Contributions à la modélisation des déplacements en transport collectif

Le Transport Collectif (TC) est un composant essentiel de la mobilité urbaine dans le contexte actuel du développement durable. La planification du TC englobe tous les efforts dans les domaines de l'analyse descriptive et de la modélisation. Cette thèse vise à contribuer plus spécifiquement à la modélisation des déplacements en TC. L'objectif est d'améliorer les modèles en TC pour qu'ils représentent mieux la réalité. Deux types de simplification y sont présents : la construction théorique et la formalisation mathématique. Afin de contribuer à la bonification du processus de la modélisation, cette recherche s'articule globalement autour de trois volets, chacun présenté sous la forme d'un article publié ou soumis pour publication dans une revue scientifique. Le premier volet consiste au développement d'un modèle de choix d'itinéraires en TC selon les caractéristiques sociodémographiques des utilisateurs. Cela est analysé dans l'article intitulé« Demographic Analysis of Route Choice for Public Transit », et publié dans la revue « Transportation Research Record » en 2011. L'analyse démographique de choix d'itinéraires a permis de segmenter la population en six groupes basés sur les cohortes d'âge et le sexe. L'application d'un modèle de choix discret dans lequel chaque alternative est représentée avec une liste de variables indépendantes décrivant un itinéraire en TC fait partie des contributions essentielles de cet article. Plusieurs segmentations de la population selon les caractéristiques sociodémographiques ainsi qu'un modèle complet considérant la population comme un ensemble monolithique sont examinés. Les résultats obtenus confirment que la segmentation sociodémographique de la population permet d'avoir une meilleure représentation de la réalité en matière de choix d'itinéraires en TC. Certaines bonifications notamment au niveau du raffinement du calcul du temps d'accès en supposant des vitesses de marche différentes selon les caractéristiques sociodémographiques des passagers ont également été présentées. Le deuxième volet vise le développement d'un modèle d'opportunités pour la génération-distribution des déplacements effectués en TC. Les résultats sont présentés en détails dans l'article intitulé « Integrated Intervening Opportunities Model for Public Transit Trip Generation-Distribution: A Supply-dependent Approach », et publié dans la revue « Transportation Research Record » en 2013. L'avantage principal du modèle d'opportunités pour la distribution des déplacements est qu'il a des bases plutôt comportementales. Nous avons développé et examiné trois formalisations de modèle d'opportunités, nommées modèles fondamental, hiérarchique et intégré. La comparaison de performances des trois modèles d'opportunités ainsi qu'un modèle gravitaire typiquement utilisé pour la distribution des déplacements confirme une meilleure reproduction de la matrice Origine-Destination (OD) observée à partir d'un modèle intégré d'opportunités. Cet exercice vise, en plus de l'obtention d'un modèle applicable à des fins de prévisions à long terme, à mieux comprendre les phénomènes relatifs à la distribution des déplacements en TC. Sachant que cette distribution est fortement liée à l'accessibilité au TC, celle-ci est prise en compte par le biais des variables dérivées des données opérationnelles d'horaires planifiés et disponibles dans les fichiers General Transit Feed Specifications (GTFS), tout comme certaines variables sociodémographiques et socioéconomiques de la population. Le modèle intégré d'opportunités peut être utilisé en tant qu'un outil de modélisation prospective grâce à la nature prévisible ou supposable de ses variables indépendantes. Le troisième volet présente un sous-modèle de choix de destination dont bénéficie le développement des modèles d'opportunités. Les constats sont présentés dans l'article intitulé « Revisiting the Destination Ranking Procedure in Development of an Intervening Opportunities Model for Public Transit Trip Distribution », et soumis pour publication dans le « Journal of Geographical Systems » en 2013 ; l'article a été révisé et resoumis en 2014. Ce sous-modèle permet d'améliorer le modèle intégré d'opportunités développé et présenté au deuxième volet sous plusieurs aspects, entre autres la diminution de la sensibilité du modèle aux changements mineurs de temps de parcours en TC. Ce sous-modèle de type de choix discret a permis d'améliorer la performance du modèle d'opportunités, ainsi que d'aider à mieux comprendre le comportement de mobilité de la population utilisatrice du TC. Les résultats obtenus permettent d'avoir une réflexion plus profonde face à certains enjeux majeurs dont le vieillissement de la population et plus généralement, le changement de structure dans la composition démographique de la population notamment dans les pays développés, et la nécessité d'en prendre considération dans les études de mobilité. Un autre enjeu est d'avoir des outils opérationnels pour examiner à un niveau agrégé, l'impact des projets de transport ou de nouveaux développements urbains sur la génération et la distribution des déplacements. Cette question s'inscrit plus globalement dans l'opérationnalisation des avancés de la communauté scientifique dans la pratique courante des planificateurs de TC. L'émergence de nouvelles données en TC, notamment les données opérationnelles et passives telles que les données GTFS et de systèmes de paiement par carte à puce (CAP), représentent un atout pour répondre à certaines limites actuelles dans le processus de la modélisation. En considérant les aspects comportementaux ainsi que l'utilisation des données plus fines, cette thèse contribue à la modélisation en TC sous plusieurs aspects. Les résultats obtenus dans le premier volet pour la considération des caractéristiques sociodémographiques dans le processus de choix d'itinéraires en TC peuvent être intégrés dans les fonctions d'impédance utilisées par les calculateurs de trajet commerciaux comme Google Maps, ainsi que les logiciels de modélisations comme MADIGAS. Concernant le deuxième volet, étant donné des variables utilisées, le modèle intégré de génération-distribution des déplacements peut être appliqué dans les études de prévision de la demande en TC à long terme. Le sous-modèle de choix de destination de nature choix discret développé dans le troisième volet permet d'améliorer la performance du modèle d'opportunités ainsi que d'avoir une meilleure compréhension de la structure de choix de destination des usagers du TC. La reconsidération des limites observées au cours de cette recherche notamment relatives au niveau de résolution et de disponibilité des données permet d'identifier certaines perspectives pour les recherches futures. Nous proposons entre autre une révision des approches de modélisation aux niveaux théoriques et mathématiques pour les arrimer avec des données nouvellement disponibles en TC. En raison de la nature appliquée de la modélisation des transports, l'opérationnalisation des modèles est un élément d'intérêt majeur pour la communauté scientifique. Ces modèles permettent de présenter les phénomènes relatifs à la mobilité d'une manière plus réelle pour les professionnels et planificateurs des transports.

