Le taux de tués au milliard de km parcourus

[Evvas]

Merci pour ces chiffres et ces commentaire.

Je me questionne sur la source : que vient faire MyTF1 ici ?

[Papymeche2]

Merci pour ces chiffres et ces commentaire.

Je me questionne sur la source : que vient faire MyTF1 ici ?

 

 

Bonsoir

 

Voici la source

http://www.google.fr/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0CCEQFjAAahUKEwiV1b6t1p3JAhXIDxoKHQFtAnc&url=http%3A%2F%2Flci.tf1.fr%2Ffrance%2Fsecurite-routiere%2Fnombre-de-morts-sur-les-routes-de-1950-a-nos-jours-6917067.html&usg=AFQjCNGXPC_1q015CFjefdqdLiVyXa8myg

 

J' avais au début utilisé des courbes trouvées au hasard de mes lectures sur ce sujet et les différents rapports ONISR depuis 2000.

Toute la période 1948 à 2000 avait été tabulée au double décimètre sur l' écran de l' ordinateur. Il avait d' ailleurs fallu que je m' imprègne de la manière dont a évolué le comptage des tués (à 3 jours, puis à 6 jours, et enfin à 30 jours. pas facile d' y voir clair sur ce sujet). Pas facile et quand même un peu imprécis.

 

Puis sur ce forum un intervenant est venu avec ce lien. Ce sont ces chiffres que je prends maintenant pour les années antérieures à 2000. Il y a quelques petits écarts entre les chiffres acquis par graphique, et ceux ci.

Il suffit d' ouvrir et de passer la souris sur la courbe pour voir apparaître les données que j' ai ensuite remise en place dans un tableur.

 

J' ai gardé les deux systèmes dans le fichier Excel qui me sert à déterminer les tendances. D' ou ce titre un peu bizarre.

[Evvas]

 

Bonsoir

 

Voici la source

http://www.google.fr/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0CCEQFjAAahUKEwiV1b6t1p3JAhXIDxoKHQFtAnc&url=http%3A%2F%2Flci.tf1.fr%2Ffrance%2Fsecurite-routiere%2Fnombre-de-morts-sur-les-routes-de-1950-a-nos-jours-6917067.html&usg=AFQjCNGXPC_1q015CFjefdqdLiVyXa8myg

 

J' avais au début utilisé des courbes trouvées au hasard de mes lectures sur ce sujet et les différents rapports ONISR depuis 2000.

Toute la période 1948 à 2000 avait été tabulée au double décimètre sur l' écran de l' ordinateur. Il avait d' ailleurs fallu que je m' imprègne de la manière dont a évolué le comptage des tués (à 3 jours, puis à 6 jours, et enfin à 30 jours. pas facile d' y voir clair sur ce sujet). Pas facile et quand même un peu imprécis.

 

Puis sur ce forum un intervenant est venu avec ce lien. Ce sont ces chiffres que je prends maintenant pour les années antérieures à 2000. Il y a quelques petits écarts entre les chiffres acquis par graphique, et ceux ci.

Il suffit d' ouvrir et de passer la souris sur la courbe pour voir apparaître les données que j' ai ensuite remise en place dans un tableur.

 

J' ai gardé les deux systèmes dans le fichier Excel qui me sert à déterminer les tendances. D' ou ce titre un peu bizarre.

Merci.

Attention aux liens Google, le bon lien est celui-ci je pense :

http://lci.tf1.fr/france/secur [...] 17067.html

[Papymeche2]

Bonjour

 

Pour le moment en cliquant sur l' un ou l' autre on arrive bien au même endroit.

[Papymeche2]

Bonjour

 

Désolé c’ est long et technique. Mais je suis sûr d’ en intéresser au moins deux.

 

En croisant les données suivantes issues de l’ ONISR (Office National Interministériel de la Sécurité Routière) :

- donnée de tués par mois depuis 1970 à octobre 2015,

- données annuelles du trafic cumulé sur l’ ensemble des réseaux,

et de UFIP (Union Française des Industries du Pétrole), pour les ventes mensuelles de carburant routier de janvier 2002 à novembre 2015 j’ ai un peu poursuivi l’ analyse du taux de tués cette fois ci sur une base mensuelle.

 

Le taux de tués au Md de véh*km est le seul paramètre que je considère pertinent pour caractériser l’ accidentologie routière sur la durée.

 

Voici le principe de cette analyse. Je gomme les détails de comment ça se construit sous Excel.

 

Les tués mensuels sont rapportés à une moyenne glissante sur 12 mois centrés sur le mois en cours. (Soit le mois en cours et les 5 mois adjacents de part et d’ autre du mois en cours soit 11 mois, complété sur les bords par le quart de la somme des mois [(n+5)+(n+6)] plus sur l’ autre bord respectivement [(n-5)+( n-6)] ce qui complète à 12.

Il était important de viser une moyenne glissante sur 12 mois centrés pour éviter autant que faire se peut les effets saisonniers.

 

Le trafic mensuel en Md de véh*km est interpolé grâce aux données annuelles ONISR. Chaque paire de points annuels consécutifs sert d’ ancrage aux opérations d’ interpolation mensuelles de proche en proche (récursives) entre ces pivots. C’ est de la cuisine Excel facile à reproduire pour chaque tranche d’ une année calendaire qui permet de déterminer le trafic mensuel moyen. Ce trafic évolue de façon monotone de 1970 à maintenant, et ne peut pas tenir compte à la fois des effets calendaires de WE et jours fériés qui ont évolué sur la durée de 45 ans, ni tenir compte des effets saisonniers sur le trafic.

Monotone signifie pour moi, qu’ il n’ y a pas d’ inversion rapide de pente à l’ échelle de l’ année.

C’ est ici que les données UFIP ont tout leur intérêt puisque connues au mois donc par an, elles permettent dans un premier temps de retrouver chaque année une consommation annuelle de carburant au Md de véh*km (unités le m3 par Md de véh*km) parcourus moyennant l’ hypothèse que la saison n’ affecte pas de manière significative cette consommation au Md de véh*km.

En utilisant les points annuels comme ancrage on peut alors décliner mensuellement avec la même technique d’ interpolation récursive sur les paires adjacentes de points annuels la consommation de carburant au Md de Véh*km, avec chaque mois un nouveau chiffre mensuel. Cette calibration mensuelle peut alors être utilisée pour retrouver une image du trafic mensuel en simplement divisant le volume écoulé dans le mois par la consommation au Md de véh*km du même mois.

Mais surtout, on peut déterminer un facteur correctif de forme [1+phi(temps)] modulant le chiffre moyen mensuel du trafic que l’ on peut ensuite rétropoler hardiment vers 1970 sur les données de trafic mensuel acquises sur les données annuelles de trafic évoquées plus haut.

On doit cependant faire l’ hypothèse que ce facteur correctif, calculé en relatif, se conserve en remontant le temps. (Je ne dispose pas de données de recalage antérieures à 1995 pour valider définitivement cette hypothèse)

 

Voici ce que ça donne.

