Measuring capacities in multimodal maritime port systems with anchorage queues

Cet article propose un cadre méthodologique pour distinguer et estimer la capacité opérationnelle et la capacité ultime des ports maritimes multimodaux, en appliquant cette approche au Port de Houston pour identifier les goulots d'étranglement spécifiques selon les conditions de stabilité ou de perturbation.

L'essentiel

🚢 Le Port, le Tapis Roulant et la File d'Attente : Comprendre la Capacité d'un Port

Imaginez un grand port maritime comme une gare de triage géante ou un tapis roulant ultra-rapide qui doit faire passer des milliers de bateaux. Le problème, c'est que parfois, il y a trop de bateaux, pas assez de pilotes pour les guider, ou les quais sont pleins. Résultat ? Une file d'attente monstrueuse au large.

Cet article propose une nouvelle façon de mesurer la "capacité" de ce port. Les chercheurs disent qu'il ne faut pas regarder la capacité comme un seul chiffre, mais comme deux concepts différents, un peu comme la différence entre votre vitesse de marche normale et votre vitesse de sprint.

1. Les Deux Vitesse du Port

L'article distingue deux types de capacités :

• La Capacité de Fonctionnement (Le "Rythme de Croisière") :
  Imaginez que vous conduisez sur l'autoroute. Vous pouvez rouler à 130 km/h pendant des heures sans problème, tant que le trafic est fluide. C'est la capacité de fonctionnement. C'est le nombre maximum de bateaux que le port peut traiter sur le long terme, jour après jour, sans que les files d'attente ne deviennent interminables. C'est la vitesse durable.

  • Analogie : C'est comme votre vitesse de marche normale. Vous pouvez marcher ainsi toute la journée sans être épuisé.

• La Capacité Ultime (Le "Sprint de Survie") :
  Maintenant, imaginez qu'il y a une urgence. Vous devez courir le plus vite possible pour attraper un bus. Vous pouvez courir à 25 km/h pendant 10 minutes, mais vous ne pourrez pas tenir ça toute la journée. C'est la capacité ultime. C'est le nombre maximum de bateaux que le port peut traiter immédiatement, même si cela crée un chaos temporaire et des files d'attente énormes. C'est utile juste après une tempête ou une fermeture, quand il faut "nettoyer" la file d'attente le plus vite possible.

  • Analogie : C'est votre sprint. Vous allez très vite, mais c'est instable et vous ne pouvez pas tenir longtemps.

Pourquoi la différence est cruciale ?
Si vous planifiez la construction d'un port pour les 20 prochaines années, vous regardez la capacité de fonctionnement. Mais si une ouragan a fermé le port pendant une semaine et que 500 bateaux attendent, vous avez besoin de connaître la capacité ultime pour savoir combien de temps il faudra pour tout débloquer.

2. Comment les chercheurs ont mesuré ça ?

Pour trouver ces chiffres, les auteurs ont utilisé deux outils mathématiques différents, un peu comme un médecin qui utilise deux examens différents :

• Pour la Capacité de Fonctionnement (La Théorie des Files d'Attente) :
  Ils ont utilisé des formules mathématiques classiques (la théorie des files d'attente) basées sur des données historiques simples. C'est comme regarder l'historique de votre consommation électrique pour deviner combien d'appareils vous pouvez allumer en même temps sans faire sauter les plombs. C'est rapide, simple et ne nécessite pas de simulation complexe.

  • Résultat pour Houston : Le port peut gérer environ 0,9 bateau par heure de manière stable.

• Pour la Capacité Ultime (La Simulation et les Équations) :
  Pour la capacité de sprint, ils ont créé un simulateur informatique ultra-détaillé du port de Houston (comme un jeu vidéo très réaliste). Ils ont fait arriver des bateaux de plus en plus vite dans le simulateur pour voir à quel moment le système commence à "s'étouffer". Ensuite, ils ont utilisé une équation mathématique (une équation différentielle) pour tracer la courbe de ce comportement.

  • Résultat pour Houston : En mode "sprint", le port peut gérer jusqu'à 1,4 bateau par heure, mais cela crée des files d'attente qui grandissent sans cesse.

3. Les Goulots d'Étranglement (Où ça coince ?)

L'étude a aussi révélé ce qui bloque le port, et cela change selon la situation :

• En temps normal (Rythme de croisière) : Le problème, ce sont les terminaux liquides (pour le pétrole et les produits chimiques). C'est comme si le robinet de votre cuisine était trop petit. Même si l'eau arrive vite, elle ne peut pas sortir assez vite par le robinet.
• En cas de crise (Sprint) : Le problème devient les pilotes. Les pilotes sont les gens qui montent à bord des bateaux pour les guider dans le chenal étroit. Si vous avez 100 bateaux qui arrivent d'un coup, mais seulement 5 pilotes disponibles, tout le monde attend. C'est comme avoir 100 voitures prêtes à partir, mais seulement 5 conducteurs.

