Simulation pour prédire l'exposition des cyclistes à la pollution atmosphérique le long des pistes cyclables

Rédigé par Simio | 26 mars 2026 19:13:39

Le défi

par Daniela Azumendi Gongora, Juan Jose Dıaz Baquero, Juan Felipe Franco, et Ivan Mura (Universidad de los Andes)

Présenté lors de la conférence 2018 sur la simulation d'hiver

Les cyclistes circulant dans des environnements urbains pollués peuvent être exposés à des conditions malsaines. Par conséquent, le processus de conception des itinéraires cyclables devrait prendre en compte l'exposition des cyclistes aux polluants atmosphériques. Le vélo est un moyen de transport courant à Bogota, une ville très polluée. Le Quinto Centenario est une piste cyclable de 25 km qui sera construite dans les années à venir. Cette étude vise à estimer l'exposition des usagers de Quinto Centenario aux particules. Nous avons simulé le déplacement des cyclistes le long de l'itinéraire prévu et nous avons utilisé les données sur la qualité de l'air recueillies par un réseau de surveillance pour estimer la concentration de pollution à laquelle les cyclistes seront exposés. Les estimations du trafic sur les pistes cyclables ont été obtenues à partir d'enquêtes officielles de la ville, que nous avons analysées pour déterminer les matrices origine/destination des déplacements à vélo et les distributions de durée des déplacements. Les résultats de la simulation sont saisis dans un tableur qui calcule l'exposition des cyclistes pour n'importe quel trajet le long de la voie cyclable.

Introduction

Bogota, la capitale de la Colombie, est la ville d'Amérique latine qui possède la plus grande infrastructure cyclable. En 2017, elle comptait plus de 476 km de pistes cyclables. Le plan de développement proposé par le gouvernement de la ville de Bogota, pour la période entre 2016 et 2019, comprend la construction de 120 km de nouvelles ' pistes cyclables (Alcald'ıa Bogota 2016 ' ), avec l'objectif de doubler le pourcentage de trajets qui utilisent la modalité vélo, de l'actuel 5% à 10%.

La piste cyclable Quinto Centenario (QC) est la plus longue piste cyclable proposée dans le plan de développement. Ce projet, qui devrait être pleinement opérationnel pour le 500e anniversaire de Bogota en 2038, incarnera la vision de la ville en matière de mobilité durable (C40 Cities 2016). Le QC traversera la ville du nord au sud sur une longueur approximative de 25 km (C40 Cities 2016) et touchera jusqu'à 10 zones urbaines, en fonction de la sélection finale du tracé par le gouvernement de la ville. Il commencera à fonctionner progressivement et devrait entraîner une réduction cumulée sur trois ans des émissions de gaz à effet de serre de 67 565 mtCO2e entre 2018 et 2030, tout en améliorant la qualité de l'air le long de l'itinéraire. Sa construction est stratégique pour encourager l'utilisation de la bicyclette pour les trajets domicile-travail et pour relier les citoyens des quartiers à revenus faibles, moyens et élevés à leurs emplois, écoles et autres activités (C40 Cities 2016).

Le QC devrait passer à proximité des rues les plus fréquentées de la capitale. Étant donné que la proportion de carburants respectueux de l'environnement, en 2015, pour la flotte de véhicules à Bogota était d'environ 5,0 % (' Secretar'ıa de Movilidad Alcald'ıa Mayor de Bogota TPD Ingenier ''ıa 2016), les cyclistes utilisant le QC seront probablement exposés à des niveaux élevés de particules (PM) parmi d'autres contaminants, comme c'est le cas pour plusieurs autres pistes cyclables dans la ville (Franco et al. 2016). De nombreuses études dans la littérature concluent que le mélange de l'air avec les émissions des moteurs à combustion interne est préjudiciable à la santé, et que de fortes doses de PM sont associées à plusieurs maladies (Hoek et al. 2002). Les effets néfastes sur la santé de l'exposition à la pollution atmosphérique n'ont pas été attribués à une contribution exacte des différents composés ou fractions de particules (Int Panis et al. 2010). Néanmoins, les particules de la gamme PM2.5 (c'est-à-dire d'un rayon inférieur à 2,5 µm) s'avèrent plus nocives pour la santé (Pope et al. 2002) que les autres fractions des PM.

Les cyclistes circulant sur le QC seraient exposés à une émission permanente de polluants. Lors d'une activité physique, le rythme respiratoire peut augmenter de 15 à 40-60 fois par minute (ELF 2017). Il en résulte à la fois une plus grande quantité de particules entrant dans le corps et une pénétration plus profonde des particules dans le système respiratoire (Hoek et al. 2002). Des dépôts plus importants de particules dans les poumons augmentent le risque de subir les effets négatifs de la pollution (Int Panis et al. 2010), qui comprennent notamment les maladies cardiovasculaires, les maladies respiratoires aiguës, la pneumonie et le cancer du poumon (OMS 2017). Par conséquent, lors de l'évaluation des risques pour la santé des modes de transport (et plus particulièrement des politiques cyclistes), les paramètres qui estiment l'exposition, par exemple le taux de ventilation (le taux de ventilation est défini comme le volume de gaz inhalé dans les poumons d'une personne, par minute) devraient également être pris en considération, ainsi que les concentrations de polluants (Int Panis et al. 2010).

