Nos villes deviennent de plus en plus grandes et complexes et cela impacte notre mobilité quotidienne et notre qualité de vie (embouteillages, retards, pollution de l’air…). Des technologies sont développées par la recherche et les entreprises afin de rendre nos déplacements plus sûrs, efficaces et durables. Parmi celles-ci, le digital twin (ou jumeau numérique), un outil qui aide au développement d’écosystèmes et de services de mobilité innovants pour la ville et permet de réaliser une représentation virtuelle des services de transport physiques existant dans la réalité. Lors de cette rencontre-conférence, le Professeur Mario Cools, du groupe de recherche LEMA (ULiège), nous présentera le cadre de jumelage numérique pour la Wallonie/Belgique, appelé BATS (Belgian Activity-Travel Simulator). Celui-ci stimule, notamment, les modèles de mobilité au sein de l'arrondissement de Liège. Yunex Traffic, entreprise spécialisée dans la gestion intelligente du trafic, mettra en avant des cas d’application en Belgique des solutions qu’elle propose. Un des avantages certains de cette technologie est de rassembler, en une représentation digitale, l’ensemble des infrastructures d’un réseau de mobilité, en intégrant toutes les applications de gestion, simulation et contrôle du trafic.

1. Mercredi, 10 mai 2023
Le Digital twin, un outil pour améliorer la mobilité urbaine
Mario Cools, Professeur (Faculté des Sciences Appliquées, ArGEnCo,
ULiège)
Youssef Abdelaoui, Business Manager (Yunex Traffic)

2. LIEGE CREATIVE, en partenariat avec :

3. Uniting
what‘s next
in traffic
Digital Twin

4. +700m€
Sales volume
+3,000
global Yunex Traffic employees
+25 countries
with dedicated setup
Who we are Key facts
+600 cities
With our traffic management
#1
Installed base worldwide
Page 2 Unrestricted © Yunex Traffic 2022

5. Who we are (2/2)
Portfolio
… with strategic subsidiaries / affiliated companies
Global player …
Offering major
regional standards
e.g., OCIT, SCOOT,
SCATS
Global market and innovation leader for Urban and Interurban Traffic
Management and Smart Services with integrated end-to-end portfolio
Page 3 Unrestricted © Yunex Traffic 2022
Services
Modular Software Platform
Software Applications
IoT Devices
Advanced Traffic Management
Simulation
Data Services & Prediction
Stakeholder Orchestration / Collaboration
Advanced Perception, Fleet Prioritisation, Digital Twin
Vehicle-to-X
Bike Mobile Apps
Environmental Traffic Management, Clean Air Zones
Road Side Units
Detection Cameras
Controllers
Maintenance
Application
System & Field
Management

6. Digital Twin
A virtual representation of real-world infrastructure,
systems and processes, where the representation is
kept in-sync with the real world.
The Digital Twin can replace the real systems in
many process steps to increase efficiency or perform
actions that would not be possible in the real world

7. Managed Digital Twin
Managed digital twin will provide various use-cases to different stakeholders of a infrastructure project
Page 5
Yunex Services for planning & design phases Yunex Managed Digital Twin offering
Applications
Managed Twin
Comprehensive prediction
of future performance and
maintenance requirements
Performance Twin
Static Twin
• Asset Management
• Design Verification
• Inspection
BIM
Asset Management
Maintenance
Management (SLA)
Data acquisition
• As-is documentation
• Digital Design
• Inspection
CAD
Lidar-Scans
Photo-grammetry
Dynamic Twin
• Demonstrations/PoCs
• Acceptance Testing
• Maintenance Training
Static Digital Twin
Sitraffic Varia
Simit Virtual Controller
Performance Twin
• Planning & Optimization
• Scenario Simulation & Testing
• Operator Training
Dynamic Digital Twin
Aimsun Next
Aimsun Live
Predictive & Preventive
Mainten.
Unrestricted © Yunex Traffic 2022

8. Managed Digital Twin
Eco-System
Yunex Traffic and partners are committed to build a comprehensive managed digital twin eco-system
Page 6
Different activities
are separately performed:
• Synergies are not used
• Interdependencies are ignored
• Use-cases are limited to each activity
One digital representation
of the complete infrastructure with integrated applications
• Synergies of a common data environment
• Interdependencies are reproduced and analyzed
• New Use-Cases accessible
Managed
Digital Twin
BIM
Asset &
Maintenance
Management
Traffic
Simulation
Traffic
Management
& Control
BIM application
suites
Aimsun Next
Aimsun
Live
Service Business
Platform
3rd party asset
management
application
Sitraffic
Varia
BIM application
suites
Aimsun Next
Aimsun
Live
Service Business
Platform
3rd party asset
management
application
Sitraffic
Varia
• Different Toolchains
• Different data-sets
Unrestricted © Yunex Traffic 2022

