0.03 . t2 = 4. alors le temps généralisé de la seconde route vaut tg 2 = 4 + x2 + 360 / 60 ce qui revient au cas de la Figure 1. b) Demande fixe x = 13. c) Demande variable. qui stipule que le rapport des trafics de deux itinéraires concurrents est égal au rapport de fonctions exponentielles négatives appliquées aux temps généralisés respectifs : soit x1 / x2 = exp( −θ t1 ) / exp( −θ t 2 ) .6. compatible avec les deux premières mais le plus souvent employée seulement avec la première. 1 Le trafic se partage… O D O D x2 = 6. On obtient alors un modèle stochastique. 33 la distribution statistique afin de reproduire des répartitions du trafic entre itinéraires concurrents observées. θ Une troisième solution. t1 = 13.11 x2 = 0. est d'expliciter différents comportements au sein de la demande. 9 . c) Demande variable. 1 x1 = 4.58 x = D(TGmoyen) = 20-12. t1 = 17.19 . avec un péage de 360 : si l'on considère une valeur du temps unique de 60. t1 = 8. x2 = 3. 84 x1 = 4. avec θ = 2. 33 x2 = 6.58 . Le modèle stochastique le plus simple est le logit linéaire.0 Presque identique à la Figure 1c. 02 .6. 51 O D O D O D x2 = 3. t2 = 17. On suppose maintenant que sur la seconde route la fonction de temps de parcours est t 2 = 4 + x2 . Figure 2 : Démonstration du modèle logit linéaire a) Demande fixe x = 2.

à savoir la possibilité de caractériser mathématiquement le point d'équilibre du modèle comme la solution d'un programme de minimisation convexe.34 Les Cahiers Scientifiques du Transport .1. ou avec une perception aléatoire du temps de parcours (logit linéaire). Selon le principe de WARDROP. réseau de 2000 arcs). Cette question technique est nécessaire à toute application. 1. ou la décomposition simpliciale programmée dans DAVIS et SATURN) en ce qu'elle explicite les chemins suivis : chose que bien des praticiens jugent encore impossible. bien que les résultats des exemples poussent en ce sens ! Son objectif est de présenter une méthode de calcul. un k k chemin k de temps de parcours Trs n'est utilisé que si Trs est minimal. nous avons étendu la PET aux cas de la demande élastique. Nous avons développé un algorithme particulier. la Procédure d'Egalisation par Transvasement (PET) proposée par GIBERT (1968) puis d'autres. du logit linéaire et du modèle prix-temps. plusieurs chemins k sont susceptibles d'acheminer un déplacement. pour traiter le modèle déterministe homogène . La troisième partie relate des expériences numériques. QUESTIONS DE METHODE Du côté de la méthode. LE PRINCIPE DE BASE Soit un réseau de transport composé d'un ensemble de noeuds (= sommets) et d'un ensemble d'arcs a. avec δ rs = 1 si a ∈ k ou 0 sinon. La suite de l'article se compose de trois parties principales suivies d'une conclusion. 1995a) nous avons étendu sa portée théorique à des modèles qui sophistiquent la représentation de la demande : à savoir à demande élastique. FONDEMENT ET MISE EN OEUVRE DE LA PROCEDURE D'EGALISATION PAR TRANSVASEMENT 1. nous avons d'abord vérifié l'intérêt pratique de la PET en la comparant aux algorithmes usuels dans une application opérationnelle de taille moyenne (140 zones de demande. Puis (LEURENT. un algorithme d'équilibrage. entre un sommet d'origine r et un sommet de destination s. Généralement. La deuxième partie traite des extensions théoriques. Trois appendices apportent respectivement : la preuve du principe d'extension. donc préalable à toute confrontation des modèles. La PET se distingue des algorithmes d'équilibrage classiques (tels que la méthode de FRANK-WOLFE implantée dans Emme/2 et Min UTP. Un temps de parcours Trs est la somme des temps de parcours Ta des arcs a traversés par le chemin k : ak k ak Trs = ∑a ∈k Ta = ∑a δ rs Ta . La première partie expose le fondement de la PET et la mise en oeuvre prescrite par SCHITTENHELM (1990). Pour préciser le modèle à ce stade. parmi ceux des chemins k envisageables. Ces diverses extensions relèvent d'un même principe théorique.N° 30/1995 OBJECTIF DE LA RECHERCHE Cet article ne vise pas à comparer plusieurs modèles d'affectation. un formulaire pour des distributions triangulaires des valeurs du temps et un formulaire pour des distributions log-normales des valeurs du temps. ou avec des arbitrages différenciés entre deux critères de coût (modèle prix-temps à valeur du temps distribuée continûment). valable pour les différents modèles examinés. alors que la constante progression des ressources informatiques permet maintenant de traiter des applications de taille moyenne (quelques milliers d'arcs) sur un micro-ordinateur compatible IBM-PC. il faut répondre à deux questions : .

