Impacts de l'attractivité portuaire sur les flux de marchandises dans un contexte compétitif

Thibaut Démare
Stefan Balev, Cyrille Bertelle, Antoine Dutot, Dominique Fournier and Eric Sanlaville
Normandie Université
LITIS
SAGEO - Spatial Analysis and GEOmatics 2017
6 - 9 Novembre 2017

Plan

  1. Les systèmes logistiques
  2. Le modèle
  3. Les résultats

Les systèmes logistiques

Des caractéristiques synonymes de complexité

  • Le territoire se compose de métropoles, et offre de nombreuses structures logistiques de différentes natures.
  • Ces structures permettent de supporter des flux organisés de marchandises entre les métropoles.
  • Les marchandises entrent et sortent du territoire par des nœuds d'accès connus (e.g. les ports maritimes).
  • Le système et ses acteurs subissent différentes contraintes (spatiales, économiques, politique, ou écologique).
  • Un nombre important d'acteurs aux méthodes et objectifs variés doivent interagir ensemble. Leurs comportements autonomes leur permettent d'organiser globalement les flux de marchandises de manière auto-organisée.
Your browser does not support SVG
Figure 1 : Un flux de marchandise (en gris) passe par différentes infrastructures. Chaque étape est gérée par un ou plusieurs acteurs. Mais aucun n'a un contrôle total sur l'ensemble du flux. L'organisation de celui-ci émerge des interactions entre les nombreux acteurs. On parle d'auto-organisation.

Problématique

  • On cherche à comprendre, à de multiples échelles, comment des acteurs, autonomes et très hétérogènes, s'organisent collectivement autour des infrastructures à leurs dispositions pour gérer des flux de marchandises soumis à un ensemble de contraintes.
  • Pour cela, nous proposons un modèle individus-centrés qui vise à reproduire le fonctionnement d'un système logistique au travers de la simulation.
  • La simulation permet alors de tester différents scénarios pour comprendre comment des décisions locales impactent l'ensemble du système.

Autres modèles

Au sein de l'état de l'art, on retrouve différents travaux qui visent à modéliser des systèmes logistiques tels que :

  • Le modèle TAPAS (Transportation And Production Agent-based Simulator) (Holmgren et al., 2012) :
    • Il modélise les clients, les fournisseurs et les transporteurs par différents agents.
    • Il simule un réseau de transport multi-modal et les comportements et interactions des acteurs.
    • Mais il est prévu pour un nombre réduit d'acteurs et un réseau de transport simplifié.
  • Le modèle FAME (Freight Activity Microsimulation Estimator) (Samini et al., 2010, 2014) :
    • Il décrit les entreprises et le réseau multi-modal des États-Unis grâce à des données désagrégées.
    • Et il détermine les interactions entre les entreprises à partir de données agrégées.
    • Mais les auteurs expliquent que leur modèle serait inadapté pour d'autres systèmes du fait de la difficulté d'accèder aux données nécessaires.

  • Le modèle présenté ici vise à gérer un nombre important d'agent et un réseau de transport complet.
  • On cherche également à ce que le modèle soit dynamique :
    • le réseau de transport est dynamique : trafic qui évolue, nouvelles routes, ou routes bloquées...
    • les interactions des agents sont dynamiques : elles ne se basent pas sur des données réelles car c'est le modèle lui-même qui décrit au travers des comportements des agents comment ces derniers doivent interagir au cours de la simulation en fonction de leurs besoins et perceptions.

Le modèle

Une approche système complexe de la modélisation

  • Un modèle multi-agent qui représente chaque acteur et infrastructure par une entité autonome et réactive.
  • Ces agents ont des règles prédéfinies qui décrivent comment ils se comportent et interagissent entre eux en fonction de leurs perceptions de leur environnement et de leurs besoins.
  • Des graphes dynamiques représentent le réseau de transport multi-modal.
  • Chaque graphe représente un mode de transport et ils sont interconnectés par des agents infrastructures.
  • On peut suivre le déplacement en temps réel de chaque véhicule et observer l'évolution global du trafic.

L'approche se veut multi échelle : on veut observer comment les propriétés macroscopiques du système émergent des propriétés et comportements locaux.


