Mesurer la performance des modes de transports innovants : Ontologie des indicateurs et cas d'application avec des scénarios d'utilisation des véhicules autonomes pour la ville de Montréal

Dans les villes, on observe de plus en plus l'apparition de nouveaux modes de transports partagés. Ces modes existent grâce à l'essor de la technologie notamment en combinant l'utilisation des téléphones intelligents et ainsi en proposant un service de mobilité à la demande. On retrouve par exemple l'auto-partage, les services tels que Uber ou Lyft ou encore le vélo-partage, et dans quelques années des véhicules autonomes. Au niveau de la planification urbaine, l'insertion de ces modes va avoir des impacts au niveau des mobilités mais aussi sur l'environnement, des impacts qui sont à anticiper. Aujourd'hui, des modèles et des outils de simulation permettent de les prévoir. La simulation permet aussi de tester plusieurs scénarios avant d'implanter les nouveaux modes dans une ville. C'est un atout pour les opérateurs qui gèrent ces services, car à moindre coût, ils peuvent essayer de nombreuses configurations de l'offre de leur service, et choisir celle qui est la plus rentable pour eux. Pour être capable de calculer ces impacts ou la performance offerte par le service en sortie des simulations réalisés, il faut de bons indicateurs, qui soient adaptés. Afin de répondre à ce besoin, ce travail a pour objectif de présenter les indicateurs adaptés selon le cas d'étude réalisé sur les mobilités innovantes.

Abstract

In cities, we are seeing the emergence of new modes of shared transportation. These modes exist thanks to the development of technology, notably by combining the use of smartphones and thus offering an on-demand mobility service. Examples include car-sharing, services such as Uber or Lyft or bike-sharing, and in a few years autonomous vehicles. In terms of urban planning, the insertion of these modes will have impacts on mobility but also on the environment, impacts that must be anticipated. Today, models and simulation tools make it possible to predict these impacts. The simulation also makes it possible to test several scenarios before implementing new modes in a city. This is an asset for the operators who manage these services, because at a lower cost they can try many configurations of their service offer, and choose the one that is the most profitable for them. To be able to calculate these impacts or the performance offered by the service as a result of the simulations performed, good indicators are needed. In order to meet this need, this work aims to present the indicators adapted according to the case study carried out on innovative mobilities. The result will be presented using an ontology. It is realized with the help of the ontology software Protégé, like a mental map containing the information specific to each indicator, as well as the links between the elements that constitute it.