Les autoroutes sont des systèmes complexes où le comportement de milliers de conducteurs individuels se combine pour créer le flux de circulation. Lorsque trop de voitures tentent d'utiliser une route en même temps, le système peut s'enrayer, provoquant des retards qui remontent sur des kilomètres. Pendant des décennies, les agences de transport se sont appuyées sur des mesures simples pour juger de la gravité de ces embouteillages, comme le comptage du nombre total de minutes perdues par tous les conducteurs ou la mesure de la réduction de la vitesse du trafic pendant les heures de pointe. Ces chiffres racontent une histoire sur le passé : ils décrivent à quel point une route était congestionnée hier ou l'année dernière. Cependant, ils offrent peu d'orientations pour l'avenir. Un nombre élevé de minutes perdues peut signifier qu'une route est simplement submergée par trop de voitures, une situation qu'aucun ajustement ne peut résoudre. Alternativement, ce même chiffre élevé peut signifier qu'une route est encombrée parce que les conducteurs réagissent mal les uns aux autres, une situation qui pourrait être résolue par une meilleure gestion. Sans savoir quel scénario est vrai, les urbanistes risquent de gaspiller de l'argent dans des projets coûteux comme l'ajout de nouvelles voies, alors qu'une solution plus simple et plus intelligente aurait pu fonctionner tout aussi bien.

Cette incertitude est le problème central abordé par une nouvelle étude de chercheurs du Massachusetts Institute of Technology et de l'Université de Nottingham. L'équipe s'est donné pour mission de créer une nouvelle façon d'observer le trafic qui dépasse la simple mesure de sa gravité. Au lieu de demander « Quel est le retard ? », ils ont posé une question différente : « Quelle part de ce retard pourrions-nous réellement corriger ? ». Pour répondre à cela, ils ont développé un concept qu'ils appellent la « congestion contrôlable ». Il ne s'agit pas d'une mesure des conditions de trafic actuelles, mais plutôt d'une mesure du potentiel. Elle calcule le montant maximal de retard qui pourrait théoriquement être supprimé d'une autoroute si un système intelligent gérait parfaitement les limitations de vitesse. En utilisant des simulations informatiques avancées qui imitent le flux de circulation, les chercheurs ont testé cette idée sur un scénario d'autoroute fictif et sur des données réelles provenant d'un tronçon de l'Interstate 24 dans le Tennessee. Leurs travaux révèlent que le retard subi par une route est souvent sans rapport avec la quantité de ce retard qui peut être corrigée. Dans certains cas, une route à fort trafic est presque impossible à améliorer, tandis que dans d'autres, une route présentant des niveaux de trafic similaires pourrait voir ses retards réduits de plus de moitié si elle était gérée correctement.

Les chercheurs ont construit leur analyse sur un modèle de flux de trafic informatique bien établi appelé METANET. Ce modèle décompose une autoroute en petits segments et suit comment la densité des voitures et leur vitesse changent au fil du temps. Il tient compte de la manière dont les voitures entrent et sortent de la route, de la façon dont elles ralentissent lorsqu'elles se rapprochent trop les unes des autres, et comment un goulot d'étranglement, tel qu'une réduction de voie, peut provoquer un embouteillage. L'équipe a utilisé ce modèle pour mener un exercice d'optimisation massif. Ils ont demandé à l'ordinateur de trouver la séquence parfaite de limitations de vitesse pour chaque segment de l'autoroute sur une période spécifique. L'objectif était de minimiser le temps total passé sur la route par tous les véhicules. L'ordinateur pouvait modifier les limitations de vitesse aussi souvent qu'il le souhaitait, dans les limites physiques de la route, afin de déterminer quel serait le meilleur résultat absolu. La différence entre le retard réel observé dans les données et ce scénario théorique idéal est ce que les chercheurs définissent comme la « congestion contrôlable ».

Lorsque l'équipe a appliqué cette méthode à une autoroute synthétique dotée d'un goulot d'étranglement, elle a découvert un schéma surprenant. À mesure qu'elle augmentait le nombre de voitures entrant sur la route, le retard total augmentait régulièrement, ce qui est attendu. Cependant, la part de ce retard qui pouvait être supprimée par le contrôle des limitations de vitesse n'augmentait pas de manière régulière. Au lieu de cela, elle montait rapidement au début, atteignait un sommet où environ 56 % du retard pouvait être éliminé, puis chutait brutalement à mesure que la route devenait encore plus encombrée. Cela signifie qu'une fois que le trafic atteint un niveau de densité extrême, ralentir les voitures avec des limitations de vitesse devient inefficace. Le système est tellement saturé qu'aucun contrôle de vitesse ne peut empêcher l'embouteillage. Cette découverte remet en question l'hypothèse selon laquelle plus de trafic signifie toujours plus d'opportunités d'amélioration. Elle suggère qu'il existe un point de bascule où la route est simplement trop pleine pour être gérée par les seules limitations de vitesse, et que l'ajout de capacité physique, comme une nouvelle voie, pourrait être la seule solution.