9. Connecting the North and the
South in Singapore
The North South Corridor (NSC) will be the longest
express way in Singapore with 12.5km of Tunnel and
9km of Viaduct
The new build express way provides connectivity and
easy travel within the city and business districts with 33
entries and exits
The Integrated Traffic and Plant Management System
will be implemented with highest safety and security
standards
Virtual construction will be applied of the whole project
through Building-Information-Modelling
Page 7 Unrestricted © Yunex Traffic 2022

10. Abu Dhabi
Hybrid Simulation Model
Vital decision support for planning in The
Emirates
• Multi-level inputs and ultra-big data sets
combined in this Aimsun Next model
of unprecedented scale, covering the entire Abu
Dhabi Emirate and including 300km of motorway
and ~4,000km of roads
• Integrated with existing strategic demand model
within the STEAM+ framework.
• Fast microsimulation of specific network areas
and precise representation of congestion, flow
metering, bus priority assessment and LRT
delays at junctions.
• Dynamic linkages to the ITC’s new Data
Warehouse allow simulation of different
situations, such as Ramadan or holidays, and
keep the model updated with fresh count and
movement data.
Page 8 Unrestricted © Yunex Traffic 2022

11. Le Digital twin, un outil pour améliorer la mobilité urbaine
BATS (Belgian Activity-Travel Simulator)
Liège Créative, 10 Mai 2023
Mario Cools

12. Contenu
1. Modèles de transport (jumeaux numériques)
2. BATS
3. Besoins en données

13. Contenu
1. Modèles de transport (jumeaux numériques)
2. BATS
3. Besoins en données

14. Modèles de transport (jumeaux numériques)
• Évolution des approches de modélisation
Four-step
model
Tour-based
model
Activity-based
model
Integrated
dynamic model
Ideal behavioral
realsim
Computational complexity
Behavioral realism

15. Modèles de transport (jumeaux numériques)
• Évolution de la résolution (spatiale)
– Modèles à quatre étapes :
• Agrégés (modèles zone à zone)
– Modèles basés sur l'activité : désagrégés
• Simulation des modèles d'activité et de déplacement pour tous les
ménages/personnes de la population
• Micro-simulation + synthèse de la population

16. Modèles de transport (jumeaux numériques)
• Modèles de 4me génération:
Modèles basés sur les activités « intégrés »
– Interactions entre le transport et l’aménagement du territoire
– Modèle basé sur l'activité « dynamique »
(retour d'information sur la congestion)
Four-step
model
Tour-based
model
Activity-based
model
Integrated
dynamic model
Ideal behavioral
realsim
Computational complexity
Behavioral realism

17. Modèles de transport (jumeaux numériques)

18. Modèles de transport (jumeaux numériques)
BATS

19. Contenu
1. Modèles de transport (jumeaux numériques)
2. BATS
3. Besoins en données

20. BATS (Belgian Activity-Travel Simulator)
1. Synthèse de la population
2. Génération d'activités
et de déplacements

21. BATS: Synthèse de la population
• Référence:
• Idée générale:
Saadi, I., A. Mustafa, J. Teller, B. Farooq, M. Cools. 2016. Hidden Markov
Model-based population synthesis. Transportation Research Part B:
Methodological 9, 1-21. http://dx.doi.org/10.1016/j.trb.2016.04.007

22. BATS: Synthèse de la population
• Différentes techniques
– Méthodes d'ajustement (par exemple, appariement des données,
IPF)
– Méthodes de repondération (par exemple, opt. combinatoire)
– Approches basées sur les processus de Markov

23. BATS: Synthèse de la population
• Distribution initiale en tant que contrôle ou contrainte à partir
d'une source de données agrégées (par exemple, le recensement).
• Par exemple, les distributions marginales de l'ensemble de la
population en fonction de différentes variables, telles que l'âge, le
sexe et la localisation spatiale au niveau de la municipalité.

24. BATS: Synthèse de la population

25. BATS: Synthèse de la population

26. BATS: Synthèse de la population

27. BATS: Synthèse de la population
• Données : Enquête belge sur les forces de travail 2013
• Attributs :
– Lieu (commune)
– Socio-démo
• Age
• Sexe
• Formation
• Profession
– Distance domicile-travail

28. BATS: Synthèse de la population
• Résultats (3 attributs synthétisés)

29. BATS: Synthèse de la population
• Résultats : comparaison HMM & IPF (4 attributs)

30. BATS: Synthèse de la population
• Résultats : comparaison HMM & IPF (4 attributs)

31. BATS: Synthèse de la population
HMM
• Taille de la population synthétique : pas d'influence sur la complexité de calcul
• Scalabilité :
– Théorie : pas de limitation en termes de nombre d'attributs à synthétiser
– Pratique : plus les attributs sont éloignés les uns des autres dans la chaîne, plus l'écart
entre ces attributs est important.
• Possibilité d'intégrer un nombre illimité de sources de données
• Comparaison avec IPF
– Meilleurs résultats en termes de SRMSE pour des taux d'échantillonnage réalistes
( < 25%)
– La quantité de données requise par le HMM (1 micro-échantillon et 1 distribution
marginale) est inférieure à celle de l'IPF (1 micro-échantillon et toutes les distributions
marginales).

