IBTS-77-RP-1000
Services départementaux d’incendie et de secours
Comme pour les SROS, il existe bien des guides méthodologiques pour l’élaboration des SDACR. Trois circulaires datées du 25 mars 1993, du 31 janvier 1994et du 24 février 1995, chacune possédant de nombreuses annexes, ont été éditées par la Direction de la sécurité civile (DSC) de l’époque. Malgré le travail important réalisé par l’ANDSIS et le colonel Mené et ces trois circulaires qui en ont découlé, seul le canevas est commun à l’ensemble des SDACR, le reste – comme les méthodes de localisation – est à la libre appréciation des SDIS.
Les méthodes développées dans le cadre de l’élaboration des SDACR font toujours la distinction entre, d’une part, la localisation des casernes et la définition des secteurs d’intervention de chacune d’entre elles, et d’autre part, la définition du nombre de vecteurs et l’effectif nécessaire pour assurer leur départ, compte tenu de la simultanéité des interventions.
Chaque caserne, en fonction du secteur qu’elle a à défendre, du nombre d’interventions correspondant, etc., a une probabilité plus ou moins importante d’avoir à réaliser plusieurs départs simultanément. Un seuil est généralement fixé au-delà duquel les casernes concernées doivent être dotées de vecteurs supplémentaires pour faire face à des demandes concomitantes. C’est la loi de Poisson qui est généralement utilisée pour calculer les probabilités.
Une deuxième méthode existe pour calibrer les moyens en fonction de la demande. Ils permettent de connaître directement le nombre de véhicules, en ’occurrence de VSAV, qu’il est nécessaire d’affecter dans chaque caserne en fonction du nombre d’interventions qu’elles réalisent. Entre 0 et 365 interventions par an, un VSAV suffit, entre 365 et 730 interventions par an, la circulaire en préconise deux, etc.
Quelle que soit la méthode utilisée, la question de l’évaluation du nombre de moyens pour faire face à un nombre de demandes simultanées est traitée par les SDIS et ne pose pas de problème particulier. La localisation des moyens, à proprement parler, est abordée de différentes façons par les SDIS. Les méthodes utilisées portent sur l’analyse des données, l’évaluation de certaines composantes, et la localisation des moyens, en tant que telle.
Modèles qui tiennent compte de l’incertitude quant à la durée des délais d’intervention des moyens
Dans les modèles LCSP et MCLP, comme pour l’incertitude quant à la disponibilité des moyens, les délais d’intervention sont déterminés à l’avance par le modélisateur et sont censés durer toujours le même laps de temps. Dans la réalité, de nombreux paramètres font que le temps mis par les secours pour se rendre sur les lieux d’une intervention, varie. Au premier rang, figure la congestion du trafic (Yang et al., 2007). Comme tous les véhicules, les moyens de secours sont ralentis lorsqu’il y a de la circulation et ce, malgré les avertisseurs sonores et lumineux dont ils disposent pour se frayer un chemin. La probabilité que la demande soit couverte n’est donc pas simplement égale à 0 ou 1.
Plusieurs auteurs se sont penchés sur la question de la variation des délais d’intervention dans le temps. C’est le cas de Repede et Bernardo qui ont développé le modèle TIMEXCLP (Repede, Bernardo, 1994), une évolution du modèle MEXCLP présenté précédemment. Les variations de la vitesse de déplacement des moyens, tout au long de la journée y sont explicitement prises en compte (Brotcorne et al., 2003).
Erkut s’est également intéressé à cette problématique et propose une évolution du modèle MCLP, intitulé MCLP+PR1, afin de tenir compte de la probabilité de couverture des moyens (Erkut et al., 2009). L’incertitude des délais d’intervention y est estimée par l’intermédiaire d’une loi log-normale. Les probabilités ainsi obtenues permettent d’améliorer les localisations, c’est en tout cas ce que prouvent les expérimentations qu’Erkut a réalisées. L’auteur a comparé, toute chose étant égale par ailleurs, les résultats obtenus en sortie du modèle MCLP avec ceux du modèle MCLP+PR pour la localisation de 1 à 25 ambulances, parmi 16 points de d’offre potentiels, de manière à desservir 180 points de demande. Les résultats montrent que la part de la demande couverte est en moyenne supérieure de 12,5 points en tenant compte de la probabilité de réponse.