 

La première planche montre que les résultats obtenus annuellement et mensuellement sont absolument comparables (et heureusement !) J’ arrête là les commentaires pour cette planche pour ne pas embrouiller le lecteur.

 

 

 

La deuxième planche est plus complexe. On retrouve ce qui est décrit dans le principe

Les tués mensuels montrant une forte ondulation en forme d’ arche de sinusoïde autour de la moyenne glissante sur +/-6 mois

 

On y trouve également une courbe d’ évolution du trafic mensuel dont l’ ondulation en arche de sinusoïde de période annuelle est une modélisation issue de l’ utilisation des données UFIP mensuelles quand j’ ai recherché la tendance qui collait le mieux aux chiffres de consommation, superposée à une évolution lente déterminée par les données annuelles ONISR.

 

Puis on retrouve les courbes concernant le taux de tués au Md de véh*km, dont un modèle montrant que le taux de tués est plus important en hiver qu’ en été, à l’ opposé des chiffres secs des tués, lesquels présentent un fort creux hivernal.

En effet la seule prise en compte de la variation mensuelle de trafic identifiés grâce aux consommations mensuelles de carburant est insuffisante pour effacer au mieux l’ ondulation annuelle des tués dans la recherche de convergence du minimum d’ écart.

Ceci ne peut être résolu qu’ en admettant que le taux de tués possède une forte composante saisonnière, ou en augmentant la composante saisonnière sur le trafic.

Je ne vois pas de raisons très crédibles quant à une mauvaise représentativité du facteur correctif sur le trafic mensuel, mais de très crédibles quant à cette augmentation du taux de tués au Md de véh*km en période hivernale

 

 

 

 

 

S' il faut développer me le dire

[sebmac]

Bravo.

 

Concernant la consommation: mes véhicules consomment plus en hiver (températures, pneus hiver) qu'en été. Pour ce qui est de la variable températures, je l'estime à +3 à +5% et pneus je l'estime à +4%

[Papymeche2]

Bravo.

 

Concernant la consommation: mes véhicules consomment plus en hiver (températures, pneus hiver) qu'en été. Pour ce qui est de la variable températures, je l'estime à +3 à +5% et pneus je l'estime à +4%

 

 

Ca porte sur une flotte de voiture, ou sur les voitures familiales ?

Comment avez vous fait pour ces estimations et ce partage entre température et pneus ?

Faites vous un échange pneus hiver pneus standard annuel ?

 

A contrario, en hiver, le compresseur de clim consomme moins qu' en été, ce qui va dans l' autre sens.

L'arche de sinusoïde qui modélise la partie saisonnière qui se superpose à la valeur moyenne a une amplitude #12 à 13% (*)

 

C' est plus que vos estimations, ce qui pour le moment n' invalide pas la conclusion que le taux de tués au Md de véh*km possède une composante saisonnière, chose dont je n' ai jamais vu la trace dans les publications des spécialistes en accidentologie.

 

D' ou l' intérêt de documenter vos estimations.

 

(*) Si vous regardez sur le graphe des écarts en bas de la 2° planche, vous verrez que les mois de janvier et février sortent avec une amplitude négative visuellement hors "normalité". Et que les mois de juillet et août sortent avec une amplitude positive également hors" normalité".

Hors normalité parce que trop récurrentes pour que ce ne soit qu' un effet aléatoire. Certes l' arche de sinusoïde est un facteur correctif un peu trop simple, mais la prise en compte des écarts hors normalité ne peut que renforcer l' effet saisonnier crête à crête.

 

Edit : j' avais dit avant "Mais je suis sûr d’ en intéresser au moins deux"

Ca devient "Mais je suis sûr d’ en intéresser au moins trois"

[PasNascutDeRes]

 

...Les tués mensuels sont rapportés à une moyenne glissante sur 12 mois centrés sur le mois en cours. (Soit le mois en cours et les 5 mois adjacents de part et d’ autre du mois en cours soit 11 mois, complété sur les bords par le quart de la somme des mois [(n+5)+(n+6)] plus sur l’ autre bord respectivement [(n-5)+( n-6)] ce qui complète à 12.

Il était important de viser une moyenne glissante sur 12 mois centrés pour éviter autant que faire se peut les effets saisonniers....

 

...La première planche montre que les résultats obtenus annuellement et mensuellement sont absolument comparables...

 

Bonjour Papymeche,

 

Je ne suis pas certain d'avoir tout compris. Sur cette première planche, je ne vois pas apparaitre l'effet de saisonnalité, dont vous parlez ensuite...Pourtant, s'il existait, on devrait le voir là:

 

 

 

Mais si vous avez appliqué une moyenne glissante sur les tués, c'est normal qu'on ne le voit pas...

[Papymeche2]

Bonjour

 

Sur ce graphe, c' est effectivement une moyenne glissante. Elle est sous-jacente au points, mais la densité de points la masque.

Cette première planche était destinée à montrer que la détermination du taux de tués sur les valeurs annuelles Nb de tués et trafic censées "effacer" la variabilité saisonnière, pouvait être atteinte en utilisant des données mensuelles.

 

Mais en utilisant les données mensuelles et en regardant les écarts relatifs entre une modélisation à simples exponentielles, et le taux, il en résultait un écart type qui ne correspondait pas à celui que j' espérais trouver en ramenant l' écart type au mois à l' écart type annuel. Quand les distributions sont des distributions aléatoires "normales" ce que j' ai vérifié pour les données annuelles déjà présentées, (mais pas encore pour ces données mensuelles, ce qui ne saurait tarder), le passage de l' un à l' autre se fait en appliquant le facteur (12)^0.5

 

C' était l' indication que les seules exponentielles établies à l' année, n' étaient pas suffisantes pour modéliser ce qui se passait au mois.

D' ou cette recherche un peu plus fine, et pas encore achevée sur cette variabilité à l' année du taux de tués.

 

Je n' ai pas mis toutes les transformations successives conduisant au graphe "grand format" montrant la variabilité à l' année au travers d' un modèle du taux de tués fondé sur cette moyenne glissante +/-6 mois, rectifié via une fonction en "arche de sinusoïde", choisie au "vu" de ce qui se présente sur la courbe de tués ou j' ai laissé sous-jacent la moyenne glissante. En fait j' aurai pu faire un assemblage de plusieurs fonctions périodiques, mais pour le moment j' ai choisi d' en rester sur cette apparente simplicité.

 

Le graphe des écarts qu' on voit en dessous et comme je l' ai fait remarquer avant, présente des points extrêmes par rapport à une simple appréciation visuelle, trop centrés sur les deux mois d' été juillet/août pour les écarts positifs, et trop centrés sur les deux mois d' hiver janvier/février pour les écarts négatifs pour que ça m' incite à aller un peu plus loin dans l' analyse, et pour faire bonne mesure en tenant compte du Nb WE dans le mois et éventuellement de la position des jours fériés et ponts.