Abstract

Public Transit (PT) is an essential component of urban mobility in the actual context of sustainable development. PT planning contains all efforts for descriptive analysis and modeling. This thesis contributes more specifically to PT modeling. This thesis objective is to enhance the models in a way that they represent the reality of mobility behavior. Two types of simplifications are present in modeling procedure: Theoretical construction and mathematical formalization. Considering these simplifications, this research contributes in enhancing the modeling procedure in three different ways, each presented as a published or submitted paper in scientific journals. The first part consists of demographic analysis of route choice for PT. The results are presented in a paper titled “Demographic Analysis of Route Choice for Public Transit”, and published in the journal of Transportation Research Record in 2011. By considering six sociodemographic categories, made up of two genders and three age cohorts, a route choice model for PT is developed and examined. The main contribution of this paper is the development of a discrete choice model for PT route choice based on sociodemographic characteristics. In this model, each choice alternative is represented by a list of independent variables describing a PT route. Several sociodemographic profiles together with a complete model treating the whole population are examined. The results confirmed that considering sociodemographic profiles for analysing PT route choice yields better results compared to the complete model. Some enhancements for calculating access time based on different walk speeds for different sociodemographic profiles are also presented. The second part is the development of an integrated intervening opportunities model for PT trip generation-distribution. The findings are presented in a paper titled “Integrated Intervening Opportunities Model for Public Transit Trip Generation-Distribution: A Supply-dependent Approach”, which is published in the journal of Transportation Research Record in 2013. The main advantage of the intervening opportunities model is its behavioral basis. In this research, three forms of basic, hierarchical and integrated intervening opportunities model are developed. The performance of this model was analyzed and results were compared with the gravity model typically used for trip distribution. The comparison confirmed that the integrated form of intervening opportunities model could better reproduce an observed OD matrix for PT. Due to sociodemographic, socioeconomic and PT Level-Of-Service (LOS) independent variables, this model could be used for forecasting purposes. Formalization of this model based on its specific characteristics opens new opportunities for developing more accurate PT demand models with new data such as smart card entries. The third part discusses a sub-model of destination choice that could be used to enhance the integrated intervening opportunities model developed in the second part. The findings are presented in the paper titled “Revisiting the Destination Ranking Procedure in Development of an Intervening Opportunities Model for Public Transit Trip Distribution”, which was submitted for publication in the Journal of Geographical Systems in 2013, and revised in 2014. This sub-model could enhance the integrated intervening opportunities model in different ways, especially for reducing the sensitivity of the model to minor changes in PT trip times. Also, by using this sub-model, the performance of the integrated intervening opportunities model is enhanced. More globally, this discrete choice model could contribute to better understanding of PT travel behavior. The results obtained in this research could contribute to answer to some challenges facing PT planners and policy makers, including population aging and resulted changes in mobility behavior particularly in developed countries. The PT route choice model based on demographic characteristics developed in the first part could be integrated in commercial PT route choice applications or in simulation software's impedance functions. Another contribution was presenting an operational tool for examining the impacts of new urban development and transportation projects on PT generation and distribution pattern at high level. The model presented in the second part and enhanced in the third part by using a discrete choice approach could be interpreted in a more general way as a practice-ready approach for PT modeling. The emergence of new PT data, including operational and passive data such as General Transit Feed Specifications (GTFS) and smart card validations is an opportunity to meet certain limitations in the development of new PT models. Based on some limitations particularly about the question of data availability, we propose a revision of modeling approaches in both theoretical and mathematical levels to integrate them with newly available PT data. Given the applied nature of transportation science, the future challenge of the scientific community is developing more practice-ready models. These models could be used by planners and policy-makers for answering to challenges facing PT planning.