Modélisation des interactions entre les modes de transport par l'intégration de sources diversifiées de données

Cocktail transport, mobilité intégrée et multimodalité/intermodalité sont des termes de plus en plus répandus dans le domaine de la mobilité urbaine. En outre, la diversification des modes de transport est généralement présentée comme un moyen de réduire la dépendance à l’automobile, et donc de tendre vers une mobilité plus durable. Cependant, les bénéfices de cette plus grande disponibilité de modes restent à clarifier. Chaque mode étant habituellement analysé de manière indépendante, son rôle et ses interactions avec les autres moyens de transport sont encore mal compris. En particulier, des questions se posent sur le sens de la relation (complémentaire ou concurrentielle) entre les nouveaux services de mobilité partagée et le transport en commun. De même, peu d’outils ont été développés pour modéliser plusieurs modes simultanément. L’effet anticipé des stratégies de planification sur la répartition modale repose ainsi souvent sur des hypothèses simplificatrices. Ces lacunes sont notamment dues à des enjeux méthodologiques. En effet, plusieurs ensembles de données indépendants doivent être combinés pour pouvoir considérer tous les modes en même temps. De plus, des analyses longitudinales sont nécessaires afin de suivre la variabilité d’utilisation de chaque mode. Dans cette perspective, cette thèse vise à valoriser de multiples sources de données afin de qualifier et quantifier les interactions entre différents modes de transport urbains. Pour ce faire, la ville de Montréal est étudiée dans six articles. L’utilisation de plusieurs modes, classiques (automobile privée, transport en commun, vélo, taxi) et plus récents (autopartage, vélopartage), est décrite à partir de deux grands types de données : les enquêtes ménages déplacements de la région de Montréal, dites enquêtes Origine-Destination, et différents flux passifs (transactions, comptages, etc.). Les avantages (et inconvénients) de ces deux grands types de données ont souvent été confrontés dans la littérature mais peu de travaux ont tenté de les coupler. Pourtant, les informations multimodales contenues dans l’enquête et la longitudinalité des données passives sont deux caractéristiques intéressantes à rassembler pour l’analyse de l’utilisation de différents modes.»