4. Leçon pour l'avenir

L'article nous apprend deux choses importantes pour les décideurs :

1. Ne confondez pas les vitesses : Si vous voulez améliorer le port pour le futur, investissez dans les terminaux liquides (le robinet). Mais si vous voulez que le port se remette plus vite après une catastrophe, investissez dans plus de pilotes (les conducteurs).
2. La résilience : Un port peut sembler saturé, mais il a souvent une "réserve de force" cachée (la capacité ultime) qui lui permet de digérer des pics de demande, à condition de pouvoir gérer le chaos temporaire qui s'ensuit.

En résumé :
Les chercheurs ont créé une "règle de deux vitesses" pour les ports. Cela permet de mieux planifier les investissements (pour aller plus vite sur le long terme) et de mieux gérer les crises (pour sprinter quand c'est nécessaire), en utilisant le port de Houston comme exemple parfait.

Résumé technique

Voici un résumé technique détaillé de l'article de recherche intitulé "Measuring capacities in multimodal maritime port systems with anchorage queues" (Mesure des capacités dans les systèmes portuaires maritimes multimodaux avec files d'attente d'ancrage), rédigé en français.

1. Problématique et Contexte

La mesure de la capacité des systèmes portuaires multimodaux est essentielle pour identifier les goulots d'étranglement, guider les investissements en infrastructure et planifier la reprise après des perturbations. Cependant, les ports manquent de méthodes standardisées pour estimer la capacité au niveau du système, contrairement aux réseaux routiers.

L'article identifie une lacune majeure dans la littérature existante : la confusion entre deux concepts distincts de capacité qui sont souvent traités de manière interchangeable ou ignorés :

• Capacité de fonctionnement (Operating Capacity - $C_o$) : Le débit maximal de navires pouvant être traité sur une longue période dans des conditions stables (file d'attente d'ancrage bornée).
• Capacité ultime (Ultimate Capacity - $C_u$) : Le débit absolu maximal réalisable sur un horizon de temps fini, indépendamment de la stabilité du système (la file d'attente peut croître de manière illimitée).

Les modèles actuels se basent souvent sur des simulations ou des indicateurs de performance (temps d'attente, taux d'occupation) sans distinguer clairement si le débit estimé est durable ou temporaire. De plus, l'approche par composants (somme des capacités individuelles) échoue souvent à capturer les interdépendances complexes entre les chenaux, les pilotes, les terminaux et les infrastructures terrestres.

2. Méthodologie Proposée

Les auteurs proposent un cadre hybride combinant la théorie des files d'attente et la modélisation par équations différentielles ordinaires (EDO), validé par une simulation à événements discrets.

A. Modèle de Capacité de Fonctionnement ($C_o$)

Ce modèle vise à estimer le débit durable sans nécessiter de simulations complexes.

• Approche : Utilisation de la théorie des files d'attente (modèles G/M/1).
• Hypothèses : Les navires arrivent à l'ancrage selon une distribution générale (basée sur les données AIS), avec des temps de service exponentiels pour le chenal et les terminaux.
• Calcul :
  • Le temps d'attente dû aux contraintes du chenal ($W^C$) et aux terminaux ($W^T_i$) est modélisé séparément.
  • La capacité du chenal ($\mu_C$) et celle de chaque terminal ($\mu^T_i$) sont estimées à l'aide de la formule de Kingman et de la loi de Little, en utilisant les longueurs de file d'attente observées et les taux d'arrivée.
  • La capacité globale du port est le minimum entre la capacité du chenal et la somme des capacités des terminaux : $C_o = \min(\mu_C, \sum \mu^T_i)$.
• Données requises : Données historiques de suivi des navires (AIS) et registres portuaires.

B. Modèle de Capacité Ultime ($C_u$)

Ce modèle évalue le débit maximal possible, même dans des conditions instables (files d'attente croissantes).