32. BATS (Belgian Activity-Travel Simulator)
1. Synthèse de la population
2. Génération d'activités
et de déplacements

33. BATS: Génération d'activités et de déplacements
• Référence:
• Idée générale:
Saadi, I., A. Mustafa, J. Teller, M. Cools. 2016. Forecasting travel behavior using
Markov Chains-based approaches. Transportation Research Part C: Emerging
Technologies 69, 402-417. https://doi.org/10.1016/j.trc.2016.06.020

34. BATS: Génération d'activités et de déplacements
• Aperçu du modèle

35. BATS: Génération d'activités et de déplacements
• Distributions des motifs de déplacement
R² = 0.80/0.86 R² = 0.72/0.87

36. BATS: Génération d'activités et de déplacements
• Distributions de schémas d'activité

37. BATS: Génération d'activités et de déplacements
• Approche de profilage (pHMM) :
– Permet la caractérisation de séquences d'activités multiples
(régularité de l'activité et informations séquentielles) à partir d'un
seul modèle
– Prend en compte les activités irrégulières
– Un nombre non limité de séquences d'activités peut être régénéré à
partir de la pHMM estimée en fonction de la taille de la grappe
étudiée

38. Contenu
1. Modèles de transport (jumeaux numériques)
2. BATS
3. Besoins en données

39. Besoins en données
• Nouvelles sources de données émergentes
(par exemple, données de capteurs, données de cartes à puce, données de téléphonie mobile)
à Diverses approches et possibilités dans la modélisation de la demande de déplacements et les STI
• La fusion impliquant des données émergentes est beaucoup moins courante dans le contexte
de la production de données d'enquêtes sur les déplacements
à Grand potentiel de la fusion de données pour contribuer à l'amélioration de la qualité des données

40. Besoins en données:
la fusion des données et l'enquête sur les déplacements
Fusion de données pour alléger le travail sur le terrain
(réduction des dépenses et de la charge de travail des répondants)
• Baisse des taux de réponse
• Une demande croissante de données plus riches
Les parties prenantes font-elles autant confiance aux données issues de la fusion qu'aux données originales ?
à Il est essentiel que les données fusionnées soient considérées avec le même degré de confiance que les
données d'enquête originales.
à Nécessité d'établir des normes de qualité transparentes, qui font aujourd'hui largement défaut lorsqu'il s'agit
de fusionner des données au-delà des méthodes établies.

41. Besoins en données:
les données de téléphonie mobile et les matrices OD
• Matrices OD
– Généralement générées par des techniques de modélisation complexes basées sur les données des
enquêtes de déplacements conventionnelles.
– Les données de téléphonie mobile ont été promues pour compléter ou même remplacer les enquêtes
sur les déplacements.
– a Couverture apparemment complète de la population par les téléphones mobiles
– r Questions ouvertes
• Distinction entre les mouvements de téléphones mobiles et les mouvements de personnes
(par exemple, une personne peut porter plusieurs cartes SIM)
• Proportion du marché couverte par un seul fournisseur de téléphonie mobile ou chevauchement de ces parts de
marché
• L'augmentation/expansion d'une matrice OD donne des résultats discutables
• La précision des déplacements dérivés des données de téléphonie mobile peut dépendre de l'intensité de
l'utilisation faite par le propriétaire du téléphone (Bonnel et al., 2015)

42. Besoins en données:
les données de téléphonie mobile et les matrices OD
Cools, M., Moons, E., Wets, G., 2010.
Assessing the quality of origin–
destination matrices derived from
activity travel surveys: Results from a
monte carlo experiment.
Transportation Research Record 2183,
49–59. doi:10.3141/2183-06.
la moitié des personnes de la population dans l'échantillon final --> MAPE : 54%

43. Besoins en données: conclusion
• Les big data sont utiles,
• Cependant, la richesse contextuelle des enquêtes
traditionnelles sur les déplacements des ménages est cruciale
et , par conséquent,
les données des enquêtes nationales sur les
déplacements des ménages restent essentielles !!!

44. Q&A?
• Merci pour votre attention!
• Questions?
• Let’s connect: