Analyse d’optimisation par simulation de l’organisation des flux de passagers dans les stations d’échange de métro utilisant AnyLogic

Pourquoi les stations encombrées importent

Quiconque s’est dépêché à travers une station de métro bondée sait à quel point la foule peut être source de stress. Files aux distributeurs de billets, goulots d’étranglement aux portiques et flux de personnes qui se croisent ralentissent tout le monde et posent des problèmes de sécurité. Cette étude examine une station d’échange très fréquentée où des voyageurs de trains interurbains se jettent directement dans le métro et pose une question simple mais puissante : en repensant soigneusement les itinéraires, les portiques et la signalisation, dans quelle mesure peut-on rendre la ruée quotidienne plus fluide et plus sûre ?

Un regard plus précis sur un nœud de correspondance encombré

Les chercheurs se concentrent sur la station S d’une grande ville chinoise, où le métro est relié directement à la gare principale. Pendant les heures de pointe, environ 4 000 personnes par heure entrent dans le métro, la plupart venant de trains à grande vitesse et beaucoup avec des bagages. Comme la sortie principale des quais ferroviaires débouche près d’un seul groupe de distributeurs et de portiques, les nouveaux arrivants s’y dirigent instinctivement. Parallèlement, d’autres passagers sortent du métro ou changent de ligne. Il en résulte une zone étroite où des personnes se dirigeant dans des sens opposés se croisent et génèrent rapidement des embouteillages.

Construire un jumeau numérique de la foule

Plutôt que d’expérimenter directement sur des voyageurs réels, l’équipe crée une simulation informatique détaillée de la station avec un logiciel spécialisé appelé AnyLogic. Chaque piéton virtuel se comporte comme un individu : il choisit des itinéraires, accélère ou ralentit et évite les autres en s’appuyant sur une idée de « force sociale » : les gens sont attirés vers leurs objectifs, repoussés pour éviter les collisions et légèrement attirés par des éléments clés comme les sorties ou les escalators. Le modèle intègre des mesures réelles, notamment la vitesse de marche des personnes avec et sans bagages, la durée des achats de billets et la rapidité de passage aux portiques et escalators. Avec ce jumeau numérique, les chercheurs peuvent rejouer l’heure de pointe et voir exactement où se forment files d’attente et zones de forte densité.

Identifier les points de congestion

Exécuter la simulation pour une heure de pointe typique confirme ce que suggéraient les observations sur site. Un ensemble de distributeurs et un groupe de portiques près de la sortie de la gare sont saturés, affichant des densités de passagers très élevées et de longues files. En revanche, d’autres portiques et distributeurs, plus éloignés, restent sous-utilisés. La signalisation actuelle incite la plupart des gens—en particulier environ 88 % qui ne connaissent pas la configuration—à utiliser le groupe de portiques le plus proche. Environ 28 % des passagers choisissent également d’acheter des billets papier aux distributeurs les plus proches plutôt que de scanner un code, ce qui intensifie encore la pression sur cette petite zone. Ce déséquilibre gaspille de l’espace au sol et ralentit tout le monde.

Repenser les parcours, les portiques et la signalisation

Pour remédier à ces problèmes, les chercheurs testent une stratégie combinée. D’abord, ils reconfigurent les installations physiques : plusieurs portiques peu utilisés sont convertis en un nouveau groupe de portiques d’entrée de l’autre côté du hall, et un groupe de distributeurs jusque-là inactif est mis en service. Ensuite, ils repensent l’orientation. De nouveaux panneaux suspendus et autoportants sont placés aux angles et intersections clés pour séparer doucement les passagers selon leur destination, dirigeant ceux qui vont vers différentes lignes de métro vers des portiques et distributeurs distincts. Les messages restent simples, reflétant le fait que les gens ne retiennent qu’un petit nombre d’informations d’un coup d’œil. Dans la simulation, la plupart des passagers suivent les panneaux, tandis qu’une minorité conserve ses itinéraires habituels les plus courts, reproduisant le comportement réel.

Quelle amélioration est possible ?

Lorsque l’équipe compare plusieurs scénarios—modifier seulement les installations, seulement la signalisation, ou les deux ensemble—l’approche combinée l’emporte nettement. Les densités maximales aux pires goulots d’étranglement diminuent d’environ 40 à 60 %, les files aux distributeurs et portiques les plus fréquentés se réduisent fortement, et le temps moyen nécessaire aux passagers entrants pour atteindre leurs quais baisse d’environ un quart. Fait important, la qualité de service aux points les plus congestionnés passe d’un niveau « pire cas » à un niveau plus acceptable, même si une zone de sortie devient légèrement plus fréquentée du fait de la redistribution des flux. La station dans son ensemble fonctionne plus harmonieusement, avec des flux plus clairs et moins de points de conflit.

Ce que cela signifie pour les usagers quotidiens

Pour le voyageur quotidien, la conclusion est encourageante : des gains importants en confort et en sécurité ne nécessitent pas toujours des travaux coûteux ou de nouvelles technologies. En combinant un meilleur emplacement des portiques et distributeurs avec des panneaux bien conçus et faciles à suivre, les autorités de transport peuvent transformer des foules chaotiques en flux ordonnés, réduisant les temps de marche et d’attente tout en utilisant l’espace existant plus efficacement. L’étude montre que ces changements peuvent être évalués et affinés à l’avance à l’aide de simulations réalistes de foule, offrant aux urbanistes un outil pratique pour maintenir des métros en croissance en mouvement.

Citation: Tian, Y., Jin, G., Lu, S. et al. Simulation-based optimization analysis of passenger flow organization in metro interchange stations using AnyLogic. Sci Rep 16, 12517 (2026). https://doi.org/10.1038/s41598-026-41719-5

Mots-clés: affluence dans le métro, flux de passagers, conception de station, signalisation d’orientation, simulation piétonne