L'objectif de cette étude est de déterminer l'exposition aux PM2,5 des cyclistes empruntant la route du QC. Cette information sera utile aux utilisateurs potentiels du QC, suggérant si et quand l'utilisation de moyens de protection (tels que des masques de protection) est appropriée. En outre, elle fournira à l'équipe de conception du QC une prédiction de l'exposition aux PM le long de l'itinéraire cyclable prévu, indiquant les segments qui présentent les risques les plus élevés pour la santé, et suggérant ainsi des options d'amélioration.

Pour estimer l'exposition, nous combinons la simulation des mouvements des usagers de la QC avec les données officielles sur la qualité de l'air recueillies par le réseau de stations de surveillance de Bogota. Nous avons développé une interface conviviale qui relie les résultats du modèle de simulation aux données sur la qualité de l'air afin d'estimer l'exposition.

Le reste du document est organisé comme suit. Dans la section 2, nous décrivons l'approche méthodologique globale et les principales sources de données que nous utilisons pour évaluer l'exposition. Ensuite, dans la section 3, nous présentons le modèle de simulation que nous construisons pour prédire le temps de séjour des cyclistes le long de la piste cyclable et nous détaillons le processus de paramétrisation. Dans la section 4, nous proposons une méthode d'évaluation de l'exposition qui correspond aux recommandations des organismes internationaux, et dans la section 5, nous présentons les résultats de nos modèles. Les conclusions sont présentées dans la section 6.

La solution

Méthodologie

La prévision de l'exposition des cyclistes le long de la piste cyclable nécessite la combinaison de deux types d'informations distinctes, à savoir le temps passé par un cycliste dans chacun des segments de la piste cyclable qu'il emprunte, et la concentration de PM2.5 à laquelle il sera exposé. Lorsque l'on combine ces deux informations, il est également essentiel de prendre en compte les aspects spécifiques de l'utilisateur de la piste cyclable, tels que le sexe et l'âge, qui influencent la fréquence respiratoire de base.

Pour déterminer le temps que les cyclistes passent sur les segments de la voie cyclable, nous appliquons la méthodologie de (Banks 2000) pour construire un modèle de simulation qui reproduit leurs mouvements. Nous géoréférençons la piste de QC prévue et la divisons en segments rectilignes qui se rapprochent de la piste cyclable. Le modèle de simulation est paramétré à l'aide des données officielles du Secrétariat à la mobilité du district de Bogota (SDM). Le SDM a mené une enquête aléatoire (Encuesta de Movilidad, EM, ci-après) sur l'utilisation de la bicyclette à Bogota, couvrant plus de 94% de la zone couverte par l'étude (Secretar'ıa de Movilidad Alcald'ıa Mayor de Bogota' TPD Ingenier'ıa 2016). À partir de l'EM, nous caractérisons le processus d'arrivée, la direction, la distance parcourue et la vitesse des utilisateurs du QC, que nous utilisons pour générer les caractéristiques des entités se déplaçant le long de la piste cyclable simulée. Le résultat du modèle de simulation permet de prédire le temps moyen que les usagers passent dans chaque segment du QC. Pour valider le modèle, nous comparons les temps de séjour simulés prévus dans le QC avec le temps moyen réel que les cyclistes passent dans le réseau actuel de pistes cyclables qui entoure l'itinéraire du QC prévu.

Pour estimer la qualité de l'air le long des segments du QC, nous avons utilisé les données officielles fournies par le secrétaire à l'environnement du district de Bogota, qui exploite depuis 1998 un réseau de surveillance composé de 13 stations fixes qui transmettent des données horaires sur les conditions météorologiques et les concentrations de polluants atmosphériques (y compris les PM2,5). En utilisant un modèle de simulation de Krigeage (Kleijnen 2009) développé dans une recherche précédente (Rojas 2017), les données collectées par les stations de surveillance sont interpolées pour obtenir les valeurs de concentration en tout point de Bogota. Nous supposons que la qualité de l'air extérieur n'aura pas de changement significatif jusqu'à la construction du QC.

La sortie de la simulation et la concentration de PM2.5 permettent d'estimer l'exposition des usagers de la piste cyclable, pour laquelle nous nous appuyons sur la définition de la dose journalière moyenne fournie par l'Agence américaine de protection de l'environnement (EPA) (US EPA 1992).

Modèle de simulation

Les modèles de simulation sont reconnus comme des outils efficaces pour soutenir la planification des systèmes de transport (Ziemke et al. 2017). Dans cette section, nous décrivons entièrement le modèle de simulation que nous construisons pour prédire le temps de séjour des cyclistes dans le QC, à différents moments de la journée. Nous énumérons clairement les hypothèses de la modélisation, puis nous détaillons le processus de paramétrage, et enfin sa vérification et sa validation.

Ce travail utilise le cadre de modélisation SIMIO R, qui prend en charge le paradigme de la modélisation orientée objet, avec des dispositions pour la simulation axée sur les processus et les événements (Pegden et Sturrock 2010). Le choix de ce logiciel est justifié par son langage de modélisation de haut niveau qui permettra des modifications futures sans trop d'efforts.

