Exploration et traitement multidonnées appliqués à des corridors d'autobus

La collecte passive des informations et ses faibles couts, par rapport à la grande quantité de données générées, expliquent l'implantation de plus en plus répandue des systèmes de collecte automatique de données. Ces derniers représentent un formidable potentiel pour mieux caractériser la demande et l'offre de transport en commun pour la planification opérationnelle. Toutefois, en plus de leur traitement, l'intégration des données de plusieurs systèmes constitue un important défi. Cette étude vise à développer des outils et des méthodes pour exploiter ces types de données. La réalisation de cette étude, dans un contexte de recherche et d'analyse exploratoires, se fait dans la perspective d'intégration des différentes sources de données. Ce projet se sert des corridors d'autobus achalandés des boulevards Saint-Michel et Pie-IX du réseau de la Société de transport de Montréal comme exemple d'application des méthodes développées. D'abord, le réseau planifié est estimé à partir des données GTFS, servant d'information usager : les données des passages aux arrêts sont compressées en séquences de tournées et de voyages. Les voyages non commerciaux et une liste des tracés possibles pour chaque ligne sont déduits à partir de ces données. En classifiant les lignes du réseau, l'estimation des autobus dans le temps dégage les ressources nécessaires au maintien du service. Ensuite, les traces GPS des véhicules et les comptages automatiques (AVL-APC) des passagers permettent d'associer les temps de passage et les mouvements de passagers aux arrêts.

Abstract

Passive information collection and their low costs, considering the large amount of data generated, explain the increasingly more widespread implementation of automatic data collection systems. These data represent a great potential to improve the characterisation of supply and demand of public transit for operational planning. However, in addition to their treatment, the integration of these data from multiple systems is a major challenge. This study develops tools and systematic methods in order to exploit these types of data. The completion of the study, in an exploratory research and analysis context, has the perspective of integration of multiple-source data. This project uses the crowded Saint-Michel and Pie-IX corridors of Montreal's bus network as examples for the application of the presented methods. First, the planned network is estimated with GTFS data, used for traveller information: the passage-stop data are compressed by sequences of blocks and runs. Non-commercial runs and line-patterns are inferred from GTFS data. By classifying the network's lines, the evaluation of buses during time reveals the resources needed for the service. Next, arrival and departure time and passenger movements can be associated to stops with GPS tracks and passenger counting data (AVL-APC).