À 30 km/h la pollution diminue de 28% démontre une étude britannique

De nouvelles recherches menées par le cabinet d’ingénieurs-conseils britannique  Skyrad modélisent l’impact de la limitation de la vitesse à 30 km/h par rapport à 50 km/h.
Cette modélisation « en conditions réelles », qui tient compte de la nature discontinue de la circulation urbaine, donne un résultat très différent des modèles traditionnels en régime permanent. Il montre des réductions importantes et substantielles des émissions : Le CO2 est réduit de 26 % et les NOx de 28 %.

COP26 : appel aux gouvernements à passer au 30 km/h généralisé*

À l’occasion de la COP26 à Glasgow en octobre 2021, les militants appellent les gouvernements à fixer des limites de vitesse de 20mph ou 30km/h par défaut dans les villes et villages comme le recommande les Nations-Unies.

Bien que l’industrie automobile soit parfaitement consciente de l’impact de l’accélération sur les émissions des véhicules, elle ne publie pas les résultats. Selon la physique de base, il faut 2,25 fois plus d’énergie pour atteindre une vitesse de 50 km/h que pour atteindre une vitesse de 30 km/h. Lorsque ce phénomène est répété dans l’environnement réel, où nous ralentissons aux carrefours, aux feux tricolores, aux bouchons et autres dangers, l’accélération devient le facteur dominant dans les émissions globales du trajet.

Skyrad a modélisé les émissions de CO2 et de NOx pour l’accélération de l’arrêt à une vitesse comprise entre 5 et 50 mph (8 à 80 km/h) pour un certain nombre de véhicules, avec les résultats suivants pour une Ford Focus à essence.

L’accélération et le freinage répétés, plutôt que l’état stationnaire, représentent une bien meilleure modélisation des émissions du monde réel dans nos villes et villages congestionnés.

Le Pays-de-Galle et l’Écosse vont passer au 30  km/h généralisé

Le Pays de Galles prévoit déjà de faire passer la limite nationale par défaut de 50  à 30 km/h d’ici 2023. Outre l’amélioration de la qualité de vie et la réduction du nombre de victimes, la réduction du CO2 dans les transports[2] est également citée comme une raison de changer. Le gouvernement écossais a annoncé son intention de faire de la limitation de vitesse à 30 km/h la norme dans tout le pays à partir de 2025.

Les réductions des limites de vitesse sont une initiative clé pour réduire les émissions de CO2 qui réchauffent le climat et les NOx nocifs. Elles ont également un effet significatif sur la santé publique grâce à l’amélioration de la qualité de l’air et à la mobilité douce.

Rod King MBE, fondateur et directeur de campagne de 20’s Plenty for Us a déclaré

« Il est clair que les accélérations répétées dominent les émissions en ville. Cette recherche quantifie cet effet et montre comment la réduction des vitesses maximales peut avoir un effet bénéfique significatif sur les émissions. Il est temps pour tous les gouvernements de dire « 30 km/h, c’est bien pour la planète et pour notre santé. À l’approche de la COP26, il s’agit d’une étape efficace vers la réduction du carbone dans les transports« .

 

Résumé de l’étude**

La simulation modélise le comportement de conduite, la vitesse, la consommation de carburant et les émissions des véhicules dans une circulation de type arrêt – démarrage, typique de la conduite à Londres ou dans une ville similaire très fréquentée.

L’objectif de la simulation est de voir les effets de l’accélération à différentes vitesses maximales, en tenant compte des effets de la circulation.

La question abordée est la suivante : si les véhicules atteignent la vitesse limite dès que la route devant eux est dégagée, quel est l’effet de cette vitesse limite sur leurs émissions, leur vitesse moyenne et leur temps de conduite ?
L’étude ne cherche pas à mesurer le comportement des conducteurs, c’est-à-dire la vitesse à laquelle ils ont tendance à rouler en fonction des différentes limitations de vitesse. Cette mesure sera différente, car tous les conducteurs ne respecteront pas la limite de vitesse – certains conduiront plus lentement que la limite et d’autres la dépasseront.

L’énergie consommée sur le même trajet à des vitesses limitées à 15 mph, 20 mph (30 km/h) et 30 mph (50 km/h), et la répartition de l’énergie consommée en phases d’accélération, de décélération, de croisière et d’arrêt.