 

En attendant, 2 nouvelles planches

Une sur la modélisation de la consommation mensuelle de carburant

Une autre sur la comparaison de ce qui peut être atteint selon qu' on utilise une méthode fondée sur les moyennes glissante ou sur les données annuelles, le tout associé à une modélisation mensuelle de carburant, convertie en "ondulations de trafic". Bien sûr, et pour ne pas rendre les choses difficiles à comparer, le domaine temps de la méthode des moyennes glissantes, est limitée au domaine temps ou les données de consommations mensuelles sont disponibles.

 

 

 

[PasNascutDeRes]

Sur ce graphe, c' est effectivement une moyenne glissante.

 

 

...Et elle n'est pas standard puisqu'elle est décalée de 6 mois. Une moyenne permet de lisser la courbe, ce qui ne semble pas être le cas. Le graphique non plus n'est pas standard puisque le taux est calculé en divisant une moyenne pour les tués, par des données de trafic mensualisées. Ce n'est pas homogène et cela rend difficile l'interprétation de la courbe!

 

Mais en utilisant les données mensuelles et en regardant les écarts relatifs entre une modélisation à simples exponentielles, et le taux, il en résultait un écart type qui ne correspondait pas à celui que j' espérais trouver en ramenant l' écart type au mois à l' écart type annuel.

 

Si je peux me permettre, je trouve la démarche curieuse. Si cela ne correspond pas, il faut au tout au contraire conserver le graphique et chercher la raison! Sinon c'est le biais de confirmation assuré!...Enfin, c'est mon avis...

[Papymeche2]

PNDR : ...Et elle n'est pas standard puisqu'elle est décalée de 6 mois. Une moyenne permet de lisser la courbe, ce qui ne semble pas être le cas.

 

Voila ce que j' avais mis avant et que vous avez du passer

 

 

PPM : Les tués mensuels sont rapportés à une moyenne glissante sur 12 mois centrés sur le mois en cours. (Soit le mois en cours et les 5 mois adjacents de part et d’ autre du mois en cours soit 11 mois, complété sur les bords par le quart de la somme des mois [(n+5)+(n+6)] plus sur l’ autre bord respectivement [(n-5)+( n-6)] ce qui complète à 12.

Il était important de viser une moyenne glissante sur 12 mois centrés pour éviter autant que faire se peut les effets saisonniers.

 

 

On ne peut pas faite une moyenne glissante sur 12 mois y compris celui en cours autrement. Or il faut éliminer autant que faire se peut l' effet saisonnier, et donc avoir une période de lissage la plus représentative possible de 12 mois.

Ce n' est pas parfait mais certainement mieux que de procéder de façon classique quand on n' est pas soumis à une évidente périodicité de 12 mois.

- Faire une moyenne glissante sur +/-6 mois prenant en compte le mois courant revient à faire une moyenne glissante sur 13 mois, laquelle va prendre de plein fouet au cours de l' exploration temporelle, modulo 12 mois deux fois les différences des mois de janvier et/ou juillet.

- Supprimer le mois en cours sur ces 13 mois pour avoir une moyenne glissante aura le même défaut que de faire la moyenne glissante sur le mois en cours et sur les +/- 6 mois adjacents.

 

C' est donc une moyenne par rapport au mois en cours et pas une moyenne couvrant les 12 mois antérieurs, mois en cours compris, comme le fait l' ONISR sans préciser que ce Nb représente ce qui se passait il y a 6 mois.

Cette moyenne glissante, je ne l' ai pas fait figurer dans le graphe de la planche pour des questions de lisibilité (difficile de rendre clairement un fouillis de points et de tracés. J' ai choisi la clarté...Même si ça ne vos paraît pas clair).

Elle figure dans des graphes intermédiaires conduisant au graphe final. Je peux faire quelques autres copies d' écran...

 

J' ai par ailleurs commencé un travail de prise en compte des WE et jours fériés pour "gommer" cette fois ci l' effet semainier dans les l' estimation du trafic mensuel. (et éventuellement l' effet des pont fériés). Semainier, me paraît abordable assez rapidement, mais le reste sera beaucoup plus difficile. En gros je tâche de me faire mon "Giboulée" perso, puisqu' il semble impossible de trouver comment l' ONISR procède avec son logiciel Giboulée, censé lisser la variabilité saisonnière.

PNDR : Le graphique non plus n'est pas standard puisque le taux est calculé en divisant une moyenne pour les tués, par des données de trafic mensualisées. Ce n'est pas homogène et cela rend difficile l'interprétation de la courbe!

 

Pas du tout. C' est initialement le chiffre mensuel des tués qui est divisé par un modèle de trafic mensualisé représenté par la ligne verte en arche de sinus. Et c' est donc parfaitement homogène au départ.

Mais ce que je cherchais à mettre en évidence, c' est la variabilité saisonnière du taux de tués, laquelle est représentée par la courbe en arche de sinus inversé en "bleu". Les points rouges sur fond blanc représentent les points recalculés par rapport à cette courbe en "bleu"

Je n' ai pas laissé le quotient direct entre tués mensuel et trafic mensuel interpolé des données annuelles ONISR lequel fait partie des graphes non présentés. Vu votre remarque, je le mets en place.

 

Vous verrez clairement apparaître, du moins dans les tracés lin/lin.

- le Nb de tués lissé sur +/-6 mois aux conditions exposées avant.

- puis le taux de tués non corrigé et lissé sur +/-6mois

- puis le trafic mensuel avant toute correction.

 

Et enfin le rapport entre Nb de tués mensuels et Nb de tués (en log/lin pour bien montrer visuellement cette périodicité annuelle et sa très bonne reproductivité, ce qui valide indirectement le rétropolage du modèle de consommation mensuelle)

 

 

 

Il est facile de comprendre que s' il n' y avait que les graphes en lin/lin il est quasi impossible de déterminer des tendances. Ce qui fait que probablement tout ça échappe aux acteurs actuels de la SR. Alors que ça apparaît comme le nez au milieu de la figure dès qu' on passe en log/lin

 

Edit : Outre ce que j' ai un peu complété au dessus.

 

En plus, il faut remarquer que le taux de tués calculé sur la seule évolution moyenne du trafic mensuel se présente comme une suite d' arches sinus dont le "centre de courbure" est au dessous de la courbe de taux glissant moyen, tout comme pour les arches sinus du nombre de tués mensuels par rapport à la moyenne glissante. Un peu de réflexion montre que c' est impossible. J' ai d' ailleurs fait l' erreur de ne pas l' avoir vu immédiatement dans des planches antérieures. C' est le trafic mensuel que j' avais fait évoluer pour coller au mieux aux arches sinus des tués mensuels. Or le rapport entre le trafic au mois de juillet et le mois de janvier pour atteindre la convergence était 3 fois plus élevé que ce qu' on peu voir sur les consommation.