Figure 2 : représentation du modèle

Les résultats

L'implémentation

  • Nous avons implémenté le modèle au sein de la plateforme de simulation GAMA. Une étape de la simulation équivaut à une heure.
  • Nous avons utilisé des données réelles sur l'axe Seine (environ 12 000 agents) afin de valider le modèle et d'effectuer de premières analyses.
  • L'axe Seine étant majoritairement représenté par le mode routier (environ 90% du trafic s'effectue par la route), nous n'avons pas encore implémenté d'autre mode de transport.

Configuration et analyses

Configurations possibles de la simulation

  • Modifications des données initiales (le réseau de transport, la localisation des infrastructures ou des acteurs,...).
  • Modifications locales des niveaux de consommation de la population.
  • Modifications des stratégies de réapprovisionnement.
  • Modifications des stratégies de construction des chaînes logistiques.
  • ...

Méthodes d'analyses existantes

La plupart des méthodes d'analyses peuvent s'appliquer globalement ou localement.

  • Observations du trafic global.
  • Observations de mesures de performance logistique : délai de livraison, quantité de produits en rupture de stock,...
  • ...


Figure 3 : Les agents implémentés

Précisions sur les agents

  • Les agents entrepôts regroupent les plateformes logistiques et les centres de distribution.
  • Il existe un agent fournisseur pour chaque nœud d'accès au système.
  • Au sein de notre simulation, nous avons un fournisseur connecté au port du Havre, et un autre connecté au port d'Anvers.
  • On attribue à chaque fournisseur une valeur correspondante à l'attractivité du port auquel l'agent est rattaché.
  • Un prestataire logistique n'est connecté qu'à un seul fournisseur à la fois.

Comment les prestataires logistiques sélectionnent leur fournisseur?

On détermine la probabilité qu'un prestataire choisisse un fournisseur en fonction de la force d'attraction qu'exerce un port sur le prestataire.

$$F_{ij} = \frac{A_i}{d_{ij}^2}$$
  • $F_{ij}$ est la force d'attraction qu'un port $i$ exerce sur un prestataire logistique $j$.
  • $A_i$ est l'attractivité du port $i$. Ce paramètre représente la compétition entre les ports : un attractivité plus importante signifie que le port est plus compétitif qu'un autre.
  • Et $d_{ij}$ est la distance entre $i$ et $j$.

Impacts de l'attractivité des ports sur le trafic

Scenario 1 (étape 0 à 500) : on ne prend pas en compte l'attractivité. Chaque prestataire a la même probabilité de choisir le fournisseur connecté au Havre ou à Anvers. Dans cette configuration, on observe deux routes majeures sur l'axe Anvers-Paris.

Scenario 2 (étapes 500 à 1000) : on prend en compte l'attractivité et on considère que Anvers est 3 fois plus attractive que le Havre. On observe l'apparition progressive d'une troisième route sur l'axe Anvers-Paris (visible après l'étape 750).

Scenario 3 (à partir de l'étape 1000) : enfin, on considère que le Havre est 5 fois plus attractive qu'Anvers. Progressivement, il ne reste plus qu'un seul axe emprunté sur l'axe Anvers-Paris.

Conclusion

Pour résumer

  • Nous avons proposé un modèle multi-agent et des graphes dynamiques pour représenter un système logistique.
  • L'implémentation a été réalisé au sein de la plateforme de simulation GAMA et utilise des données sur l'axe Seine.
  • Le modèle et son implémentation permettent d'observer les effets de paramètres locaux sur les propriétés macroscopiques : ici l'attractivité portuaire sur l'évolution du trafic.
  • On notera néanmoins comme limite de ce modèle le fait d'avoir un nombre restraint de nœuds d'accès ainsi qu'un territoire fermé qui pourraient biaiser certains résultats.

Perspectives

  • Dans un premier temps on cherche à implémenter les autres modes de transport.
  • Ensuite, nous souhaitons observer les impacts que pourraient avoir certains grands projets d'aménagement (comme le canal Seine-Nord).
  • Nous voulons également étudier la dynamique du réseau d'interaction entre les agents afin de détecter des communautés d'acteurs.

Merci pour votre attention !




thibaut.demare@gmail.com