Outils utilisés pour résoudre les problèmes de localisation-allocation
Comme nous l’avons vu précédemment, l’enjeu de la plupart des travaux en matière de localisation-allocation réside dans le développement de nouveaux modèles. Les auteurs de ces travaux sont donc amenés à développer leur propre algorithme ou modifier un algorithme déjà existant. Les outils incontournables pour cela sont les logiciels d’aide à la programmation informatique. Il s’agit dans notre cas de logiciels spécialisés dans le développement de problèmes d’optimisation : linéaires, non linéaires, linéaires mixtes, quadratiques, etc. Ils proposent généralement pour cela une bibliothèque de fonctions pouvant s’interfacer avec différents langages de programmation et une bibliothèque d’algorithmes et d’heuristiques de base plus ou moins riches selon les logiciels.
Le nom de celui qui revient le plus souvent dans les références bibliographiques citées précédemment est CPLEX1 (Gendreau et al., 1997 ; Branans, MacKenzie, et al., 2000 ; Gendreau et al., 2001 ; Snyder, 2006 ; Gendreau et al., 2006 ; Erkut et al., 2007 ; Erkut et al., 2009 ; Tokar Erdemir et al., 2010 ; Furuta, Tanaka, 2010 ; Farahani et al., 2012). CPLEX est un logiciel commercial créé par Robert E. Bixby en 1987, racheté par la société ILOG2 en 1997, elle-même rachetée par la société IBM3 en 2009. Il s’appelle donc en réalité depuis, IBM ILOG CPLEX. Il permet de prendre en compte les problèmes linéaires, linéaires mixtes et quadratiques. Son utilisation est répandue dans des domaines aussi variés que l’ingénierie, la finance, la sylviculture, les mathématiques ou encore l’économie.
Si CPLEX semble le plus utilisé, il existe cependant au moins deux logiciels spécifiquement dédiés aux problèmes d’optimisation des localisations. Il s’agit de LOLA et LOCALIZA . Le premier est développé par un groupe de chercheurs allemands en mathématiques et recherche opérationnelle autour du professeur Hamacher de l’Université technique de Kaiserslautern.
Optimisation des localisations : intérêts des modèles de localisation-allocation
Les modèles de localisation-allocation ne sont pas les seuls modèles disponibles pour réfléchir à la localisation de moyens. Il en existe en réalité une multitude d’autres.
L’objectif n’est pas non plus d’en faire l’inventaire complet, seulement de citer les principales familles existantes, accompagnées de quelques exemples. Parmi les modèles disponibles, on trouve d’abord les modèles de régression multiple comme le modèle d’évaluation des emplacements commerciaux. Viennent ensuite les modèles gravitaires comme le modèle de Huff, le modèle interactif de concurrence ou le modèle Multiloc ; enfin, la famille des modèles de localisation-allocation. Pour plus de renseignements sur ces modèles nous renvoyons le lecteur aux travaux de Baray (Baray, 2002 ; Baray, 2010).
Les différences entre les modèles de localisation-allocation et les autres types de modèles ne sont finalement pas si nombreuses mais font tout leur intérêt :
La première, et la plus importante, est le fait que la recherche de localisation se fasse de manière intégrée. Cela signifie que dans leur démarche, les modèles de localisation-allocation prennent en compte l’impact réciproque (Baray 2002, p.266) que peut avoir la localisation d’une ressource par rapport aux choix de localisation de toutes les autres, et inversement. De cette manière, le risque que certaines zones soient mal, voire pas couvertes du tout, ou qu’à l’inverse, il y ait redondance, est minimisé.
La deuxième différence est que la recherche de localisation se fait de manière optimale. Cela tient en grande partie au fait que ces modèles reposent sur des algorithmes mathématiques dit d’optimisation, dont c’est justement l’objectif, et cela va de pair avec le fait que la logique se veut intégrée. Concrètement, une localisation optimale consiste généralement à minimiser le nombre de ressources à localiser de manière à couvrir un maximum de demande, ou bien à maximiser la demande couverte par les ressources disponibles pour cela.
La dernière différence réside dans le fait qu’il y a la possibilité de gérer conjointement l’allocation de la demande aux différentes ressources. Même si cette question n’est traitée que dans un deuxième temps par les algorithmes, pour l’opérateur c’est transparent, le résultat obtenu correspond aux deux : la localisation des moyens et l’allocation de ces derniers à la demande. Cela règle le problème du secteur d’intervention de chaque moyen par la même occasion.
Flexibilité de la localisation des moyens de secours
Une autre piste à explorer dans le futur est celle qui consisterait à prendre en compte la saisonnalité de l’activité opérationnelle afin d’adapter au mieux la localisation des moyens. Le niveau de la demande peut en effet varier dans des proportions importantes d’un mois à l’autre suivant les communes . Certains points d’offre s’avèrent donc localisés par le modèle à des endroits où le niveau de la demande est certes important, mais peut-être pas suffisamment longtemps pour justifier la présence d’une caserne ou son ouverture toute l’année. Dans la réalité, certaines casernes ne sont ouvertes que quelques mois. C’est le cas des APS. En jouant sur l’ouverture et la fermeture de certaines de ses casernes, le SDIS s’adapte à la variabilité temporelle de l’activité opérationnelle à coût constant.
En l’état actuel, le modèle ne permet pas de dissocier les points d’offre dont l’ouverture ne se justifie qu’une partie de l’année seulement, des autres. Pour tenter d’y remédier, nous avons cherché à localiser un nombre donné de points d’offre à différents pas de temps à l’échelle infra-annuelle afin d’identifier ceux dont la localisation est tout le temps la même, de ceux dont la localisation a varié. Les premiers, correspondant dans notre idée à des casernes permanentes, les deuxièmes à des APS.
Le nombre de points d’offre dont la localisation varie d’un pas de temps à l’autre s’est avéré beaucoup plus important que nous le pensions. Pour un certain nombre d’entre eux, nous avons raffiné les résultats car les localisations ne différaient que très peu.
Dans les faits, cette méthode permet bien de dissocier les points d’offre stables dans le temps, des autres, en revanche, il est impossible de faire correspondre le nombre total de points d’offre que l’on souhaite localiser et le nombre de points d’offre localisés au final.
En effet, d’un pas de temps à l’autre, chaque point d’offre retenu à un endroit différent est considéré comme le site d’implantation potentiel d’une APS. À l’échelle de l’année, ces différents points s’additionnent. Leur nombre dépasse ainsi celui des points d’offre à localiser. Il faudrait pour éviter cela qu’une optimisation entre les différents pas de temps soit possible. C’est en tout cas une piste d’évolution des modèles de localisation-allocation à explorer.
|
Table des matières
INTRODUCTION GÉNÉRALE
PARTIE 1 – DU SECOURS À PERSONNE AU PROBLÈME D’OPÉRATIONNALITÉ DES MÉTHODES ET OUTILS D’AIDE À LA DÉCISION DISPONIBLES POUR L’OPTIMISATION DE LA LOCALISATION DES MOYENS
CHAPITRE 1 – CONTEXTE
1.1. Le secours à personne comme champ d’étude thématique
1.1.1. Le modèle d’organisation des secours français
1.1.2. La chaîne de secours française
1.1.3. Définition du champ d’étude et des notions et concepts associés
1.2. Problématique de la couverture opérationnelle du secours à personne
1.2.1. Demande de secours en augmentation et irrégulièrement répartie dans le temps et dans l’espace
1.2.2. Offre de secours en baisse et irrégulièrement répartie dans le temps et dans l’espace
1.3. Hypothèses et questionnements de départ
1.3.1. Hypothèse de l’apport de l’optimisation spatiale et temporelle des moyens existants pour l’amélioration de la couverture opérationnelle