chaque élément m rs étant un ensemble de chemins k entre r et s.. et un caractère progressif (à un moment donné on minimise sur l'espace des chemins connus. qui livre un chemin k de temps minimal entre r et s : quand une telle recherche ne fait pas apparaître de nouveau chemin. entre autres solutions ((PATRIKSSON. on teste la convergence pour déterminer s'il y a lieu de réitérer le traitement ou non. A la seconde question. La méthode de SCHITTENHELM est une minimisation à la GAUSS-SEIDEL de la fonction objectif. 1. auquel cas l'objectif est atteint. qui est un sous-ensemble de l'espace des chemins envisageables). Quant à la troisième question. peut-on se contenter d'une égalisation approximative. soit il y a un chemin utilisé de coût supérieur à celui d'un autre chemin. avec pour variable de pivot le vecteur des flux issus d'une certaine origine. ou qu'il n'y ait plus de flux affecté au chemin le plus long.Un algorithme pour résoudre plusieurs modèles d’affectation du trafic. on parvient (par transitivité) à minimiser et égaliser les temps de parcours des chemins utilisés entre l'origine et la destination. M. ou (LEURENT. à quel moment.comment traiter plusieurs relations origine-destination ? . Mais il faut dans chaque application trouver un niveau d'égalisation convenable… 1. 1995b) pour quelques aperçus). NOTATIONS SUPPLEMENTAIRES Nous appelons collection de chemins M = { m rs }rs un ensemble à autant d'éléments m rs que de paires O-D. Alors le principe d'égalisation consiste à détourner.peut-on se contenter d'une égalisation approximative ? SCHITTENHELM (1990) répond aux deux premières questions. .. transférer du flux depuis le chemin chargé vers le chemin de coût minimal.3. à savoir l'affectation à un chemin de temps minimal ? On répond usuellement à la première question en effectuant une recherche de plus court chemin. Une fois toutes les origines r ainsi traitées. LA MISE EN OEUVRE SOULEVE TROIS QUESTIONS . l'expérience pratique induit à répondre positivement. Si l'on a identifié les chemins disponibles. de chercher depuis cette origine les plus courts chemins vers toutes les destinations s afin d'augmenter éventuellement les collections (= stocks) de chemins pour les relations origine-destination r0 − s .2. En itérant une telle confrontation deuxà-deux des chemins.comment identifier les chemins k ? .F. soit tous les chemins utilisés sont de même coût et il n'existe pas de chemin non-utilisé de coût inférieur. jusqu'à ce qu'il y ait égalisation du temps de parcours entre les deux chemins. Il prescrit de considérer tour à tour chaque origine r0 . LES REPONSES DE SCHITTENHELM La mise en oeuvre du principe d'égalisation nécessite de répondre à trois questions : . 1994) pour un très large panorama.si un temps Ta varie en fonction du débit local xa . selon Ta = t a ( x a ) où ta est une fonction continue croissante. comment répartir le trafic qrs de la relation origine-destination r-s de manière à satisfaire le principe de Wardrop. sélectionner les chemins candidats à l'égalisation (ces chemins sont ensuite stockés) ? . le principe d'égalisation constitue une réponse. alors forcément les chemins de temps minimum déjà identifiés suffisent.comment. puis d'égaliser tour à tour chacune des relations r0 − s . Leurent . 35 .

l'y placer. k le vecteur g = { grs }rsk qui ne diffère de f que sur les deux composantes k k k k grs1 = f rs1 − α et grs2 = f rs2 + α . k k • Si Trs1 (f) ≤ Trs2 (f) + ε T . • Choisir la première origine r. l'agrégation sur l'O-D r-s des flux sur chemins f. K 0.36 Les Cahiers Scientifiques du Transport . et un chemin de temps minimum. k K rs. Pas 1 : Progression d'ensemble. 0 • Charger le réseau en affectant le trafic de l'O-D r-s sur le chemin k rs . • Choisir la première destination s. • Depuis le sommet d'origine r.α ) k le vecteur g = { grs }rsk qui ne diffère de f que sur la composante k k grs = f rs − α . • Incrémenter le compteur d'itérations : i:= i + 1 . disons k 2 . • Pour chaque destination s. la fonction objectif du programme de BECKMANN (1956). 0 0 • Initialiser la collection des chemins : par exemple ∀r .0(f .4. Pas 3 : Equilibrer l'O-D r-s. . si le plus court chemin ainsi calculé entre r et s n'est pas déjà dans mrs . aller au Pas 4.α ) rs J k le vecteur g = { grs }rsk qui ne diffère de f que sur la composante k k grs = f rs + α . chercher les plus courts chemins sur la base des temps de parcours courants Ta : = ta ( xa (f)) . 1. Pas 2 : Augmenter la collection de chemins. k (f . disons k1 et notons f rs1 sa charge. • Si la collection mrs est vide. alors aller au Pas 4. on note : ak k xa (f) = ∑rsk δ rs f rs k qrs (f) = ∑k f rs k1 K rsk2 (f . dont la minimisation livre un point d'équilibre du système de transport.α ) l'agrégation sur l'arc a des flux sur chemins f.N° 30/1995 k Pour un vecteur de flux sur chemins f = { f rs }rsk . Pas 0 : Initialisations. s mrs : = { k rs } où k rs est un plus court chemin calculé sur la base des temps de parcours Ta = ta ( 0) . • Initialiser le compteur d'itérations : i:= 0 . DÉTAIL DU PROCÉDÉ DE SCHITTENHELM On peut résumer la variante de SCHITTENHELM (1990) par un algorithme en 6 étapes. k • Prendre dans mrs le chemin chargé de temps maximum.

et modifier en conséquence les temps de parcours courants Ta = ta ( xa (f)) . alors retenir α := f rs1 . (2-3) . M. • Si s n'est pas la dernière destination. Un test intuitif de convergence consiste à examiner si : k k max r . • Recommencer le Pas 3. 37 k1 • Chercher la solution α de : minα ∈[ 0.α ) .sinon retenir α tel que Trs1 ( K rsk2 (f .5. Pas 4 : Nouvelle destination et nouvelle origine. f rs1 )) + ε T .. 1994) et que nous reprendrons exactement au §2. retourner au Pas 1. • Noter f ( i ) le vecteur de flux sur chemins obtenu en fin de la i-ème itération.. les valeurs des principales variables d'état du système : le flux et le temps de chaque chemin. alors Terminer . Soit un réseau à 4 noeuds et 5 arcs. Figure 4 : Données pour le cas d'école Origine 1 3 Arc a (1-2) (1-3) (2-3) (2-4) ta(x) 10x 50+x 10+x 50+x 10x 2 4 Destination (3-4) Le Tableau 1 expose. Sinon. alors considérer l'origine suivante et aller au Pas 2. k k1 k k1 . (3-4)} et 3={(1-3) .α )) = Trs2 ( K rsk2 (f .si Trs1 ( K rsk2 (f . Leurent . • Si f ( i ) satisfait un test de convergence. f rs1 )) ≥ Trs2 ( K rsk2 (f . 2={(1-2) . ZHU.F. (2-4)}. • Si r est la dernière origine et s la dernière destination. . f k1 ] J ( K rsk2 (f . si r n'est pas la dernière origine.α )) . avec un flux de demande de 6 unités. k . aller au Pas 5. à la fin de certains transferts (repérés par le numéro de l'itération et le numéro d'exécution du Pas 3 dans cette itération). Pas 5 : Test de convergence. k1 • Actualiser : f: = K rsk2 (f . k tel que f k1 >0 Trs1 (f ( i ) ) − Trs2 (f ( i ) ) ≤ ε G 2 1 rs 1. s.α )) . (3-4)} (Figure 4). DEROULEMENT D'UN EXEMPLE Nous adaptons un exemple adapté de (MARCOTTE. alors considérer la destination suivante et aller au Pas 3.4. • Si s est la dernière destination. Autrement dit : rs k k1 k k k1 k k .Un algorithme pour résoudre plusieurs modèles d’affectation du trafic. reliant une unique origine à une unique destination par 3 chemins 1={(1-2) .

16 112.41 92.16 f1 0.84 2. Une justification intuitive tient au « couplage » entre les relations O-D : si 2 itinéraires sont concurrents entre une origine et une destination données. n° de Pas 3 0 1 2.25 101.2 2.17 1.68 93.38 Les Cahiers Scientifiques du Transport .83 2.33 100.). l'opération d'égalisation porte sur les temps de parcours des chemins. alors très probablement il y aura d'autres O-D où les mêmes portions d'itinéraires sont en concurrence.00 Il y a convergence en 2 itérations.81 1.).96 2.81 2.5 2.04 2.N° 30/1995 Tableau 1 : Quelques états intermédiaires Itération . Il faut 24 itérations de l'algorithme de FRANK-WOLFE pour parvenir à ce résultat. à une valeur de 3 par exemple.00 T1 110.4.). UN PRINCIPE D'EXTENSION Appliqué au modèle déterministe homogène de BECKMANN. le modèle logit linéaire (2.00 0. et leur minimalité par rapport à celles des chemins envisageables.2.39 2. Dans la pratique.23 92.25 90.08 1.00 88.00 T2 136.16 100.73 91. Pour cela.93 92.3.00 112. il paraît judicieux d'appliquer avec modération le principe d'égalisation sur une même relation O-D au cours d'une itération : autrement dit. de manière que l'égalité entre les impédances des chemins utilisés et la k minimalité soient synonymes de l'équilibre du modèle.00 112. EXTENSION A D'AUTRES MODELES Nous présentons d'abord un principe pour étendre le procédé d'égalisation à d'autres modèles que le modèle déterministe homogène de BECKMANN traité par SCHITTENHELM (2.84 2.00 2.1.1 2.00 3.58 1.00 f3 0.73 92.24 101. avec pour la deuxième itération 16 transferts : donc en tout 17 transferts. Puis nous appliquons ce principe en abordant successivement la demande élastique (2. et le modèle prix-temps à demande élastique agrégée (2. mais l'exemple choisi favorise cette méthode. Une extension naturelle à un autre modèle est de k remplacer le temps de parcours Trs (f) d'un chemin k par une fonction d'impédance plus k générale Grs (f) .1.). et si le réseau d'application compte de nombreuses zones de demande. Donc on peut attendre une « égalisation entre points de choix sur le réseau » grâce à une succession de transferts entre O-D différentes. k [E1] Un impératif d'ordre théorique : l'égalité des impédances Grs des chemins utilisés.58 1.24 95.32 95.3 2. 2. il est bon de limiter le nombre de transferts pour chaque relation O-D au Pas 3 de l'algorithme.10 2.08 1.00 1.00 2.08 2.00 T3 110.16 101.68 93.24 96. 2.83 3. . une fonction Grs doit remplir deux exigences. doivent équivaloir aux conditions caractéristiques d'un état d'équilibre du modèle.41 92.00 f2 6.08 1.

. originellement formulé comme : min f ≥ 0 J (f) = ∑a ∫0 a t a (z )dz − ∑rs ∫0 rs x (f) { } { q (f) − Drs1( z )dz } 1 Formulation de la « demande en excès ». par exemple Qrs = Drs ( 0) . comme une solution d'un programme d'optimisation convexe min g≥ 0 . k k1 k k1 une fonction d'écart Φ(α ) = Grs1 ( K rsk2 (f . M. 39 [E2] k k Un impératif d'ordre pratique : entre deux chemins k1 et k 2 tels que Grs1 (f) > Grs2 (f) . et de lui attacher une fonction fictive de temps de parcours −1 t ars ( x ) = Drs ( Qrs − x ) . La preuve de convergence de (SCHITTENHELM. il faut définir {n} = {k } U{0} . Dans le cas à 0 demande élastique. une solution élégante1 due à MURCHLAND (1970) est de rajouter un arc imaginaire ars entre le sommet d'origine r et le sommet de destination s. On en déduit 0 Grs (f) = évidemment ∂J m 0 ∂f rs que = ∂J m ∂qrs ∂J =− m . Nous avons volontairement noté n plutôt que k. Théorème 1. g plutôt que f. 1990) s'applique. Leurent . CAS DE LA DEMANDE ELASTIQUE Pour traiter le modèle déterministe homogène à demande élastique.2.α )) − Grs2 ( K rsk2 (f . ∑ g n = Q J m(g) . La preuve est donnée en Appendice A. Si l'on peut caractériser un état d'équilibre d'un certain modèle... Le programme de BECKMANN à demande élastique.α )) doit décroître en fonction du flux transférable α. 0 ∂qrs ∂f rs ∂qrs 0 ∂f rs ∂qrs = 0 = −1. g par f et Qrs par qrs dans l'énoncé. ∂qrs ∂f rs dont il résulte que 2. et g = (f . Dans le cas à demande fixe.Un algorithme pour résoudre plusieurs modèles d’affectation du trafic. où Qrs est un majorant de la fonction de demande Drs . et Qrs plutôt que qrs : c'est pour que le théorème s'applique à la fois à la demande fixe et à la demande élastique. f 0 ) où f 0 = { f rs }rs est le vecteur des flux de demande en excès (voir ci dessous pour plus de précisions) : ainsi les contraintes de 0 0 k flux origine-destination deviennent f rs + ∑k f rs = Qrs ou encore f rs + qrs (f) = Qrs . k Nous allons énoncer et démontrer un théorème qui guide le choix d'une fonction G rs . alors les dérivées partielles de la fonction objectif fournissent des n rs rs n fonctions Grs (g) = ∂J m n ∂grs (g) qui satisfont les exigences E1 et E2. condition suffisante d'extension.F. pour un modèle doté d'une formulation extrémale. il suffit de remplacer n par k.

0 − • Grs = Drs1 ( qrs ) Notons que. CAS DU MODELE LOGIT LINEAIRE Dans le modèle logit linéaire. on retient : • k Grs k = Trs k 1 ln( f rs ) + θ qrs pour un chemin réel. Comparaison à la méthode de NAGURNEY. Q f0 . 2. donc qrs = Drs ( min k Trs ) qui est la condition d'équilibre entre k volume de demande qrs et niveau de service déterministe min k Trs . Grs2 et Grs .g=(f. 1994a). et la condition d'équilibre s'écrit : k k k k f rs1 / f rs2 = exp( −θ ( Trs1 − Trs2 )) En application du théorème 1. pour le chemin fictif. elle signifie que. 1994a). si la demande est élastique. et que.3. on réduit f rs . si Grs(f) > Grs(f) . SPARROW (1969) mais se différencie de celui de SCHITTENHELM étendu à la demande élastique. Quant à l'exigence E1. grâce à la relation de Chasles. l'écart Grs − Grs se réduit doublement.f 0 ) J (g) = ∑a ∫0 a ta (z )dz + ∑rs  ∫0 rs t ars (z )dz    0 sous les contraintes f rs + qrs (f) = Qrs . dans le modèle logit linéaire. et elle égalise simultanément Grs1 . Comme elle conclut que son approche est plus efficace que celle de DAFERMOS et SPARROW adaptée pour traiter la demande élastique. ce qui d'une part réduit Grs . les chemins doivent être définis à l'avance (LEURENT.N° 30/1995  f0  x (f) devient2 : min g≥ 0 . entre les vrais chemins. car. il suffit de 0 − k k k définir : Grs (f) = Drs1 ( ∑k f rs ) et de conserver la définition Grs (f) = Trs (f) pour tout chemin k k 0 k réel n=k>0. seuls sont utilisés des chemins dont le coût est minimal. il convient donc de − − ∑rs ∫0 rs Drs1( z )dz près. Par rapport à la méthode de DAFERMOS et SPARROW.40 Les Cahiers Scientifiques du Transport . La solution que nous proposons pour traiter la demande élastique diffère de celle de NAGURNEY (1988) seulement dans l'application de l'algorithme. vu la caractérisation de l'équilibre logit linéaire par une formulation extrémale dans (LEURENT. on vérifie Q 0 Q − f rs 2A une constante − ∫0 rs q (f) − Drs1( z )dz = − ∫0 rs − − − Drs1( z )dz = −( ∫0 rs Drs1( z )dz ) + ∫0 rs Drs1( Qrs − z )dz . k − k k on a : Drs1 ( ∑k f rs ) = min k Trs . L'exigence E2 est donc satisfaite. L'algorithme de NAGURNEY ne prévoit pas de répéter le Pas 3 plusieurs fois consécutives pour une même relation O-D : en cela il suit l'approche de DAFERMOS. puisque le procédé de SCHITTENHELM « égalise davantage » que celui de NAGURNEY. d'autre part k − k k 0 réduit ∑k f rs donc augmente Drs1 ( ∑k f rs ) : au total. nous pouvons directement inférer que la méthode de SCHITTENHELM est plus efficace que les deux autres. Ainsi. qui lui-même « égalise davantage » que celui de DAFERMOS et SPARROW. Quand on lui applique le procédé d'égalisation. NAGURNEY choisit deux k k 0 chemins réels k1 et k 2 . { } En donnant l'indice n=0 au chemin imaginaire entre r et s. tous les chemins définis comme « attrayants » sont chargés.

au niveau du test de convergence. 1995b) permet de calculer à l'avance plusieurs chemins différents pour chaque relation origine-destination. et il y a mrs classes monétaires. les temps généralisés par arcs à considérer dans une recherche de chemin efficace pour une valeur du temps v s'expriment Ta = ta ( xa (f)) + Pa / v .. mais encore. pour un chemin réel.F. 41 remplacer l'initialisation de la collection des chemins (au Pas 0) par le chargement de chemins déjà calculés3. L'indexation des classes i monétaires suit l'ordre des prix croissants.4. Hrs est la réciproque de la fonction x dt de répartition cumulée des valeurs du temps sur l'O-D r-s. on soustrait une série i+ i de rapports entre une différence de prix Prs 1 − Prs et une valeur du temps de coupure −1 i Frs ( Qrs / qrs ) . tandis que Frs ( x ) = ∫ −1 .Un algorithme pour résoudre plusieurs modèles d’affectation du trafic. Leurent . un Grs minimum s'interprète comme le temps de k parcours du chemin le plus rapide.. chemin tel qu'il soit efficace pour une certaine valeur du temps vrs ) tirée au hasard selon la loi de probabilité propre à l'O-D. Une solution de simplicité consiste à chercher un seul chemin à la fois depuis chaque origine au (i Pas 2. Au temps de parcours Trs du chemin k. il faut non seulement remplacer Trs par Grs . . 3 Le logiciel MARS (LEURENT. M.3. et d'ôter l'augmentation de la collection des chemins prévue en cours d'itération (au Pas 2). en notant mrs ( k ) l'indice de classe monétaire du chemin k. 2. Quand les prix des chemins dépendent uniquement de péages Pa sur les arcs. ce qui soulage l'utilisateur d'un codage manuel préalable des itinéraires.. jusqu'à parvenir à la classe la plus chère.( Frs rs  − −1 rs i rs )   i =1  qrs  Hrs ( Qrs / qrs )    si la demande est élastique. donc une série de gains de temps entre classes monétaires de prix consécutifs.    Qi  mrs −1   Qi / q m − i i+ 0 • Grs = Drs1( qrs ) −  Frs( 1) Prs rs + ∑ ( Prs − Prs 1 ). CAS DU MODELE PRIX-TEMPS A DEMANDE TOTALE ELASTIQUE Pour le modèle prix-temps à demande élastique agrégée défini par LEURENT (1993a). dans une recherche de plus courts chemins. Pour adapter au modèle prix-temps k n l'algorithme de SCHITTENHELM décrit au 1. On note Qrs le trafic −1 i de l'O-D r-s qui est affecté sur les chemins de prix ≤ Prs . Mais alors. il faut imposer par prudence la stabilité de la collection des itinéraires pendant la dernière itération et si possible quelques précédentes. Adaptations particulières du procédé d'égalisation. on peut choisir en application du Théorème 1 : k k • Grs = Trs + mrs −1 i = mrs( k ) ∑ − i Hrs1 ( Qrs / qrs ) i i+ Prs − Prs 1 . chercher pour chaque O-D non pas un seul chemin mais un ensemble de chemins tels que pour chaque valeur du temps l'un des chemins soit efficace. 0 H (t ) rs k Lorsque tous les chemins sont chargés. une classe monétaire de chemins i i regroupant tous les chemins d'un prix donné Prs sur l'O-D r-s.

2 et 3 valent ainsi respectivement 200.19 0.7 G2 ? 70. .1 72. 1994) qui se distingue de l'exemple développé au 1. choisies parmi bien d'autres possibles. 1994) consiste à rajouter une boucle de niveau supérieur.00 0. Nous reprenons exactement l'application numérique de (MARCOTTE.39 f2 0.47 2.traiter plusieurs classes. on applique d'abord le procédé d'égalisation pour résoudre un programme d'optimisation libre dans lequel les fonctions de temps de parcours des arcs dépendent des variables duales associées aux contraintes de capacité. puis on actualise les multiplicateurs (variables duales) une fois que le programme libre particulier est résolu.42 Les Cahiers Scientifiques du Transport .5 73.1 73.26 3. 1994).7 73.1 2. ZHU.58 2.27 G1 ? 73.57 2.15 2.31 0. chacune pouvant relever de l'un des modèles examinés ci-dessus.42 3.43 2. l'algorithme de FRANK-WOLFE employé dans (MARCOTTE. par deux ajouts : . PATRIKSSON. .7 73.on associe des péages aux arcs : les prix des chemins 1. Une solution possible (LARSSON.4.33 3. Tableau 2 : Quelques états intermédiaires Itération . f1 0.4 73. Au bout de deux itérations et de 16 transferts.9 73. n° de Pas 3 0 1 2. logit linéaire ou bicritère (prix-temps).0 73.3 72.on considère une distribution continue des valeurs du temps parmi les déplacements.4 73.00 0.34 f3 6. Pour parvenir au même résultat.5 2.2 2. demande entre 60 et 70 itérations.associer à certains arcs des contraintes de capacité.7 .N° 30/1995 Application numérique.7 G3 111. ZHU.7 73. 1995b).27 3. afin de chercher le point-selle d'un lagrangien augmenté : au cours d'une itération de niveau supérieur.1 73. 190 et 210.4 73.34 0.00 3. avec la demande élastique si désiré : il suffit d'ajouter un Pas 4' pour considérer la prochaine classe. la fonction objectif ne décroît plus et les flux sont stables à 1e-5 près. AUTRES EXTENSIONS FACILES On étend facilement le procédé de SCHITTENHELM pour : .23 3. ont été incorporées au programme MARS (LEURENT.4 73.5.0 72.00 2.3 74. Ces deux extensions.40 2. de loi triangulaire entre 0 et 2 (voir l'appendice B pour l'expression des fonctions liées à la distribution statistique des valeurs du temps).10 2.19 0. Notons que le nombre des transferts nécessaire au procédé d'égalisation est équivalent dans le cas bi-critères à celui nécessaire dans le cas à une seule valeur du temps.

