Recherche sur des méthodes d'optimisation pour la mise en place de modèles intégrés de transport et usage des sols

Development of optimization methods for land-use and transportation models

• Auteur / Autrice : Thomas Capelle
• Direction : Peter Sturm, Arthur Vidard
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques et Informatique
• Date : Soutenance le 15/02/2017
• Etablissement(s) : Université Grenoble Alpes (ComUE)
• Ecole(s) doctorale(s) : École doctorale mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 199.-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Jean Kuntzmann (Grenoble)
• Jury : Président / Présidente : Nabil Layaida
• Jury : Examinateurs / Examinatrices : Peter Sturm, Arthur Vidard, Tomas de La Barra, Nicolas Coulombel
• Jury : Rapporteurs / Rapporteuses : Vincent Hilaire, Michael Batty

Mots clés

Mots clés contrôlés

Optimisation mathématique

Théorie des automates mathématiques

Mots clés libres

Luti

Tranus

Usage de sol

Calibration

Optimisation

Luti

Tranus

Land-Use

Calibration

Optimisation

Résumé

Les modèles intégrés d'usage de sol et de transport (LUTI) visent à représenter les interactions complexes entre l'utilisation du sol et l'offre et la demande de transport sur le territoire. Ils sont principalement utilisés pour évaluer différents scénarios de planification, par la simulation de leurs effets tendanciels sur les modes d'utilisation des sols et les comportements de déplacement. La mise en place d'un modèle LUTI nécessite l'estimation de plusieurs types de paramètres pour reproduire le plus fidèlement possible les observations recueillies sur la zone étudiée (données socio-économiques, enquêtes de transport, etc.). La grande majorité des approches de calibration disponibles sont semi-automatiques et estiment un sous-ensemble de paramètres à la fois, sans estimation globale intégrée.Dans ce travail, nous améliorons la procédure de calibration de Tranus, l'un des modèles LUTI les plus utilisés, en développant des outils pour l'estimation automatique et simultanée des paramètres. Parmi les améliorations proposées, nous remplaçons l'estimation de la boucle interne des paramètres endogènes (connus sous le nom de ``shadow prices'') par une procédure d'optimisation appropriée. Pour faire ça, nous examinons attentivement les mathématiques et les théories micro-économiques impliqués dans le calcul des différentes équations du modèle. Pour proposer une solution d'optimisation efficace, nous dissocions l'ensemble du problème d'optimisation en problèmes équivalents plus petits. La validation de notre algorithme d'optimisation est alors réalisée dans des modèles synthétiques où l'ensemble optimal de paramètres est connu.Deuxièmement, dans notre objectif de développer une calibration automatique entièrement intégré, nous avons développé un schéma d'estimation intégré pour les ``shadow prices'' et un sous-ensemble de paramètres difficiles à calibrer. Le système se révèle être supérieur à la qualité de calibration obtenue par l'approche classique, même lorsqu'elle est effectuée par des experts. Nous proposons également une analyse de sensibilité pour identifier les paramètres influents, puis couplés à un algorithme d'optimisation pour améliorer l'étalonnage sur les paramètres sélectionnés.Troisièmement, nous contestons le point de vue classique adopté par Tranus et divers modèles LUTI, que la calibration devrait conduire à des paramètres du modèle pour lesquels la sortie du modèle correspond parfaitement aux données observées. Cela peut en effet entraîner le risque de surparametrisation(pour Tranus, en utilisant trop de paramètres des ``shadow prices''), ce qui, à son tour, minera les capacités prédictives du modèle. Nous proposons donc un modèle de schéma de sélection des paramètres pour atteindre un bon compromis entre la complexité du modèle (dans notre cas, la nombre de ``shadow prices'') et la qualité de l'ajustement des sorties du modèle aux observations.Nos expériences montrent qu'au moins les deux tiers des ``shadow prices'' peuvent être supprimes du modèle tout en donnant un ajustement presque parfait aux observations.La contribution décrite ci-dessus est démontrée sur des modèles Tranus et les données de deux régions métropolitaines, aux États-Unis et en Europe.

Land use and transportation integrated (LUTI) models aim at representing the complex interactions between land use and transportation offer and demand within a territory. They are principally used to assess different alternative planning scenarios, via the simulation of their tendentious impacts on patterns of land use and travel behaviour. Setting up a LUTI model requires the estimation of several types of parameters to reproduce as closely as possible, observations gathered on the studied area (socio-economic data, transport surveys, etc.). The vast majority of available calibration approaches are semi-automatic and estimate one subset of parameters at a time, without a global integrated estimation.In this work, we improve the calibration procedure of Tranus, one of the most widely used LUTI models, by developing tools for the automatic and simultaneous estimation of parameters. Among the improvements proposed we replace the inner loop estimation of endogenous parameters (know as shadow prices) by a proper optimisation procedure. To do so, we carefully inspect the mathematics and micro-economic theories involved in the computation of the various model equations. To propose an efficient optimisation solution, we decouple the entire optimisation problem into equivalent smaller problems. The validation of our optimisation algorithm is then performed in synthetic models were the optimal set of parameters is known.Second, in our goal to develop a fully integrated automatic calibration, we developed an integrated estimation scheme for the shadow prices and a subset of hard to calibrate parameters. The scheme is shown to outperform calibration quality achieved by the classical approach, even when carried out by experts. We also propose a sensitivity analysis to identify influent parameters, this is then coupled with an optimisation algorithm to improve the calibration on the selected parameters.Third, we challenge the classical viewpoint adopted by Tranus and various other LUTI models, that calibration should lead to model parameters for which the model output perfectly fits observed data. This may indeed cause the risk of producing overfitting (as for Tranus, by using too many shadow price parameters), which will in turn undermine the models’ predictive capabilities. We thus propose a model selection scheme that aims at achieving a good compromise between the complexity of the model (in our case, the number of shadow prices) and the goodness of fit of model outputs to observations.Our experiments show that at least two thirds of shadow prices may be dropped from the model while still giving a near perfect fit to observations.The contribution outlined above are demonstrated on Tranus models and data from two metropolitan areas, in the USA and Europe.