Les chercheurs ont ensuite testé leur méthode sur des données réelles de l'I-24 SMART Corridor dans le Tennessee, un tronçon d'autoroute de 5,6 kilomètres équipé de capteurs et de panneaux de limitation de vitesse variables. Ils ont analysé dix jours ouvrables consécutifs, incluant deux jours fériés, pour voir comment le potentiel d'amélioration changeait d'un jour à l'autre. Les résultats étaient frappants. À deux matins différents, le temps de trajet total et le retard moyen par voiture étaient presque identiques. Selon les mesures traditionnelles, ces deux jours se ressemblaient exactement. Pourtant, lorsque les chercheurs ont calculé la congestion contrôlable, la différence était énorme. Un jour, le système était hautement réactif, et la stratégie optimale de limitation de vitesse aurait pu supprimer 80 % du retard. L'autre jour, avec la même quantité de trafic, le système était beaucoup moins réactif, et la meilleure stratégie possible ne pouvait supprimer que 31 % du retard. La raison de cette différence résidait dans la nature même de l'embouteillage. Le jour avec un potentiel élevé, le bouchon était temporaire et pouvait être dissipé en ralentissant juste assez les voitures pour empêcher la formation d'un blocage. Le jour avec un faible potentiel, le bouchon était persistant et structurel, ce qui signifie que même une gestion parfaite ne pouvait pas le dissiper rapidement.

Ce décalage entre le retard total et la congestion contrôlable est la découverte la plus importante de l'étude. Elle montre que regarder le retard seul revient à regarder la fièvre d'un patient sans en connaître la cause. Une forte fièvre peut être une infection mineure qui passera rapidement, ou elle peut être le signe d'une maladie grave nécessitant un traitement drastique. De même, un retard élevé sur une autoroute peut être le signe qu'une route est simplement trop fréquentée pour qu'une stratégie de gestion puisse aider, ou cela peut être le signe qu'une route est mal gérée et pourrait être considérablement améliorée avec les bons outils. L'étude prouve que deux routes ayant le même niveau de congestion peuvent avoir des potentiels d'amélioration totalement différents. Cela signifie que les agences de transport ne peuvent pas se contenter des statistiques de retard pour décider où investir dans de nouvelles technologies. Elles doivent savoir non seulement à quel point le trafic est mauvais, mais aussi quelle part de ce mauvais trafic est réellement réparable.

Les chercheurs ont également exploré comment les limitations pratiques affectent ce potentiel. Dans le monde réel, les limitations de vitesse ne peuvent pas être modifiées instantanément ou fixées à n'importe quelle valeur. Les conducteurs ont besoin de temps pour réagir, et il existe des minima légaux pour la vitesse minimale pouvant être affichée. L'équipe a testé comment ces contraintes modifieraient les résultats. Ils ont découvert que la fréquence des mises à jour était cruciale. Si les limitations de vitesse ne pouvaient être modifiées qu'une fois toutes les deux minutes, la part de retard qui pouvait être supprimée chutait considérablement par rapport à un système capable de se mettre à jour toutes les quelques secondes. Cependant, ils ont constaté que la limite de vitesse minimale importait très peu. Même si la limitation de vitesse ne pouvait pas être fixée en dessous de 90 kilomètres par heure, le système pouvait encore supprimer près de la moitié du retard. Cela suggère que la capacité à effectuer des ajustements petits et fréquents est bien plus importante que la capacité à forcer le trafic à un arrêt quasi total. Cela souligne également que l'espacement des panneaux est important ; avoir des panneaux proches les uns des autres permet un meilleur contrôle que s'ils sont éloignés.

L'étude conclut que la « congestion contrôlable » est un nouvel outil vital pour la prise de décision. Elle permet aux planificateurs de distinguer la congestion structurellement inévitable de la congestion hautement réactive à la gestion. Pour une autoroute où le potentiel d'amélioration est faible, dépenser des millions de dollars dans des panneaux de limitation de vitesse variables serait un gaspillage de ressources. Dans ces cas, la solution pourrait être d'élargir la route ou d'accepter la congestion comme une limite de l'infrastructure. Pour une autoroute où le potentiel est élevé, ce même investissement pourrait apporter des bénéfices massifs, réduisant considérablement les temps de trajet et les émissions. En quantifiant ce potentiel, les agences peuvent cesser de deviner et commencer à investir là où leur argent fonctionnera réellement. Le cadre ne se limite pas à la mesure du retard ; la même logique pourrait être appliquée pour mesurer quelle part de la pollution ou combien d'accidents pourraient être évités par une meilleure gestion. Bien que l'étude actuelle repose sur des simulations informatiques et des données spécifiques d'un corridor, l'idée centrale est claire : savoir à quel point un système peut être amélioré est tout aussi important que de savoir à quel point il est actuellement défaillant.