 

Ces résultats étant parfaitement incohérents, il était clair qu' il y avait un bogue de raisonnement et qu' il ne fallait pas procéder ainsi, d' ou ce passage par un modèle de taux de tués au md de véh*km qui cette fois présente des arches sinus dont le centre de courbure est inversé par rapport aux arches des tués mensuels

 

Je conçois que ça peut surprendre, mais c' est ainsi. Et d' ailleurs qui pourrait supporter l' hypothèse que le taux de tués au Md de véh*km est meilleur en hiver qu' en été, malgré un cycle jour/nuit très déséquilibré en nuit l' hiver, et des conditions météo en moyenne plus pénalisantes l' hiver que l' été. En tous cas pas moi !

[Invité §ark881xU]

(...)

Le taux de tués au Md de véh*km est le seul paramètre que je considère pertinent pour caractériser l’ accidentologie routière sur la durée.

 

(...)

 

Par pertinent, vous entendez "fiable" selon les données à disposition (les autres données ne l'étant pas suffisamment) ou bien parce que vous considérez que globalement seul le critère de gravité est pertinent (l'occurrence des accidents ne l'étant pas)?

[PasNascutDeRes]

Bonjou Papymeche,

 

Voila ce que j' avais mis avant et que vous avez du passer

Non je ne l'ai pas passé. C'est précisément à cela que j'ai répondu le 10 à 11H.

 

...On ne peut pas faite une moyenne glissante sur 12 mois y compris celui en cours autrement.

!!!...Vous pariez?

 

Or il faut éliminer autant que faire se peut l' effet saisonnier, et donc avoir une période de lissage...

....Et une quinzaine de lignes plus loin:

Mais ce que je cherchais à mettre en évidence, c' est la variabilité saisonnière du taux de tués,

Voyez-vous la contradiction à quinze lignes d'intervalle?

 

Et c'est ce que vous avez fait: Vous avez travaillé à calculer les valeurs mensuelles, et à la fin vous présentez un graphique avec des valeurs moyennes!!! Autre point, que je n'avais pas soulevé sur ce graphique: Autant qu'on puisse voir, il y a un bruit énorme sur les valeurs, ce qui laisse penser qu'il y a un artefact dans le calcul.

 

Et d' ailleurs qui pourrait supporter l' hypothèse que le taux de tués au Md de véh*km est meilleur en hiver qu' en été, malgré un cycle jour/nuit très déséquilibré en nuit l' hiver, et des conditions météo en moyenne plus pénalisantes l' hiver que l' été. En tous cas pas moi !

Pourquoi pas? En l’occurrence toutes les hypothèses sont plausibles puisqu'il y a des paramètres qui jouent dans les deux sens et que seule l'analyse des données permet de savoir. D’où l'intérêt de votre démarche, et de faire apparaître les variations saisonnières sur votre graphique en supprimant la moyenne. Mais, je le répète, ce n'est que mon avis, après tout c'est votre graphique...

[Invité §sas058Eg]

bonjour Papymêche.

 

j'avais zappé tes derniers messages.

 

je n'ai pas encore bien saisi ce que tu as fait et en particulier la méthodologie employée sur la base des consommations de carburant.

 

les données de consommations sont celles ci "télécharger les données" ?

http://www.ufip.fr/actualites/ [...] #news_6488

 

si oui, je me pose une question :

comme tu le sais, le parc automobile a fortement évolué dans le temps.

la part des diesel a cru. celui des essence a décru (évidement)

dans le même temps, les modèles semblent devenir de plus en plus sobre (je préfère écrire "semble" car c'est discutable)

 

==> conclusion, pour un même trafic, la consommation totale de carburant ne peut être comparée simplement entre 2002 et 2015 sans s'assurer que la consommation moyenne "aux 100 km" est inchangée

 

et c'est d'autant plus vrai que tu remonteras dans le temps par interpolation

 

comment as tu corrigé cette dérive si dérive il y a ? as tu des données de consommation moyenne du parc routier permettant cette correction ?

 

A+

[Papymeche2]

Par pertinent, vous entendez "fiable" selon les données à disposition (les autres données ne l'étant pas suffisamment) ou bien parce que vous considérez que globalement seul le critère de gravité est pertinent (l'occurrence des accidents ne l'étant pas)?

 

 

Je ne remets pas en cause la fiabilité des données proposées par l' ONISR ou l' UFIP. Aucune raison objectives qu' elles ne le soient pas.

A partir de là il y a plusieurs écoles d' utilisation des données.

 

Par exemple la communication SR est fondamentalement fondée sur l' évolution du Nb de tués, car il y a au niveau de l' Europe via une organisation internationale appelée IRTAD, une proposition d' objectifs d' atteinte d' un nombre de tués donné à l' horizon 2020.

La France s' est proposé de réduire à 2000 en 2020 le Nb de tués sur l' ensemble des réseaux routiers

 

Pour moi, ce nombre sec de 2000 ne signifie pas grand chose.

Le rapporter au trafic supporté par l' ensemble des réseaux, et parler de taux de tués au Md de véh*km parcourus est pour moi bien plus pertinent, parce qu' il est raisonnable de postuler que plus il y a de trafic accumulé, (attention je parle du produit Nb de véhicules qui se déplacent par leur kilométrage annuel et pas de la densité de circulation), plus il y aura de tués.

Donc parler de taux = Nb tués divisé parcours total accumulé, c' est à mon sens un marqueur plus réaliste de l' accidentalité que le Nb sec de tués.

L' inconvénient, c' est que de parler de taux au Md de véh*km, ce n' est pas un marqueur compris par l' ensemble des Français, formatés sur le Nb de tués sec par la communication SR depuis les années 1960/1970.

 

L' IRTAD recommande d' ailleurs au divers organismes nationaux d' utiliser principalement le taux de tués au Md de véh*km parcourus pour caractériser leur accidentologie nationale. Certains le font mais pas tous. Par exemple en Europe, la Pologne, l' Italie et l' Espagne ne le font pas. La raison en est simple ces pays dont la population est du même ordre de grandeur que celle de la France, ne s' occupent pas du volume de trafic sur leur réseaux nationaux (Du moins jusqu' en 2014, je ne sais pas si ça va évoluer)

A défaut l' IRTAD essaye de "recoller les morceaux" en parlant de tués par millions d' habitants, Les tués à dénombrer, c' est facile, et les données démographiques, ç' est facile aussi.

C' est plutôt une vision de santé publique par type de causes de mortalité, et pas tellement une vision accidentologie. Faute de grives, on se contente de merles.

 

Ce que j' ai présenté, c' est le taux de tués au Md de véh*km pour l' ensemble des réseaux (routes, autoroutes etc) et que si le Nb de tués et le trafic supporté par ces réseaux était connu, on pourrait décliner le taux global en taux associés à ces différents réseaux. Ce n' est pas le cas, sauf pour les autoroutes concédées en France, que je pourrai sans doute étendre au réseau des autoroutes Françaises, au moins partiellement, et pour les autoroutes Allemandes (sans pouvoir d' ailleurs dissocier les autoroutes a vitesse contrainte des autoroutes à vitesse non contrainte). Si vous remontez la file, vous trouverez ces planches.