La circulation a été modélisé sous la forme d’une file de véhicules identiques traversant une série de feux de signalisation, qui représentent chacun le franchissement d’un carrefour, d’un passage pour piétons, d’un véhicule précédent qui tourne ou d’un autre obstacle ou raison de ralentir. L’espacement des feux de signalisation a été fixé à 160 m, sur la base des cartes Google Street view d’une série de grandes routes londoniennes (A23, A2, A315, A219) et en conduisant autour de Londres dans différentes conditions de circulation à différents moments de la journée et en comptant le nombre de fois par kilomètre où la circulation a provoqué l’arrêt du véhicule ou sa descente en dessous de 5 mph (8 km/h). Le nombre moyen d’arrêts par kilomètre parcouru était de 10, ce qui correspond à un carrefour tous les 160 mètres. En termes d’émissions, une baisse à 8 km/h ou moins équivaut approximativement à un arrêt complet.

Une file de 100 véhicules a ensuite été modélisée sur l’itinéraire. Les véhicules démarrent à l’arrêt et s’arrêtent lorsqu’ils franchissent un feu rouge ou pour maintenir la distance avec le véhicule qui les précède. Le 95e véhicule de la file d’attente est pris comme véhicule représentatif d’un trafic pleinement développé (c’est-à-dire qu’il n’est pas le premier véhicule sur la route le matin).

La simulation est répétée 50 fois avec différentes phases de feux de circulation aléatoires. Pour chaque véhicule, l’énergie requise est calculée en fonction de la masse, de la résistance au roulement, du coefficient de traînée et de la surface frontale. L’énergie requise est ensuite mise en correspondance avec un modèle de rapport de boîte de vitesses pour ce véhicule, et le couple et le régime sont utilisés pour rechercher la consommation spécifique de carburant au frein pour ce moteur à partir des cartes de moteurs publiées par l’EPA https://www.epa.gov/vehicle-and-fuel-emissions-testing/combining-data-complete-engine-alpha-maps . Notez que ces cartes concernent les véhicules à essence. Nous ne disposons pas de cartes équivalentes pour les moteurs diesel.

Le nombre d’arrêts-départ est différent pour chaque simulation, en raison du phasage aléatoire des feux de circulation.

Le cycle de fonctionnement des feux de circulation a été ajusté pour donner une vitesse moyenne de 7,4 mph (11,2 km/h) (basée sur la vitesse moyenne du trafic publiée par TfL) à une vitesse maximale de 30 mpe (50 km/h).

Le modèle a été animé pour montrer l’interaction entre la vitesse maximale et les files d’attente. En général, la progression du véhicule n’est affectée par la vitesse que de manière intermittente. La plupart du temps, le véhicule se trouve à la même place dans la file d’attente pour le prochain feu. Ce n’est qu’occasionnellement qu’une vitesse plus élevée permet au véhicule de passer le feu suivant au vert.

Simulations vidéo

Il convient de noter que l’un des principaux facteurs de la vitesse moyenne est la taille du véhicule et l’avance aux feux. Les véhicules plus petits avec une vitesse de pointe plus faible ont une vitesse moyenne plus rapide. Si tous les Londoniens conduisaient une voiturette de golf dont la vitesse maximale est de 15mp/h (24 km/h) heure, la vitesse moyenne serait de 8,9 mph (12,87 km/h), contre 7,4 miles par heure (11,26 km/h) pour les véhicules de grande taille roulant à 30 mpe (50 km/h). Ce phénomène est illustré par cette simulation.

Le modèle de CO2 a été validé par un simple test empirique. Nous avons mis en place un tronçon de route vide de 2 km et accéléré jusqu’à la vitesse maximale 14 fois (ce qui équivaut à s’arrêter tous les 140 m), puis nous avons mesuré le kilométrage moyen en utilisant l’ordinateur de bord du véhicule. Le véhicule était une Toyota Verso 2.2l diesel.

Qui est Skyrad**

Skyrad est une société d’ingénierie basée à Londres, spécialisée dans les dispositifs d’économie d’énergie et de maison intelligente. Nous travaillons depuis la faisabilité initiale jusqu’à la livraison du produit. Nous sommes spécialisés dans les communications, la reconnaissance des formes et l’analyse des données, et nous cherchons à utiliser la technologie, la méthodologie et les meilleures pratiques développées dans les secteurs de l’apprentissage automatique, de l’automobile et de la défense pour faire des percées et développer de nouvelles inventions et de la propriété intellectuelle dans d’autres domaines.

Sources :

• *20 is plenty for us
• **Skyrade – Transport innovation research