Embed Size (px)
Citation preview
Université de bourgogne
UFR Science humaine
Département de géographie
Mémoire pour l’obtention du Master 1 Transport Mobilité Environnement Climat
Aléas météorologiques et trafic routier en
Bourgogne
Présenté par :
Gabriel Vignes
Sous la direction de :
Pierre Camberlin (CRC) et Thomas Thévenin (THEMA)
Soutenance de juillet 2012
2
Remerciements
Je tiens à remercier particulièrement Mr Camberlin et Mr Thevenin pour leurs conseils tout au long de la
réalisation de ce mémoire.
Je tiens également à remercier Florian Perret pour toute l'aide apportée dans la correction orthographique de
ce mémoire.
Je remercie également l’ensemble de mes camarades de master pours leurs conseils.
Je remercie les conseils généraux de la Saône-Et-Loire et de la Nièvre ainsi que la DIRCE de m'avoir fourni
des données routières de qualité.
3
Tables des matières
REMERCIEMENTS ........................................................................................................................................................................................... 2
TABLES DES MATIERES.................................................................................................................................................................................... 3
INTRODUCTION .............................................................................................................................................................................................. 5
1. ELEMENTS CONTEXTUELS, DONNEES ET METHODE ..................................................................................................................................... 7
1.1 INFRASTRUCTURES ROUTIERES ET TRAFIC ROUTIER EN BOURGOGNE .................................................................................................... 7 1.2 TOPOGRAPHIE ET CLIMAT BOURGUIGNON .................................................................................................................................... 8 1-3 GESTION DES BASES DE DONNEES ROUTIERES ET CLIMATIQUES ......................................................................................................... 10
1-3-1 Les données routières .............................................................................................................................................. 10 1-3-1-1 Mesures des données routières ...........................................................................................................................................10 1-3-1-2 Acquisition des données routières .......................................................................................................................................11 1-3-1-3 Mise en forme des données routières ..................................................................................................................................11
1-3-2 Les Données météorologiques ................................................................................................................................. 12 1-3-2-1 Mesures des données météorologiques ..............................................................................................................................12 1-3-2-2 Acquisition et choix des données météorologiques ..............................................................................................................13 1-3-2-3 Mise en forme de la base de données météorologique ........................................................................................................14
1-3-3 Mise en commun des deux bases de données .......................................................................................................... 15 1-4 PRESENTATION DE LA METHODE D’ANALYSE................................................................................................................................ 17
1-4-2 Traitements statistiques préliminaires ..................................................................................................................... 17 1-4-3 Protocole de l’analyse des impacts des conditions météos sur le trafic ..................................................................... 18
2. RESULTATS DES TRAITEMENTS STATISTIQUES DES BASES DE DONNEES .....................................................................................................21
2.1 DISTRIBUTION DES VARIABLES ETUDIEES ..................................................................................................................................... 21 2.1.1 Distribution des données routières ........................................................................................................................... 21 2.1.2 Distribution et liaisons des variables climatiques ...................................................................................................... 22
2.2 VARIATIONS TEMPORELLES GENERALES DU TRAFIC ROUTIER ............................................................................................................ 23 2.2.1 Variations interannuelles ......................................................................................................................................... 24 2-2-2 Variations mensuelles et saisonnières ...................................................................................................................... 25 2.2.3 Variations hebdomadaires ....................................................................................................................................... 26 2.2.4 Autres variations ..................................................................................................................................................... 26
2.3 MISE EN EVIDENCE DES LIENS ENTRE TRAFIC ROUTIER ET VARIABLES CLIMATIQUES ................................................................................. 27 2.3.1 Relations entre trafic routier et variations climatiques ............................................................................................. 27
2.3.1.1 Hiérarchisation des facteurs climatiques de variabilité du trafic ............................................................................................28 2-3-1-2 Variations spatiales des relations trafic-météorologie ..........................................................................................................29 A / La pluie .....................................................................................................................................................................................29 B/ Les températures........................................................................................................................................................................30 C/ Les vents ....................................................................................................................................................................................31 D / Les phénomènes hivernaux........................................................................................................................................................32 2-3-1-3 Estimation des variations de trafic sur le territoire bourguignon lors des aléas météorologiques. ..........................................34 A / La pluie .....................................................................................................................................................................................35 B / Les températures .......................................................................................................................................................................35 C / Les vents ...................................................................................................................................................................................36 D / Les phénomènes hivernaux........................................................................................................................................................37 2-3-1-4 Modélisation de la variation du trafic bourguignon ..............................................................................................................39 A / Modélisation des variations de trafic en un site donné, exemple de la Charité-sur-Loire (DJF) .....................................................39 B / Estimation des variations de trafic par les régressions linéaires multiples ....................................................................................40
2-4 TRAFIC ROUTIER ET PHENOMENES CLIMATIQUES REMARQUABLES ..................................................................................................... 40 2-4-1 Etude de l’influence de quelques aléas météorologique extrêmes ............................................................................ 40
2-4-1-1 Episodes pluvieux des 4 et 5 mai 2010 .................................................................................................................................41 2-4-1-2 Episode de tempête du 10 février 2009 ...............................................................................................................................42 2-4-1-3 Episodes de forte chaleur du 27 juin 2011............................................................................................................................43 2-4-1-4 Episode neigeux du 17 décembre 2009 ................................................................................................................................44 2-4-1-5 Neige au sol le 11 janvier 2010 ............................................................................................................................................45
2-4-2 Impact des aléas climatiques sur le trafic au pas de temps horaire ........................................................................... 46 2-4-2-1 Orage du 11 Juin 2008 à Varennes-les-Macon ......................................................................................................................46 2-4-2-2 Tempête du 10 Février 2009 à Mirande ...............................................................................................................................47 2-4-2-3 épisode neigeux du 17 décembre 2009 à Périgny .................................................................................................................47
3 CONFRONTATION, INTERPRETATION ET DISCUSSION DES RESULTATS ........................................................................................................49
4
3-1 CONFRONTATION DES RESULTATS OBTENUS AVEC LES PUBLICATIONS ANTERIEURES ............................................................................... 49 3-2 CHOIX ET COMPORTEMENTS DES CONDUCTEURS .......................................................................................................................... 50 3-3) PREVENTION CONTRE LES ALEAS CLIMATIQUES EN BOURGOGNE...................................................................................................... 51 3-4 INTERPRETATIONS DES LOGIQUES SPATIALES ET TEMPORELLES ......................................................................................................... 52 3-4 LIMITES METHODOLOGIQUES .................................................................................................................................................. 53
CONCLUSION .................................................................................................................................................................................................54
BIBLIOGRAPHIE .............................................................................................................................................................................................56
TABLES FIGURES ............................................................................................................................................................................................59
ANNEXES .......................................................................................................................................................................................................61
RESUME ........................................................................................................................................................................................................71
ABSTRACT .....................................................................................................................................................................................................71
5
Introduction
Les aléas climatiques tels que la pluie ou la neige entrainent souvent des perturbations pour les activités
humaines. Le transport routier n’échappe pas à la règle et il est régulièrement soumis à ces phénomènes qui
entrainent de forts désagréments à la circulation comme en janvier 2007 où la liaison autoroutière Auxerre-
Dijon avait dû être fermée en raison de fortes chutes de neige. De nos jours, les études sur l’impact des aléas
météorologiques sur le trafic routier sont peu nombreuses car les scientifiques se penchent plutôt sur la part
de responsabilité que peut avoir le trafic routier sur le climat et l’environnement. Mais dans un contexte de
mobilité de plus en plus accrue, dont la Bourgogne n’échappe pas, on peut penser que la vulnérabilité des
personnes empruntant le réseau routier en période de conditions météorologiques défavorables va
augmenter. A cela s’ajoute la projection future de changements climatiques qui pourraient accentuer les
phénomènes météorologiques défavorables. Les effets de la météorologie sur le transport routier ont été
étudiés dans de nombreux pays sur des axes majoritairement urbains : Keay et al (2005) en Australie, Chung
et al (2005) au Japon, Changnon (1996) aux Etats-Unis mais également sur des axes périurbains avec
Hogema (1996) aux Pays-Bas et Hassan (1999) en Ecosse. Toutes ces études convergent vers une faible
réduction du trafic lors d’évènements météorologiques défavorables classiques (pluie, brouillard, vent) mais
la baisse est bien plus importante en cas de phénomènes hivernaux importants comme la neige ou le verglas.
Un aléa climatique se définit par rapport à des conditions moyennes. Ainsi, un aléa climatique sera intense si
l’évènement météorologique s’éloigne de la moyenne.
L’objectif de ce mémoire est de qualifier et de quantifier les variations du trafic routier en fonction des
conditions climatiques entre 2008 et 2011 dans l’espace bourguignon.
Le but est de faire une analyse spatio-temporelle des effets des aléas climatiques sur le trafic routier en
qualifiant les relations entre le trafic et la météo, puis en les quantifiant, c’est à dire en présentant des ordres
de grandeur de variations du débit des véhicules en fonction des différents paramètres climatiques.
Plusieurs hypothèses seront testées pour tenter de répondre à la problématique :
_ Les phénomènes hivernaux comme la neige et le verglas sont des facteurs de baisse importante du trafic
routier.
_ Une hausse des températures s’accompagne d’une hausse du trafic routier.
_ Les aléas météorologiques perçus comme du « mauvais temps », comme la pluie et le vent, entrainent une
réduction importante du trafic.
_ Il existe des différences spatiales dans l’impact des aléas météorologiques sur le trafic.
_ Les différents types de flux et d’axes routiers risquent de subir des impacts différents même si la situation
météorologique est identique.
Cette étude se fera à l’échelle de la Bourgogne qui à l’intérêt de posséder un vaste espace avec de fortes
variations climatiques et topographiques ce qui va permettre d’obtenir une grande variété de résultats. La
Bourgogne possède aussi de grandes différences entre les types de flux et les type d’axes mais elle est
surtout un important carrefour de flux internationaux de marchandises et donc un important flux de transit.
Cela fait donc de la Bourgogne un lieu de passage important où l’impact des conditions météorologiques est
important et peut avoir des conséquences au-delà de la région. Entreprendre cette étude à l’échelle de la
Bourgogne consiste à avoir un réseau de stations météorologiques et de stations de comptage routier le plus
représentatif possible des différents types d’axes routiers et des différentes conditions climatiques. Les
stations météos vont mesurer la quantité de précipitations tombée en 24h, la neige tombée en 24h, la neige
au sol, le vent, les températures minimales et maximales ainsi que le brouillard. Le pas de temps journalier
sera utilisé malgré quelques limites (un aléa climatique peut être très court et n’avoir finalement aucun
impact sur le trafic journalier), c’est pourquoi on pourra également zoomer sur certains évènements au pas
de temps horaire. Les résultats des traitements statistiques seront cartographiés ponctuellement afin
d’appréhender les éventuelles variations spatiales.
Ce mémoire débutera par la présentation des éléments contextuels puis sera suivie de la présentation des
bases de données routières et météorologiques. La partie 3 présentera les résultats du traitement des bases
de données afin de mettre en évidence les effets des aléas climatiques sur le transport routier en Bourgogne.
6
Le dernier chapitre sera la discussion qui va permettre de confronter les résultats obtenus à d’autres études.
Ces résultats seront ensuite commentés.
Ce mémoire tentera de répondre le plus finement possible à la problématique et cherchera à démontrer si les
variables climatiques entrainent une réduction ou une hausse du trafic, tout en quantifiant cette variation.
7
1. Eléments contextuels, données et méthode
Dans cette partie, la situation routière et climatique bourguignonne sera brièvement présentée.
Les bases de données routières puis climatiques seront présentées après avoir expliqué le fonctionnement
des appareils de mesure. Pour finir, la méthode d’analyse sera justifiée et explicitée.
1.1 Infrastructures routières et trafic routier en Bourgogne
Le trafic routier se définit comme étant la quantité de trafic qui s’écoule sur une infrastructure.
C’est dans ce cas une demande de circulation sur un axe qui se mesure en débit si on se place à un point de
mesure précis (Billot., 2010).
FIGURE 1 : UNE CIRCULATION ROUTIERE HIERARCHISEE EN FONCTION DES TYPES D’AXES ROUTIERS, DOCUMENT PUBLIE PAR LA DREAL BOURGOGNE
8
.
La région Bourgogne possède un réseau routier dense et diversifié. En effet, selon la DIRECCTE
(Direction Régionale des Entreprises, de la Concurrence, de la Consommation, du Travail et de l'Emploi), on
compte 661 kilomètres d’autoroutes qui traversent la région, soit environ 6.4% des réseaux autoroutiers
nationaux. Ces axes ont été cédés par l’Etat à des sociétés privées comme APRR qui prend en charge
l’autoroute A6. Selon la figure 1, le trafic routier est très dense sur les axes autoroutiers traversant la région
du nord vers le sud notamment sur l’A6 et l’A31 qui enregistrent un trafic compris entre 40 000 et 100 000
véhicules par jour. Beaune a un rôle de carrefour où se croisent les flux de capitaux issus de la région
parisienne, de l’espace rhodanien et de l’espace rhénan. L’A6 est également très sensible aux départs en
vacances car elle relie le bassin de vie le plus important de France (Paris) aux côtes méditerranéennes qui
restent un lieu de vacances privilégiés des français, comme en témoigne l’encombrement régulier de l’A6
lors des départs et des retours de vacances.
La Bourgogne possède un réseau d’intérêt national et interrégional long de 530 kilomètres. Suite à
la 2° phase de décentralisation du 1er janvier 2006, ce réseau comporte des axes classiques mais également
des axes autoroutiers non concédés par l’Etat (A40 et A77) qui sont donc gérés par la DIRCE (Direction
Inter-régionale des Routes du Centre Est). Les flux de véhicules les plus importants sont sur les axes
autoroutiers non concédés où l’on enregistre en moyenne 20 000 véhicules par jour. Les axes routiers
classiques sont par contre moins utilisés, avec une moyenne souvent inférieure à 6000 véhicules par jour.
Outre les transports interrégionaux de marchandises, ces axes sont également empruntés dans le cadre des
migrations pendulaires (déplacements domicile-travail).
Le réseau de routes départementales est très dense et permet de couvrir les vides laissés par les axes
nationaux. La région en possède plus de 21 000 kilomètres qui sont gérés par les conseils généraux. Ces axes
relient les communes de petites et de moyennes tailles entre elles. Ainsi, les départementales couvrent de
petits territoires et vont servir aux déplacements locaux mais aussi aux migrations pendulaires notamment
aux abords des grandes villes bourguignonnes.
1.2 Topographie et climat bourguignon
Les principaux travaux sur la géographie physique de la Bourgogne ont été réalisés par Jean-Pierre Chabbin
et al (2006) qui ont démontré que le relief avait une influence sur le climat bourguignon. Le relief régional
se décline en 3 grands espaces (figure 2) :
-L’ouest qui comprend de vastes plaines et vallées (vallées de l’Yonne et de la Loire) ou des bas
plateaux n’excédant pas les 300 mètres d’altitude.
-L’est caractérisé par la vallée de la Saône qui s’étend du nord de la Côte d’Or au sud de la Saône-et-
Loire et qui n’excède pas les 300 mètres d’altitude.
9
-Le centre se caractérise par le seuil de Bourgogne qui est un haut plateau compris entre 300 et 600
mètres. Ce seuil concerne surtout les départements de la Côte-d’Or et de la Saône-et-Loire. Le Morvan
constitue la partie centre-est du seuil de bourgogne qui culmine jusqu’à 902 m (Haut-Folin)
La disposition du relief va influencer le régime climatique des trois espaces topographiques
délimités précédemment. En effet, la plupart des ouvrages classiques définissent le climat régional comme
étant de type océanique à tendance semi-continental. Mais l’influence océanique se fait ressentir surtout à
l’ouest où les hivers y sont plus doux avec 2.5°C à 3°C de plus en janvier (annexe 1) que dans l’est de la
région. Les précipitations sont assez abondantes (700 mm/an) notamment sur les contreforts occidentaux du
Morvan (1500 mm/an) (annexe 3). Les climats du seuil de Bourgogne et du Morvan sont très variables en
raison des différences d’altitude. Les hivers y sont généralement froids, neigeux et brumeux en raison des
brouillards ou des nuages bas. Les étés sont plutôt chauds mais les températures varient également avec
l’altitude. Cette saison se caractérise surtout par un risque d’averses torrentielles important sur les
contreforts sud du Morvan en raison des orages venant du sud-ouest et accentués par l’effet orographique.
La plaine de Saône est plutôt soumise à une influence continentale (Côte d’Or) et méditerranéenne (Saône-
et-Loire) ce qui se traduit par des hivers plutôt froids et neigeux en Côte d’Or (0.5°C à 1.5°C en janvier) et
plus doux vers le mâconnais (2°C à 2.4°C en Janvier) (annexe 1). La plaine de Saône se caractérise
également par un brouillard dense pouvant durer plusieurs jours voir des semaines en raison d’un déficit
éolien et des conditions anticycloniques persistantes. L’été y est par contre très chaud et homogène (environ
20°C dans l’ensemble de la vallée de la Saône en Juillet) (annexe 2). Les précipitations y sont similaires à
celles enregistrées dans la partie ouest mais elles sont ici intenses et courtes au contraire de celles
enregistrées dans l’ouest. Ainsi, les nombreuses variantes climatiques sont délimitées par le relief ce qui fait
la richesse climatique de la Bourgogne.
FIGURE 2 : RELIEF ET CLIMAT DE LA BOURGOGNE
10
1-3 Gestion des bases de données routières et climatiques
Pour analyser les impacts des aléas sur le trafic routier bourguignon, l’étude s’est appuyée sur
des données numériques routières et météorologiques. Les données routières ont été récupérées au conseil
général des 4 départements de la Bourgogne ainsi qu’à la DIRCE qui gère les routes nationales de tout le
Centre-Est de la France. Les données météorologiques proviennent du centre régional de Météo France de
Dijon.