 

Certains, la LVCR en l' occurrence, d' autres certainement aussi, rapportent les tués à la longueur des voies en utilisant des chiffres de tués soumis à une très forte variabilité de type aléatoire, pour déterminer un indice de dangerosité en Nb de tués à la longueur. A mon sens que ces chiffres ne signifient pas grand chose quant à l' accidentologie générale. Ce sont des chiffres utilisables pour chercher des améliorations locales de l' accidentologie locale par adaptation locale des voies de circulation, mais pas pour l' accidentalité générale tant que les améliorations locales ne sont pas généralisées à l' ensemble des réseaux.

[Papymeche2]

bonjour Papymêche.

 

j'avais zappé tes derniers messages.

 

je n'ai pas encore bien saisi ce que tu as fait et en particulier la méthodologie employée sur la base des consommations de carburant.

 

les données de consommations sont celles ci "télécharger les données" ?

http://www.ufip.fr/actualites/ [...] #news_6488

 

si oui, je me pose une question :

comme tu le sais, le parc automobile a fortement évolué dans le temps.

la part des diesel a cru. celui des essence a décru (évidement)

dans le même temps, les modèles semblent devenir de plus en plus sobre (je préfère écrire "semble" car c'est discutable)

 

==> conclusion, pour un même trafic, la consommation totale de carburant ne peut être comparée simplement entre 2002 et 2015 sans s'assurer que la consommation moyenne "aux 100 km" est inchangée

 

et c'est d'autant plus vrai que tu remonteras dans le temps par interpolation

 

comment as tu corrigé cette dérive si dérive il y a ? as tu des données de consommation moyenne du parc routier permettant cette correction ?

 

A+

 

 

Ce sont bien ces données UFIP

 

Pour le reste, ça viendra...

[Papymeche2]

Bonjou Papymeche,

 

 

 

Non je ne l'ai pas passé. C'est précisément à cela que j'ai répondu le 10 à 11H.

 

OK

 

!!!...Vous pariez?

 

 

Non. Mais je suis ouvert à ce que vous me montriez comment vous faites.

Perso, je ne suis pas particulièrement satisfait de ce que j' emploie, mais j' ai expliqué pourquoi je l' emploie dans le contexte d' une forte variabilité cyclique

Si votre méthode est capable d' effacer ce qui se passe aux mois critiques de janvier et juillet, et est plus facile à appliquer que ce que je fais, il est évident que j' utiliserai.

 

....Et une quinzaine de lignes plus loin:

 

 

Voyez-vous la contradiction à quinze lignes d'intervalle?

 

Et c'est ce que vous avez fait: Vous avez travaillé à calculer les valeurs mensuelles, et à la fin vous présentez un graphique avec des valeurs moyennes!!! Autre point, que je n'avais pas soulevé sur ce graphique: Autant qu'on puisse voir, il y a un bruit énorme sur les valeurs, ce qui laisse penser qu'il y a un artefact dans le calcul.

 

 

Pour ces deux points, il faut que je complète d' autant plus que Sasq0 aborde aussi un point qui manque d' explications. Je savais qu' en présentant la planche initiale sans trop de développements autre que le les principes, ça aller forcément queuter. C' est une très bonne chose que de me forcer la main à plus d' explications.

Elles viendront.

 

Pourquoi pas? En l’occurrence toutes les hypothèses sont plausibles puisqu'il y a des paramètres qui jouent dans les deux sens et que seule l'analyse des données permet de savoir. D’où l'intérêt de votre démarche, et de faire apparaître les variations saisonnières sur votre graphique en supprimant la moyenne. Mais, je le répète, ce n'est que mon avis, après tout c'est votre graphique...

Ca viendra, mais ça se prépare, et j' ai faim.

[Papymeche2]

bonjour Papymêche.

 

j'avais zappé tes derniers messages.

 

 

comme tu le sais, le parc automobile a fortement évolué dans le temps.

la part des diesel a cru. celui des essence a décru (évidement)

dans le même temps, les modèles semblent devenir de plus en plus sobre (je préfère écrire "semble" car c'est discutable)

 

==> conclusion, pour un même trafic, la consommation totale de carburant ne peut être comparée simplement entre 2002 et 2015 sans s'assurer que la consommation moyenne "aux 100 km" est inchangée

 

et c'est d'autant plus vrai que tu remonteras dans le temps par interpolation

 

comment as tu corrigé cette dérive si dérive il y a ? as tu des données de consommation moyenne du parc routier permettant cette correction ?

 

A+

 

 

Bonjour Sasq0

 

Voila une réponse en image

 

Sur14 ans le trafic est passé de 552.3 à fin 2002 à 572.4 à fin 2014, et la courbe de tendance sur le total super + gazole si limitée au premier ordre, est légèrement décroissante.

J' ai laissé la courbe de tendance au 3° ordre car seul le correctif saisonnier m' intéressait. Ce correctif est acquis par rapport à la tendance. C a d que quand c' est visuellement presque plat, un 1° ordre ou un 3° ordre, ça change de fiffrelins le facteur correctif

 

Bien sûr il y a de plus de diesel proportionnellement, et qui consomment un peu moins au milliard de km parcourus que les essence, mais je pense que la tendance générale tant augmentation du volume de trafic que baisse du carburant totale (pas Total hein) fait passer la conso apparente du mélange de véhicules de 9.5 à 8.7 litres aux 100km entre fin 2001 et fin 2015.

Dépatouiller cette baisse entre diesel et essence, ce sera sans moi, car il faudrait remonter au trafic associé à chaque type de motorisation. Je n' ai pas çà sous le coude.

 

Ca baisse, mais en fait pas tellement.

 

Quant à cette planche n°7 elle devrait être parlante.

 

Elle fait partie d' une dizaine de planches que je n' ai pas encore mis à l' accés libre. J' ai voulu me contenter de deux planches de synthèse présentées initialement, mais je vois qu' il faut expliquer plus.

[PasNascutDeRes]

Bonjour,

 

Perso, je ne suis pas particulièrement satisfait de ce que j' emploie...

 

Si cela peut vous rassurer, il n'y a que dans le doute qu'on progresse.

 

...Si votre méthode est capable d' effacer ce qui se passe aux mois critiques de janvier et juillet, et est plus facile à appliquer que ce que je fais, il est évident que j' utiliserai.

 

- De quelle variabilité parlez-vous? (puisque tout varie!)

- Pourquoi voulez-vous effacer "ce qui se passe aux mois critiques de janvier et juillet"?

 

Maintenant, si je regarde de prés vos dernières données:

 

 

On constate que les consommations de carburant sont relativement stables sur l'année puisque oscillant dans +/-5%. A partir de là deux hypothèses: Première hypothèse: Ces consommations sont assez représentatives du trafic et vous établissez votre graphique tués/milliard de km parcouru. Deuxième hypothèse: ce n'est pas le cas, et l'exercice est terminé puisqu'il ne sera pas possible d'observer la saisonnalité. En l'état je penche pour la deuxième hypothèse.