Les hypothèses sur lesquelles repose notre modélisation sont les suivantes :

Les caractéristiques démographiques des cyclistes estimées à partir des données EM caractériseront correctement les utilisateurs de QC;\N- L'origine et la destination, ainsi que la distance parcourue, sont les mêmes que pour les cyclistes.
L'origine et la destination, ainsi que la vitesse des déplacements, estimées à partir des données EM, ne changeront pas lorsque le QC sera introduit ;
Les segments du QC entre les points de référence utilisés dans le modèle pour façonner la piste cyclable seront des segments droits.

Le QC a été modélisé à l'aide de 119 coordonnées géographiques, qui représentent fidèlement le tracé de la route. Les cyclistes sont les entités du modèle et sont définis par leur origine, leur vitesse, leur direction de destination et leur distance de déplacement. L'horizon temporel de la simulation est d'une journée, que nous avons choisie pour représenter une journée de travail moyenne.

Paramètres de simulation

Le modèle de simulation du trafic cycliste dépend d'une compréhension précise du comportement des cyclistes (Ma et Luo 2016). Ainsi, les paramètres de simulation sont déterminés par les données collectées auprès des utilisateurs potentiels. Le département de mobilité du district de Bogota (SDM) a mené l'enquête EM entre le 15 mars et le 30 août 2015, auprès de 28 025 individus de la ville et de 17 autres municipalités voisines (les citoyens de Bogota représentaient environ 87% de la zone d'étude). Les données ont été collectées pour une région qui ' couvre plus de 94% de la zone d'intérêt, et comprennent des entretiens menés à domicile et des enquêtes réalisées auprès de cyclistes. Les données de l'enquête permettent de conclure que les hommes utilisent le vélo 3 fois plus que les femmes, et parmi ceux qui l'utilisent, la plus grande part de la population est âgée de 15 à 44 ans (Secretar'ıa de Movilidad Alcald'ıa Mayor de Bogota TPD Ingenier ''ıa 2016).

Parmi les personnes incluses dans l'étude EM, 3 649 utilisateurs de pistes cyclables ont déclaré l'heure, le lieu d'origine et la destination de leurs déplacements (Secretar'ıa de Movilidad Alcald'ıa Mayor de Bogota TPD Ingenier ''ıa 2016). Sur les 9 260 déplacements à vélo originaux enregistrés, environ 13,81 % (1 279 déplacements) provenaient de la zone influencée. A partir de ces informations, une matrice origine-destination (ODM) a été estimée, basée sur l'hypothèse que les cyclistes utilisant le système actuel de pistes cyclables se déplaceront vers le CQ, puisqu'il s'agit d'une voie cyclable dédiée. En outre, nous n'estimons pas l'augmentation du volume de trafic due à la croissance de la population ou aux changements de modalité. Les paramètres d'entrée sont divisés en 56 profils, en fonction de l'origine des déplacements. Les profils correspondent aux unités de planification zonale (UPZ, d'après l'acronyme espagnol), qui sont les divisions territoriales utilisées par la municipalité.

Processus d'arrivée

Nous avons créé les arrivées au QC en fonction de la distribution spatiale et de la démographie de l'UPZ. Lorsqu'une UPZ génère un cycliste, le modèle génère une arrivée au point de l'itinéraire du QC le plus proche du centre géographique de l'UPZ.

L'heure à laquelle les cyclistes commencent leur trajet est obtenue à partir de l'ODM. Ensuite, nous additionnons les flux d'arrivée partiels de toutes les UPZ et calculons les taux horaires sur l'horizon temporel (24 heures), comme le montre la figure 1. Pour vérifier l'homogénéité des arrivées dans chaque intervalle horaire entre les différentes UPZ, nous avons vérifié l'égalité des moyennes et des variances pour chaque heure entre les UPZ. Les résultats confirment l'homogénéité, mais comme les heures distinctes ont des taux différents, nous modélisons le processus global d'arrivée des cyclistes à l'aide d'un processus de Poisson non homogène (NHPP) qui dépend de l'heure de la journée (Gallager 2013).

Figure 1 : Taux horaires d'arrivée des cyclistes, tels qu'ils ont été obtenus à partir des données EM

Direction des déplacements

Au cours d'une journée de travail typique, la plupart des citoyens de Bogota se rendent à leur travail tôt le matin, font une pause au milieu de la journée et rentrent chez eux dans la soirée.

Pour modéliser ces schémas de mobilité, nous divisons l'horizon temporel en plages, la direction du déplacement et les probabilités de départ changeant dans ces plages. Après avoir évalué les données, nous avons décidé que le comportement de mobilité des cyclistes peut être regroupé en trois plages distinctes : de minuit à 8 heures, de 8 heures à 15 heures et de 15 heures à minuit. Bogota présente des différences marquées entre les zones de la ville en ce qui concerne leur utilisation : il y a des zones qui sont clairement résidentielles et d'autres qui sont principalement industrielles. Le matin, la plupart des gens commencent leur trajet par les zones résidentielles et choisissent la direction d'une zone commerciale ou industrielle. Ces tendances dans la direction des entités modèles peuvent être appréciées dans la matrice ODM.

