Réacheminer ou ne pas réacheminer : impact du réacheminement en temps réel sur les réseaux routiers urbains

La congestion routière est un problème majeur, entraînant des pertes économiques et de temps, le coût de la congestion urbaine aux États-Unis étant passé de 42 milliards de dollars en 1982 à 160 milliards de dollars en 2015. Alors que les données en temps réel améliorent la planification des itinéraires et la prévision de la congestion, le réacheminement continu est coûteux en termes de calcul et nécessite une bande passante importante. Cet article évalue les avantages des stratégies de réacheminement à l'aide de données réelles provenant de villes comme New York et Londres, révélant que le réacheminement est rarement nécessaire et n'apporte que des améliorations limitées en termes de temps de trajet. L'étude suggère que le réacheminement en temps réel peut améliorer les temps de trajet en cas de forte congestion, mais qu'une approche plus collective de gestion des véhicules pourrait optimiser davantage la fluidité du trafic. Les travaux futurs se concentreront sur l'amélioration des mises à jour des itinéraires et sur l'exploration de stratégies coopératives pour mieux équilibrer le trafic.

La planification des itinéraires représente un défi majeur qui a un impact considérable sur la sécurité, l'économie et même le climat. L'augmentation constante de la population urbaine a entraîné une augmentation significative des temps de trajet, soulignant ainsi l'importance d'une planification efficace des itinéraires en temps réel. L'objectif est essentiellement de calculer l'itinéraire le plus rapide pour atteindre l'emplacement cible dans un environnement réaliste où les conditions de circulation évoluent dans le temps. Par conséquent, un volume important de données de trafic est potentiellement nécessaire et l'itinéraire est continuellement mis à jour. Nous abordons ainsi le problème du réacheminement pour répondre à des questions telles que quand, à quelle fréquence et où le réacheminement en vaut la peine. Nous basons notre étude sur un véritable ensemble de données, comprenant les temps de trajet des tronçons routiers de New York, Londres et Chicago, collectés sur trois mois. En exploitant cet ensemble de données, nous mettons en œuvre un algorithme optimal, capable d'imiter les prédictions idéales de la vitesse des segments de route sur le réseau. Cela nous permet de calculer la limite inférieure du temps de trajet pour servir de référence par rapport à d'autres techniques de routage. Nous quantifions principalement le gain de temps de trajet obtenu grâce à des stratégies de réacheminement statique, sans réacheminement et en continu. Étonnamment, nous constatons que les conditions de circulation sont suffisamment stables pour de courtes périodes, et le réacheminement d'un véhicule est très rarement utile lorsque l'on exploite des statistiques précises au moment du départ. En règle générale, le réacheminement en temps réel ne doit être déclenché qu'aux heures de pointe, pour les longs trajets traversant des tronçons de route bien identifiés.