[Papymeche2]

Bonjour

- De quelle variabilité parlez-vous? (puisque tout varie!)

- Pourquoi voulez-vous effacer "ce qui se passe aux mois critiques de janvier et juillet"?

 

Maintenant, si je regarde de prés vos dernières données:

 

 

On constate que les consommations de carburant sont relativement stables sur l'année puisque oscillant dans +/-5%. A partir de là deux hypothèses: Première hypothèse: Ces consommations sont assez représentatives du trafic et vous établissez votre graphique tués/milliard de km parcouru. Deuxième hypothèse: ce n'est pas le cas, et l'exercice est terminé puisqu'il ne sera pas possible d'observer la saisonnalité. En l'état je penche pour la deuxième hypothèse.

 

 

Penchez, mais surtout gardez l' équilibre.

"Effacer" est un terme qui est peut-être inapproprié. Je ne cherche pas à effacer ces mois critiques, mais simplement à ce que la methode utilisée, et peu importe la méthode, que cette méthode ne conchie pas la moyenne glissante et reste également distribuée de part et d' autre de cette moyenne.

 

Si vous observez les écarts entre modèle de consommation et les volumes mensuels, vous verrez que le modèle ne recouvre pas très souvent les dits volumes. Ca se produit sur à peine une année. Mais vous verrez aussi que ces écarts évoluent en "bang bang" entre +/-5% sur 3 mois successifs la plupart du temps avec le mois intermédiaire très proche du modèle. Le temps de réponse entre consommation et production ne peut être très petit. Il faut probablement passer par des stockages intermédiaires, ce qui peut expliquer ce curieux "bang bang", lequel a une périodicité plus faible que la période d' une année. Le traînage entre production et consommation ramené sur la durée d' observation est à mon sens négligeable.

Vous pensez bien que j' ai réfléchi à la représentativité du volume comme image du trafic mensuel dans ses qualités et défauts. Et si je suis passé par une modélisation pour déterminer l' effet cyclique annuel se superposant à un modèle long terme fondé sur les points annuels, c' était bien parce que le modèle long terme ne me satisfesait pas.

Comment expliquer cette variabilité du volume selon un cycle annuel, sans penser à ce qu' il représente aussi une variabilité du trafic sur le même cycle annuel ?

C' est du solide. Raison pour laquelle je penche pour la première hypothèse. Même si on peut trouver un peu d' arguments contre. (Clim par exemple)

 

J' aimerai que vous argumentiez sur votre penchant pour la deuxième hypothèse, Pas sur le fait qu' elle soit une possibilité, mais sur ce qui vous conduit à dire "en l' état je penche sur la 2° hypothèse"

 

De plus il existait au SETRA (passé à la trappe, car ça ne se fait plus) , des données de trafic mensuel sur le réseau des autoroutes qui montraient cette variabilité annuelle, avec une petite pointe au mois de juillet et/ou août sur les autoroutes concédées

J' ai ça quelque part, et si je retrouve je mettrais une nouvelle planche.

Certes c' est pénible de payer les gestionnaires de ce réseau pour emprunter ce réseau, mais au moins, et grâce aux péages, le volume circulé et l' occupation des véhicules sont des données accessibles via les rapports AFSA.

 

Je souhaite que l' on cure ce point de représentativité du trafic mensuel via la conso carburant, en l' absence de données tabulées par les organismes nationaux, avant de poursuivre.

 

A vous lire

[Papymeche2]

@ PasNascutDeRes : Pas retrouvé de lien pour le fichier Excel du SETRA que j' ai en babasse, mais une capture qui devrait vous aider à moins pencher, voire à vous redresser.

C' était la dernière mise à jour que j' ai trouvé avant que le SETRA ne s' occupe plus de cette compilation, pour cause de redistribution de gestion des réseaux de nationales, et des rôles avec l' ONISR, qui bien sûr ne fait pas état de ces intéressantes infos sur la Toile.

Ca ne veut pas dire que ce n' est plus fait, mais si c' est fait, c' est inaccessible

 

La variabilité saisonnière n' est quand même pas sortie des seules volumes de carburants.

 

 

Je ne sais pas comment cela a été établi ailleurs que pour le réseau concédé, mais pour ce dernier, les moyens existent de recouvrer des chiffres précis.

Dans les rapports annuels ONISR actuels, il est possible en faisant gaffe aux différents transfert de RN vers les collectivités locales, de retrouver ces chiffres annuels, mais pas mensuels.

Ca laisse supposer que les données mensuelles sont toujours suivies quelque part et non diffusées au public curieux.

 

J' utiliserai sans doute ces données pour essayer ne mieux cerner le taux de tués hiver ou été et réduire les écarts récurrents à l' année du graphe d' écarts avec la modélisation.

Faire de la modélisation fondée sur l' observation et empirisme, ce n' est pas se faire plaisir comme certains pourraient, et on pu me le reprocher.

C' est un moyen de rentrer un peu plus dans la connaissance de ce qu' on observe.

[PasNascutDeRes]

 

J' aimerai que vous argumentiez sur votre penchant pour la deuxième hypothèse, Pas sur le fait qu' elle soit une possibilité, mais sur ce qui vous conduit à dire "en l' état je penche sur la 2° hypothèse"

Je rejette la première hypothèse pour la même raison que vous: Tout simplement parce que je ne crois pas à une stabilité du trafic à +/-5% sur l'année. Cette variation de la consommation est très probablement liée à la gestion logistique et aux stocks. C'est normal et facile puisque le trafic est prévisible sur l'année. Reste les hypothèses alternatives. Votre modèle en "arche" me paraît plus plausible, mais ce n'est qu'un modèle et il reste a trouver d'autres données pour le consolider.

[Papymeche2]

Je rejette la première hypothèse pour la même raison que vous: Tout simplement parce que je ne crois pas à une stabilité du trafic à +/-5% sur l'année. Cette variation de la consommation est très probablement liée à la gestion logistique et aux stocks. C'est normal et facile puisque le trafic est prévisible sur l'année. Reste les hypothèses alternatives. Votre modèle en "arche" me paraît plus plausible, mais ce n'est qu'un modèle et il reste a trouver d'autres données pour le consolider.

 

 

 

 

Je ne rejette aucunement la première hypothèse puisque je l' assume pleinement. Et bien sûr cette variabilité à +/-5% voire même +/-10% autour des arches puisque je pense moi aussi qu' elle résulte de la gestion logistique des stocks.

Je ne vois pas pourquoi ça se reproduirait d' une manière cyclique si ce n' était pas du à une demande en moyenne cyclique.

 

Il me semble que votre rejet de la première hypothèse se contredit lui même dans l' argumentaire que vous employez sur les phrases en" bleu".