1.3.2. Question des méthodes utilisées pour réfléchir à l’optimisation de la localisation des moyens de secours
Conclusion du chapitre 1
CHAPITRE 2 – ÉTAT DES LIEUX DES METHODES DE LOCALISATION DES MOYENS DE SECOURS A PERSONNE UTILISEES DANS LE MONDE PROFESSIONNEL
2.1. Présentation des deux principaux documents d’organisation et de planification des moyens et contexte d’élaboration
2.1.1. Le schéma régional d’organisation des soins
2.1.2. Le schéma départemental d’analyse et de couverture des risques
2.2. Présentation de l’enquête sur les méthodes de localisation des moyens de secours à personne utilisées dans le monde professionnel
2.2.1. Ressources
2.2.2. Objectif et périmètre de l’enquête
2.3. Résultats de l’enquête
2.3.1. Agences régionales de soins
2.3.2. Services départementaux d’incendie et de secours
2.3.2.1. Analyse des données
2.3.2.2. Évaluation
2.3.2.3. Localisation des moyens
2.3.3. Services de secours étrangers
2.4. Limites et discussion autour des méthodes utilisées par les professionnels
Conclusion du chapitre 2
CHAPITRE 3 – ÉTAT DE L’ART DES METHODES DE LA LOCALISATION DES MOYENS DE SECOURS A PERSONNE UTILISEES DANS LE MONDE SCIENTIFIQUE
3.1. L’optimisation de la localisation des moyens de secours à personne : une question ancienne et surtout traitée dans la littérature scientifique étrangère
3.1.1. La question des méthodes d’optimisation de la localisation des moyens de secours en France
3.1.2. La question des méthodes d’optimisation de la localisation des moyens de secours à l’étranger
3.2. Les modèles de localisation-allocation
3.2.1. Les trois principaux types de modèles de localisation-allocation utilisés pour localiser des moyens de secours
3.2.1.1. Le modèle p-médian ou P-MP
3.2.1.2. Le modèle p-centre ou minimax
3.2.1.1. Les modèles de couverture
3.2.2. Heuristiques et méta-heuristiques
3.2.3. Les différentes logiques d’implantation : égalitaire, équitable, efficace
3.2.4. Les modèles de couverture appliqués au cas de la localisation de moyens de secours à personne
3.3. Etat de l’art des modèles de couverture appliqués au problème de la localisation de moyens de secours à personne
3.3.1. Modèles qui tiennent compte des moyens de types différents
3.3.2. Modèles qui tiennent compte de l’incertitude quant à la disponibilité des moyens
3.3.2.1. Modèles déterministes
3.3.2.2. Modèles probabilistes
3.3.3. Modèles qui tiennent compte de l’incertitude quant à la durée des délais d’intervention des moyens
3.3.4. Modèles dynamiques
3.4. Etat de l’art des méthodes d’optimisation de la localisation de moyens de secours à personne
3.5. Autres recherches sur les modèles de localisation-allocation
3.6. Outils utilisés pour résoudre les problèmes de localisation-allocation
3.7. Optimisation des localisations : intérêts des modèles de localisation-allocation
3.8. Limites et discussions autour des méthodes utilisées par les scientifiques
Conclusion du chapitre 3
CHAPITRE 4 – PROBLEMATIQUE DE L’OPERATIONNALITE DES METHODES ET OUTILS DISPONIBLES POUR OPTIMISER LA LOCALISATION DES MOYENS DE SECOURS A PERSONNE
4.1. Problématique des méthodes et outils d’aide à la décision disponibles pour l’optimisation de la localisation des moyens de SAP
4.2. Hypothèse et questionnement
4.3. Objectifs et parti de recherche
4.4. Le département des Alpes-Maritimes comme aire d’étude
4.4.1. Description géographique du département
4.4.2. Le Service départemental d’incendie et de secours des Alpes-Maritimes
4.4.1. Le Service d’aide médicale urgente des Alpes-Maritimes
Conclusion du chapitre 4
PARTIE 2 – MÉTHODE ET OUTIL D’AIDE À LA DÉCISION PROPOSÉS POUR L’OPTIMISATION DE LA LOCALISATION DES MOYENS DE SECOURS À PERSONNE : APPLICATION AU CAS DES ALPES-MARITIMES
