Outils de visualisation de données de cartes à puce pour une société de transport collectif

De plus en plus de sociétés de transport en commun font le choix de systèmes automatisés de perception des titres de transport par carte à puce et réalisent que ces données recueillies au jour le jour, depuis déjà 2008 pour la grande région de Montréal, constituent un potentiel immense à exploiter pour la planification de leur offre de transport. Dans ce contexte, cette maîtrise recherche s'inscrit dans un projet global mené depuis trois ans en collaboration avec divers partenaires. Elle fait suite aux précédents travaux de recherche menés sur l'enrichissement des transactions des cartes à puce en leur associant les origines et les destinations des trajets. Pour les fins de ce projet, le Réseau de Transport de Longueuil (RTL) a mis à disposition les 3,1 millions de transactions de bus et de métro du mois de mars 2013. La société Thales a rendu disponible son portail « Analytics For Transportation » développé par le département CeNTAI (Centre de Traitement et d'Analyse de l'Information). L'objectif principal de cette maîtrise recherche est de concevoir des interfaces permettant de visualiser et d'analyser les transactions de cartes à puce, enrichies de leurs destinations, répondant ainsi aux besoins d'un exploitant de transport en commun. Les sous-objectifs, correspondant aux étapes de la recherche, sont les suivants : - Rendre opérationnel l'algorithme de détermination des destinations - Conceptualiser la structure des données la plus adéquate pour permettre leur visualisation - Créer des interfaces de visualisation répondant aux besoins d'un exploitant de transport en commun. Ce mémoire commence par une revue de littérature présentant d'une part les projets des années précédentes sur l'estimation de l'origine puis de la destination des déplacements et d'autre part d'autres projets liés à la visualisation de ce type de données. Les raisonnements employés pour répondre aux trois sous-objectifs précités sont exposés dans une section méthodologie. La dernière section présente les résultats et analyses obtenus à partir de ces données enrichies. Les contributions apportées par ce mémoire sont : - L'optimisation et la refonte de l'algorithme d'estimation des destinations et son adaptation à un réseau défini selon le format GTFS (General Transit Feed Specification)- La présentation d'aperçus rapides et ergonomiques obtenus grâce à l'utilisation d'outils libres (Elasticsearch et Kibana) analysant ces données enrichies de carte à puce - La conception d'une nouvelle interface web personnalisée et développée pour alimenter un tableau de bord présentant des indicateurs clés pour une société de transport en commun à partir des données transmises par le RTL. En conclusion, ce projet de recherche propose une solution opérationnelle qui, pour un jeu de données de transactions de cartes à puce, permet, en une étape, d'estimer la destination des trajets de chaque transaction des usagers, de préparer des statistiques supplémentaires (distance et temps de trajet, séquences de tronçons …) et de les exporter vers un fichier texte et vers une base de données (Elasticsearch). Le tout est réalisé en un temps relativement court : 20 minutes pour 3 millions de transactions, temps d'exportation compris. Les données sont alors directement disponibles et exploitables dans des portails web configurés ou développés pour l'occasion prenant en compte les besoins des clients. Parmi les 3,1 millions de transactions disponibles, 20% sont des transactions de métro. Ces dernières permettent d'aider l'algorithme dans l'estimation des destinations. Lorsqu'elles sont prises en compte, elles n'améliorent que de 1% le nombre total de destinations des trajets de bus portant à 79% le nombre de trajets OD en bus recomposés pour notre jeu de données de mars 2013. Les séquences de tronçons ou déplacements ont été recomposées au cours de l'algorithme. Il en ressort par exemple que 66% des déplacements de bus, ou séquences de tronçons, effectués par les usagers sont des trajets directs sans correspondance. La part d'usagers effectuant des déplacements d'une seule correspondance est respectivement 12% du bus vers le bus et 20% du bus vers le métro. En définitive, ce projet de recherche permet de montrer que l'analyse de gros volumes de données en un temps limité est possible et une solution opérationnelle est présentée. En effet, il faudrait un temps de traitement de seulement 32 heures pour enrichir les transactions des 8 dernières années du RTL, à raison de 3 millions de données par mois. Ces données de type OD seraient alors disponibles pour alimenter les analyses des différents départements d'une société de transport en commun tels que la gestion des opérations du réseau, la planification et même le marketing et la finance. Les outils de visualisation développés permettraient alors d'aider le RTL dans la rédaction d'un cahier des charges auprès d'une entreprise offrant des solutions BI (Business Intelligence) pour visualiser leurs données métier.