Leurent .F. paramètrées 0 selon t a ( x ) = ta (1 + 0. le niveau de service est le temps de trajet minimum sur l'O-D.. donc près de 20 000 paires origine-destination. LE MODELE DETERMINISTE HOMOGENE Dans le modèle déterministe homogène. PRINCIPES DES TESTS ET DONNEES D'APPLICATION Nous posons 4 principes méthodologiques pour les expériences numériques : . la valeur peut varier de -0. avec ( trs .6 . Les algorithmes en lice.la méthode de FRANK-WOLFE. 3. Le réseau comprend environ 2 000 arêtes unidirectionnelles. prix-temps).la PET.BECKMANN -. Annexe D) et une matrice O-D des déplacements à l'heure de pointe du soir.Un algorithme pour résoudre plusieurs modèles d’affectation du trafic.le niveau de convergence atteint à l'issue d'un certain nombre d'itérations est mesuré à l'aide de la fonction objectif évaluée au point courant. on suppose que le temps de parcours ne dépend pas du niveau de trafic.pour chaque modèle (parmi déterministe homogène . et au plus trois transferts par paire O-D dans une même itération. . . cela pour les arcs qui ne sont pas Ca 4.la comparaison entre algorithmes porte non seulement sur le nombre d'itérations nécessaires pour atteindre un certain niveau de convergence. Nous appliquons en concurrence trois algorithmes au modèle de BECKMANN : . logit linéaire additif.15( x ) 4 ) . donc la précision relative de l'équilibrage est meilleure que 1 ‰). les auteurs des déplacements minimisent le temps de déplacement. . avec un pas de descente à la i-ème itération défini à l'avance comme 1 / (1 + i ) . avec un seuil d'intervention au Pas 3 choisi égal à 1e-4 h (pour des temps de parcours typiques d'une demi-heure.3 à -2.1. avec Ca capacité pratique. Il y a 141 zones de demande. Les données de l'application. nous appliquons le procédé d'égalisation en concurrence avec une (ou plusieurs) méthodes « classiques ». . des connecteurs On considère la fonction de demande d'élasticité constante 0 0 0 0 qrs = Drs ( t ) = qrs ( t / trs ) −0.2. mais encore et davantage sur le temps total passé (sachant que les calculs sont faits à l'aide d'un même outil.. La société COFIROUTE nous a aimablement communiqué deux jeux de données codant respectivement un réseau routier urbain à l'ouest de Paris (Cf.6 est classique des modèles de demande de transport. Les fonctions de temps de parcours sont de type BPR. qrs ) un point de référence particulier à la relation O-D r-s (cette élasticité constante de -0. EXPERIENCES NUMERIQUES 3. elle a lieu sur un micro-ordinateur compatible IBM-PC (donc représentatif des outils couramment disponibles dans un bureau d'études de transport). 4 Pour les connecteurs. Quand la demande est élastique (hypothèse retenue ici). 43 3. dont ils ont une connaissance parfaite et une même évaluation. le programme MARS en l'occurrence).0). le mode et la période. même si selon le site.l'application considérée est de taille moyenne (140 zones et 2000 arcs). . .la méthode des moyennes successives. M.

. (LEURENT.7 Niveau de convergence à l'itération i 2 5 10 20 50 -1. qui disparaît en cours de route en raison de la présence du seuil de mise en oeuvre. Tableau 4 : Résultats pour le modèle logit linéaire Algorithme Moyennes successives Egalisation 1 -1.4 -2.5 -3. On retient un paramètre de dispersion θ égal à 0.3. environ).7 -4. Si l'on explicitait automatiquement les chemins (par STOCH3. on retient pour indicateur de convergence la quantité J (f ( i ) ) − J * .7 -2.5 -3. 1994a)).233 mn-1 (donc quand deux chemins sont en concurrence.5 -1. définie à l'avance. avec J* la valeur optimale du programme d'optimisation.3 -1. avec la même collection de chemins.9 En termes de nombre d'itérations.0 0.1 -3.8 -1. on constate encore l'efficacité initiale supérieure de la PET. MODELE LOGIT LINEAIRE Dans le cas du modèle logit linéaire.N° 30/1995 A l'issue de la i-ème itération.0 10 -2.6 6.7 -1. Dans les tableaux qui J* suivent. la PET converge beaucoup plus rapidement que ses deux concurrents. La supériorité de la PET se maintient si l'on considère les temps.4 -4.5 90 -8.8 200 400 Temps par itération (mn) 2. ce qui explique le temps relativement élevé passé dans une itération par l'algorithme des moyennes successives. nous appliquons en concurrence la PET et la méthode des moyennes successives.7 -4. les deux algorithmes sont à peu près équivalents : mais notons que là les chemins sont explicités.7 -2.0 En nombre d'itérations.1 -0.8 -3.5 -2.4 50 -3.44 Les Cahiers Scientifiques du Transport .4 -3. car pour améliorer la précision il faudrait abaisser ce seuil en cours de route.6 -4.7 20 -2.5 -5.7 6. la méthode des moyennes successives serait beaucoup plus rapide (d'un facteur 5.6 100 -3.3 0.2 Temps par itération (mn) 2. Notons l'atténuation progressive de l'efficacité de la PET : c'est là un effet du seuil de mise en oeuvre ε T (au Pas 3). si le second est plus long de 5 mn. on mesure le niveau de convergence comme le logarithme décimal de cet indicateur.0 -1.6 -2. entre lesquels la méthode de FRANK-WOLFE semble préférable. En termes de temps de calcul.9 -3.5 -4. alors les trois quarts des individus choisissent le premier et le quart restant le second).0 -2.1 -5. 3.1 -4. Tableau 3 : Résultats pour le modèle de Beckmann Niveau de convergence à l'itération i Algorithme Frank-Wolfe Moyennes successives Egalisation 1 2 5 -1.5 -4.0 -1.