Je ne vois aucune raison pour laquelle on stockerai plus de carburant l' été qu' en hiver, en moyenne extraite par la tendance en simple arche sinus (qui pourrait être autre, mais qui serai quand même porteuse de cette variabilité cyclique à l' année)

 

Il est d' autant plus contredit, que je vous ai mis une capture d' exploitation de données de volume de circulation d' un fichier SETRA. C' est d' ailleurs pour ça, que j' ai cherché à étendre à la fois dans le temps et sur l' espace des réseaux, ce que le fichier SETRA montrait.

Je ne partais pas de scratch sur ce sujet.

 

Ca reste un modèle je suis d' accord, Et comme tout modèle, il tient la route jusqu' à ce qu' il soit invalidé.

Je vous vois mal dire le contraire....

A moins que vous ne fussiez en mesure de l' invalider factuellement.

 

A vous lire

 

 

Edit : Modification en gras

Les +/-10% sortent de l' écart entre les données du mois et les arches.

Vous avez çà ici

Le taux de tués au milliard de km parcourus

[PasNascutDeRes]

J'abandonne.

[Papymeche2]

J'abandonne.

 

 

Vous abandonnez quoi ?

Le sujet, ou votre inclination ?

On constate que les consommations de carburant sont relativement stables sur l'année puisque oscillant dans +/-5%. A partir de là deux hypothèses: Première hypothèse: Ces consommations sont assez représentatives du trafic et vous établissez votre graphique tués/milliard de km parcouru. Deuxième hypothèse: ce n'est pas le cas, et l'exercice est terminé puisqu'il ne sera pas possible d'observer la saisonnalité. En l'état je penche pour la deuxième hypothèse.

 

Edit : rajouté quelques précisions ici

Le taux de tués au milliard de km parcourus

[Invité §sas058Eg]

si vous avez 426 E à perdre, vous pouvez avoir plus de précision sur les stocks et les livraisons ... (dommage que ce soit payant ...)

 

http://www.cpdp.org/achats-en- [...] n%C3%A7ais

[Papymeche2]

si vous avez 426 E à perdre, vous pouvez avoir plus de précision sur les stocks et les livraisons ... (dommage que ce soit payant ...)

 

http://www.cpdp.org/achats-en- [...] n%C3%A7ais

 

Bonjour Sasq0

 

Sans moi.

Je me contente du fichier trouvé sur le site de l' UFIP, que je trouve suffisant pour ce que je fais

Cette planche n°7 correspond t' elle à ce que vous demandiez ?

 

Je vais bricoler du côté des FFT et des distributions pour affiner.

[Papymeche2]

Bonjour

 

Voici une planche complémentaire fondée sur l' analyse FFT du contenu cyclique annuel du rapport Nb tués mensuel/Moyenne glissante de tués sur +/-6 mois, du contenu cyclique annuel présent dans les consommations de carburant mensuels.

J' ai fait figurer sur un même graphe la FFT brute et la FFT du modèle pour que ce soit clair

On retrouve la succession de périodes sur les FFT brutes telles qu'attendues pour une arche sinus. Mais bien sûr jusqu' à ce que le bruit statistique vienne masquer ce qui se passe au delà d' une périodicité de 36 mois.

A noter la bonne cohérence entre la distribution des écarts par rapport aux modèles avec une distribution normale normée, ce qui renforce la crédibilité des modélisations.

Sans autre commentaire.

 

 

 

[Papymeche2]

Un petit up pour Dom

[Invité §dom285lk]

Un petit up pour Dom

 

[PasNascutDeRes]

...le taux de tués au Md de véh*km, est très nettement différent en été et en hiver. Environ 50% de plus en hiver qu' en été.

Jamais vu de neige ou de verglas en été sur les routes que je pratique toute l' année."

 

Bonjour,

 

L'écart d'environ 50% entre hiver et été n'est pas surprenant en soi, mais je n'arrive pas à le voir sur la courbe, malgré le grossissement.

 

 

 

Serait-il possible d'avoir un graphique, avec uniquement la représentation de ce taux?

[Papymeche2]

Bonjour

 

Je n' ai pas chargé toutes les planches que j' ai créé à ce sujet sur le forum.

Je viens d' en charger quelques unes qui remplacent éventuellement des planches libellées autrement.

Je voudrais pouvoir gérer les liens avec ce que j' ai écrit dans cette file mais ne sait pas si c' est possible.

 

J' ai regroupé par ordre de N° 9 planches sur les 12 en babasse. Donc il y a des trous (volontaires)

Il y a maintenant dans le classeur (en tête, car je ne peux pas faire le ménage avec les autres planches n' ayant pas de rapport et/ou développées dans un nouveau classeur) les planches 1/3/5/6/7/9/10/11/12

N' y figurent pas les planches 2/4/8, qui n' ont d' intérêt que pour moi.

 

Chaque graphe de chaque planche a un label [figure (n° planche) - (lettre a;b;c; etc)]. Ca permet si vous parlez d' un graphe de repérer le graphe en question.

Je ne prévoyais que de présenter la n°1, et la n°10.

 

Je pense que bien que non appelées dans mes écrits, vous avez accès à toutes les planches contenues dans le classeur. (Même celles que je voudrais virer). Vous pouvez vous en servir en repérant bien de quoi il s' agit, si vous voulez en parler

 

Ceci étant précisé, votre question. je fais descendre sur la file les planches n°6 et n°7

 

 

Le graphe figure 6-(b) montre le quotient en tués du mois et ne nombre moyen de tués mensuel lissé sur +/-6mois ainsi que la tendance qui sous-tend ce quotient (en bleu le rapport, en magenta la tendance)

La tendance est déterminée aux moindres carrés sur un modèle empirique estimé d' abord visuellement pouvant être assimilable à une arche de sinusoïde d' ou 3 coefficients à faire converger par le solver Excel (période annuelle, déphasage en jours et écart par rapport à "un", puisque ça revient à faire une normalisation à "un" sur l' année en cours et les suivantes).

On peut faire marginalement mieux en introduisant d' autres termes tels que des terme en sinus. (J' ai essayé mais c' était tellement fifrelinesque du point de vue Coefficient de corrélation et R² que je n' ai finalement pas utilisé.

Tous les coefficients de la régression sont donnés à droite sur le graphe. L' amplitude de l' arche est de 0.355.

 

Le graphe figure 7-(b) montre ce qui vient se superposer à la tendance long terme de la consommation de carburant, qu' il faut d' abord déterminer par une tendance polynomiale ce qu' Excel fait très bien tout seul (Essayer de faire ça via la pose d' une équation polynomiale et d' une convergence au moindre carré, on peut se brosser si dès qu' on aborde le 2° ordre. Donc il faut mieux laisser Excel le faire avec les outils propres au tracés et recopier les coefficients trouvés avec un nombre suffisant de chiffres significatifs, puis les recopier dans ce qui sert à construire cette tendance long terme sur environ 12 ans.

On voit alors apparaître une tendance court terme annuelle à forte composante que j' ai estimé encore être de la forme d' une arche de sinusoïde. Même technique que pour la détermination des paramètres du modèle court terme se se superposant au modèle long terme, avec exactement les même remarques quant à l' utilité d' essayer un peu plus complexe.