1-3-1 Les données routières
La première étape constituait donc à recueillir des données de comptage routier issues des stations
siredo qui enregistrent le passage de chaque véhicule en permanence puis calcule le nombre de véhicules sur
les pas de temps horaires, journaliers, mensuels et annuels.
1-3-1-1 Mesures des données routières
PHOTO 1 : COMPTAGES ROUTIERS EFFECTUES GRACE A DES BOUCLES MAGNETIQUES. PRESENCE D’UNE STATION SIREDO EN ARRIERE-PLAN, IMAGE
PUBLIEE PAR LE CONSEIL GENERAL DE LA NIEVRE.
Les premiers comptages routiers ont été réalisés dès les années 1960 à l’aide de comptages
temporaires. En effet, les comptages ne se faisaient qu’à une certaine période. Mais face à la demande de
plus en plus accrue des pouvoirs publics, l’Etat a mis en place le système de comptage permanent SIREDO
(système informatisé de recueil de données) à partir des années 1990, afin de mieux comprendre le
fonctionnement du trafic routier.
De nos jours, on compte 3000 stations siredo à travers la France dont une cinquantaine en Bourgogne. Ces
stations mesurent le débit routier mais également d’autres paramètres comme la vitesse de circulation. Ces
mesures sont réalisées grâce à des boucles électromagnétiques constituées de spires de fils de cuivre isolées
qui vont capter le passage des véhicules par inductance (qui varient dès qu’un véhicule passe) (Photo 1). Si
l’on a qu’une seule boucle par voie, on n’obtient que le débit, mais si on place deux boucles sur une même
voie séparée par une distance connue, on obtient la vitesse instantanée du véhicule. Certaines de ces stations
11
sont capables d’identifier le type de véhicule (véhicule léger, deux roues, poids lourd) mais les gestionnaires
de la route publient principalement des données routières qui confondent tout type de véhicule.
Depuis les lois de décentralisation de 2003 et de déclassement des routes de 2006, on compte 3
services qui gèrent les comptages routiers hors agglomération en Bourgogne
-Conseils généraux (départementales)
-APRR (autoroutes privatisées)
-Direction Interrégionale des Routes du Centre-Est (DIRCE) (routes nationales)
Selon les besoins, ces données peuvent être exprimées en moyennes journalières annuelles (MJA),
journalières ou horaires.
Ce sont ces stations (SIREDO) qui sont utilisées pour l’étude.
1-3-1-2 Acquisition des données routières
L’acquisition des données routières (tous véhicules confondus) a été réalisée auprès de plusieurs
gestionnaires des routes. Les comptages sur les départementales ont été fournis par les conseils généraux de
la Nièvre et de la Saône-et-Loire. Ceux de l’Yonne et de la Côte-d’Or ne fournissaient que des moyennes
mensuelles et annuelles. En effet, les départements sont libres dans la publication de leurs données routières.
Ainsi, ils publient les données qu’ils estiment les plus utiles (le plus souvent exprimées en moyennes
journalières annuelles). Pour la Côte-d’Or, le conseil général fait appel au parc de l’équipement du
département qui a confirmé qu’ils publiaient uniquement ce que le conseil général leur autorisait de dévoiler.
Le conseil général de la Saône-et-Loire met en garde sur la fiabilité de certaines balises de comptage. De
plus, ils éprouvent de nombreuses difficultés à réparer leurs stations siredo lorsque celles-ci tombent en
panne car le centre technique est dorénavant à Lyon et non sur place.
Les comptages routiers sur les routes nationales et les autoroutes non concédées par l’Etat ont été fournis
par la Direction Interrégionale des Routes du Centre-Est (DIRCE), basée à Lyon. Il s’agit d’un service
déconcentré du ministère de l’écologie, dépendant de la Direction des Infrastructures de Transport qui assure
l’entretien, l’exploitation et la gestion des routes qui sont sous leur contrôle. Avant la création des DIR, ce
sont les directions départementales de l’équipement qui assuraient l’entretien de ces routes. Cet organisme
n’a été créé qu’en 2006, c’est pourquoi leurs données de trafic datant d’avant 2008 sont jugées peu fiables.
Au final, 21 points de comptage ont pu être obtenus ce qui est peu au regard des nombreux postes présents
en Bourgogne sous la juridiction des conseils généraux. En effet la Côte-d’Or possède 23 stations siredo,
l’Yonne et la Saône-et-Loire une vingtaine et la Nièvre 5. Cependant, toutes ces stations ne sont pas
forcément opérationnelles ou les données sont parfois intégralement mesurées en moyennes annuelles. Ces
21 points de comptage sont assez bien repartis sur le territoire bourguignon avec tout de même une majorité
de stations présentes au sud de la région. Ces valeurs confondent tous les types de véhicules, sans distinction
entre poids lourds et véhicules légers.
Les trois types d’axes routiers sont concernés (autoroutes, nationales et départementales), ce qui
offre une diversité des types d’axes. Cela pourrait induire des variations de sensibilité au climat d’où
l’importance de prendre en compte cette diversité dans l’analyse. La plupart de ces points de comptage sont
hors agglomération mais 5 sont considérés comme étant en zone urbaine en raison de leur trafic moyen
dépassant les 15 000 véhicules par jour (tableau 1)
1-3-1-3 Mise en forme des données routières
Apres réception des données, la mise au format xls (Excel) a été nécessaire car le format fourni par le
conseil général était sous forme d’un PDF. Les données issues de la DIRCE étaient directement au format
xls mais le comptage s’effectue sur les deux sens de circulation d’où la nécessite d’additionner ces deux sens
afin de rendre les données comparables avec celles des départementales. La période d’étude correspond à la
période 2008-2011 soit l’équivalent théorique de plus de 1400 observations journalières par point de
comptage mais des valeurs sont parfois absentes. Cependant, ces dernières ne dépassent pas les 5 % de la
période d’étude complète. La base de données correspondant à une station a été créée de la manière
12
suivante : les observations (débit routier) sont mises en colonnes et en correspondance avec la date du
comptage.
Un contrôle de qualité a été effectué car plusieurs valeurs traduisaient des périodes de grève dans
les autres type de transport (SNCF, Bus ), des travaux ou des déviations (mise en ligne de rapports d’activité
de la DIRCE année par année qui liste les lieux de travaux) comme à Pontigny (89) où on passe de 5000
véhicules par jour à plus de 15 000 pendant une semaine. A cela s’ajoute les périodes festives et événements
qui peuvent avoir une influence sur le trafic. C’est notamment le cas du football avec par exemple la
commune de Pérrigny (89) qui enregistre une hausse de 25% de son trafic les jours de match.
Suite aux nombreuses variations liées aux cycles hebdomadaires et calendaires (non imputables à
la météo), qui seront mises en évidence dans le chapitre suivant, il a fallu exclure de la base de données les
vendredis, les week-ends, les jours fériés et les vacances scolaires. Ainsi, l’étude se fera sur les semaines de
4 jours (lundi, mardi mercredi, jeudi). Il sera donc important de prendre en compte le comportement du
trafic routier en période d’activité professionnelle. On observe également des variations suivant les saisons
qui obligent à traiter les données de manière saisonnière. Ainsi, la base de données est regroupée en 4
catégories (hiver-printemps-été-automne). Au final, on obtient des données dans le même ordre de grandeur
ce qui fiabilisera le test statistique.
1-3-2 Les Données météorologiques
L’acquisition des données météorologiques s’est effectuée après avoir obtenu la localisation des
stations siredo ce qui a permis de choisir une seule station météo, la plus proche possible des points de
comptage routier. On obtient ainsi les conditions climatiques les plus représentatives possibles des
conditions météorologiques à l’emplacement de la station siredo.
1-3-2-1 Mesures des données météorologiques
FIGURE 3 : STATION METEOROLOGIQUE ET SES INSTRUMENTS DE MESURE (LA METEO.ORG)
13
Les stations météorologiques sont principalement gérées par Météo France qui possède un réseau
très important sur le territoire bourguignon.
Les stations météorologiques se déclinent en plusieurs sous-parties :
-Station synoptique professionnelle avec observation d’un météorologue sur place
-Station synoptique non professionnelle
-Station automatique en temps réel
-Station automatique en temps différé
-Poste climatologique
Ces stations, notamment les synoptiques (qui possèdent de nombreux instruments de mesure des conditions
atmosphériques), sont capables de relever et de calculer de très nombreuses variables climatiques comme
celles de Dijon-Longvic qui en possèdent 226 contre une dizaine pour les postes climatologiques qui ne
fournissent que des données climatiques de base (température, précipitation,…). Les instruments de mesure
les plus communs sont l’anémomètre et la girouette qui mesurent respectivement la vitesse et la direction
des vents, le thermomètre qui mesure la température de l’air et le pluviomètre qui est chargé de mesurer la
quantité de précipitation tombée sur une période donnée. (Figure 3)
Ces stations ne sont normalement pas destinées au trafic routier car les sociétés d’exploitation
comme APRR possèdent leurs propres réseaux de stations météorologiques. On utilise ainsi des stations
météorologiques classiques de Météo France qui sont à destination du public contrairement aux stations
météos routières.
1-3-2-2 Acquisition et choix des données météorologiques
FIGURE 4 : VARIABLES METEOROLOGIQUES MESUREES PAR LES STATIONS METEOROLOGIQUES
14
Apres avoir obtenu les stations de comptage routier, le choix des stations météorologiques a pu s’effectuer
en choisissant la station météorologique la plus représentative possible des conditions climatiques au niveau
du point de comptage routier en respectant des critères de distance et d’altitude précis (tableau 1). Ces
stations météorologiques mesurent rarement les 7 variables météorologiques simultanément c’est pourquoi
certaines conditions météos ne seront pas mesurées sur certains points de comptage routier (figure 4).
L’acquisition des données climatiques s’est faite auprès du centre régional de Météo France de Dijon via la
climathèque qui permet d’accéder au catalogue de données météorologiques de Météo France grâce à des
requêtes spatiales et temporelles. Météo France propose de nombreuses variables qui peuvent être
directement mesurées ou calculées grâce à d’autres variables afin de satisfaire le plus de domaines
professionnels possibles. Dans notre étude, les variables de mesure classiques comme la température, les
précipitations ou encore les vents seront suffisantes.
Les variables sélectionnées sont :
-Les hauteurs de précipitations quotidiennes (RR) qui mesurent la quantité de pluie recueillie lors d’une
journée (24 h). Cette variable est exprimée en millimètres (mm).
-Les hauteurs de neige fraîche tombée en 24 H (HNEIGEF24) qui va indiquer si des chutes de neige ont eu
lieu au cours de la journée ainsi que les hauteurs de neige fraîche en centimètres (cm).
-L’épaisseur de neige totale relevée à 06 h (NEIGETOT06) qui indique la présence ou non de neige à 06 h.
La mesure est en cm. Cette variable ne renseigne pas la présence ou non de chutes de neige en cours de
journée d’où une complémentarité avec la variable précédente.
- La température minimale (Tn) de la journée en °C
- La température maximale (Tx) de la journée en °C
- La vitesse du vent maximale instantanée quotidienne (FXI) qui va donner la vitesse maximale du vent de la
journée et considérée en mètres/seconde
- L’occurrence de brouillard (BROU) qui mesure la visibilité et donc détermine la présence ou non de
brouillard au cours de la journée. Cette variable est codée 1 s’il y a du brouillard et 0 s’il n’y en a pas.
Ces variables descriptives des conditions climatiques vont permettre d’identifier les principaux aléas
climatiques que peuvent être un épisode de forte pluie, de chutes de neige intenses ou de tempête mais aussi
la mauvaise visibilité, les vagues de chaleurs et les vagues de froid.
Les données horaires seront récupérées sur le site de météociel qui possède une base de données des
conditions météorologiques heure par heure entre 2002 et 2012. Seules les stations d’Auxerre, de Nevers, de
Dijon et Macon sont disponibles c’est pourquoi les analyses au pas de temps horaire se feront à proximité de
ces villes.
1-3-2-3 Mise en forme de la base de données météorologique
Apres réception des données météorologiques, la mise au format xls a permis d’obtenir des valeurs
exploitables et maniables avec Excel. Pour chaque station météorologique, les variables sont associées à la
journée correspondante ce qui permet de connaître les températures, le vent ou encore les précipitations
relevés lors d’une journée donnée. Météo France a recommandé la plus grande prudence dans la
manipulation des variables, notamment pour le brouillard et la neige. En effet, il arrive qu’une station ne
prenne pas en compte la hauteur de neige malgré des précipitations par température négative et de la neige
relevée dans les stations voisines. Heureusement, ce cas reste rare et limité à la station de Pouilly-en-Auxois.
Le brouillard est un paramètre qui repose sur des critères de visibilité. En effet, Météo France estime qu’il y
a du brouillard si la visibilité est inférieure à 1 km. Le brouillard peut ne durer que quelques heures
(notamment au lever du jour) et donc avoir un impact imperceptible sur le trafic journalier. De plus, la neige
ou la pluie entrainent souvent une visibilité inférieure à 1 km ce qui fait que les interprétations sur le
brouillard peuvent être faussées en raison d’une covariance avec la neige et la pluie.
Pour finir, la variable « risque de verglas » a été créé en combinant plusieurs paramètres :
-TN<-1°C
-TX<5°C
-RR≥0.1 mm
-NEIGFR24=0
15
Le choix de la température maximale positive est motivé par le fait que les milieux naturels ne se
réchauffent pas à la même vitesse (un axe routier en fond de vallée restera plus froid d’où la persistance d’un
risque de verglas). Néanmoins, cette nouvelle variable reste très subjective et ne résume pas parfaitement la
réalité donc toute conclusion sur ce phénomène est à prendre avec précaution.
1-3-3 Mise en commun des deux bases de données
Le but final est de relier la base de données routière avec celle des variables météorologiques par
le biais des dates. Ainsi les débits journaliers seront associés à leurs conditions climatiques (variable
explicative) respectives à la date t. On obtient ainsi pour l’étude 21 fichiers au format xls renseignant le
débit routier et la condition climatique associée (figure 6).
FIGURE 5 : DENSITE DE TRAFIC ROUTIER ET LOCALISATION DES BALISES DE COMPTAGE (METEO ET SIREDO) SUR LE TERRITOIRE BOURGUIGNON
La figure 5 présente les axes routiers qui seront concernés par l’étude (sauf axes autoroutiers
présentés en gris), la localisation des balises de comptage routier et météorologiques et les différences de
trafic moyen. Les balises de comptage routier dans la ville ou à proximité enregistrent un trafic moyen élevé
(25 000 pour Perrigny (commune rattachée à Auxerre) et 65 000 véhicules par jour à Mirande). Hors
agglomération, le trafic moyen confirme les tendances décrites par la figure 1 avec la RN79 et la RN 70 qui
16
sont des axes importants de transit interrégional. Cependant, la RN151 est beaucoup moins empruntée (trafic
moyen inferieur 10 000 véhicules par jour contre plus de 20 000 sur RN 70 et 79. Les balises de comptage
routier sur route départementale sont situés dans le Morvan d’où un trafic faible (inférieur à 5000 véhicules
par jour)
Le tableau 1 résume les caractéristiques d’une station siredo avec sa localisation exacte (en
points routiers), le type d’axe, le type de flux , la station météorologique associée et sa distance .On a donc 4
axes départementaux ,4 axes autoroutiers et 13 routes nationales. Les distances entre stations météos et
stations siredo varient de 0 km (Chatillon-en-Bazois) à 20 km entre la station météo de Longvic et la station
siredo de Sainte-Marie-sur-Ouche. Les différences d’altitude entre les stations varient de 0 m (Chatillon-en-
Bazois) à 130 m entre la station Siredo de Civry-en-Montagne et la station météo de Pouilly-en-Auxois.
Les écarts trop importants d’altitude et de distance entrainent un risque d’erreur dans l’estimation des
impacts des conditions météos sur le trafic car l’espace bourguignon possède une grande variété de climats
qui dépendent de l’altitude (de la neige peut être relevée sur une station météo mais pas au niveau de la
station siredo associée). On a donc un risque que certains phénomènes météorologiques soient sous-estimés
pour les stations siredo et météorologiques trop éloignées les unes des autres.
Station siredo Référence
station
siredo
Type
d’axe
Type
de
trafic
Station météo
associée
Distance
théorique
(km) Perrigny (140m) Pr 81+800 N U Auxerre (160m) 2
Pontigny (120m) Pr 19+100 N HA Seigneley (125m) 9
Vallan (150m) Pr 31+485 N HA Auxerre (160m) 7
Venoy (220m) Pr 3+200 N HA Auxerre (160m) 5
Chatillon-en-Bazois (230m)
D HA Chatillon-en-Bazois (230m)
0
Clamecy (150m) 53+480 N HA Clamecy (150m) 0
La Charité (170m) 127+640 A HA La Charité (170m) 0
Pougues-les-Eaux (213m) 144+415 A U Nevers (200m) 9
Saint-Malo-en-Donziois
(276m) 26+0
N HA Chateauneuf-Val-de
Bargis (274m)
4
Sougy-sur-Loire (225m) D HA Decize (190m) 8
Ciry-le-Noble (270m) Pr 27+800 N HA Pallinge (270m) 9
Digoin (230m) Pr 4+800 N U Digoin (230m) 0
Laizy (280m) 15+800 D HA Autun (330m) 10
Macon (190m) Pr82+0 D U Macon (190m) 0
Marcilly-les-Buxy (420m) 32+720 N HA Torcy (320m) 11
Sainte-Cecile (270m) 59+400 N HA Cluny (250m) 6
Varennes-les-Macon (190m)
79+800 N HA Macon (190m) 3
Volesvres (270m) Pr16+200 N HA Saint-Yan (245m) 10
Civry-en-Montagne
(530m)
5+400 A HA Pouilly-en-Auxois
(400m)
6
Mirande (250m) 4+800 N U Longvic (230m) 5
Sainte-Marie-sur-Ouche
(290m)
21+450 A HA Longvic (230m) 20
TABLEAU1 : CARACTERISTIQUES DES STATIONS DE COMPTAGE ROUTIER ; PR= POINT ROUTIER, N=ROUTE NATIONALE, D=ROUTE DEPARTEMENTALE, A=AUTOROUTE, U=URBAIN, HA= HORS AGGLOMERATION
17
La figure 6 présente un exemple de fichier Excel reliant les données routières avec les données
météorologiques. Ainsi, un jour précis seras renseigné par le débit routier puis par les valeurs des paramètres
météorologiques de ce même jour pour une station de comptage routier donnée. Les données ont été classées
selon une base saisonnière en raison de grandes différences météorologiques et routières selon les saisons.