Longueur du trajet

À partir des coordonnées géographiques de l'origine et de la destination du déplacement, nous calculons D, la distance parcourue, à l'aide de l'ensemble des équations 1 à 3, qui sont les formules haversines. Dans l'équation 1, φi représente la latitude du point i et ∆φ et ∆α les différences de latitude et de longitude entre les deux points. Dans l'équation 2, atan2(-,-) est la fonction tangente inverse multivaluée, et dans l'équation 3, R est le rayon de la Terre (6,371 km).

En effectuant un test d'ajustement de Kolmogorov-Smirnov, nous concluons avec un niveau de confiance de 95 % que la distribution de la distance de déplacement des entités peut être modélisée par une distribution de Weibull, avec une forme de 1,1171 et une échelle de 4,9120. Ces paramètres ont été ajustés par estimation du maximum de vraisemblance à l'aide de la bibliothèque R fitdistrplus. La figure 2 montre la distribution empirique des données collectées sur la distance des déplacements.

Figure 2 : Distribution de la distance parcourue par les cyclistes.

Vitesse des entités

La vitesse des cyclistes a été modélisée à l'aide des données EM. Sur la base des résultats publiés dans la littérature (Gates et al. 2006), nous avons fixé la vitesse minimale à 3,5 km/h. En ce qui concerne la vitesse maximale, nous avons pris comme référence la loi 1811 de 2016, qui définit la vitesse maximale des cyclistes à 25 km/h (MTC 2016). Toutes les valeurs de vitesse dans l'enquête EM se situant en dehors de cette fourchette sont classées comme atypiques et ne sont pas prises en compte pour la modélisation de la vitesse des cyclistes. À partir des données valides, nous obtenons une distribution empirique des vitesses, que nous utilisons dans le modèle de simulation pour attribuer une vitesse de déplacement à chaque cycliste.

Les résultats des simulations préliminaires indiquent que plusieurs segments de l'itinéraire peuvent avoir un grand nombre de cyclistes partageant la même voie. Ainsi, même si la congestion le long des pistes cyclables est rare par rapport à celle générée par le trafic automobile (Dobler et Lammel 2016 ' ), nous avons décidé de modéliser l'influence de la charge du segment sur la vitesse des cyclistes.

Pour tenir compte de l'effet de la congestion du trafic cycliste sur la vitesse, nous considérons que, indépendamment du fait que les cyclistes dépassent ou non d'autres cyclistes, l'effet net de la congestion est une réduction de la vitesse. En analysant à nouveau les résultats des simulations préliminaires, nous avons estimé le nombre de personnes dans chaque segment au fil du temps, et nous avons constaté que 90 % du temps, il n'y a pas plus de 4 cyclistes qui partagent le même segment de QC. Nous avons donc décidé que ce n'est que lorsqu'un cycliste entre dans un segment et voit plus de 4 usagers que sa vitesse moyenne pour le segment diminue. Nous supposons dans le modèle que pour chaque cycliste d'un segment de route qui dépasse le maximum, un cycliste ralentira sa vitesse dans ce segment de 7,25 %. Nous avons fixé cette valeur sur la base des recommandations d'experts en conception de pistes cyclables.

Vérification et validation du modèle

En suivant les étapes de Banks dans une étude de simulation, nous avons procédé à la vérification et à la validation du modèle (Banks 2000). Pour la vérification, nous nous sommes demandé si le pas de temps discret que nous utilisons pour vérifier si une entité a atteint sa destination finale a un effet significatif sur la longueur de son trajet. Pour vérifier si la différence entre la distance assignée et la véritable distance simulée parcourue est significative, nous avons comparé le résultat obtenu par l'ensemble de données ODM et les résultats du modèle, tous deux estimés à un niveau de confiance de 95 %. En comparant les intervalles de confiance, nous concluons que l'hypothèse de temps discret utilisée dans la simulation pour contrôler les déplacements des cyclistes n'a pas d'implications significatives.

L'objectif de la validation est de déterminer si le modèle conceptuel est une représentation exacte du système réel (Banks 2000). Pour valider le modèle, nous avons effectué une comparaison statistique de la durée moyenne des déplacements simulés et de la durée moyenne des déplacements, telle qu'elle a été extraite des données EM. Il est à noter que cette dernière information n'a pas été utilisée pour paramétrer le modèle de simulation. Nous constatons qu'un intervalle de confiance de 95 % pour la durée moyenne des trajets simulés calculée à partir des résultats d'au moins 75 simulations est contenu dans l'intervalle de confiance de 95 % de la durée moyenne des trajets obtenue à partir des données EM. Par conséquent, nous concluons que le modèle est valide.

Estimation de l'exposition

Plusieurs définitions de l'exposition ont été proposées. Par exemple, l'Agence américaine de protection de l'environnement (EPA), dans son document d'orientation (US EPA 1992), définit l'exposition comme la concentration chimique à la limite de l'organisme. D'autres approches, comme celle proposée dans l'étude de Fajardo et Rojas pour l'analyse spatiale de l'exposition aux PM2.5 à Bogota ( Fajardo et Rojas 2012), considèrent l'exposition comme la dose potentielle de contaminant qui serait inhalée. Conformément à cette définition élargie, et selon les outils d'évaluation de l'exposition par voie - inhalation de l'EPA (US EPA 2017), nous utilisons l'équation suivante pour calculer l'AD, la dose moyenne qu'un cycliste inhalerait lors d'un trajet à vélo sur le QC qui va du segment s1 au segment s2 :

où V R est le taux de ventilation, mesuré en m 3min-1 , Ci est la concentration moyenne de polluants sur le segment i de la piste cyclable, mesurée en µgm-3 , EDi est la durée moyenne d'exposition, en minutes, et BW est la masse corporelle du cycliste, mesurée en kg.

L'équation 4 dépend de l'âge et du sexe, car le RV varie en fonction de ces paramètres : les femmes respirent beaucoup plus fréquemment que les hommes lorsqu'elles font du vélo (Int Panis et al. 2010). Les données utilisées dans cette étude pour les valeurs de RV sont les taux de ventilation moyens, ajustés au poids corporel lors de la réalisation d'activités, au sein de l'activité spécifique catégorisée par sexe et par âge (US EPA 2011). Il a été supposé que la pratique du vélo sur la voie QC exige un niveau modéré d'activité physique, conformément aux résultats présentés par l'U.S. EPA en 1985 (US EPA 2011).

Les facteurs Ci de l'équation 4 sont estimés à partir des données officielles sur la qualité de l'air de la ville de Bogota. En 1998, le gouvernement de la ville a mis en place le Réseau de surveillance de la qualité de l'air de Bogota (RMCAB, d'après son acronyme espagnol). Ce réseau se compose actuellement de 13 stations fixes automatisées, réparties sur l'ensemble de la ville, et d'une station de surveillance mobile. Chaque station surveille un ensemble de variables météorologiques et de concentrations de polluants atmosphériques, y compris les PM2,5. Les données du RMCAB sont gérées par le secrétaire à l'environnement du district de Bogota, qui les valide, les stocke et les met à la disposition du grand public. Nous avons utilisé ces données officielles pour prédire la concentration de polluants atmosphériques sur l'ensemble de la surface de Bogota, en appliquant la méthode d'interpolation spatiale ' Krigeage. La description complète de ce travail, qui sort du cadre de la recherche présentée dans ce document, se trouve dans (Rojas 2017). Les informations relatives à un jour ouvrable aléatoire tirées de l'article susmentionné sont utilisées pour estimer les Ci , les concentrations moyennes de PM2,5 pour les segments modélisés du QC, dans les différentes plages de temps qui nous intéressent.

Quant aux facteurs EDi de l'équation 4, c'est-à-dire le temps moyen passé par un cycliste sur chaque segment de la piste cyclable, nous les obtenons à partir des résultats de la simulation.

L'impact sur les entreprises

Cette section présente les résultats que nous avons obtenus grâce à notre étude, divisée en trois parties principales. Tout d'abord, nous décrivons les prédictions obtenues à partir du modèle de simulation, puis celles que nous obtenons pour la qualité de l'air, et enfin l'exposition aux PM2.5 calculée en combinant les mesures de la qualité de l'air avec les temps de parcours simulés, selon l'équation 4.

Résultats de la simulation

La figure 3 montre une carte de la zone urbaine de Bogota divisée par UPZ, avec l'itinéraire QC actuellement planifié surligné en orange. L'itinéraire est divisé en 119 segments, chaque segment modélisant une portion droite de la piste cyclable. En guise de notation, nous numérotons les segments consécutivement, le segment 1 étant le plus au sud et le segment 119 le plus au nord. De même, nous indiquons par Nord et Sud les trajets des cyclistes qui vont dans cette direction. Les simulations multiples ont été agrégées pour calculer les valeurs moyennes des mesures d'intérêt et les intervalles de confiance avec un niveau de confiance de 95 %.

Figure 3 : Itinéraire prévu de la piste cyclable de QC et partitionnement de l'UPZ.

Les temps moyens simulés que les cyclistes passent dans les segments de l'itinéraire (les facteurs EDi de l'équation 4) sont présentés dans la figure 4, en heures, pour les trajets allant vers le nord et vers le sud, et pour les trois plages de temps considérées. Ce temps moyen dépend du nombre de cyclistes qui partagent le segment, de leur vitesse et de la longueur du segment.

Tableau 1 : Temps moyen (en minutes) sur l'ensemble des segments de voies cyclables, par plage horaire.

Figure 4 : Temps moyen passé sur les segments de voies cyclables, en heures, par direction de déplacement et par plage horaire.

Tout d'abord, nous observons systématiquement un pic dans les premiers segments, les plus au sud. Ceci est dû au nombre très élevé de déplacements ayant pour origine la zone située à l'extrémité du QC, dont la plupart se rendent plus au sud et sortent donc du champ de notre étude. Pendant l'heure de pointe du matin (plage horaire 1, graphique de gauche), on s'attend à ce que davantage de personnes se dirigent vers le nord de la ville (Secretar'ıa de Movilidad Alcald'ıa Mayor de Bogota TPD Ingenier ''ıa 2016). Comme l'indiquent les résultats de nos simulations, les segments 80 à 115 affichent les temps moyens les plus élevés. Dans la deuxième plage de temps (graphique du milieu), les pics de temps passé par le cycliste se trouvent dans les segments sud. En outre, la variabilité du temps entre les segments est réduite. Les résultats de la simulation pour le dernier intervalle de temps (graphique de droite) montrent que dans les segments centraux, les cyclistes peuvent passer jusqu'à deux fois plus de temps que dans les autres segments de l'itinéraire. Cela pourrait s'expliquer par le fait que la plupart des déplacements dans cette plage horaire ont pour origine le sud et le nord de la ville et se terminent de l'autre côté de la ville, les personnes s'accumulant au milieu de l'itinéraire du QC.

Dans toutes les tranches horaires, les personnes qui se dirigent vers le sud passent plus de temps dans chaque segment que celles qui vont dans l'autre sens. Cela s'explique par le fait que le trafic en direction du sud est plus intense et que les cyclistes doivent ralentir et rester plus longtemps sur un segment. Le temps de séjour moyen sur tous les segments, indiqué dans le tableau 1 pour chaque direction de déplacement et chaque plage de temps, ainsi que la demi-largeur de l'intervalle de confiance, confirme statistiquement l'existence de cette différence.

Résultats concernant la qualité de l'air

À partir des données de qualité de l'air interpolées par krigeage, nous estimons la concentration moyenne de PM2,5 pour chaque segment du QC (les facteurs Ci de l'équation 4), que nous présentons dans la figure 5. Les plages horaires du matin et de la nuit correspondent aux heures de pointe et sont caractérisées par un flux plus important de véhicules dans les rues. Par conséquent, la figure 5 montre que pour ces plages horaires, les concentrations de PM2.5 sont plus élevées que celles de la plage horaire de midi. Pour certains segments de la partie sud du QC (partie gauche des courbes), la concentration dans la plage de temps 1 est 2,5 fois supérieure à la concentration dans la plage de temps 2.

Dans la plage de temps 1, les concentrations de PM2.5 sont à leur maximum. Nous observons que les concentrations les plus élevées sont estimées pour les segments les plus méridionaux du QC, où les temps de séjour attendus les plus importants sont estimés (voir figure 4). Même si l'intersection entre l'ensemble des segments très pollués et l'ensemble des segments congestionnés est de faible cardinalité, elle devrait susciter des inquiétudes quant aux implications sanitaires d'une exposition élevée. Au contraire, les niveaux comparativement plus faibles de PM2.5 sur les segments nord du QC compenseraient, dans l'évaluation de l'exposition, les longues durées de séjour des cyclistes dans la plage de temps 1 (voir figure 4.a).

Dans la deuxième plage de temps, les concentrations de PM2.5 sont à leur minimum, car l'intensité du trafic dans la ville est beaucoup plus faible que le matin. Cela s'explique par le fait que les gens travaillent normalement. Par conséquent, en se basant uniquement sur la variable de concentration, on peut conclure que la deuxième plage horaire est le meilleur moment pour utiliser le CQ.

La dernière plage indique des valeurs moyennes plus faibles que la première. Même si, dans la plage de temps 3, un nombre de déplacements à peu près égal à celui de la plage de temps 1 a lieu, deux facteurs distincts contribuent à déterminer des moyennes plus faibles de concentration de PM2.5 : le premier est la plus grande dispersion des heures de départ des déplacements, et le second est la dispersion plus efficace des polluants dans l'atmosphère vers la fin de la journée.

Figure 5 : Concentration de PM2.5 le long du QC dans les trois plages de temps considérées.

Résultats de l'exposition

L'exposition, calculée selon l'équation 4, dépend des caractéristiques des cyclistes et de l'itinéraire. Par conséquent, les résultats ne peuvent être calculés qu'en référence à des trajets spécifiques d'utilisateurs spécifiques. Ensuite, pour évaluer l'exposition, nous avons généré des profils aléatoires d'usagers de la piste cyclable qui se déplaceraient le long de la trajectoire du QC. La génération aléatoire de profils est basée sur les informations de l'enquête EM.

L'exposition estimée, par segment, du mélange de cyclistes généré aléatoirement le long de l'itinéraire est illustrée dans la figure 6). Comme on pouvait s'y attendre, le comportement de l'exposition le long de l'itinéraire est très similaire au temps moyen dans le segment. Toutefois, il existe des différences significatives entre les profils, puisque les femmes et les jeunes seront plus exposés dans presque tous les segments de l'itinéraire, en raison de leurs taux de ventilation plus élevés (facteur V R dans l'équation 4). Pour caractériser plus précisément les différences d'exposition déterminées par le profil du cycliste, nous présentons dans le tableau 2 l'AD estimée pour un ensemble de profils échantillonnés, en supposant que le trajet s'effectue sur l'ensemble du QC.

Figure 6 : Estimation de l'exposition le long du QC pour des profils de cyclistes choisis au hasard, par direction et par plage horaire

Les valeurs indiquées dans le tableau 2 permettent de mieux comprendre l'ampleur de l'exposition des cyclistes le long de l'itinéraire. Des études dans la littérature montrent que l'exposition sur 24 heures dans les petites villes (Lee et al. 2017) peut être d'environ 4,6 µgm-3d -1 . Avec les niveaux de pollution à Bogota, quelques heures le long de la voie cyclable ' se traduirait par une quantité similaire de PM2,5 inhalée.

Tableau 2 : Exposition moyenne aux PM2,5 pour les cyclistes voyageant sur la QC dans différentes plages horaires et dans différentes directions.

Conclusions

Cette étude décrit l'utilisation combinée d'un modèle de simulation de trafic et de données sur la qualité de l'air pour générer des prévisions sur l'exposition des cyclistes aux PM2,5 le long du Quinto Centenario, une piste cyclable de 25 km de long qui sera construite à Bogota.

L'objectif du modèle de simulation est de fournir des estimations des temps de trajet des utilisateurs, ventilés en fonction du temps passé dans les différents segments qui composent la piste cyclable modélisée. Une partie essentielle de notre travail se concentre sur la paramétrisation du modèle de simulation, afin de s'assurer que la demande de déplacements à vélo, leurs caractéristiques en termes d'origine/destination et de vitesse reflètent bien le comportement réel des cyclistes dans la ville. Les données officielles issues d'une enquête exhaustive menée par les autorités locales sont utilisées pour déterminer la zone d'influence de l'itinéraire cyclable prévu, modéliser le processus d'arrivée des déplacements, estimer un ODM et la vitesse des déplacements.

Les informations sur la qualité de l'air le long de la piste cyclable sont obtenues par interpolation spatiale des données officielles de la ville collectées par un réseau de stations de surveillance. En combinant la distribution spatiale des concentrations de PM2.5 avec le temps moyen passé par les cyclistes le long de la piste cyclable, nous pouvons obtenir des estimations de l'exposition cumulée des utilisateurs de la piste cyclable selon les paramètres suggérés par l'EPA pour l'inhalation le long des itinéraires.

En connaissant le sexe et l'âge d'une personne, il est possible de calculer l'exposition en termes de quantité moyenne de PM2,5 qu'un cycliste inhalerait lors d'un trajet à vélo le long du Quinto Centenario. Ces informations sont précieuses à la fois pour les personnes travaillant à la conception de l'itinéraire et pour ses utilisateurs. Les premiers peuvent s'en servir pour comparer l'impact sur la santé de différentes options d'itinéraires, tandis que les seconds peuvent décider en connaissance de cause de la barrière physique à utiliser pour se protéger des effets d'une exposition à long terme aux polluants. Les résultats préliminaires de ce travail ont été présentés à l'autorité de la mobilité de Bogota' Nous travaillons actuellement à l'élaboration d'un modèle de simulation amélioré qui permette de mieux caractériser l'exposition dans les villes de haute altitude, ainsi qu'à l'évaluation du rapport coût-bénéfice global de la pratique d'une activité physique dans des environnements pollués.

Biographies des auteurs

DANIELA AZUMENDI GONGORA' est assistante diplômée à l'Universidad de los Andes, où elle soutient le cours de simulation d'événements discrets. Elle a obtenu une majeure en génie industriel et un double programme en génie mécanique en 2018, et est actuellement étudiante en master de génie industriel dans la même université. Elle s'intéresse aux applications de la recherche opérationnelle à la protection de l'environnement et au bien-être social. Son adresse électronique est d.azumendi10@uniandes.edu.co.

JUAN JOSE D''IAZ BAQUERO est titulaire d'un magistère en génie industriel et d'un double diplôme en génie logiciel et en génie industriel de l'Universidad de los Andes, avec une expérience en conseil informatique, en analyse de données et en analyse visuelle. Il est passionné par la recherche opérationnelle, la modélisation mathématique, la simulation, la programmation, le changement climatique et la santé publique. Son adresse électronique est jj.diaz1067@uniandes.edu.co.

JUAN FELIPE FRANCO est titulaire d'un diplôme d'ingénieur chimiste de l'Universidad Nacional de Colombia, d'un master en ingénierie de l'Universidad de los Andes et est actuellement doctorant dans le programme d'ingénierie de cette même université. Il a de l'expérience en tant qu'enseignant, chercheur et consultant dans des domaines liés au contrôle de la pollution de l'air, à la réduction des émissions de gaz à effet de serre, à la gestion de la durabilité urbaine et à la définition des politiques publiques. Son adresse électronique est la suivante : jffranco@uniandes.edu.co.

IVAN MURAest titulaire d'un premier diplôme en informatique et d'un doctorat en ingénierie informatique de l'université de Pise, en Italie, ainsi que d'une maîtrise en gestion de projets de technologie de l'information de l'école de commerce de l'université George Washington. Il est actuellement professeur associé au département d'ingénierie industrielle de l'Universidad de los Andes. Ses recherches portent sur la modélisation mathématique des systèmes artificiels et vivants, à l'aide de techniques basées sur les états déterministes continus et stochastiques discrets. Son adresse électronique est la suivante : i.mura@uniandes.edu.co.