CHAPITRE 5 – SPATIALISER : DIAGNOSTIC DU SECOURS A PERSONNE
5.1. Objectif du diagnostic sur le secours à personne
5.2. Constitution de la Base de données sur le secours à personne
5.2.1. Nature des données
5.2.2. Sources des données
5.2.3. Extraction des données
5.2.3.1. BD CENTAURE 15
5.2.3.2. BD PANAMA
5.2.4. Etude comparative des sous-ensembles communs aux deux bases
5.2.4.1. Les quatre sous-ensembles
5.2.4.2. Comparaison des sous-ensembles communs
5.2.5. Composition de la BD SAP
5.3. Éléments du diagnostic du secours à personne
5.3.1. Analyse de la demande en secours
5.3.1.1. Les différents types de demande
5.3.1.2. Nombre, type et localisation de la demande
5.3.1.1. Relation entre le nombre d’interventions et le nombre d’habitants par commune
5.3.1.2. Variabilité spatio-temporelle de la demande
5.3.2. Analyse de l’offre en secours
5.3.2.1. Nombre, type et localisation des moyens
5.3.2.2. Délais d’intervention
5.3.3. Degré de couverture du SAP
Conclusion du chapitre 5
CHAPITRE 6 – MODELISER : OUTIL ET DONNEES
6.1. Choix de l’outil
6.1.1. Inventaire des outils disponibles
6.1.2. Justification du choix de l’outil
6.2. Présentation de l’extension Network Analyst d’ArcGIS for Desktop
6.2.1. Analyse d’emplacement-allocation
6.2.2. Identification et validation des modèles de localisation-allocation associés aux problèmes
d’emplacement-allocation proposés dans Network Analyst appliqués à l’optimisation de la localisation de moyens de SAP
6.2.2.1. Trois problèmes, trois modèles
6.2.2.2. Trois problèmes, deux modèles
6.2.2.3. Algorithmique
6.2.2.4. Validation
6.2.3. Mise en œuvre pratique
6.3. Données
6.3.1. Données concernant le réseau routier
6.3.1.1. Construction du jeu de données réseau
6.3.1.2. Validation du jeu de données réseau
6.3.2. Données concernant la demande
6.3.2.1. Échelon des données
6.3.2.2. Pondération des points de demande
6.3.2.3. Géocodage des interventions
6.3.2.4. Agrégation des interventions à l’échelle des zones d’habitats
6.3.3. Données concernant l’offre
Conclusion du chapitre 6
CHAPITRE 7 – OUTIL D’AIDE A LA DECISION : SIMULATIONS ET ETUDES DE CAS
7.1. Moyens non-médicalisés
7.1.1. Les scénarios
7.1.1.1. Le scénario d’optimisation de la localisation des moyens existants
7.1.1.2. Le scénario du devrait être
7.1.1.3. Le scénario du devrait être sur la base de la localisation des moyens existants
7.1.2. Déclinaison des différents scénarios pour un nombre de points d’offre croissant
7.1.3. Cas d’étude
7.1.3.1. Secteur la Trinité, Drap, Cantaron
7.1.3.2. Secteur, Ilonse, Marie, Clans, Bairols et la Tour
7.1.3.3. Secteur de la Roquette-sur-Siagne, Pégomas, Auribeau-sur-Siagne
7.2. Moyens médicalisés
7.2.1. Mise en cohérence du SDACR et du SROS
7.2.1. Scénario d’optimisation de la localisation des moyens existants
7.2.1. Scénario d’optimisation de la localisation des moyens existants raffiné
7.2.2. Scénario du devrait être
Conclusion Chapitre 7
CHAPITRE 8 – LIMITES, DISCUSSIONS ET PERSPECTIVES DE RECHERCHE
8.1. Limites
8.1.1. Limites des données
8.1.2. Limites de l’outil
8.1.3. Limites de la méthode
8.2. Discussion autour de certaines perspectives de recherche
8.2.1. Prospective
8.2.1. Diagnostic sur le SAP
8.2.2. Evaluation du degré de couverture
8.2.3. Flexibilité de la localisation des moyens de secours
8.2.4. Communication des résultats
8.3. Autres perspectives de recherche
8.3.1. Perspectives de recherche concernant les modèles de localisation-allocation
8.3.2. Perspectives de recherche concernant plus largement la question de la couverture du SAP et de la localisation des moyens de secours
Conclusion Chapitre 8
CONCLUSION GÉNÉRALE
Télécharger le rapport complet