Celles-ci seront nommées de la façon suivante :
-Hiver (DJF)
-Printemps (MAM)
-Eté (JJA) (seul juin est représenté)
- Automne (SON)
FIGURE 6 : BASE DE DONNEES QUI RELIE LA BASE DE DONNEES ROUTIERE ET CLIMATIQUE, EXEMPLE DE VENOY (89)
1-4 Présentation de la méthode d’analyse
Afin de répondre aux questionnements issus de la problématique et à l’hypothèse émise, plusieurs
tests statistiques vont être menés à l’aide de logiciel de traitement statistique et cartographique.
1-4-2 Traitements statistiques préliminaires
Tout d’abord, l’objectif est de déterminer la distribution des variables météorologiques et
routières dans le temps afin de vérifier si la distribution normale est respectée ou non. En effet, les tests
utilisés dans l’étude sont paramétriques et recommandent que la loi normale soit respectée. Dans le cas
contraire, une grande prudence doit être de mise dans l’interprétation. Pour ce faire, des boites à moustache
sont créées sur quelques stations routières représentatives de l’ensemble des stations. Dans le même but, les
variables météorologiques ont également été représentées pour la station d’Auxerre.
Avec l’aide du logiciel STATISTICA, une mise en évidence des liens entre les différentes
variables météorologiques a été effectuée grâce à une analyse en composantes principales (ACP) qui a été
réalisée pour la station météorologique d’Auxerre entre 2008 et 2011. Chaque saison a été représentée par
18
une ACP, le but étant de mettre en évidence des similarités ou des oppositions entre les variables mais
également de repérer les variables les plus corrélées entre elles.
Afin de démontrer qu’il existe des variations de trafic importantes qui ne sont pas dues à la
météo, les variations dues au calendrier et aux saisons seront montrées par un graphique représentant les
écarts à la moyenne (en %) de chaque site représentatif. Cette méthode va permettre de mieux apprécier les
variations car celles-ci sont parfois difficilement perceptibles avec les variations absolues.
1-4-3 Protocole de l’analyse des impacts des conditions météos sur le trafic
Les analyses seront réalisées individuellement pour chaque site car chaque site possède ses propres
caractéristiques routières et météorologiques. Le premier objectif est de démontrer les liaisons entre trafic
routier et variables météorologiques puis de les représenter spatialement sur l’espace bourguignon. Pour ce
faire, la corrélation de Pearson sera utilisée. Ce type de corrélation est issu de la biologie et mis en place par
Karl Pearson. Ce test paramétrique linéaire est très connu et très utilisé pour sa simplicité. Il mesure
l’intensité de la relation entre 2 variables en appliquant la relation suivante :
σ =écart types
rp= corrélation
Ainsi le coefficient est forcément compris entre 1 et -1. On dit que 2 variables sont corrélées entre elles si
elles sont proches de 1 ou -1. Si la corrélation est proche de 0, on en déduit qu’il n’y a pas de relation entre
deux variables qui sont donc indépendantes l’une de l’autre. La corrélation possède tout de même des limites
comme la sensibilité à la valeur extrême et interprète toujours la relation deux à deux comme étant linéaire.
L’interprétation doit également prendre en compte qu’une forte relation ne signifie pas forcément que l’une
est la cause de l’autre.
Le test statistique des corrélations a été effectué entre le trafic routier et les variables
météorologiques pour chaque station, y compris les variables binaires. Pour ces dernières, le calcul des
corrélations peut être réalisé même si on ne se place pas dans les conditions optimales de l’outil statistique
car la variable dépendante (trafic routier) respecte la loi normale.
Un test de significativité a été effectué ce qui va permettre de déterminer quelles sont les
corrélations significativement différentes de 0 à un niveau de signification de 95% , tout en prenant en
compte que le nombre d’observations diffère selon les saisons. Cette étape a été réalisée automatiquement
par le logiciel xlsstat qui a validé la significativité de r si et seulement si :
R > 2/
Avec R coefficient de corrélation (en valeur absolue)
n = nombre d’observations
2 s’explique par le degré de liberté de H0(R=0) qui suit une loi de student a n-2 ddl
Afin de se mettre en conformité avec les outils statistiques, un test t de student a été réalisé sur les
variables binaires (brouillard et verglas). Cette méthode statistique va permettre de comparer deux moyennes
en testant l’égalité des deux moyennes (H0) des échantillons indépendants. Ce test va donc démontrer si la
différence entre deux moyennes est significative (H1 différent de 0) ou non. Elle sera appliquée sur les
variables binaires brouillard et verglas, codes 1 ou 0 (avec brouillard (1) et sans brouillard (0)). La
significativité statistique du test t de student sera testée au seuil des 5%.
n
19
Les corrélations obtenues seront ensuite cartographiées grâce au logiciel philcarto qui permet la
réalisation de cartes thématiques. Dans notre cas, c’est l’option «cartes en cercles proportionnels» qui a été
retenue. Cette option a permis de symboliser la corrélation de manière ponctuelle en respectant les règles de
la sémiologie graphique suivante :
-bleu pour les corrélations négatives et rouge pour les positives
-tailles proportionnelles à leur poids
-légende /orientation/échelle
Les corrélations significatives au seuil des 5% sont signalées par une étoile au centre des cercles. Afin de
rendre les cartes comparables entre elles, c’est à dire pour comparer l’impact des aléas sur le trafic routier en
fonction des saisons, Philcarto propose de choisir le maximum qui sera de 1 (valeur absolue). Le rayon des
cercles est de 40 afin d’éviter les tailles trop faibles.
Le fond de carte a été réalisé avec le logiciel Arcgis (Système d’information géographique) qui a
permis de situer les axes routiers concernés par l’étude. Ainsi, on peut déterminer quels types d’axes routiers
sont concernés par les corrélations ce qui va permettre de déterminer si les différents axes engendrent des
différences de sensibilité liées à la météo.
Le second objectif est de quantifier ces variations par le biais des régressions linéaires simples qui
ont pour but d’expliquer les observations (trafic routier) par une seule variable explicative (variable
météorologique). Ces régressions ont été obtenues grâce à l’utilitaire d’analyse d’Excel sous forme de
tableaux qui présentent la valeur du coefficient de la droite de régression associée au test t de Student qui
montre que les valeurs significatives sont les mêmes que pour les corrélations.
Y= Ax + b
Avec
Y : Observation dépendante (trafic routier) de l’intensité de l’aléa météorologique
A : Coefficient directeur de la droite de régression
x : Valeur de la variable météorologique un jour donné
B : constante (valeur de Y lorsque x= 0)
La valeur du coefficient représente la réduction ou la hausse du nombre de véhicules en fonction
de l’aléa étudié pour une unité. Cette valeur est ensuite divisée par la moyenne du trafic saisonnier (d’une
station donnée) puis multipliée par 100 pour obtenir le pourcentage de variation de trafic en fonction d’un
aléa météorologique. Ces variations seront ensuite représentées sous forme d’histogrammes récapitulant les
variations moyennes de l’ensemble des stations de comptage siredo étudiées en Bourgogne. Afin de vérifier
numériquement si les types d’axes ont une influence sur la sensibilité à la météo, des histogrammes
montrant les différences entre ces axes seront présentés.
Pour finir, une analyse par régression linéaire multiple sera faite. Cette méthode cherche
également à expliquer une variable dépendante (trafic routier) mais par plusieurs variables explicatives ce
qui permet d’obtenir un modèle capable de prévoir le trafic en fonction de plusieurs types d’aléas
météorologiques. Grace à cela, on peut établir des prévisions de trafic en fonction des variations de la météo.
Y = a + b1x1 + b2x2 + … + Bnnn
Y=variable dépendante (trafic routier)
a = constante
X1, X2, Xe= Variable indépendante (variables météos)
B1, b2, BN = Pente de chaque variable météo
Le coefficient « a » indique la valeur théorique d’augmentation ou de réduction du nombre de
véhicules que peut entrainer un paramètre climatique pour une unité. La qualité de la régression sera
mesurée par le coefficient de détermination R² et la qualité d’ensemble du modèle par le test de Fischer
20
(f<0.05). Le fait de travailler sur plusieurs variables a pour inconvénient majeur la redondance, c’est à dire
que plusieurs variables ont la même signification (multi colinéarité), limitant la performance des modèles
(Par définition les variables explicatives doivent être indépendantes). Pour remédier à ce genre de situation,
la régression pas à pas descendante (Hacking, 1976) va permettre de partir du modèle complet puis
d’éliminer une par une les variables qui ont l’apport le plus faible. En effet, il faut fixer un seuil de
significativité (t de student = 0.05) et supprimer la variable ayant l’indice t le plus élevé à condition que (t >
0.05). Au final, on obtient un tableau récapitulatif des variables significatives (t<0.05) pour chaque station
de comptage Siredo.
21
2. Résultats des traitements statistiques des bases de données
Ce chapitre présentera tout d’abord les distributions des variables étudiées ainsi que les liaisons
entre variables météorologiques. Afin de mesurer les liens entre variables météorologiques et routières, les
corrélations linéaires seront calculées puis représentées de manière synthétique dans un tableau de synthèse
puis représentées spatialement sur l’espace bourguignon, dans le but d’essayer de mettre en évidence
d’éventuelles logiques spatiales. Des régressions simples seront ensuite appliquées afin de quantifier cette
relation qui sera présentée sous forme d’histogrammes en bâton. Une ouverture sur la régression multiple
sera également effectuée. Pour finir, quelques aléas et leurs impacts sur le trafic seront analysés au moment
de l’évènement (1 à 2 jours) sur l’ensemble de la Bourgogne puis au pas de temps horaire en un lieu donné.
2.1 Distribution des variables étudiées
La distribution des variables est importante pour les tests statistiques utilisés dans cette étude
car ceux-ci sont paramétriques et exigent pour la plupart que les variables soient distribuées de manière
«normale», c’est à dire autour de la moyenne. Cependant, même si ce principe n’est pas correctement
respecté, le test demeure assez robuste même si la loi normale n’est pas respectée. Afin de visualiser ces
variables, les boites à moustaches seront présentées afin de visualiser la distribution des variables
météorologiques et routières.
2.1.1 Distribution des données routières
FIGURE 7 : EXEMPLE DE DISTRIBUTION DES DONNEES ROUTIERES POUR QUELQUES STATIONS SIREDO (TOUTES SAISONS ET TOUS JOURS CONFONDUS)
22
Il s’agit des données routières de quelques stations qui représentent bien l’ensemble des autres
stations sur la période 2008-2011 traitées intégralement (semaine, week-ends, vacances…). Ces boites à
moustaches nous montrent que les variables routières sont à peu près conformes à une distribution normale
avec la médiane qui représente assez bien le centre de la boite. Les valeurs minimales et maximales ne
semblent pas trop s’éloigner vers des valeurs extrêmes, notamment pour les axes à faible débit (figure 7).
2.1.2 Distribution et liaisons des variables climatiques
Seules les variables quantitatives continues sont présentées. Le brouillard et le verglas sont considérés
comme étant des variables binaires et ne respectent donc pas la loi normale. Le graphique présente donc les
boites à moustaches des variables météorologiques de la station d’Auxerre qui représente assez bien
l’ensemble des autres stations bourguignonnes en termes de distribution et de liaisons entre les variables
météorologiques.
FIGURE 8 : DISTRIBUTION DES VARIABLES METEOROLOGIQUES POUR LA STATION METEOROLOGIQUE D’AUXERRE ( EN MM POUR RR, EN CM POUR
HNEIGEF24H ET NEIGETOT06, EN °C POUR TN ET TX, EN M/S POUR FXI)
Les boites à moustaches (figure 8) montrent que seules les températures, et dans une moindre
mesure le vent, respectent à peu près la loi normale. Au contraire, la neige et les précipitations ne sont pas en
accord avec la normalité ce qui s’explique par la prédominance de la modalité 0 (pas de neige / pas de
pluies). On observera donc une certaine prudence dans l’interprétation des résultats concernant la neige et
les précipitations.
Ces variables climatiques ne sont pas nécessairement indépendantes entre elles. En effet, les ACP (figure 9)
démontrent une forte relation entre températures maximales et minimales surtout en période hivernale et
automnale.
23
FIGURE 9 : LIENS ENTRE LES VARIABLES METEOROLOGIQUES POUR LA STATION D’AUXERRE EN FONCTION DES SAISONS
2.2 Variations temporelles générales du trafic routier
Avant d’effectuer la mise en évidence de l’impact climatique sur le trafic routier, il est nécessaire
de cibler la variation non imputable à la météo afin de rendre «muettes » ces variations . La mise en
évidence a été réalisée de manière graphique et statistique . On remarquera également que des variations
existent en fonction de la typologie des axes routiers. Ainsi, la légende des graphiques présentant les
variations non imputables à la météo seront sous la forme suivante :
Nom de la commune contenant la station Siredo, le type de trafic (PU= Urbain ; R=Hors agglomération), le
type d’axe et son numéro (autoroute (A), route nationale (RN), route départementale (D).
24
FIGURE 10 : POINT DE COMPTAGE ROUTIER REPRESENTATIF DE L’ENSEMBLE DES POINTS DE COMPTAGE UTILISES POUR LA REPRESENTATION DES
VARIATIONS NON IMPUTABLES A LA METEO
2.2.1 Variations interannuelles
Figure 11 : Variations interannuelles du trafic routier pour quelques points de comptage
représentatifs
Les stations siredo enregistrent des évolutions interannuelles qui restent faibles mais qui sont
différentes. En effet, certaines stations montrent une baisse globale comme à Chatillon-en-Bazois (+2% par
rapport à la moyenne en 2008 à -1.5% en 2011 soit une baisse de 3.5% en 4 ans) alors que d’autres
enregistrent une hausse continue comme Sainte-Cécile et Pougues-les-Eaux (La variation passe de -1.2% en
2008 à 3% en 2011 soit une augmentation de 4.2% en 4 ans). Les autres stations montrent des variations
25
différentes d’une année à l’autre comme à Venoy avec une hausse entre 2008 et 2009 suivie d’une baisse
entre 2009 et 2010 puis une nouvelle hausse entre 2010 et 2011 pour finir sur une baisse l’année suivante.
On a donc de nombreuses variations interannuelles qui restent faibles ce qui permet d’avoir une série de
données plutôt homogène sur ces 4 années.
2-2-2 Variations mensuelles et saisonnières
FIGURE 12 : VARIATIONS MENSUELLES DU TRAFIC ROUTIER POUR QUELQUES POINTS DE COMPTAGE REPRESENTATIFS
FIGURE 13 : VARIATIONS SAISONNIERES DU TRAFIC ROUTIER POUR QUELQUES POINTS DE COMPTAGE REPRESENTATIFS
Le trafic routier est sensible aux variations saisonnières. En effet, la figure 13 montre que la
circulation routière en hiver est toujours inférieure aux moyennes de l’ordre de -3% (Périgny) à -17%
(Chatillon-en-Bazois). Il apparaît clairement que ce sont les zones urbaines qui perdent le moins de débit
routier en saison hivernale. Au contraire, les axes ruraux à faible débit sont ceux qui connaissent la plus forte
réduction de trafic. La saison estivale traduit dans tous les cas une hausse de trafic par rapport à l’hiver mais
le cœur de l’été (juillet et surtout août) diffère fortement des autres périodes car les espaces périurbains
subissent une forte diminution du trafic (-15% en aout à Mirande). Les zones rurales connaissent leurs pics
de circulation en juillet et en août (+20% à Chatillon-en-Bazois en août). Ainsi, on peut penser que les
26
habitants des zones urbaines partent en vacances en masse entrainant ainsi ces chutes de trafic au contraire
des zones de campagne qui deviennent des espaces touristiques ce qui entraine ces augmentations de trafic.
Ces mois de juillet et août entrainent donc de très fortes variations pendant la période estivale c’est pourquoi
ces périodes de vacances sont exclues de l’étude.
2.2.3 Variations hebdomadaires
FIGURE 14 : VARIATIONS SAISONNIERES DU TRAFIC ROUTIER POUR QUELQUES POINTS DE COMPTAGE REPRESENTATIFS
Les variations hebdomadaires se décrivent en deux phases. On a les lundis, mardis, mercredis et
jeudis qui se traduisent par de faibles différences notamment hors agglomération comme à Ciry-le-Noble où
on passe de +0.3% le lundi à 4% le jeudi soit une augmentation de 3.7 point en 4 jours ce qui reste faible. En
zone urbaine, le trafic varie un peu plus mais cela reste acceptable (+7% entre le lundi et le jeudi pour
Mirande). Les vendredis traduisent une forte augmentation par rapport au début de la semaine d’où leur
suppression. Les week-ends se traduisent par contre par de très fortes baisses du trafic pour l’ensemble des
stations. On observe un phénomène de compensation car en semaine ce sont les villes qui connaissent le plus
fort trafic au contraire des week-ends (-50% à Mirande le dimanche contre -11% à Chatillon-en-Bazois). Ce
phénomène s’explique par la concentration des emplois dans les villes. Les week-ends correspondants aux
périodes creuses en termes de travail, il est logique que la perte de trafic soit plus importante en ville.
2.2.4 Autres variations
D’autres variations dues au calendrier agissent sur le trafic comme les vacances scolaires (toutes
confondues). En effet, la figure montre les mêmes logiques qui ont été démontrées précédemment avec une
évolution négative en ville ou à proximité. Au contraire, une évolution positive est mise en évidence hors
agglomération. Les variations semblent faibles mais l’année entière est prise en compte alors que pour juger
l’impact des vacances d’hiver, il aurait fallu comparer la période avec vacances et hors vacances uniquement
en hiver (Décembre, Janvier et Février).
27
Les jours fériés sont également un facteur important de variation du trafic. En effet, on note une
baisse sur l’ensemble des stations lors des jours fériés. Ce sont les zones urbaines qui sont les plus
concernées (-48% à Mirande,-40% à Périgny) au contraire des axes routiers hors agglomération (-7% à
Chatillon-en-Bazois) (tableau3)
On retiendra donc les lundis, mardis, mercredis et jeudis en raison de la variation faible entre ces
jours. L’étude sera effectuée sur une base saisonnière en raison de la forte différence entre les hivers et les
étés en termes de trafic. Les jours fériés, les vacances, le vendredi et les week-ends sont donc exclus de
l’étude en raison des fortes variations qu’ils entrainent.
TABLEAU 2 : COMPARAISON DE MOYENNES DES IMPACTS DES JOURS FERIES ET DES VACANCES SCOLAIRES SUR LE TRAFIC ROUTIER
2.3 Mise en évidence des liens entre trafic routier et variables climatiques
Après avoir trié et supprimé les variables non voulues (Vacances, week-ends, jours fériés et
vendredis), on peut mesurer le lien entre le trafic routier et chaque variable climatique pour l’ensemble des
stations. Les résultats seront d’une part présentés sous forme de tableaux récapitulatifs puis d’autre part sous
forme de cartes afin d’analyser spatialement les relations, le but étant ici d’observer le comportement moyen
du trafic lors des aléas climatiques.
2.3.1 Relations entre trafic routier et variations climatiques
Afin de voir comment varie le débit routier, on a mis en place le test des corrélations de Pearson
qui va déterminer quelles sont les conditions climatiques qui augmentent le trafic et ceux qui le réduisent de
manière significative.
28
2.3.1.1 Hiérarchisation des facteurs climatiques de variabilité du trafic
TABLEAUX 3 : RECAPITULATIF DES RELATIONS METEO-TRAFIC ROUTIER, EN ROUGE LES RELATIONS FORTEMENT POSITIVE ET SIGNIFICATIVE, EN BLEU LES
RELATION LES PLUS FORTEMENT NEGATIVE ET SIGNIFICATIVE
Le tableau 3 présente le résumé des relations significatives pour chaque variable météorologique.
On peut observer une forte relation statistique entre températures (minimales et maximales) et trafic routier
notamment en hiver et au printemps où les relations dépassent les 85% de liaisons positives et significatives.
Le même phénomène est observé en automne mais dans une moindre mesure avec 74 % de relation positive
et significative. La saison estivale est difficile à interpréter en raison d’un nombre de données inférieures aux
autres saisons (juillet et août étant supprimés pour l’ensemble des points de mesure). Le tableau 3 montre
également que les températures maximales et minimales donnent la même information car les valeurs sont
très proches entre ces deux catégories.
La quantité de précipitations tombées en 24 heures montre que quelques stations montrent une
relation positive et significative (10%) entre trafic routier et météo mais on se heurte à un problème de
redondance. En effet, durant l’hiver, un épisode pluvieux se produit souvent pendant un épisode de douceur
qui lui-même favorise les hausses de trafic routier. Ainsi, l’impact des précipitations est très difficile à
mesurer en période hivernale. En automne et au printemps, rien ne ressort donc les précipitations n’auraient
pas d’impact sur le trafic routier sur ces deux saisons. L’été se traduit par 10% de relation négative et
significative ce qui est dû au nombre de données donc l’interprétation reste difficile. Le taux de
significativité reste faible quel que soit la saison en ce qui concerne la pluie. Il est donc difficile de prétendre
que la pluie a un réel impact en semaine.
Le vent a une influence également plutôt positive en hiver (+25%) mais c’est également un
phénomène de redondance avec la température (les vents proviennent majoritairement de l’ouest et
favorisent donc la douceur). Au contraire, le printemps se caractérise par une relation plutôt négative (-50%),
L’automne comme l’été sont par contre très indécis avec autant de relations positives que négatives.
La neige, le verglas et brouillard sont considérés comme des phénomènes exclusivement hivernaux et
sont donc analysés uniquement en hiver. Ces phénomènes entrainent sans contestation une réduction du
trafic sur de nombreuses stations, notamment la neige au sol (-92%) suivie par les chutes de neige fraiche (-
54%). La variable neige fraiche tombée en 24h semble indiquer une relation négative moins forte alors qu’il
semble pourtant logique que c’est au moment de la chute de neige que le trafic est le plus perturbé. On peut
penser que les chutes de neige peuvent commencer en soirée et ne pas influencer le trafic c’est pourquoi le
test semble plus hésitant. La variable neige au sol relevée à 06h peut cumuler la présence de neige au sol
mais également d’autres chutes de neige (épisode froid et neigeux de plusieurs jours).
Le brouillard et surtout le verglas (variable subjective) ont bien un effet négatif sur le trafic mais on ne peut
qu’être prudent en raison d’une significativité moyenne (inférieure à 40%).
Le test statistique des corrélations permet d’affirmer qu’une hausse des températures
s’accompagne d’une augmentation de trafic en hiver, au printemps et en automne (nombreuses corrélations
positives et significatives). Au contraire la neige entraine une baisse du trafic routier (nombreuses
RR HNEIGFR NEI06 Tn Tx FXI BROU VERG
S- S+ S- S+ S- S+ S- S+ S- S+ S- S+ S- S+ S- S+
DJF 0% 10% 54% 0% 92% 0% 0% 100% 0% 94% 0% 25% 36% 0% 30% 0%
MAM 0% 0% 0% 94% 0% 88% 50% 0%
JJA 10% 0% 6% 0% 6% 13% 8% 17%
SON 0% 0% 0% 74% 0% 74% 8% 8%
TOUS 6% 0% 85% 0% 77% 0% 0% 94% 0% 81% 33% 0% 43% 0%
29
corrélations négatives et significatives). Les autres variables et surtout la pluie semblent avoir un impact très
faible sur le trafic.
2-3-1-2 Variations spatiales des relations trafic-météorologie
Dans cette sous-partie, l’analyse se fera sous forme de cartes traduisant des corrélations spatialisées dans
l’espace bourguignon. Ces cartes sont organisées de manière à les comparer en fonction des saisons. Mais on
notera que la saison estivale est difficile à comparer avec les autres saisons car un seul mois est pris en
compte (juin).
A / La pluie
FIGURE 15 : CARTE DES CORRELATIONS ENTRE LA PLUIE ET LE TRAFIC EN FONCTION DES SAISONS. LES RELATIONS NEGATIVES SONT REPRESENTEES EN BLEU
ET LES RELATIONS POSITIVES EN ROUGE (LES CERCLES AVEC UNE ETOILE SONT LES VALEURS SIGNIFICATIVES AU RISQUE 0.05)
30
Ce paramètre est le plus difficile à cerner en raison d’une significativité très faible sur notre
période d’étude. Pour les raisons expliquées dans le paragraphe 3-3-1-1, la pluie et le trafic routier sont
faiblement liés positivement et de manière homogène sur l’ensemble de la Bourgogne en période hivernale
mais seule la station de Civry-en-Montagne est significative. Le printemps et l’automne sont à peu près
semblables et présentent une certaine hétérogénéité spatiale et qui sont toutes non significatives avec des
corrélations négatives et positives mais qui restent bien faibles (ne dépassant pas les 0.200) et toutes non
significatives. On a donc une absence de relation entre le trafic routier et la pluie pendant ces deux saisons.
L’été enregistre par contre une liaison négative assez importante sur presque tous les axes avec certaines
zones significatives comme Chatillon-en-Bazois et Sainte-Marie-sur-Ouche (r <0.300 pour ces 2 stations)
mais le faible nombre de données ne permet pas vraiment de comparer cette saison aux autres. Le paramètre
« précipitations » reste donc très difficile à cerner quelle que soit la saison.
B/ Les températures
FIGURE 16 : CARTE DES CORRELATIONS ENTRE LES TEMPERATURES MAXIMALES ET LE TRAFIC EN FONCTION DES SAISONS. LES RELATIONS NEGATIVES
SONT REPRESENTEES EN BLEU ET LES RELATIONS POSITIVES EN ROUGE (LES CERCLES AVEC UNE ETOILE SONT LES VALEURS SIGNIFICATIVES AU RISQUE 0.05 )
31
Les températures minimales et maximales nous donnent une information similaire (tableau 3) et, pour une
même station, les valeurs des corrélations de Tn et Tx sont très proches donc seule la carte des Tx sera
présentée. En hiver, on obtient des relations nettement positives et toutes significatives sur l’ensemble du
territoire bourguignon. En effet, on a un intervalle allant de r=0.150 à r=0.350 et de manière homogène quel
que soit le type d’axe routier ou que l’on soit en zone périurbaine ou non. Le printemps traduit le même
processus qu’en hiver avec une répartition homogène des corrélations positives et significatives, seul
Mirande étant peu impacté par la température. Cela est plus indécis en été car des relations négatives sont
présentes notamment vers les zones urbaines mais celle-ci sont pour la plupart non significatives comme à
Macon et à Périgny. Cela peut être causé par un faible nombre de données pour l’été mais également par un
épisode caniculaire. En effet trop de chaleur peut entrainer une diminution du trafic routier. L’automne
traduit la même logique que le printemps avec des aires urbaines (y compris Périgny) peu influencées par le
paramètre « température » au contraire des zones non urbaines.
On peut conclure que ce paramètre « température » s’accompagne d’un effet positif pour la
circulation routière en Bourgogne. En effet, le débit routier augmente quand la température augmente
notamment dans les zones hors agglomération.
C/ Les vents
FIGURE 17 : CARTES DES CORRELATIONS ENTRE LES VENTS ET LE TRAFIC EN FONCTION DES SAISONS. LES RELATIONS NEGATIVES SONT REPRESENTEES EN
BLEU ET LES RELATIONS POSITIVES EN ROUGE (LES CERCLES AVEC UNE ETOILE SONT LES VALEURS SIGNIFICATIVES AU RISQUE 0.05)
32
Les hivers se caractérisent par une liaison majoritairement positive surtout à proximité des villes
(r>0.200) mais le vent est très lié aux épisodes de douceur ce qui rend également difficile toute conclusion
sur l’impact du vent sur le trafic routier hivernal. Ces valeurs sont significatives seulement à l’est de la
Bourgogne, notamment dans la vallée de la Saône. Cependant, le printemps montre bien une liaison négative
sur toutes les régions (sauf Mirande) de manière homogène, parfois assez fortement (Clamecy r=0.300).
Cette saison a la significativité la plus forte (50%) de l’année. L’été ne met aucune logique en évidence avec
des corrélations fortement négatives (Clamecy) et positives (Macon). Seules des disparités spatiales peuvent
éventuellement expliquer ce principe mais aucune conclusion ne sera établie sur cette saison.
L’automne laisse paraître une logique est-ouest avec un est bourguignon très faiblement corrélé positivement
et un ouest corrélé négativement. Il est possible que les vents forts d’automne soient plus présents à l’ouest
qu’à l’est ce qui va entrainer des conséquences plus fortes sur l’ouest.
On peut émettre l’hypothèse que le vent a tout de même un impact négatif sur la circulation
routière mais celui-ci est souvent accompagné de pluies voir de neige ce qui fait qu’il est difficile d’évaluer
l’impact du vent seul sur le trafic.
D / Les phénomènes hivernaux
FIGURE 18 : CARTE DES CORRELATIONS ENTRE LES PHENOMENES HIVERNAUX ET LE TRAFIC EN FONCTION DES SAISONS. LES RELATIONS NEGATIVES SONT
REPRESENTEES EN BLEU ET LES RELATIONS POSITIVES EN ROUGE (LES CERCLES AVEC UNE ETOILE SONT LES VALEURS SIGNIFICATIVES AU RISQUE 0.05)
33
Les variables « brouillard » et « verglas » sont des valeurs binaires qui ne sont normalement pas
autorisées pour le calcul de la corrélation, mais par cohérence avec le reste de l’analyse, on admet
l’utilisation des corrélations.
Les chutes de neige (HNEIGFR24) ne sont pas toujours simples à interpréter en raison de chutes
de neige qui peuvent ne concerner que la fin de la journée et donc n’avoir aucune conséquence sur le trafic
routier. Ainsi, la significativité reste moyenne à cause du sud-est de la région qui n’enregistre que des
valeurs non significatives au contraire de l’ouest de la Bourgogne. Les chutes de neige entrainent une
relation négative de manière générale (Entre r=-0.200 et r=-0.300 pour la plupart). Cela signifie qu’une
baisse du trafic routier est constatée lors d’un épisode neigeux. Seule la commune de Macon enregistre une
corrélation positive qui peut s’expliquer par des facteurs autres que la neige. L’ouest de la Bourgogne
semble plus sensible aux chutes de neige que l’est (Corrélation moyenne de l’Yonne et de la Nièvre =0.300
contre r=0.150 pour Côte d’Or et la Saône-et-Loire). Cela peut s’expliquer par une plus grande maitrise de la
neige par les pouvoirs publics à l’est, plus habitués aux phénomènes neigeux, ou par une meilleure maîtrise
de la conduite sur neige par les conducteurs de l’est de la Bourgogne.
Bien que l’on ne dispose pas d’éléments en faveur de cette hypothèse, il est tout de même possible d’avoir
un décalage temporel des chutes de neige. En effet, l’Yonne et la Nièvre pourraient avoir été majoritairement
touchées en cours de journée, sur la période 2008-2011, et donc subir une forte influence négative. Au
contraire, l’est subirait la neige en dehors des heures de pointe limitant la perturbation du trafic routier.
La neige au sol est parfois associée à des chutes de neige et des températures plus froides ce qui
va accentuer la baisse du trafic (Si la hausse des températures favorise la hausse du trafic alors on observe
l’inverse en cas de baisse du thermomètre). On a donc de la covariance statistique.
Ce paramètre concerne la région de manière plutôt homogène et de manière assez fortement négative
notamment dans l’Yonne (r=-0.510 a Vallan). Plus de 90% des points de comptages présentent une relation
négative et significative ce qui montre la fiabilité des résultats obtenus et qui permettent donc de confirmer
le réel impact négatif de la neige sur le trafic routier en Bourgogne.
TABLEAU 4 : COMPARAISON DE MOYENNES DES IMPACTS DU BROUILLARD ET DU VERGLAS SUR LE TRAFIC ROUTIER
Le tableau 4 présente les différences de moyennes pour les variables binaires brouillard et
verglas. Toutes les stations ne mesurent pas le brouillard et « le risque de verglas », c’est pourquoi on a 14
points de comptage routier au lieu de 20. La figure 18 «c.brouillard » et le tableau 3 confirment l’impact
négatif du brouillard sur tous les points de mesure (sauf Ciry-le-Noble). On peut remarquer que c’est la
vallée de la Saône qui enregistre des valeurs négatives et significatives ainsi qu’à Chatillon-en-Bazois ce qui
montre que la vallée de la Saône est la zone la plus impactée par le brouillard en Bourgogne notamment
Macon avec une baisse du trafic de -4% lors d’un jour de brouillard.
Le risque de verglas a un impact négatif sur l’ensemble de la Bourgogne avec une estimation entre -0.23% à
Sainte-Marie-Sur-Ouche à -8.66% à La-Charité-sur-Loire ce qui est confirmé par la figure 18 « d.Verglas »
où la Charité-sur-Loire correspond à l’impact le plus fort et Sainte-Marie-sur-Ouche correspond à l’impact
le plus faible. Aucune logique spatiale n’apparaît pour les valeurs significatives du brouillard.
34
Cette section permet également de comparer les méthodes. En effet, la méthode des corrélations et le test t
de student sur les moyennes sont en accord pour la variable brouillard avec les valeurs significatives qui sont
les mêmes dans les deux tests. Par contre, les résultats sont relativement divergents pour la variable verglas
(seule La Charité-sur-Loire est significative avec le test des moyennes alors que le test des corrélations
ajoute Digoin et Mirande.)
On a donc des différences entre l’est et l’ouest pour ces phénomènes hivernaux ce qui semble
logique vu que l’est est plus impacté par le froid que l’ouest en hiver (annexe 1) mais (hormis le brouillard)
les impacts sont plus forts à l’ouest qu’à l’est.
2-3-1-3 Estimation des variations de trafic sur le territoire bourguignon lors des aléas météorologiques.
L’estimation des variations a été réalisée grâce à la régression linéaire simple sur l’ensemble
des variables météorologiques (même si le brouillard a déjà été quantifié par le tableau 3). La régression a
pour but d’expliquer une variable dépendante par une autre variable tout en quantifiant cette relation. Grâce
au coefficient directeur obtenu, on peut estimer la réduction ou la hausse du nombre de véhicules pour une
unité de température (1°C), de précipitations (1mm), de brouillard (1 jours),de verglas (1 jours) et de neige
(1 cm) par rapport au trafic moyen de la saison. Les résultats sont présentés pour l’ensemble des stations de
comptage sous forme d’histogrammes présentant les variations (en %) qu’entraine un aléa météorologique
sur le trafic routier. L’analyse porte sur toutes les stations confondues mais on distingue les types d’axes et
les type de flux (urbains ou non).
On comparera d’abord la catégorie « tout confondu », les types d’axes puis les type de flux où l’on pourra
faire un comparatif entre l’urbain et le non urbain. Cependant, il faut faire attention aux effectifs qui
diffèrent. En effet, on compte 12 points de mesure sur routes nationales, 4 sur les axes autoroutiers et 3 sur
des départementales ce qui risque de faire apparaitre des logiques qui ne reflètent finalement pas la réalité, d’
où une grande prudence dans l’interprétation des histogrammes.
Les résultats sur la période estivale ne seront pas retenus en raison d’un nombre de données qui ne concerne
qu’un seul mois (juin).
35
A / La pluie
FIGURE 19 HISTOGRAMME DES VARIATIONS SAISONNIERES DU TRAFIC POUR 1 MM DE PLUIE SUPPLEMENTAIRE POUR L’ENSEMBLE DES POINTS DE
MESURE ET LES DIFFERENTS TYPES D’AXES ET DE FLUX
Sur l’ensemble des points de mesure, les hivers se traduisent par une hausse de +0.17% par mm de pluie
(mais redondance avec la température). Au contraire, les autres saisons montrent une très faible baisse allant
de -0.01% en automne à -0.04% au printemps. Les pluies hivernales et printanières ont à peu près la même
influence quel que soit l’axe routier. Les pluies automnales ont un impact faiblement négatif sur l’autoroute
(-0.04%) et un impact très faiblement positif sur les axes nationaux (+0.01%) et départementaux (+0.02%).
Les axes urbains sont très peu sensibles aux pluies printanières avec -0.01% de réduction du trafic pour 1
mm de pluie. Les axes hors agglomération y sont plus sensibles avec -0.05%.
Finalement, si on exclut l’hiver en raison de sa redondance avec la température et l’été en raison
d’un nombre de données insuffisant, on peut dire que l’impact de la pluie est très faible et très faiblement
négatif quel que soit la différence d’axe ou de flux car on se situe dans un intervalle [-0.05 ; 0.02] qui tourne
donc autour de 0.
B / Les températures
Les histogrammes des températures minimales et maximales (figure 20 et 21) nous donnent la
même information. En effet, l’ensemble des points de mesure montrent que c’est en hiver que la température
a la plus forte influence avec +0.53% pour les Tx et +0.68% pour les Tn.
L’impact est plus faible au printemps, en automne et surtout en été où il est négatif pour les Tn (-0.04%).
Des différences sont observables selon les types d’axe. En effet, les axes départementaux sont moins
sensibles aux températures que ce soit Tn ou Tx, celles-ci peinant à dépasser les +0.30% (toutes saisons
confondues) alors que les axes autoroutiers et nationaux les dépassent largement. Les axes urbains semblent
moins sensibles aux températures que les axes hors agglomération, notamment les tx du printemps avec un
impact de +0.65% hors agglomération contre 0.38% en agglomération.
36
FIGURE 20 : HISTOGRAMME DES VARIATIONS SAISONNIERES (TN) DU TRAFIC POUR 1°C SUPPLEMENTAIRE POUR L’ENSEMBLE DES POINTS DE MESURE
ET LES DIFFERENTS TYPES D’AXE ET DE FLUX
FIGURE 21 : HISTOGRAMME DES VARIATIONS SAISONNIERES (TN) DU TRAFIC POUR 1°C SUPPLEMENTAIRE POUR L’ENSEMBLE DES POINTS DE MESURES ET
LES DIFFERENTS TYPES D’AXES ET DE FLUX
C / Les vents
Dans cette section, les routes départementales ne sont pas analysées car seule une station mesure le
vent, en l’occurrence à Macon. L’impact du vent est très inégal selon les saisons. Il est d’environ +0.22% sur
l’ensemble des axes en hiver (redondance) et de +0.18% en été. À l’inverse, l’impact est négatif au
printemps avec une réduction du trafic de -0.27% par m/s et en automne avec -0.05%. On peut émettre
l’hypothèse que le vent a un impact plutôt négatif car l’hiver et l’été sont entachés par de la redondance et un
manque de données d’où une fiabilité faible sur ces deux saisons. On peut remarquer que les axes
autoroutiers sont moins sensibles aux vents. En effet, l’impact du vent en hiver est de +0.23% sur route
nationale contre +0.17% sur l’autoroute. Le même phénomène se produit pour les autres saisons notamment
au printemps avec une réduction du trafic de -0.37% par m/s de vent contre une hausse de 0.02% pour
l’autoroute. L’agglomération se caractérise surtout par une faible sensibilité au vent printanier avec une
37
baisse du trafic de -0.03%. Cette baisse est bien supérieure hors agglomération car on observe une réduction
de -0.42% de trafic routier à chaque fois que le vent augmente de 1 m/s.
FIGURE 22 : HISTOGRAMME DES VARIATIONS SAISONNIERES DU TRAFIC POUR 1M/S DE VENT SUPPLEMENTAIRE POUR L’ENSEMBLE DES POINTS DE
MESURES ET LES DIFFERENTS TYPES D’AXE ET DE FLUX
D / Les phénomènes hivernaux
Dans cette section, les routes départementales ne sont pas analysées car une seule station
mesure la neige et le verglas (Macon). D’après la figure 23, sur l’ensemble des axes routiers étudiés, les
phénomènes hivernaux (neige, brouillard et risque de verglas) sont des facteurs importants de réduction du
trafic. En effet, le brouillard entraine une baisse moyenne du trafic routier de -2.5% par journée de brouillard
dont un maximum de -8% (tableau). Les chutes de neige ont l’impact le moins fort puisqu’il se chiffre à -
1.20% de trafic pour 1 cm de neige. La présence de neige au sol, quant à elle, entraine une réduction de -
2.20% à chaque cm de neige. Enfin, le risque de verglas a l’impact le plus fort puisqu’il entraine une baisse
moyenne de -4.10% un jour où le verglas est présent. L’impact le plus fort enregistré est de -8.25% (tableau
5).L’impact des phénomènes hivernaux semble identique sur les axes autoroutiers et nationaux sauf pour les
chutes de neige qui ont un plus fort impact sur l’autoroute (-2.40%) contre -1.2% sur les axes nationaux. Les
axes urbains sont moins impactés que les axes hors agglomération que ce soit pour la neige, le brouillard ou
le verglas.
38
FIGURE 23 : HISTOGRAMME DES VARIATIONS SAISONNIERES DU TRAFIC POUR 1 CM DE NEIGE, 1 JOUR DE VERGLAS ET UN JOUR DE BROUILLARD
SUPPLEMENTAIRE POUR L’ENSEMBLE DES POINTS DE MESURE ET LES DIFFERENTS TYPES D’AXES ET DE FLUX
D / Bilan des impacts
TABLEAUX 5 : INTERVALLES MINIMALES ET MAXIMALES DES IMPACT S SUR LE TRAFIC POUR CHAQUE VARIABLE METEOROLOGIQUE (HIVER, PRINTEMPS ET
AUTOMNE CONFONDUS)
Le tableau 5 présente les intervalles d’impact minimal et maximal. L’été a été supprimé en
raison du nombre de données inférieur aux autres saisons. On remarque que les valeurs minimales des
températures sont très faiblement négatives au contraire des valeurs maximales avec +1.33%. Pour les
pluies, les valeurs maximales sont dues aux redondances avec les températures en hiver. Le vent peut aussi
bien s’accompagner d’une forte baisse du trafic (-0.93%) que d’une hausse (+1.18%). L’impact des chutes
de neige est estimé de +0.63% à -3.3% pour 1 cm de neige supplémentaire. La neige au sol s’accompagne
d’une baisse de trafic comprise entre -0.41% à -3.64% par cm de neige au sol. Le brouillard et le verglas ont
les mêmes min et max. Ainsi, 1 journée de verglas ou de brouillard peut entrainer jusqu’à 8% de trafic en
moins.
En comparant avec les valeurs du tableau 4, on remarque que l’intervalle minimal et maximal
du verglas est identique. Par contre ce n’est pas le cas pour le brouillard où l’impact le plus fort est estimé
entre -8% (tableau 5) et-4% (tableau 4).
39
2-3-1-4 Modélisation de la variation du trafic bourguignon
L’objectif est de présenter un exemple en détail d’un modèle de trafic établi par régression linéaire multiple
pour La Charité-sur-Loire en période hivernale puis sera présenté un tableau récapitulatif des variations de
trafic issu des régressions multiples.
A / Modélisation des variations de trafic en un site donné, exemple de la Charité-sur-Loire (DJF)
Modéliser les variations du trafic routier en fonction de plusieurs aléas météorologiques qui ont
un impact significatif (statistique t de student <0.05) peut avoir de l’intérêt dans le but de réaliser des
prévisions de trafic sur une longue période. Malheureusement, ces modèles restent imparfaits car des
variations dues au calendrier, aux travaux ou à d’autres problèmes imprévus peuvent compromettre la
qualité des prévisions comme le prouve le coefficient de détermination (R²) qui n’est que de 0.292, soit une
modélisation qui résume 30% des variations dues au climat.
TABLEAU 6 : PARAMETRES METEOROLOGIQUES SIGNIFICATIFS POUR LA STATION DE LA CHARITE-SUR-LOIRE (P<0.05)
A partir de ce tableau 6 on peut écrire l’équation suivante :
Débit routier =11433 - 670 x VERGLAS + 61 x TX - 293 x HNEIGEF
Les variables « verglas », « température maximale » et « hauteur de neige fraiche en 24 h » sont
celles qui ont un impact significatif sur le point de comptage routier de la Charité-sur-Loire. Ainsi, une
journée de verglas va entrainer une perte de 670 véhicules contre 293 en période de chutes de neige. Une
hausse des températures entraine quant à elle une augmentation du nombre de véhicules (61 véhicules pour
1°C). La température reste le facteur explicatif primordial car la neige et le verglas ne sont présents qu’en
cas de froid.
FIGURE 24 : MODELE DE TRAFIC POUR LA CHARITE-SUR-LOIRE, COMPARAISON AVEC LA REALITE
40
La figure 24 montre la variation de trafic en fonction des 3 paramètres (VERGLAS, TX,
HNEIGEF) sur la période 2008 à 2011 (Les observation sont dans l’ordre chronologique). Entre les
observations 1 et 43, on observe de fortes variations du débit journalier réel mais le modèle parvient
difficilement à prévoir ces variations. Entre les observations 43 et 91, les variations du débit routier sont plus
faibles et le modèle semble mieux les prévoir. Après l’observation 91, de fortes variations sont de nouveau
observées mais le modèle parvient à mieux les anticiper. La performance du modèle va donc en
s’améliorant.
B / Estimation des variations de trafic par les régressions linéaires multiples
Le tableau 7 présente l’impact moyen de chaque aléa selon les régressions linéaires multiples. Il
confirme globalement les tendances observées mais à tendance à accentuer l’impact de certain aléas
notamment le verglas et le brouillard qui provoquent une réduction de trafic -5.24% et -6.5% contre
respectivement -2.5% et -4.2% par la régression linéaire. Mais ces variables sont binaires et donc peu
adaptées aux régressions linéaires .Les valeurs des autres variables sont similaires quel que soit la régression
utilisée. La méthode des régressions simples et multiples estime que les températures maximales de l’hiver
et du printemps sont accompagnées d’une hausse de 0.50% de trafic par degré supplémentaire.
TABLEAU 7 : ESTIMATION DES IMPACTS MOYENS DE CHAQUE ALEA POUR LES 4 SAISONS CONSIDEREES (P<0.05) PAR LA METHODE DES REGRESSIONS
LINEAIRES MULTIPLES
2-4 Trafic routier et phénomènes climatiques remarquables
Le but de cette partie est d’observer le trafic routier à l’ instant t d’un aléa climatique important
par rapport à la moyenne du mois t sur la période (2008-2011). Cela permet d’observer directement la
situation du trafic durant des conditions climatiques défavorables. Cependant, il faut retenir qu’une étude de
cas n’est pas forcément représentative de l’ensemble des situations. Un changement du déroulement
temporel sera donc effectué avec dans un premier temps une étude de l’impact d’un aléa sur le trafic entre 1
et 2 jours sur l’ensemble des points de mesure puis on étudiera l’impact de quelques aléas au pas de temps
horaire
2-4-1 Etude de l’influence de quelques aléas météorologique extrêmes
Aléas climatiques Variation moyenne du trafic pour 1 unité (%)
Neige au sol en cm -2.05
Neige fraiche en cm -1.84
Verglas -5.24
Brouillard -6.5
Pluie (DJF) en mm 0.32
Pluie (MAM) en mm -0.27
Pluie (Juin) en mm 0.37
Pluie (SON) en mm
Vent maxi (DJF) en m/s 0.30
Vent maxi (MAM) en m/s -0.58
Vent maxi (Juin) en m/s 0.23
Vent maxi (SON) en m/s -0.30
Température maximale (DJF) en°C 0.51
Température maximale (MAM) en °C 0.49
Température maximale (Juin) en°C 0.50
Température maximale (SON) en °C 0.27
41
L’objectif est de comprendre le comportement du trafic routier lors d’un aléa météorologique
intense. Toutes ces opérations concernent uniquement les semaines (pas de week-end, vacances …). Les
cartes contiennent deux couches d’informations. La première décrit la répartition et l’intensité du
phénomène météorologique observé par Krieger (surface). La seconde concerne l’anomalie de trafic
correspondant aux jours du phénomène météo étudié par rapport à la moyenne du mois considéré.
2-4-1-1 Episodes pluvieux des 4 et 5 mai 2010
FIGURE 25 ; EVOLUTION DU TRAFIC ROUTIER LORS DE L EPISODE PLUVIEUX DES 4 ET 5 MAI 2010 PAR RAPPORT A LA MOYENNE DU MOIS DE MAI (2008-
2011)
Ces deux journées se sont caractérisées par de fortes quantités de pluies tombées en 48 heures.
L’ouest bourguignon a enregistré plus de 50 mm de précipitations en 2 jours (Nevers) alors que l’est a été
concerné plus faiblement avec 12 mm relevés à la station de Dijon-Longvic. Un dégradé est-ouest est ainsi
observable.
Le trafic routier semble se calquer sur les conditions climatiques. En effet, les zones qui ont enregistré le
moins de pluie (Pontigny, Dijon et Marcilly les Buxy) ont un trafic légèrement supérieur à la moyenne (1% à
4%). A l’inverse, les zones les plus arrosées voient leur trafic diminuer jusqu’à -12 % par rapport à la
moyenne des mois de mai 2008-2011 notamment dans le sud de la Saône-et-Loire et l’ouest de la Nièvre.
42
2-4-1-2 Episode de tempête du 10 février 2009
FIGURE 26 : EVOLUTION DU TRAFIC ROUTIER LORS DE LA TEMPETE DU 10 FEVRIER PAR RAPPORT A LA MOYENNE DU MOIS DE FEVRIER (2008-2011)
Une tempête a concerné la Bourgogne le 10 février 2009 entre la fin de nuit et le début de matinée.
Cette perturbation atmosphérique a circulé d’ouest en est. Ainsi, l’Yonne et la Nièvre ont été concernées en
fin de nuit et la Saône-et-Loire et la Côte-d’Or en début de matinée. On observe une différence nord-sud
avec des rafales très violentes dans l’Yonne (130 km/h relevés à Auxerre et Clamecy). Cependant, la Saône-
et-Loire a connu un épisode de moindre intensité (avec des rafales allant tout de même jusqu’à 90 km/h à
Macon). La circulation routière traduit la même répartition que la tempête avec une baisse générale du trafic
allant jusqu’a -10% a Clamecy. Au contraire, Macon enregistre un trafic supérieur à la normale et c’est dans
ce secteur que la tempête a été la moins forte. On peut donc émettre l’hypothèse que la tempête a bien
affecté le trafic routier bourguignon mais ce phénomène ayant eu lieu au lever du jour, il n’a pas concerné la
journée entière permettant au trafic de redevenir normal en cours de matinée.
43
2-4-1-3 Episodes de forte chaleur du 27 juin 2011
FIGURE 27 : EVOLUTION DU TRAFIC ROUTIER LORS DE L’EPISODE DE FORTE CHALEUR DU 27 JUIN 2011 PAR RAPPORT A LA MOYENNE DU MOIS DE JUIN
(2008-2011)
Une forte vague de chaleur a été observée le lundi 27 juin 2011 avec cette fois-ci un dégradé est-
ouest. Des valeurs supérieures à 40°C ont été observées à Soumy-sur-Loire et la Charité-sur-Loire contre
34.5°C à Dijon-Longvic. Le trafic routier est globalement en baisse sur cette journée notamment dans le sud
de la Saône-et-Loire (-12% de véhicules avec 38°C) mais les deux stations qui ont enregistré le maximum de
température (40°C) observent un trafic très légèrement supérieur à la moyenne ce qui ne permet pas
d’affirmer qu’il existe un réel impact de la chaleur sur le trafic.
44
2-4-1-4 Episode neigeux du 17 décembre 2009
Figure 28: Carte de l’évolution du trafic routier lors de l’épisode de neige du 17 décembre 2009 par
rapport à la moyenne du mois de décembre (2008-2011
De fortes chutes de neige ont concerné la région d’ouest en est le 17 décembre 2009, surtout
l’Yonne et la Nièvre qui ont été les premiers départements concernés dès le début de l’après-midi. L’est a
connu sa première chute de neige vers la fin de la journée. 7 à 10 cm de neige fraiche ont été enregistrés
dans l’Yonne, la Nièvre et la Saône-et-Loire contre 3 à 4 cm en Côte-d’Or (où les chutes de neige se sont
poursuivies la nuit suivante alors que la neige ne tombait plus sur les autre départements). Cet épisode s’est
traduit par une forte baisse du trafic notamment dans l’Yonne et la Nièvre avec -15% de trafic en général
dont -20% à Périgny. La station de Mirande est la seule à avoir enregistré une très légère hausse du trafic
mais cela s’explique par la chute de neige tardive qui n’a pas pu affecter la plus grande partie du trafic. On
peut émettre l’hypothèse que le trafic routier se calque sur les chutes de neige permettant d’affirmer
logiquement que les chutes de neige ont un réel impact.
45
2-4-1-5 Neige au sol le 11 janvier 2010
FIGURE 29: CARTE DE L’EVOLUTION DU TRAFIC ROUTIER AVEC NEIGE AU SOL LE 11 JANVIER 2010 PAR RAPPORT A LA MOYENNE DU MOIS DE JANVIER
(2008-2011)
Le 11 janvier 2010, la neige recouvre l’intégralité de la Bourgogne. À cela s’ajoute des
températures maximales négatives (vague de froid) et quelques chutes de neige disparates sont observées en
Côte-d’Or (1cm). Le manteau neigeux est assez important dans le sud de la région avec 8 cm relevés à
Macon mais faible dans le nord (3 cm en moyenne dans l’Yonne et la Côte d’Or). On voit bien que la
circulation se calque également sur l’intensité du phénomène avec Macon qui observe le maximum de perte
de trafic associée à la hauteur de neige la plus élevée (8cm). Cette fois, il n’y a pas de décalage temporel,
toute la région est concernée par la neige au sol et on n’observe que des anomalies de trafic négatif.
46
2-4-2 Impact des aléas climatiques sur le trafic au pas de temps horaire Le pas de temps journalier cache souvent des informations comme la durée d’un épisode
climatique. C’est le cas de la pluie qui peut tomber fortement en 24h ou en 2h ce qui va impacter
différemment le trafic. Ainsi, les données de trafic horaire seront associées à des données météorologiques
horaires pour quelques aléas extrêmes pour un point de comptage précis. Les données météos horaires sont
issues du site meteociel.
2-4-2-1 Orage du 11 Juin 2008 à Varennes-les-Macon
FIGURE 30 : RELATION ENTRE PLUIE ET TRAFIC ROUTIER HORAIRE LORS DE L’ORAGE DU 11 JUIN 2008 A VARENNES-LES-MACON
Cette journée s’est caractérisée par un orage très violent et localisé au mâconnais. De très fortes
pluies (25 mm en 1 h 30) se sont produites entre 13h et 15 h. Le graphique présente simultanément le trafic
routier et les pluies. On a également la courbe rouge qui représente la moyenne du trafic de juin (2008-
2011). On s’aperçoit que le trafic moyen traduit une forte hausse en cours de journée avec un maximum vers
17 h avec plus de 900 véhicules sur 1h. Une petite baisse est observée entre 12 h et 14 h où on perd environ
150 véhicules par heure. On remarque une légère baisse du trafic par rapport à la moyenne au moment des
fortes pluies orageuses où 600 véhicules sont observés entre 13h et 14h contre 650 en moyenne sur cette
tranche horaire soit une baisse de 7.7% (figure 30). Mais on observe une compensation par un trafic
supérieur à la moyenne en cours d’après-midi. On peut donc remarquer qu’un épisode de fortes pluies
orageuses entraine une baisse limitée du trafic qui ne serait quasiment pas perçue à l’échelle journalière.
Cependant, il faudrait plusieurs autres analyses pour confirmer cette hypothèse.
47
2-4-2-2 Tempête du 10 Février 2009 à Mirande
Figure 31 : Relation entre tempête et trafic routier horaire lors de la tempête du 10 février 2009 a Mirande
Les rafales de vent ont dépassé le seuil de la tempête entre 6h et 8h pour ensuite passer
progressivement sous les 80 km/h. Le trafic routier moyen de février 2009 traduit une forte hausse après 6 h
où on passe de 1000 à 6300 véhicules entre 6h et 8h pour ensuite baisser et se stabiliser entre 9h et 15h. Un
nouveau pic est observé à 17h où on dépasse les 7000 véhicules entre 17h et 18h (figure31). L’influence de
la tempête sur le trafic semble inexistante. En effet, aucun décalage avec la moyenne n’est observé au plus
fort de la tempête. Par contre, une baisse est détectée entre 9h et 16h où l’on est constamment en dessous de
la moyenne.
2-4-2-3 épisode neigeux du 17 décembre 2009 à Périgny
La circulation moyenne présente 2 pics, un à 7 h et un autre, plus important, à 17h. L’épisode
neigeux a débuté vers les 9 h, d’abord faiblement (moins de 1 cm entre 9 h et 14 h) puis de façon plus
intense (1 cm à 14 h puis 4 cm à 17h soit du 1 cm par heure). L’influence des chutes de neige sur le trafic
routier de Périgny est nettement visible. En effet, on n’observe aucune différence avec la moyenne avant
l’épisode neigeux, le trafic étant même supérieur à la moyenne (probable anticipation des conducteurs). Par
la suite, dès le début de l’épisode, le trafic commence sa chute notamment entre 14h et 15h où l’on a relevé
seulement 1000 véhicules contre 2000 en moyenne soit une baisse de 50 %. Le pic de 17 h est néanmoins
présent mais fortement réduit (et décalé à 16 h) avec également une baisse de 50% par rapport à la normale.
Grace à cette analyse plus fine, on peut dire qu’au moment de l’épisode neigeux, on enregistre une baisse du
débit allant jusqu’à -50%. (figure 32)
48
Figure 32 : Relation entre chutes de neige et trafic routier horaire lors de l’épisode neigeux du 17 décembre 2009 a Périgny
49
3 Confrontation, interprétation et discussion des résultats
Cette partie débutera par une confrontation des résultats de la Bourgogne en validant ou non les
hypothèses de départ. Puis il sera vérifié si ces résultats confirment les résultats des publications antérieures.
Quelques hypothèses seront formulées pour expliquer les comportements et les choix des individus lors des
aléas climatiques et l’influence des pouvoirs publics. Pour finir, nous essaierons d’expliquer les résultats
obtenus.
3-1 Confrontation des résultats obtenus avec les publications antérieures
L’étude sur la Bourgogne confirme que la neige a impact significativement négatif avec un
intervalle de [-3.64 ; -0.41] (tableau 5) pour la neige au sol avec en moyenne une réduction de trafic de -
2.20% pour 1cm de neige sur l’ensemble du territoire bourguignon. L’impact des chutes de neige est de
l’ordre de [-3.3 ; +0.63] (tableau 5) avec en moyenne une réduction de -1.20% (figure 23) de trafic pour 1
cm de neige fraiche tombée. L’ensemble des publications antérieures s’accordent sur l’impact négatif et
important de la neige. En Belgique, région la plus comparable à la Bourgogne en raison de son climat assez
ressemblant, Mario Cool & Al (2010) ont démontré que la neige entraine une baisse du trafic de l’ordre de
10 à 15% d’après une comparaison des moyennes de circulation avec et sans neige. Par la suite, l’auteur
réalise également un modèle de régression linéaire qui confirme globalement les résultats de la Bourgogne.
Sur Hasselt, avec un trafic moyen de 18300 véhicules (sur un sens), l’auteur a déterminé que 1 cm de neige
entrainait la perte de 532 véhicules soit 2.9% ce qui se situe dans l’intervalle délimité précédemment . Sur les
axes importants, comme à Bruxelles qui enregistre le passage d’environ 54000 véhicules par jour (1 sens),
on obtient une perte de 2268 véhicules soit 4.2% ce qui semble légèrement supérieur aux valeurs de la
Bourgogne. D’autres études ont été menées dans le monde et toutes s’accordent sur le fait que l’impact des
phénomènes hivernaux est fortement négatif notamment en Amérique du nord qui est une région durement
touchée par ces épisodes neigeux. Handbali et al (1993) ont déterminé une baisse du trafic allant de 7 à 53%
en semaine contre 19 % à 56% les week-ends. Maze a situé le préjudice à -20% en moyenne sur les axes
autoroutiers nord-américains ce qui semble supérieur à la Bourgogne. En effet, la journée du 17 décembre
2009 qui fut fortement neigeuse n’a enregistré qu’une baisse de 20% du trafic au maximum. Cependant, la
région ne connaît pas les mêmes épisodes neigeux que l’Amérique du nord où de très fortes chutes de neige
peuvent être associées à un vent violent et des températures glaciales.
Les températures maximales et minimales ont bien un impact important sur le trafic routier
bourguignon. Les corrélations ont montré une forte liaison positive entre température et trafic. Ainsi, plus la
température augmente plus le trafic augmente et inversement. Pour les Tx, la hausse de véhicules est estimée
à 0.5% pour une hausse de 1°C en hiver et au printemps. Ces valeurs sont confirmées par Cool & Al (2010)
qui ont démontré une forte corrélation (de Spearman) entre trafic routier et température avec une hausse de
0.5% du débit pour 1°C.
Le vent et surtout la pluie sont perçus comme du « mauvais temps » mais les impacts associés
sont pourtant faibles et peu perceptibles. En effet, on observe très peu d’impact significatif pour la pluie quel
que soit la saison au contraire du vent qui a un impact plus important au printemps avec 50% de relation
négative et significative. Sur le territoire belge, l’étude à démontré une relation entre pluie et trafic plus
importante qu’en Bourgogne (de l’ordre de r =-0.150 alors que très peu de corrélations dépasse les r=-0.100
pour la Bourgogne). Cependant, l’auteur à corrélé l’intégralité de sa base de données comprenant ainsi les
vacances scolaires, les week-ends…qui sont des facteurs de baisse du trafic. Ainsi, s’il pleut durant ces
jours, les corrélations seront tirées vers le bas. La pluie a également été étudiée en Angleterre par Colding
(1974) qui a déterminé une réduction du trafic de 2% en semaine que ce soit en zone urbaine ou non. Pour
Hogema (1996), en Ecosse, l’impact des pluies est non significatif en zone non urbaine. Tous ces résultats,
50
malgré des méthodologies qui diffèrent, convergent vers un impact très faible de la pluie sur le trafic routier.
L’impact du vent en Belgique semble également un peu plus fort avec la plupart des corrélations étant au-
dessus de -0.100 ce qui n’est pas le cas de la Bourgogne où la plupart des corrélations sont en dessous de -
0.100.
Les disparités spatiales sont très difficiles à mettre en évidence dans l’étude en raison d’une
grande variété d’axes routiers et de types de flux qui vont engendrer des variations dans la sensibilité aux
aléas météorologiques. Cependant, prendre des axes identiques ou un flux identique pourrait permettre de
mettre en évidence des logiques spatiales. Cette étude a seulement mis en évidence une disparité est-ouest
dans l’impact des épisodes neigeux avec un ouest plus sensible que l’est en raison, peut-être, d’une meilleure
anticipation des conducteurs ou d’une meilleure maitrise des épisodes neigeux par les services de
l’équipement. Il existe aussi des différences de sensibilité à la météo selon les types d’axes comme dans le
cas des chutes de neige qui ont un impact plus important sur les autoroutes que sur les axes nationaux. Cela
peut s’expliquer par la fréquence de véhicules lourds sur les autoroutes (camions, bus) qui sont plus
sensibles à la neige et qui peuvent bloquer le trafic. On peut donc émettre l’hypothèse que les différences de
sensibilité à la météo peuvent s’expliquer en partie par le type de véhicules. Les flux urbains semblent moins
sensibles aux aléas de la météo que les axes non urbains pour l’ensemble des aléas étudiés. L’impact que
peuvent avoir les différents axes routiers et flux routiers sur la sensibilité à la météo ont été peu mis en
évidence dans les travaux antérieurs.
3-2 Choix et comportements des conducteurs
Le trafic routier est sensible aux aléas de la météorologie mais ce sont avant tout les individus qui décident
ou non de circuler. Ainsi, il est intéressant de comprendre comment un changement de temps peut influencer
le comportement des usagers (annulation, report, choix d’un autre mode de transport, …). Cela peut
engendrer des difficultés dans l’interprétation des impacts car une baisse du trafic lors d’un aléa climatique
va soit entrainer directement des perturbations (ralentissement donc baisse du débit voir arrêt complet en cas
d’immobilisation forcée) ou au contraire les personnes peuvent avoir conscience de l’imminence d’un aléa et
donc ne pas prendre la route. L’idéal aurait été de réaliser une enquête au sein de la population
bourguignonne et de les interroger sur leurs perceptions des conditions météorologiques routières. Malgré
tout, quelques enquêtes sont disponibles pour d’autres pays comme en Suède (Shivola, 2009) où un sondage
a été réalisé auprès des personnes lors de l’hiver 2007/2008. Il en est ressorti qu’une majorité d’usagers
s’informe des conditions météos avant de prendre la route et 20% assurent penser à changer de type de
transport en cas de mauvais temps. Ces statistiques restent néanmoins cantonnées à l’espace suédois car la
Bourgogne n’a pas le même climat, notamment lors de la saison hivernale où la neige est bien plus présente
en Suède ce qui fait que les usagers sont plus habitués à ces phénomènes, au contraire des bourguignons. On
peut penser que ces changements de mode de transport entrainent une hausse de la fréquentation des autres
moyens de locomotion comme le train, moins sensible au mauvais temps.
51
Figure 33 : Choix possible réalisé par les usagers de la route selon l’étude de Buton (2010)
Pour ceux qui prennent néanmoins la route, la plupart des enquêtes disponibles montrent qu’en cas
de mauvais temps, l’individu se déplace uniquement si cela est nécessaire ou si l’itinéraire est facile d’accès.
Ainsi, on peut penser que pour notre étude qui ne concerne que les semaines de travail, les impacts de la
météo sont moins importants qu’ils ne le seraient en période de week-end ou de vacances. Les usagers ont
plus facilement le choix d’annuler ou reporter un déplacement de loisirs. En période de travail, ce choix est
bien plus complexe car les usagers sont obligés de se rendre à leur lieu de travail, ce que confirme l’étude
japonaise de Chung et al (2005) qui a démontré qu’il s’agissait des samedis puis des dimanches et vacances
qui étaient les plus impactés lors d’un épisode pluvieux. De Palma & et Al (1999) ont montré que les usagers
qui partent au travail ont tendance à partir avant leur heures de départ habituelles pour arriver en temps et en
heure sur leur lieu de travail. Ce phénomène semble observable sur la figure 30 où le pic matinal est
légèrement en avance par rapport à la moyenne. C’est également le cas pour le pic du soir où les pouvoirs
publics ont pu recommander les retours au domicile avec 1h d’avance sur l’horaire habituel (figure 32).
Les mauvaises conditions météorologiques vont également influencer le comportement des
conducteurs car l’adhérence du véhicule, la visibilité et les performances du véhicule sont altérées (Goodwin
2002). Cela oblige les conducteurs à augmenter leur distance de sécurité entre deux véhicules (Perrin & al
2002).
3-3) Prévention contre les aléas climatiques en Bourgogne
Les conditions météorologiques défavorables sont responsables d’accidents de la route surtout en
hiver. D’après un rapport du centre d’étude technique de l’équipement de Normandie, les phénomènes
hivernaux entrainent un nombre accru d’accidents corporels. Mais ceux-ci sont moins mortels en raison
d’une plus grande prudence de la part des conducteurs (Quitter la route à faible allure n’est normalement pas
mortel). Afin de mieux gérer les aléas susceptibles de nuire aux usagers de la route, de nombreux services
ont été mis à disposition des usagers pour prévoir le temps qu’il fera lors de leur trajet. C’est le cas de la
radio, de la télévision et du site de Météo France qui consacre une rubrique réservée à la météorologie
routière. Elle est néanmoins limitée car elle ne concerne finalement que les villes. Ce même organisme
publie également des bulletins de vigilance oranges ou rouges qui attirent bien plus l’attention car ceux-ci
Condition météo
défavorable
Report ou départ en
avance
Annulation du déplacement
Choix d'un mode de transport
autre que la voiture
Modification de l'itinéraire
52
sont largement relayés par les médias. Dans ce cas, les usagers ont le temps de s’organiser ou d’annuler leur
déplacement et les pouvoir publics peuvent publier leurs recommandations et prendre des décisions d’arrêt
de certains types de transports routiers comme les transports collectifs (Bus) notamment en cas de neige.
En Bourgogne comme partout en France, les vitesses sont limitées en cas de conditions
météorologiques particulières (110km/h au lieu de 130km/h sur les autoroutes en cas de pluie) car il est
acquis que des conditions défavorables entrainent une visibilité réduite et l’état de la chaussée se détériore
(perte d’adhérence) avec la pluie et la neige.
Les gestionnaires des routes ont mis en place des plans d’action et de prévention contre les aléas
météorologiques comme la pluie, le vent mais surtout la neige et le verglas.
Entre les mois de novembre et mars, les 4 conseils généraux de Bourgogne ont mis en place une procédure
spéciale période hivernale nommée « plan de viabilité hivernale » qui a pour but de protéger et rendre
praticables les infrastructures (salage, déneigement,…) mais également d’informer les personnes grâce à :
-des conseils :
‘En cas d’intempéries, différez vos déplacements si vous le pouvez ou empruntez les transports en commun.