Références

Alcald'ıa Bogota, Gabinete Distrital Alcald ' 'ıa Mayor de Bogota D.C. 2016. "Proyecto del Plan de Desarrollo ' 2016-2020"

Banks, J. 2000. "Introduction to Simulation". In Proceedings of the 2000 Winter Simulation Conference, 7-18, édité par A.Jones et al, Piscataway, New Jersey:IEEE.

C40 Cities, Finance Facility 2016. "Le vélo pour tous sur la première autoroute cyclable résiliente de Bogota". Consulté le ' 1 décembre 2017. https://www.c40cff.org/projects/bogota-quinto-centenario

Dobler, C., et G. Lammel. 2016. "La contribution multimodale". ' The Multi-Agent Transport Simulation MATSim, Londres, Ubiquity Press:135-140.

ELF, Fondation européenne du poumon 2017. "Vos poumons et l'exercice". Consulté le 1er décembre 2017. http : //www.europeanlung.org/assets/files/en/publications/lungs-and-exercise-en.pdf.

Fajardo, O., et N. Rojas. 2012. "Exposition aux particules des usagers des pistes cyclables dans une ville de haute altitude". Atmospheric Environment 46:675-679.

Franco, J., J. Segura, et I. Mura. 2016. "Air Pollution Alongside Bike-Paths in Bogot-Colombia". Frontiers in Environmental Science 4:77.

Gallager, R. 2013. "Poisson Processes". Stochastic Processes : Theory for Applications, New York, Cambridge University Press:72-104.

Gates, T., D. Noyce, A. Bill, et N. Van Ee. 2006. "Recommended Walking Speeds for Pedestrian Clearance Timing Based on Pedestrian Characteristics". Transportation Research Board, 85e réunion annuelle, Washington, D.C.

Hoek, G., B. Brunekreef, S. Goldbohm, P. Fischer, et P. Van Den Brandt. 2002. "Association entre la mortalité et les indicateurs de la pollution atmosphérique liée au trafic aux Pays-Bas : A Cohort Study". The Lancet 360(9341):1203-1209.

Int Panis, L., B. De Geus, G. Vandenbulcke, H. Willems, B. Degraeuwe, N. Bleux, V. Mishra, I. Thomas et R. Meeusen. 2010. "Exposure to Particulate Matter in Traffic : a Comparison of Cyclists and Car Passengers". Atmospheric Environment 44(19):2263-2270.

Kleijnen, J. 2009. "Kriging Metamodeling in Simulation : A Review". European Journal of Operational Research 192(3):707 - 716

Lee, S., S. Yu et S. Kim. 2017. "Évaluation des doses journalières moyennes (DJM) potentielles de PM2,5 pour les ménagères qui font de la friture à l'intérieur de maisons ordinaires dans quatre conditions de ventilation". Global Health 14(1):78-88.

Ma, X., et D. Luo. 2016. "Modeling Cyclist Acceleration Process for Bicycle Traffic Simulation using Naturalistic Data" (Modélisation du processus d'accélération des cyclistes pour la simulation du trafic cycliste à l'aide de données naturalistes). Transportation Research Part F 40:130-144.

MTC, Ministère des transports de Colombie 2016. "Ley 1811 del 21 de octubre de 2016. Bogota : Republica ' de Colombia - Gobierno nacional

Pegden, D., et D. Sturrock. 2010. "Introduction to Simio". In Proceedings of the 2010 Winter Simulation Conference, WSC '10, 1-10, édité par B.Johansson et al, Piscataway, New Jersey:IEEE.

Pope, C., R. Burnett, M. Thun, E. Calle, K. Ito et G. Thurston. 2002. "Lung Cancer, cardiopulmonary Mortality, and Long-term Exposure to Fine Particulate Air Pollution". JAMA 287(9):1132-1141.

Rojas, N. 2017. "Analyse spatiale de l'exposition aux PM2.5 dans la zone urbaine de Bogota entre 2010 et 2016. Thèse de licence en génie industriel, Universidad de los Andes.

Secretar'ıa de Movilidad - Alcald'ıa Mayor de Bogota TPD Ingenier ' 'ıa, Consorcio Transconsult, Infometrika ' 2016. "Encuesta de Movilidad 2015". Secretar'ıa de Movilidad, Bogota

US EPA, Agence américaine pour la protection de l'environnement 1992. "Lignes directrices pour l'évaluation de l'exposition". Federal Register 57(104):22888-22938, Washington, DC.

US EPA, Agence américaine pour la protection de l'environnement 2011. "Exposure Factors Handbook Chapter 6". EPA ExpoBox, Washington DC.

US EPA, United States Environmental Protection Agency 2017, nov. "Exposure Assessment Tools by Routes - Inhalation". Dernier accès : 1 décembre 2017. https://www.epa.gov/expobox/ exposure-assessment-tools-routes-inhalation

OMS, Organisation mondiale de la santé 2017. "Los Efectos Sobre la Salud". Departamento de Salud Publica, ' Medio Ambiente y Determinantes Sociales de la Salud. Consulté le 1er décembre 2017. http://www.who. int/phe/health topics/outdoorair/databases/health impacts/es/.

Ziemke, D., S. Metzler, et K. Nagel. 2017. "Modélisation du trafic de vélos dans une simulation de transport basée sur des agents". Procedia Computer Science, (109C):923-928.

Voir l'article complet