Assessing the Impact of Trip Chains on Travel Behavior

Comprendre les comportements de mobilité des personnes est une tâche complexe qui nécessite beaucoup d'études et de recherches. Au fil des années, plusieurs approches et méthodes ont été utilisées pour aborder ce problème. Le choix modal, c'est-à-dire le processus de choix du moyen de transport avec lequel une personne effectue ses déplacements, a toujours été l'un des aspects les plus importants et les plus marquants du comportement de mobilité. Les modèles de choix modal ont donc été et restent un élément essentiel de toute planification et politique de transport réalisée ou à réaliser. Diverses variables et facteurs affectent ces modèles, tels que le temps de déplacement, la distance, le coût et bien d'autres. Un des facteurs qui est moins considéré dans la littérature est celui de la chaîne de déplacements (l'ensemble des déplacements, avec toutes les activités qui y sont associées, qui commencent et se terminent au domicile). Ceci se reflète par le manque de modèles de choix basés sur les chaînes (également connus sous le nom de modèles basés sur les tournées) par rapport aux modèles basés sur les déplacements qui considèrent chaque déplacement indépendamment sans le contexte des chaînes dont ils font partie. Un autre facteur qui affecte le modèle de choix modal est l'outil utilisé dans le processus. Ces dernières années, et avec les progrès de la puissance de traitement des données, les algorithmes d'apprentissage automatique ont gagné en popularité en tant que base des outils de modélisation du choix modal, comme la forêt aléatoire qui a donné des résultats impressionnants. Cependant, ces algorithmes ont rarement, voire jamais, été utilisés dans le contexte des modèles basés sur les chaînes de déplacement. Cette recherche vise donc à évaluer l'impact des chaînes de déplacements sur le comportement des personnes, en particulier sur le choix modal. Le but est de voir comment un modèle de chaînes de déplacements basé sur une forêt aléatoire peut être performant sur la base des données de la Grande Région de Montréal et comment les caractéristiques de la chaîne évoluent et affectent le comportement de mobilité. Pour y parvenir, trois objectifs principaux doivent être atteints: 1) Mener une analyse exploratoire des tendances des chaînes de déplacements au fil des ans. 2) Identifier les déterminants du choix modal des chaînes de déplacements et explorer la relation entre les variables explicatives et le choix modal des chaînes. 3) Tester l'efficacité de l'algorithme d'apprentissage automatique " forêt aléatoire " comme outil de modélisation du choix modal au niveau de la chaîne de déplacement.»