Si malgré tout vous devez utiliser votre véhicule personnel, choisissez soigneusement votre itinéraire après
vous être informé des conditions de circulation, laissez le passage aux engins de salage et soyez encore plus
vigilant aux distances de sécurité’. (Conseil Général de la Côte-d’Or).
On retrouve bien le changement de modalité, le choix d’un itinéraire plus flexible, la prudence et
l’information climatique routière.
-La cartographie en temps direct (inforoute)
Ce système a pour but d’informer l’usager des conditions de circulation sur l’axe routier emprunté. Ce
principe peut dissuader l’usager de prendre la route et donc éviter d’aggraver les difficultés de circulation.
Pour les axes nationaux durant la période hivernale, la DIRCE a également mis en place un plan de
prévention et une cartographie en temps direct mais ils ont ajouté une échelle de circulation allant de C1
(route normale) a C4 (route impossible- ne circulez pas). Malgré ces actions qui sont très récentes,
l’intégration de la météorologie dans les prévisions de trafic n’est pas encore assez développée malgré le
projet européen INTRO « route intelligente » (2005-2008) qui envisageait de « combiner intelligemment les
données climatiques et relatives au trafic provenant de différentes sources pour mieux évaluer le trafic et la
sécurité’.
3-4 interprétations des logiques spatiales et temporelles
Dans le paragraphe 3-2, il a été signalé que les semaines étaient moins affectées par les aléas
climatiques à cause de déplacements domicile-travail qui sont souvent obligatoires même par mauvais
temps. Ainsi, il est intéressant de connaître les logiques de déplacement en Bourgogne afin de mieux cerner
l’impact de la météo.
En Bourgogne, d’après l’Insee, 29% (2008) des déplacements de la semaine sont des liaisons
domicile-travail. Viennent ensuite les déplacements consacrés à l’achat et à l’accompagnement. On peut
penser que ce sont ces 2 dernières activités qui subissent le plus d’annulations ou de reports. L’Insee indique
également que les principaux déplacements domicile-travail sont effectués à l’intérieur des aires urbaines.
Ainsi, les stations de comptage routier hors aire urbaine sont susceptibles d’être plus sensibles à la météo en
semaine comme cela semble être le cas avec le brouillard qui impacte assez fortement la ville de Chatillon-
en-Bazois (seul point qui ressort dans l’analyse par régression linéaire multiple) (tableau 7) où la population
est assez âgée et donc retraitée ce qui leur permet de facilement annuler ou reporter leurs déplacements.
Le type d’espace (urbain ou non urbain) semble parfois avoir une influence en fonction de l’aléa
climatique comme la température au printemps et en automne qui influence très peu le trafic urbain au
contraire des zones non urbaines.
53
Les variations dues à la neige peuvent sembler relativement faibles car les épisodes neigeux ne se
ressemblent pas tous. En effet, la neige peut tomber avec une température légèrement positive et ne tient
donc pas sur les routes ce qui gêne très peu le trafic routier. Au contraire, 1 cm de neige qui tombe sur un sol
gelé va rapidement entrainer des perturbations dues à la tenue sur tout type de sol. On voit bien que prendre
un seul paramètre ne suffit pas à appréhender un phénomène météorologique d’où la difficulté de l’étude.
Une certaine logique spatiale apparait en période neigeuse. L’Yonne et la Nièvre semblent légèrement plus
affectées (r moyen de l’Yonne=0.344 contre r moyen=0.211 pour la Côte d’Or) ce qui montre une probable
meilleure adaptation à la neige sur la Côte d’Or. Ce département est bien plus concerné que l’Yonne qui
subit moins de chutes de neige et on peut également penser que les différents gestionnaires des routes n’ont
pas les mêmes plans d’action pour sécuriser les axes enneigés.
Les autres variables sont bien plus complexes à analyser mis à part les températures où il est
acquis qu’elles influencent le trafic de la même manière en toute saison (hausse des températures=hausse du
trafic et inversement). La pluie ne semble pas perturber le trafic notamment en hiver car cette pluie
s’accompagne de douceur ce qui est loin d’être un handicap par rapport à la neige et au verglas. Cependant,
au printemps et en été, la pluie entraine des relations positives mais aussi négatives en raison de sa
perception comme mauvais temps par rapport à une journée printanière et ensoleillée qui favorise les
déplacements des usagers en repos ou en vacances. De plus l’hétérogénéité des impacts observés au
printemps traduit bien les spécificités locales avec des zones où la pluie entraine moins de trafic notamment
sur les petites routes. Les dégâts sur les infrastructures par le climat peuvent aussi influencer le trafic
notamment lors des tempêtes ou des orages qui peuvent engendrer des chutes d’arbres sur un axe et ainsi le
perturber. Mais cela ne concerne que les petits axes routiers.
Au travers de l’étude, la notion d’échelle temporelle est primordiale car il s’avère que même si
l’échelle journalière est déjà assez fine, celle-ci peut entrainer des erreurs si l’épisode a lieu en dehors des
heures de trafic (7 h à 19 h). L’aléa peut aussi avoir une durée de vie très courte (moins d’une heure) et être
interprété comme un évènement qui a concerné la journée entière (30mm peuvent tomber en 1 journée ou en
1 heure) d’où l’intérêt des analyses plus fines qui vont permettre de mieux cerner l’évènement.
Ces différentes échelles ont permis de confirmer les tendances observées. En effet, un phénomène météo
intense entraine un impact important sur le trafic (sauf la canicule)
3-4 Limites méthodologiques
Les limites de la méthode sont nombreuses car le choix de supprimer des observations (week-
ends, vacances,…) entraine une perte d’informations notamment l’été où seulement le mois de juin a pu être
étudié. Une base de données comprenait en général près de 1200 observations (4 années), mais après filtrage
il n’en restait que 550 à ranger selon les saisons.
Les différences observées entre les zones urbaines et non urbaines, dépendantes du choix effectué,
peuvent ne pas refléter la réalité car des erreurs dans la typologie sont possibles. De plus, même à l’intérieur
de ces deux types de trafic, on a des différences d’axes (axes autoroutier pour Pougues-les-Eaux, route
nationale pour Mirande et route départementale pour Macon)
Les coefficients de corrélations (Corrélation de Pearson) sont les plus classiques et les plus utilisés mais la
normalité doit être respectée ce qui n’est pas le cas des variables pluie, neige, brouillard et verglas, ce qui
peut entrainer des erreurs sur ces variables. Ainsi, les corrélations des rangs pourraient être plus adaptées
(normalité non exigée mais test moins robuste). Le test des corrélations est maladroitement utilisé en raison
de variables climatiques qui se répètent. C’est le cas notamment des pluies qui sont comptées en millimètres
même s’il s’agit de neige, ce qui fait que la pluie aurait un impact supérieur à celui qu’il devrait avoir. Mais
le nombre de données important permet de limiter cette surestimation.
54
La régression linéaire simple a permis de quantifier l’impact des aléas étudiés sur le trafic mais la différence
d’unité ne permet pas de comparer l’impact de chaque aléa. En effet, les unités sont soit des centimètres, soit
des °C, soit une journée. Les modèles de trafic obtenus expliquent peu les variations car la régression
linéaire simple ou multiple ‘force’ les variables à avoir une liaison linéaire, ce qui n’est pas nécessairement
le cas, et rend ainsi invisible un éventuel effet de seuil.
Conclusion
Au travers de ce mémoire, l’ambition a été de démontrer la relation entre aléas météorologiques et trafic
routier puis de quantifier cette relation avant de tenter de comprendre comment un aléa climatique peut
influencer le comportement d’un usager de la route.
Le premier travail a été de démontrer que le trafic routier bourguignon est sensible aux variations
météorologiques grâce à une base de données journalière qui relie les données de trafic à des variables
météorologiques. Les stations de comptage routier sont les plus représentatives possible des différents types
d’environnements climatiques et des différents axes routiers (départementales, nationales et autoroutes) ainsi
que des flux routiers (agglomération, hors agglomération). La période de l’étude est comprise entre 2008 et
2011 soit 4 ans et a été réalisée sur une base saisonnière. Les corrélations puis les coefficients directeurs
issus des régressions simples ont servis respectivement à qualifier puis quantifier ces variations du trafic
routier journalier qui ont été représenté spatialement (ponctuellement) dans l’espace bourguignon. L’impact
d’un aléa météorologique particulier a été souvent très difficile à mesurer en raison de covariations entre les
sept paramètres météorologiques.
Les phénomènes hivernaux comme le verglas, le brouillard et surtout la neige sont les éléments les
plus perturbateurs qui engendrent des perturbations sur l’ensemble de la Bourgogne. Pour les chutes de
neige, la réduction de trafic moyenne sur l’ensemble de la Bourgogne est estimée à -1.3% pour 1 cm de
neige tombée. Lorsque la neige est présente au sol, on observe une réduction moyenne de -2.2% pour 1 cm
de neige au sol. La température est sans conteste un facteur de variation du trafic quel que soit la saison. En
hiver et parfois au printemps et en automne, une période froide/fraiche entrainera une baisse alors qu’une
période douce/chaude engendrera une hausse du trafic. En moyenne, les variations sont de l’ordre de
+0.55% de trafic par degré supplémentaire (Tn et Tx confondus). Les pluies engendrent de grandes
différences saisonnières car ce paramètre n‘a pas la même incidence en fonction des saisons, surtout l’hiver
où le rôle de la pluie apparait réduit si on en juge par la forte significativité des températures (100% pour les
Tn contre 10% pour la pluie). Au printemps, 1 mm de pluie entraine en moyenne une baisse de -0.04% du
trafic. Les effets du vent suivent globalement le même principe que les pluies avec un impact positif en hiver
(redondance avec la température) et négatif au printemps (baisse de -0.23% de trafic pour 1 m/s de vent).
L’interprétation d’un aléa climatique d’un ou deux jours sur l’ensemble de la Bourgogne a permis de
confirmer les tendances observées.
Le mauvais temps peut influencer directement le trafic mais il incite également les usagers à faire
des choix comme le report ou le changement de type de transport qui serait moins soumis à l’aléa. Une
étude plus poussée des liens entre aléas et trafic en fonction du type d’axe, des mobilités, des types de
véhicule serait nécessaire car les différents axes sont représentés de manière très inégale (3 départementales
contre 12 routes nationales). De plus, les axes urbains et non urbains n’ont peut-être pas été distingués
correctement et la base de données routière confond l’ensemble des véhicules alors que les poids lourds
pourraient être plus impactés que les véhicules légers. Cette étude sur la Bourgogne apporte quelques
éléments de réponse mais sans grande certitude. Les axes urbains seraient légèrement moins sensibles à
l’ensemble des phénomènes hivernaux que les axes hors agglomération. Les axes autoroutiers sont les axes
les plus sensibles à la température en hiver (avec une hausse de trafic de 0.71% par degré supplémentaire
contre +0.51% pour les nationales et 0.32% pour les départementales). Par conséquent, il serait pertinent de
55
réaliser une étude sur la Bourgogne sur un seul type d’axe, de trafic, de véhicule afin d’éliminer le plus de
variations non imputables à la météo et obtenir de meilleurs résultats.
L’étude a apporté une analyse des impacts climatiques sur la circulation routière à l’échelle
régionale afin de compléter les d’étude déjà disponible. Ainsi, il serait pertinent de s’intéresser au
comportement des bourguignons lors des aléas climatiques en réalisant une enquête sur leurs comportements
en cas d’aléas météorologiques mais également d’analyser les statistiques des autres moyens de transport
pour vérifier si une période de mauvais temps entraine une augmentation de leur utilisation au détriment du
trafic routier.
56
Bibliographie
BILLOT R.,2010, Analyse et modélisation de l’impact de la météorologie sur le trafic routier, thèse
doctorale à l’école centrale des arts et manufacture de Paris , Paris, 174 p
BUTTON J., 2010. Etudes des effets météorologiques sur la demande, analyse du cas de la section
autoroutière Lyon Chambéry, rapport de travail de fin d’études, LICIT-INTERETS
CHANGNON,S.A.,1996, Effects of summers precipitation on urbans transformation, Climatic Change
32,pp.481-494
CHUNG,E. OTHANI,O et KUWAHARA,M.2005, Effects on rainfall on travel time and travel demand, 5th
ITS Europeen congress,8p
COOLS, M, ELKE MOONS, GEERT WETS, 2010: Assessing the Impact of Weather on Traffic Intensity.
Wea. Climate Soc., 2, 60–68.
COLDING, P.J.,1974, Weather and road accident,Climatic Resources and Economy Activity,pp 205-222
GOODWIN, L.C, December 2002, Analysis of weather-related crashes on US highways, Mitretek Systems
DE PALMA, A., et Rochat, D., 1999, Understanding individual travel decision : results from a communters
survey in Genova.Transportation A.26, pp 263-281
HANDBALI ,R.M., et KUEMMEL, D.A.,1993,Traffic volume reduction due to winter storm condition,
transportation research record 1194, pp. 159-164
HASSAN, Y.A., BARKERS, J.J., 1999. The impact of unseasonable or extreme weather on traffic activity
within Lothian region, Scotland. J. Transport Geography. 7 (3), 209–213
HOGEMA, J.H.,1996, effect of rain on daily traffic volume and on traffic behavior.Report TM-96-B019,
TNO Humain Factors Research Institute, Netherlands,14p
HOUZE, M.-L., 2006, Prévision et spatialisation des concentrations en ozone troposphérique en Bourgogne,
Thèse doctorale à l’Université de Bourgogne, Dijon, 293 p.