• Approche : Simulation à événements discrets couplée à un modèle d'EDO.
• Procédure :
  1. Une simulation détaillée du port est exécutée pour une gamme de taux d'arrivée ($\lambda$).
  2. Le nombre de navires sortant de l'ancrage ($N_{exits}$) est enregistré.
  3. Ces données sont ajustées à une équation différentielle ordinaire (EDO) qui décrit la relation entre le taux d'arrivée et le taux de sortie.
• L'EDO : Le modèle intègre deux phases :
  • Phase de croissance : Le débit augmente avec l'arrivée jusqu'à un point de saturation.
  • Phase de déclin (congestion) : Au-delà d'un certain seuil ($\lambda_c$), la compétition pour les ressources partagées (pilotes, chenal) réduit le débit de sortie, le faisant tendre vers une capacité saturée ($C_s$).
• Estimation : Les paramètres de l'EDO ($C_u, C_s, \theta, \beta, \lambda_c$) sont optimisés via un algorithme d'évolution différentielle pour minimiser l'erreur quadratique moyenne par rapport aux sorties de la simulation.

C. Relation Théorique

Les auteurs démontrent mathématiquement que la capacité de fonctionnement est toujours strictement inférieure à la capacité ultime ($C_o < C_u$). La capacité de fonctionnement correspond au régime stable où les arrivées égales les départs, tandis que la capacité ultime représente le pic physique avant que la congestion ne devienne critique.

3. Étude de Cas : Le Port de Houston

Le cadre a été appliqué au Port de Houston (Texas), l'un des plus grands ports des États-Unis, en utilisant des données AIS de 2022 à 2024 et une simulation calibrée.

• Données : Le modèle simule le Houston Ship Channel, 27 terminaux (conteneurs, vrac liquide, vrac sec) et les connexions terrestres.
• Validation : La simulation a été validée par comparaison avec les temps d'attente et les tailles de files d'attente réels observés via AIS, montrant une forte corrélation.

4. Résultats Clés

• Estimations de capacité :

  • Capacité de fonctionnement ($C_o$) : Environ 0,9 navires par heure (vph). Cela représente le débit durable à long terme.
  • Capacité ultime ($C_u$) : Environ 1,4 vph. C'est le débit maximal atteignable sur une période courte, même si cela entraîne une croissance incontrôlée des files d'attente.
  • Capacité du chenal : Estimée à 1,52 vph, ce qui indique que le chenal n'est pas le goulot d'étranglement principal dans les conditions actuelles.

• Analyse des goulots d'étranglement (Sensibilité) :

  • Conditions normales (Stables) : Les terminaux de vrac liquide (liquid-bulk) constituent le principal goulot d'étranglement. Une réduction de 20 % de leurs capacités (berths ou transferts) fait baisser la capacité de fonctionnement de 1,1 %.
  • Conditions de perturbation (Post-crise) : La disponibilité des pilotes devient le goulot d'étranglement dominant. Une réduction de 10 % de la disponibilité des pilotes fait chuter la capacité ultime de 7,1 %.

• Comparaison des classes de navires :

  • Les navires citernes (tankers) présentent les taux d'utilisation les plus élevés (0,95–0,97), les rendant plus sensibles aux perturbations que les navires à conteneurs.

5. Contributions et Signification

Contributions Principales :

1. Distinction conceptuelle : Introduction et formalisation de la différence entre capacité de fonctionnement et capacité ultime, permettant une meilleure planification à long terme et de résilience.
2. Modélisation hybride : Développement d'un modèle de file d'attente parcimonieux pour $C_o$ (nécessitant peu de données) et d'un modèle basé sur des EDO pour $C_u$ (nécessitant une simulation).
3. Lien théorique : Établissement d'une relation mathématique prouvant que $C_o < C_u$ et définition des conditions où elles se rapprochent.
4. Outil pratique : Mise à disposition d'un code source open-source pour la simulation et l'estimation de capacité.

Signification pour la Planification Portuaire :

• Investissements ciblés : Les résultats montrent que les investissements pour améliorer le débit à long terme doivent cibler les terminaux de vrac liquide. En revanche, pour améliorer la résilience et la récupération après une fermeture (tempête, brouillard), il est crucial d'augmenter la disponibilité des pilotes.
• Gestion de la demande : Comprendre la capacité ultime permet aux gestionnaires de savoir combien de navires peuvent être traités en cas de pic de demande ou de reprise post-catastrophe, tout en anticipant les délais d'attente accrus pour les navires arrivant plus tard.
• Indépendance des données : La méthode permet d'estimer la capacité durable même avec des données limitées (seulement AIS), rendant l'outil accessible à de nombreux ports.

En conclusion, cette étude fournit un cadre robuste pour évaluer non seulement combien de navires un port peut traiter, mais aussi combien il peut traiter de manière durable, offrant ainsi une base décisionnelle cruciale pour les ingénieurs et les planificateurs portuaires.