1993a). nous avons appliqué au même problème d'affectation prix-temps la méthode des moyennes successives sans explicitation des chemins (F. en termes de temps de calcul pour résoudre le modèle déterministe homogène..3 -2. On a retenu comme distribution des valeurs du temps une loi log-normale5 de médiane 60 F/h. Ces constats portent un témoignage supplémentaire quant à la contribution des mathématiques à la modélisation : c'est grâce à l'addition de deux innovations mathématiques (formulation en programme de minimisation convexe dans (LEURENT.9 -1.6 (valeurs standards en urbain.0 -2. en tirant au hasard une valeur du temps.6 -2. Cela signifie que si l'on peut se contenter de la précision obtenue en 200 itérations par la méthode des moyennes successives. M.5 -3. et d'écart-type de loi du logarithme naturel 0.8 -3. Le Tableau 5 montre cette fois la nette supériorité de la PET par rapport à la méthode des moyennes successives avec chemins explicités (LEURENT.3 -1. MODELE PRIX-TEMPS A DEMANDE ELASTIQUE AGREGEE La dernière série de tests concerne le modèle bicritère (prix-temps) à demande élastique agrégée. depuis chaque origine.Un algorithme pour résoudre plusieurs modèles d’affectation du trafic.4 -3. Cela montre qu'avec un algorithme approprié. d'appliquer la PET en abaissant progressivement le seuil de mise en route. il est inutile d'expliciter les chemins.4.4 7.. Tableau 5 : Résultats pour le modèle bicritère prix-temps Algorithme Moyennes successives Egalisation 1 Niveau de convergence à l'itération i 2 5 10 20 50 100 200 -1. 45 3.9 Temps par 400 itération (mn) -4. 1993b).5 -0. (MARCHE.F. Mais la solution de meilleur rapport qualitéprix est. Leurent . à un coût d'emploi inférieur en fait à celui des algorithmes usuels pour les modèles d'affectation plus rustiques.5 -3. . 1988)).1 -3.4 -2. Plus important.0 Pour terminer. Les chemins sont recherchés à chaque itération. la précision des débits synthétisés est comparable pendant les 200 premières itérations. mais ensuite elle stagne. extension de la PET ici) que le 5 On fournit en Annexe C le formulaire nécessaire au traitement d'une loi log-normale. Notons que pour la PET le temps passé dans une itération n'est que légèrement supérieur pour le modèle bicritère à ce qu'il est pour le cas avec une seule valeur du temps (Cf. 1993a). CONCLUSIONS Le travail mené développe le champ d'application de la procédure d'égalisation par transvasement à tout modèle d'affectation dont l'équilibre est solution d'un programme de minimisation convexe : cela englobe notamment le modèle déterministe homogène à demande élastique. un modèle d'affectation sophistiqué est tout à fait traitable. la PET est compétitive avec les algorithmes conventionnels. le logit linéaire et le modèle bicritère à demande élastique agrégée. elle permet de traiter des modèles qui sophistiquent la représentation de la demande. Tableau 3). dans tous les cas.7 -3. LEURENT. autant en nombre d'itérations qu'en temps de calcul pour atteindre un certain niveau de convergence. Pour un temps par itération 6 fois moindre qu'avec explicitation. à un coût de peu supérieur à celui requis pour le modèle déterministe homogène.0 4. Sur une application de taille moyenne.

. INRETS. June.C.1.B. GIBERT A. INRETS.T. Rapport de recherche INRETS n° 198. Ce n'est plus le cas maintenant : la sélection des chemins devient la question centrale en matière d'affectation. SPARROW F. 91-118. Note de Travail 94.B. MCGUIRE C. (1994b). MARCHE R. (1994a). pp. 163-199. Documents internes INRETS. (1995b). Elle permet aussi de mener des analyses de sensibilité ((LEURENT. of Oper. pp. WINSTEN C. L'explicitation des chemins trouve des applications pratiques immédiates : repérage des trajets des véhicules qui passent par une route donnée. (1994). (1988). Une Boîte-à-Outils pour opérer diverses affectations statiques du trafic routier. Vol. INRETS. (1995a). INRETS. pp. DAFERMOS S. Arcueil.le cas de l'affectation prix-temps. Transportation Research B. LEURENT F. An augmented Lagrangean Scheme for Capacitated Traffic Assignment Problems. 125-162. Une famille d'algorithmes d'équilibrage pour des modèles d'affectation statique du trafic routier. MARCOTTE P. Res. 417. The Traffic Assignment Problem for a General Network. Cost versus Time Equilibrium over a Network.7. Connecticut. puisque théoriquement plus riche et traitable à un coût équivalent. 71/2. LEURENT F. Logit-based equilibrium assignment model with elastic demand.1. Modelling Elastic. enfin ! BIBLIOGRAPHIE BECKMANN M. (1968). A Method for the Traffic Assignment Problem. 243-256. Vol. Arcueil. An efficient algorithm for a bicriterion traffic assignment problem. London Business School.. Transportation Network Theory Unit. Arcueil.. Arcueil. Report LBS-TNT-95.. 1994. J. (1993b). LEURENT F. Simplicial Decomposition with Disaggregate Representation for the Traffic Assignement Problem. Yale University Press. Transportation Science Vol. PATRIKSSON M. Stand. (1980). INRETS. Une telle recherche pouvait paraître inutile tant que les modèles ne pouvaient utiliser son produit. New Haven. Note de Travail 95.1 à 88. Eur. J. Notes de Travail LASER 88. LARSSON T. Arcueil. Vol. FISK C. In Actes INRETS Vol. LEURENT F. pp. Preprints of the 3rd Capri Seminar Vol. (1993a). PATRIKSSON M. (1992). Disaggregate Demand. In Actes INRETS Vol. Capri. INRETS. 38. 891-897.. (1956). . LEURENT F. Arcueil.. Munich. 38. In Proceedings of the First Meeting of the Euro Working Group on Urban Traffic and Transportation. 14. (1969). pp. ZHU D. LARSSON T. capacity constraints and a dual solution algorithm. Elle ouvre la voie à une nécessaire recherche empirique quant aux itinéraires réellement sélectionnés sur un réseau. Technical University of Munich. Bur. Some developments in equilibrium traffic assignment methodology.. 73B. 205-221. pp. London. pp. 1994b) pour le modèle bicritère). Studies in the Economics of Transportation. 26.N° 30/1995 modèle bicritère devient plus attrayant que le modèle déterministe homogène. LEURENT F. Res. Analyse de sensibilité et d'erreur d'un modèle .46 Les Cahiers Scientifiques du Transport . etc. 2. Natl.