KARKOWSKI, M., 2006,INTRO (Intelligents Roads). Integration of wheater effects for traffic indicators
forecasting.Deliverable 4.2, fehrl/ IBDIM, Poland,110 p
KEAY K, SIMMONDS I ,2005. The association of rainfall and other weather variables with road traffic
volume in Melbourne, Australia.Accident, analysis and prevention 37, pp.109-124
KOETSE,M.J., RIETVELD,P.,2009. The impact of climate changes and wheater on transport: an oviervew
of empirical findings . in transportation research part D 14, pp. 205-221
MAZE, T.H., Argawal, M et Burchett, G.,2006, whether,weather mater to traffic demand,traffic safety and
traffic operations and flow. Transportation research record 1948, pp 170-176
PERRIN, J ., MARTIN, P .,2002, Modifying signal timing during inclement weather, university of Utah
traffic lab, presented at the 2002 institute of transportation angineers annual meeting,
57
Service d’Etudes Techniques des Routes et des Autoroutes (SETRA),2004,comptage temporaire du trafic
routier, SETRA, 74p
SHIVOLA,N. 2009.,Drivers assessment of road weather condition of road weather information. Proceedings
of the youngs researchers seminars 2009
.Conseil Général de l’Yonne, http://www.cg89.fr/, consulté en avril - mai 2011
Conseil General de la Nièvre, http://www.cg58.fr/ ,consulté en avril - mai 2011
Conseil General de la Saône-et-Loire, http://www.cg71.fr/ ,consulté en avril - mai 2011
Conseil General de la Côte-d’Or, http://www.cg21.fr/, consulté en avril - mai 2011
58
59
Tables figures
FIGURE 1 : UNE CIRCULATION ROUTIERE HIERARCHISEE EN FONCTION DES TYPES D’AXES ROUTIERS, DOCUMENT PUBLIE PAR LA DREAL BOURGOGNE .... 7 FIGURE 2 : RELIEF ET CLIMAT DE LA BOURGOGNE .................................................................................................................................... 9 PHOTO 1 : COMPTAGES ROUTIERS EFFECTUES GRACE A DES BOUCLES MAGNETIQUES. PRESENCE D’UNE STATION SIREDO EN ARRIERE-PLAN, IMAGE
PUBLIEE PAR LE CONSEIL GENERAL DE LA NIEVRE. ......................................................................................................................... 10 FIGURE 3 : STATION METEOROLOGIQUE ET SES INSTRUMENTS DE MESURE (LA METEO.ORG) ........................................................................... 12 FIGURE 4 : VARIABLES METEOROLOGIQUES MESUREES PAR LES STATIONS METEOROLOGIQUES ........................................................................ 13 FIGURE 5 : DENSITE DE TRAFIC ROUTIER ET LOCALISATION DES BALISES DE COMPTAGE (METEO ET SIREDO) SUR LE TERRITOIRE BOURGUIGNON ........... 15 TABLEAU1 : CARACTERISTIQUES DES STATIONS DE COMPTAGE ROUTIER ; PR= POINT ROUTIER, N=ROUTE NATIONALE, D=ROUTE DEPARTEMENTALE,
A=AUTOROUTE, U=URBAIN, HA= HORS AGGLOMERATION ........................................................................................................... 16 FIGURE 6 : BASE DE DONNEES QUI RELIE LA BASE DE DONNEES ROUTIERE ET CLIMATIQUE, EXEMPLE DE VENOY (89).............................................. 17 FIGURE 7 : EXEMPLE DE DISTRIBUTION DES DONNEES ROUTIERES POUR QUELQUES STATIONS SIREDO (TOUTES SAISONS ET TOUS JOURS CONFONDUS) .. 21 FIGURE 8 : DISTRIBUTION DES VARIABLES METEOROLOGIQUES POUR LA STATION METEOROLOGIQUE D’AUXERRE ( EN MM POUR RR, EN CM POUR
HNEIGEF24H ET NEIGETOT06, EN °C POUR TN ET TX, EN M/S POUR FXI) .................................................................................... 22 FIGURE 9 : LIENS ENTRE LES VARIABLES METEOROLOGIQUES POUR LA STATION D’AUXERRE EN FONCTION DES SAISONS......................................... 23 FIGURE 10 : POINT DE COMPTAGE ROUTIER REPRESENTATIF DE L’ENSEMBLE DES POINTS DE COMPTAGE UTILISES POUR LA REPRESENTATION DES
VARIATIONS NON IMPUTABLES A LA METEO ................................................................................................................................ 24 FIGURE 12 : VARIATIONS MENSUELLES DU TRAFIC ROUTIER POUR QUELQUES POINTS DE COMPTAGE REPRESENTATIFS ........................................... 25 FIGURE 13 : VARIATIONS SAISONNIERES DU TRAFIC ROUTIER POUR QUELQUES POINTS DE COMPTAGE REPRESENTATIFS ......................................... 25 FIGURE 14 : VARIATIONS SAISONNIERES DU TRAFIC ROUTIER POUR QUELQUES POINTS DE COMPTAGE REPRESENTATIFS ................................... 26 TABLEAU 2 : COMPARAISON DE MOYENNES DES IMPACTS DES JOURS FERIES ET DES VACANCES SCOLAIRES SUR LE TRAFIC ROUTIER ........................... 27 TABLEAUX 3 : RECAPITULATIF DES RELATIONS METEO-TRAFIC ROUTIER, EN ROUGE LES RELATIONS FORTEMENT POSITIVE ET SIGNIFICATIVE, EN BLEU LES
RELATION LES PLUS FORTEMENT NEGATIVE ET SIGNIFICATIVE ........................................................................................................... 28 FIGURE 15 : CARTE DES CORRELATIONS ENTRE LA PLUIE ET LE TRAFIC EN FONCTION DES SAISONS. LES RELATIONS NEGATIVES SONT REPRESENTEES EN BLEU
ET LES RELATIONS POSITIVES EN ROUGE (LES CERCLES AVEC UNE ETOILE SONT LES VALEURS SIGNIFICATIVES AU RISQUE 0.05) ......................... 29 FIGURE 16 : CARTE DES CORRELATIONS ENTRE LES TEMPERATURES MAXIMALES ET LE TRAFIC EN FONCTION DES SAISONS. LES RELATIONS NEGATIVES SONT
REPRESENTEES EN BLEU ET LES RELATIONS POSITIVES EN ROUGE (LES CERCLES AVEC UNE ETOILE SONT LES VALEURS SIGNIFICATIVES AU RISQUE 0.05
) ....................................................................................................................................................................................... 30 FIGURE 17 : CARTES DES CORRELATIONS ENTRE LES VENTS ET LE TRAFIC EN FONCTION DES SAISONS. LES RELATIONS NEGATIVES SONT REPRESENTEES EN
BLEU ET LES RELATIONS POSITIVES EN ROUGE (LES CERCLES AVEC UNE ETOILE SONT LES VALEURS SIGNIFICATIVES AU RISQUE 0.05) .................. 31 FIGURE 18 : CARTE DES CORRELATIONS ENTRE LES PHENOMENES HIVERNAUX ET LE TRAFIC EN FONCTION DES SAISONS. LES RELATIONS NEGATIVES SONT
REPRESENTEES EN BLEU ET LES RELATIONS POSITIVES EN ROUGE (LES CERCLES AVEC UNE ETOILE SONT LES VALEURS SIGNIFICATIVES AU RISQUE
0.05) ................................................................................................................................................................................ 32 TABLEAU 4 : COMPARAISON DE MOYENNES DES IMPACTS DU BROUILLARD ET DU VERGLAS SUR LE TRAFIC ROUTIER .............................................. 33 FIGURE 19 HISTOGRAMME DES VARIATIONS SAISONNIERES DU TRAFIC POUR 1 MM DE PLUIE SUPPLEMENTAIRE POUR L’ENSEMBLE DES POINTS DE
MESURE ET LES DIFFERENTS TYPES D’AXES ET DE FLUX .................................................................................................................... 35 FIGURE 20 : HISTOGRAMME DES VARIATIONS SAISONNIERES (TN) DU TRAFIC POUR 1°C SUPPLEMENTAIRE POUR L’ENSEMBLE DES POINTS DE MESURE ET
LES DIFFERENTS TYPES D’AXE ET DE FLUX .................................................................................................................................... 36 FIGURE 21 : HISTOGRAMME DES VARIATIONS SAISONNIERES (TN) DU TRAFIC POUR 1°C SUPPLEMENTAIRE POUR L’ENSEMBLE DES POINTS DE MESURES ET
LES DIFFERENTS TYPES D’AXES ET DE FLUX ................................................................................................................................... 36 FIGURE 22 : HISTOGRAMME DES VARIATIONS SAISONNIERES DU TRAFIC POUR 1M/S DE VENT SUPPLEMENTAIRE POUR L’ENSEMBLE DES POINTS DE
MESURES ET LES DIFFERENTS TYPES D’AXE ET DE FLUX .................................................................................................................... 37 FIGURE 23 : HISTOGRAMME DES VARIATIONS SAISONNIERES DU TRAFIC POUR 1 CM DE NEIGE, 1 JOUR DE VERGLAS ET UN JOUR DE BROUILLARD
SUPPLEMENTAIRE POUR L’ENSEMBLE DES POINTS DE MESURE ET LES DIFFERENTS TYPES D’AXES ET DE FLUX ............................................... 38 TABLEAUX 5 : INTERVALLES MINIMALES ET MAXIMALES DES IMPACT S SUR LE TRAFIC POUR CHAQUE VARIABLE METEOROLOGIQUE (HIVER, PRINTEMPS ET
AUTOMNE CONFONDUS) ........................................................................................................................................................ 38 TABLEAU 6 : PARAMETRES METEOROLOGIQUES SIGNIFICATIFS POUR LA STATION DE LA CHARITE-SUR-LOIRE (P<0.05) ......................................... 39 FIGURE 24 : MODELE DE TRAFIC POUR LA CHARITE-SUR-LOIRE, COMPARAISON AVEC LA REALITE ..................................................................... 39 TABLEAU 7 : ESTIMATION DES IMPACTS MOYENS DE CHAQUE ALEA POUR LES 4 SAISONS CONSIDEREES (P<0.05) PAR LA METHODE DES REGRESSIONS
LINEAIRES MULTIPLES ............................................................................................................................................................ 40 FIGURE 25 ; EVOLUTION DU TRAFIC ROUTIER LORS DE L EPISODE PLUVIEUX DES 4 ET 5 MAI 2010 PAR RAPPORT A LA MOYENNE DU MOIS DE MAI (2008-
2011) ............................................................................................................................................................................... 41 FIGURE 26 : EVOLUTION DU TRAFIC ROUTIER LORS DE LA TEMPETE DU 10 FEVRIER PAR RAPPORT A LA MOYENNE DU MOIS DE FEVRIER (2008-2011) . 42 FIGURE 27 : EVOLUTION DU TRAFIC ROUTIER LORS DE L’EPISODE DE FORTE CHALEUR DU 27 JUIN 2011 PAR RAPPORT A LA MOYENNE DU MOIS DE JUIN
(2008-2011) ..................................................................................................................................................................... 43 FIGURE 29: CARTE DE L’EVOLUTION DU TRAFIC ROUTIER AVEC NEIGE AU SOL LE 11 JANVIER 2010 PAR RAPPORT A LA MOYENNE DU MOIS DE JANVIER
(2008-2011) ..................................................................................................................................................................... 45
60
FIGURE 30 : RELATION ENTRE PLUIE ET TRAFIC ROUTIER HORAIRE LORS DE L’ORAGE DU 11 JUIN 2008 A VARENNES-LES-MACON ........................... 46 A.1 TEMPERATURES MOYENNES DE JANVIER SUR LA BOURGOGNE ............................................................................................................. 61 A.2 TEMPERATURES MOYENNES DE JUILLET SUR LA BOURGOGNE ............................................................................................................. 62 A.3 REPARTITION ET INTENSITE DES PLUIES EN BOURGOGNE .................................................................................................................... 63 A.4 VALEURS DES CORRELATIONS ..................................................................................................................................................... 70
61
Annexes
A.1 TEMPERATURES MOYENNES DE JANVIER SUR LA BOURGOGNE
62
A.2 TEMPERATURES MOYENNES DE JUILLET SUR LA BOURGOGNE
63
A.3 REPARTITION ET INTENSITE DES PLUIES EN BOURGOGNE
64
Perrigny
PU, RN6
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=178
0.078
-0.308 -0.340 0.406 0.316 0.103 0.001 -0.111
MAM
N=156
-0.031 0.346 0.356 -0.140
JJA
N=68
-0.132 -0.071 -0.162 -0.099
SON
N=175
-0.037 -0.024 0.010 -0.079
TOUS
N=1459
-0.045 -0.086 -0.104 0.053 0.046 -0.016 0.034
Pontigny
R, RN77
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=177
0.002 -0.091
MAM
N=152
-0.087
JJA
N=66
-0.021
SON
N=173
0.011
TOUS
N=1442
0.035 -0.013
Vallan
R,RN151
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=148
0.060 -0.351 -0.502 0.539 0.500 0.144 -0.072 -0.104
MAM
N=154
0.009 0.480 0.443 -0.071
JJA
N=68
-0.225 0.030 0.292 -0.012
SON
N=173
0.010 0.465 0.555 -0.068
TOUS
N=1433
-0.035 -0.185 -0.225 0.531 0.559 -0.085 -0.067
65
Venoy
R, RN65
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=135
0.115 -0.128 -0.450 0.367 0.345 0.083 -0.125 -0.100
MAM
N=134
-0.060 0.424 0.325 -0.149
JJA
N=52
0.037 -0.062 -0.100 0.238
SON
N=154
-0.050 0.284 0.304 -0.087
TOUS
N=1232
-0.048 -0.138 -0.194 0.203 0.212 -0.047 -0.004
Bazois
R, D978
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=138
0.052 -0.278
MAM
N=159
-0.045
JJA
N=59
-0.318
SON
N=142
-0.035
TOUS
N=1389
-0.063 -0.141
Clamecy
R,RN151
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=131
0.000 0.284 0.306 0.028
MAM
N=142
0.055 0.531 0.568 -0.251
JJA
N=52
-0.173 0.181 0.552 -0.290
SON
N=141
0.043 0.422 0.626 -0.128
TOUS
N=1162
-0.028 0.567 0.629 -0.074
66
La
charite
R, A77
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=169
0.026 -0.294 -0.223 0.436 0.453 -0.038 -0.321
MAM
N=170
-0.075 0.444 0.466
JJA
N=65
-0.123 -0.046 0.078
SON
N=174
0.015 0.397 0.530
TOUS
N=1451
-0.046 -0.122 -0.191 0.542 0.581 -0.065
Pougue
R, A77
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=160
0.120 -0.236 -0.156 0.415 0.495 0.078 -0.122 -0.152
MAM
N=156
-0.054 0.303 0.436 -0.168
JJA
N=63
-0.119 -0.122 -0.016 -0.102
SON
N=168
-0.037 0.330 0.440 -0.025
TOUS
N=1375
-0.036 -0.157 -0.147 0.389 0.470 -0.031 0.002
Saint ma
R,RN151
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=142
0.140 0.505 0.510
MAM
N=150
0.052 0.522 0.523
JJA
N=65
-0121 -0.020 0.052
SON
N=172
0.028 0.545 0.563
TOUS
N=1395
-0.027 0.591 0.640
67
Sougy-S
R,D981
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=135
0.105 0.356 0.342 -0.035
MAM
N=145
-0.148 0.391 0.533 -0.180
JJA
N=66
-0.090 -0.162 -0.018 0.336
SON
N=167
-0.011 0.012 0.198 -0.179
TOUS
N=1256
-0.043 0.130 0.171 -0.031
Ciry-le-N
R,RN70
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=142
0.095 -0.193 -0.147 0.062
MAM
N=162
0.042
JJA
N=70
-0.071
SON
N=174
0.083
TOUS
N=1389
-0.010 -0.075 -0.102 0.006
Digoin
R,RN79
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=132
0.135 -0.259 -0.291 0.291 0.282 0.094 -0.027 -0.122
MAM
N=150
-0.023 0.365 0.489 -0.153
JJA
N=62
-0.049 -0.196 -0.218 -0.020
SON
N=156
-0.003 0.152 0.250 0.030
TOUS
N=1326
-0.004 -0.061 -0.009 0.365 0.416 -0.076 -0.032
68
Macon
PU, D906
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=77
0.032 0.102 -0.080 0.299 0.156 0.222 -0.216 -0.060
MAM
N=81
0.157 0.372 0.209 -0.076
JJA
N=25
-0.301 0.012 -0.093 0.553
SON
N=120
0.026 0.366 0.258 0.179
TOUS
N=786
-0.056 -0.032 -0.055 0.143 0.134 -0.005 -0.107
Marcily
R,RN80
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=149
0.027 0.292 0.279 -0.025
MAM
N=152
-0.034 0.245 0.276 -0.223
JJA
N=60
0.034 0.125 0.158 0.108
SON
N=162
0.064 0.314 0.361 0.050
TOUS
N=1260
-0.031 0.384 0.382 -0.081
69
S-Cecile
R,RN79
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=172
0.163 -0.054 -0.194
MAM
N=175
-0.081
JJA
N=62
-0.076
SON
N=181
0.019
TOUS
N=1461
-0.005 -0.109 -0.133
Varennes
PU,RN79
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=171
0.132 -0.061 -0.255 0.304 0.306 0.286 -0.162 -0.101
MAM
N=169
-0.058 0.450 0.538 -0.306
JJA
N=69
-0.079 -0.069 0.011 0.051
SON
N=179
-0.076 0.042 0.099 -0.138
TOUS
N=1423
0.006 -0.106 -0.156 0.413 0.423 0.007 -0.085
Civry
R,A38
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=125
0.154 0.560 0.486
MAM
N=135
-0.096 0.310 0.287
JJA
N=56
0.280 0.062 -0.069
SON
N=151
0.010 0.215 0.249
TOUS
N=1162
-0.018 0.347 0.351
70
A.4 VALEURS DES CORRELATIONS
Mirande
PU,RN274
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=112
-0.043 -0.101 -0.258 0.557 0.422 0.206 -0.132 -0.211
MAM
N=134
0.040 0.045 0.044 0.114
JJA
N=58
0.019 0.060 -0.003 0.105
SON
N=136
0.040 -0.025 -0.051 0.019
TOUS
N=1032
-0.050 -0.033 0.020 -0.003 -0.015 -0.011 0.022
Mirande
PU,RN274
RR HNEIGEF NEIGETOT06 Tn Tx FXI BROU VERG
DJF
N=112
-0.043 -0.101 -0.258 0.557 0.422 0.206 -0.132 -0.211
MAM
N=134
0.040 0.045 0.044 0.114
JJA
N=58
0.019 0.060 -0.003 0.105
SON
N=136
0.040 -0.025 -0.051 0.019
TOUS
N=1032
-0.050 -0.033 0.020 -0.003 -0.015 -0.011 0.022
71
Résumé
Ce mémoire étudie l’impact des aléas climatiques sur le trafic routier bourguignon entre 2008 et 2011. 21
balises de comptage routier ont été associées à la station météorologique la plus proche. Les variables
climatiques confrontées au trafic routier seront les températures maximales (Tx) et minimales (Tn), la neige
fraîche relevée en 24 heures (HNEIGEF24) et la neige au sol relevée à 06h (NEIGTOT06), le vent, la
quantité de pluie tombée en 24 h (RR), le brouillard et le verglas. Les phénomènes hivernaux (neige/verglas)
ont un impact fortement négatif sur la circulation alors qu’une hausse des températures favorise
significativement le trafic routier. Le vent, la pluie et le brouillard ont des influences plus faibles et leurs
impacts diffèrent en fonction de la saison.
L’analyse spatiale des données est difficile car les 21 points de mesure sont largement insuffisants pour
déterminer des logiques spatiales à l’échelle de la Bourgogne. A cela s’ajoute la diversité des types de flux
et des types d’axes qui peuvent entrainer des différences de sensibilité aux conditions météorologiques.
Néanmoins, quelques logiques sont perceptibles comme dans le cas de phénomènes neigeux à l’est de la
région où ces phénomènes sont plus courants. A cela s’ajoute des différences temporelles pour les
paramètres précipitations, vent et températures qui vont varier en fonction des saisons. Grâce aux analyses
d’évènements climatiques courts (1/2 jours), il est mis en évidence que les anomalies de trafic se calquent
sur l’intensité du phénomène climatique. Ces aléas sont différemment perçus selon les individus ce qui aura
des conséquences sur leurs choix et comportements (annulation ou report d’un déplacement, changement de
type de transport,…)
Mots clefs : Aléas climatiques, trafic routier, Bourgogne
Abstract
This paper studies the impact of climate variability on road traffic Burgundy between 2008 and 2011. 21
tags traffic counts have been associated with the nearest weather station. Climatic variables face the traffic
will be the maximum temperatures (Tx) and minimum (Tn), fresh snow recorded in 24 hours (HNEIGEF24)
and snow on the ground raised to FU 06h (NEIGTOT06), wind, rainfall fallen in 24 hours (RR), fog and ice.
The winter events (snow / ice) have a strong negative impact on traffic and higher temperatures favor the
traffic significantly. Wind, rain and fog have a weaker influence and their impacts differ depending on the
season.
The spatial analysis of data is difficult because 21 points are largely insufficient to determine spatial logics
across Burgundy. Add to this the diversity of stream types and types of axes that can cause differences in
sensitivity to weather conditions. Nevertheless, some logic can be perceived as in the case of phenomena of
snow on the east of the region which is more accustomed to these phenomena. There is also temporary
differences for the parameters precipitation, wind and temperatures which vary according to the season.
Through analysis of short climatic events (half day), it is demonstrated that the traffic anomalies are
modeled on the intensity of weather phenomenon. These risks are perceived differently depending on the
individual which will affect their choices and behaviors (postponement or cancellation of a trip, change the
transport.
Keywords: Hazardous weather, traffic, Burgundy