L' amplitude de l' arche est de 0.128.

 

J' ai bien sûr conforté mon pif sur le choix d' une arche sinus en faisant des essais divers, et en rebouclant tout ça avec FFT et distributions que je remets ici

 

 

Disposant du modèle de consommation sur 12 ans , il faut ensuite rapporter ça au volume de trafic. Celui ci n' est pas connu mensuellement (encore que, vous verrez plus loin)

Très simplement, on divise le volume de carburant annuel (somme des volumes mensuels sur l' année) par le volume de trafic annuel. (en faisant gaffe à bien synchroniser les dates)

Ca donne une évolution de la consommation de carburant au Md de véh*km de l' ensemble de ce qui accumule des km. On passe de # 9.2L/100km en 2002 à # 8.5L/100 km en 2015.

On détermine ainsi un chiffre de consommation mensuelle évolutif de façon monotone au fil des mois, que l' on transforme alors en volume de trafic mensuel par la transformation inverse sur le long terme des consommations connues sur de 2002 à 2015.

Reste à superposer la dessus, les variations de la tendance court terme de la consommation.

C' est mon choix, mais j' aurai pu prendre les écarts par rapport par rapport à la tendance long terme, mais constatant que les écarts se distribuent en moyenne, un coup au dessus de la tendance un coup en dessous, et intuitant être en présence de phénomènes de stockage relâchement de stock, de lissage en distribution, j' ai soigneusement évité de la faire.

Ca suppose que la consommation au Md de km n' est pas sensible aux effets saisonniers été/hiver. Je l' ai supposé ainsi parce que je n' ai aucune données me permettant de faire autrement.

Il y a bien Sebmac qui me dit sur la file qu' il a constaté consommer plus en hiver qu' en été. Soit ! Je prends ! mais alors ça ne peut signifier que l' amplitude saisonnière sur le trafic serait encore plus forte que celle déterminée ci dessus, ce qui voudrait dire que l' effet saisonnier sur le taux de tués au Md de véh*km aurait un amplitude plus grande que celle que j' annonce.

 

C' est maintenant que ça peut coincer un peu. Il est légitime en première approximation de dire que le volume de trafic mensuel suit la tendance court terme qui se superpose à a tendance longue de 2002 à 2015 ans de la somme super plus gazole, il faut extrapoler pour remonter au trafic mensuel jusqu' aux années 1970. Et une extrapolation aussi longue, je n' aime pas. pas moyen cependant de faire autrement.

J' ai simplement rapporté le modèle court terme de volume de carburant à la tendance annuelle du volume de trafic, lequel est connu aussi en remontant annuellement vers 1970, ce qui permet de déterminer une tendance mensuelle long terme de trafic mensuel, auquel il suffit de corriger de la tendance court terme.

Mais je n' ai pas grand chose pour bétonner cette extrapolation.

Ce n' est pas grave dans la mesure ou ce qui se passe entre 2002 et 2015 est de l' empirisme contrôlé.

 

Je ne suis pas entièrement satisfait de ce que j' ai fait, car il reste encore à démêler les effets calendaires de Nb de WE dans le mois et du Nb de jours fériés et ponts, pour encore mieux cerner la variabilité autours de la tendance

 

Ceci vous le trouvez figure 7-©

 

Ensuite, il suffit de diviser le nombre de tués mensuel par ce modèle de trafic mensuel prenant en compte la variabilité saisonnière pour obtenir des points discrets de tues au Md de véh*km mensuels sous tendus par une tendance établie sur le taux de tués glissant sur +/-6 mois.

 

Vous avez ça sur la planche n°9 figure 9-(b), la figure 9-(a) étant relative au tués en nombre mensuel et en moyenne glissante +/-6 mois.

 

 

Reste ensuite la planche n°10, ou j' ai appliqué une modélisation de décroissance exponentielle su ce travail mensuel. C' était pour voir que ça recoupait très bien le travail antérieur sur les données annuelles.

 

 

L' avantage de ce travail au mois, c' est qu' on voit bien mieux ce qui s' est passé sur le transitoire CSA (c' est mon choix de l' appeler comme ça). Ce sera pour plus tard.

 

Je n' ai pas une réponse directe à votre question initiale puisque tout est sur les graphes en log-lin. Il faut que je reprenne le fichier, il y a peut-être une erreur de principe ou inversion de signe qui m' a échappée, d' ou l' intérêt des observations des uns et des autres.

Pouvez vous resituer votre agrandissement compte tenu des labels définis en haut de page. (J' ai pas mal changé de choses dans les graphes depuis la première mise à l' expertise des intervenants)

Me reste encore des analyses à faire sur l' impact calendaire...Tenir compte aussi de la pointe juillet/août qu' on voit sur les courbes SETRA données dans un précédent post ... Travail de mauvais temps. Pas un travail de printemps.

[PasNascutDeRes]

 

 

Je n' ai pas une réponse directe à votre question initiale puisque tout est sur les graphes en log-lin. Il faut que je reprenne le fichier, il y a peut-être une erreur de principe ou inversion de signe qui m' a échappée, d' ou l' intérêt des observations des uns et des autres.

Pouvez vous resituer votre agrandissement compte tenu des labels définis en haut de page.

 

Bonjour,

 

Oui j'aurais du préciser: C'est sur la planche "graphes initiaux", le taux au milliard de km parcouru en linéaire. Sur les trois dernières années c'est suffisant.

[Papymeche2]

Bonjour,

 

Oui j'aurais du préciser: C'est sur la planche "graphes initiaux", le taux au milliard de km parcouru en linéaire. Sur les trois dernières années c'est suffisant.

 

 

@ PasNascutDeRes : Problème délicat ! Je n' ai pas pris la bonne colonne du fichier Excel qui me sert à produire ces analyses. C' est désolant, mais ça arrive quand on est en boucle ouverte sur un sujet.

C' est d' ailleurs pour ça, que je mets ces analyses sur ce forum.

Hum : Ce n' est pas pour ça qu' il faudrait couper la tête du manant.

 

Je vais avoir pas mal de choses à rectifier sur les analyses mensuelles dont entre autre la conclusion que le taux de tués est plus important hiver qu' été, laquelle devient taux de tués plus important été qu' hiver.

Mes habituels critères de vérification rapide fondés sur la réduction des écarts types et des R² au fur et à mesure d' une amélioration de modèle, n' ont pas décelé l' anomalie car allaient dans le sens prévu. J' ai la rogne !

C' est votre insistance qui m' a fait rechercher une nouvelle fois s' il n' y avait pas un bug que je pensais avoir évité lors d' une précédente "remise à plat" du fichier et de la méthodologie utilisée.

[PasNascutDeRes]

J' ai bien sûr conforté mon pif sur le choix d' une arche sinus en faisant des essais divers,...

 

Confidence pour confidence, j'ai du mal avec le demi sinus...Une sinusoïde complète me paraît plus proche de la réalité, mais bon, c'est au pif!