et A l'équilibre. (1990). Verfahren VIII (Edited by R.Un algorithme pour résoudre plusieurs modèles d’affectation du trafic. Notons vrs le multiplicateur de LAGRANGE associé à la contrainte v = { v rs } rs . In Oper.. Donc la fonction d'écart décroît quand le flux à transférer croît. NAGURNEY A. on déduit que Φ(α + η) − Φ(α ) ≤ 0 quand η ≥ 0 . .α )) ∂J ∂J m ∂J ∂J m = m ( K(g. Vol. VSP.  −η   car seules les composantes d'indices r-s-n1 et r-s-n2 sont concernées.α )) + Grs2 ( K rs 2 (g. An equilibration scheme for the traffic assignment problem with elastic demands.α + η )) − Grs2 ( K rs 2 (g. 73-79. ( x − y) ≥ 0.F. donc Grs − vrs ≥ 0 n n ∂grs ∂grs n n n ∂£ grs . la condition (1) implique que les impédances des chemins non utilisés sont supérieures à l'impédance minimale vrs . On the integration of an effective assignment algorithm with path and path-flow management in a combined trip distribution and traffic assignment algorithm. d'où E2. SCHITTENHELM H. n = 0 . (1994).α + η )) − n ( K(g. Utrecht. Donc E1 est satisfaite. Henn et al. 22/1.α + η )) − Grs1 ( K rs 2 (g. ajoutée à cela.α + η ) − K(g. PREUVE DU THEOREME D'EXTENSION Preuve. Pays-Bas. pp. (1988).α + η )) − ∇J m( K(g. pp. M.α )  = ( ∇J m( K(g. v ) = J m (g) − ∑rs vrs ( ∑k g rs − Qrs ) n ∑n grs = Qrs .α )) ) . on vérifie les conditions de KUHN-TUCKER : ∂£ ∂J n = m − vrs ≥ 0 . Exprimons la variation entre α et α+η de la fonction d'écart : Φ(α + η) − Φ(α ) D 1 1 1 1 = Grs1 ( K rs 2 (g. PTRC. Comme la convexité de J m implique que ( ∇J m( x ) − ∇J m( y ) ) .). 47 MURCHLAND D. La satisfaction de l'exigence pratique E2 résulte quant à elle de la convexité de la fonction objectif J m . Leurent .α )) + n ( K(g. Gleichgewichtsverteilung des Verkehrs um Strassennetz. donc grs > 0 ⇒ Grs = vrs ∂grs n ∑n grs = Qrs (1) (2) (3) bien évidemment… La condition (2) signifie l'égalité des impédances entre les chemins utilisés d'une même relation O-D .. ANNEXES ANNEXE A. Transportation Research B. PATRIKSSON M. The traffic assignment problem : models and methods. 145-183. Res. (1970). 18th Summer Annual Meeting.α )) n1 n1 ∂grs ∂grs2 ∂grs ∂grs2 n nn n nn n nn n nn  K(g.α + η )) − m ( K(g. Le lagrangien associé au programme de minimisation vaut : k £(g . Proceedings of Seminar H.

c−a L'inverse de la fonction cumulative réciproque a pour primitive : H ( u) 2 . sur [0.H ( x) = 0 . b − a ] Cette fonction cumulative admet pour réciproque : .H −1 (u) = a + (c − a )(b − a )u c−a . x 2 x−a c−a b−a 2 c−x c−a c−b On calcule aisément la fonction de distribution cumulative H ( x ) = ∫0 h( t ) dt : . a ] sur [a. FORMULAIRE POUR UNE DISTRIBUTION TRIANGULAIRE DES VALEURS DU TEMPS Soit une distribution des valeurs du temps selon une loi de probabilité triangulaire (Figure 6).+∞[ sur [a.h( x ) = a b c sur ] − ∞.+∞[ . b] ( x − a) 2 (c − a )(b − a ) (c − x ) 2 (c − a )(c − b) .1] .H ( x) = 1 − .48 Les Cahiers Scientifiques du Transport . b − a ] c−a sur [ b − a . c] sur [c.H ( x) = sur ] − ∞.h( x ) = . b] sur [b.1] .h( x ) = 0 . Figure 6 : Distribution triangulaire des valeurs du temps y=h(x) 0 La fonction de densité h vaut : .F ( u) = ( H −1 (u) − a − a ln( )) (c − a )(b − a ) a . c] .H ( x) = 1 sur [b.H −1 (u) = c − (c − a )(c − b)(1 − u) sur [ b − a .F ( u) = H ( u) 2 c−b b a ln( ) + c ln( (c − H −1 (u) − )) (c − a )(b − a ) c−a a b −1 −1 sur [0. a ] U[c.N° 30/1995 ANNEXE B. c−a .

Un algorithme pour résoudre plusieurs modèles d’affectation du trafic. Dans le cas où b=c. Soit une distribution des valeurs du temps selon une loi de probabilité log-normale de fonction de répartition cumulée H( x ) = Φ( ln( x ) − µ ) avec Φ la fonction de répartition cumulée d'une σ loi gaussienne centrée normée. 49 Dans le cas où (a=0). Leurent .. et d'annuler les expressions en a log(a ) .. FORMULAIRE POUR UNE DISTRIBUTION LOG-NORMALE DES VALEURS DU TEMPS Bien que non nécessaire à la lecture et à la validation du contenu de l'article. depuis les travaux de Roger MARCHE et Claude ABRAHAM. Alors il vient : H −1 ( y ) = exp µ + σ Φ −1 ( y ) F ( x ) = ∫0 x ( ) 1 H −1 ( u) du = exp( σ 2 2 − µ ) Φ Φ−1 ( x ) − σ ( ) ANNEXE D. ANNEXE C. voici un formulaire pour traiter un modèle bi-critères à valeur du temps distribuée continûment selon une loi lognormale. il faut remplacer systématiquement b-c par 0. M.F. SCHEMA DU RESEAU DES PREMIERES ETUDES A86 OUEST . En effet la loi log-normale est la plus utilisée dans la pratique du modèle prix-temps en France. Donc la loi du logarithme naturel de la valeur du temps est gaussienne de moyenne µ et d'écart-type σ. il suffit de substituer 0 à a dans toutes ces formules.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->