Developing Models to Evaluate Pedestrian-Cyclist Interaction Satisfaction on Pedestrian Streets

«RÉSUMÉ: Les modes de transport actifs (la marche et le vélo) sont essentiels au développement de systèmes de transport accessibles, sécuritaires et durables. Pour promouvoir le transport actif, les villes aménagent des rues piétonnes et améliorent les espaces de marche et de vélo tout en priorisant les préoccupations de sécurité. De nombreuses études ont été menées pour évaluer la satisfaction des personnes à l'égard de divers lieux et espaces, et il est largement reconnu que la satisfaction est influencée par un large éventail de facteurs. Les études sur la satisfaction intègrent de nombreuses variables, ce qui peut rendre le modèle trop complexe. De plus, les méthodes d'analyse simples peuvent ne pas fournir suffisamment d'informations lorsqu'il s'agit de problèmes tels que l'identification des facteurs qui affectent la satisfaction des utilisateurs. Pendant ce temps, les méthodes d'apprentissage automatique (Machine Learning/ML) sont généralement plus aptes à gérer et à étudier la relation entre plusieurs variables, en particulier dans les situations où des interactions complexes entre les facteurs peuvent exister. Lors de la pandémie de Covid-19 à l'été 2021, la Ville de Montréal et ses arrondissements ont mis en place 12 projets de rues piétonnes. Le projet pilote « Cohabitation Cyclistes et Pietons (CCP) » a été lancé sur l'avenue du Mont-Royal et la rue Wellington. Dans le cadre de ce projet, la Ville de Mont-Royal souhaitait créer de multiples lieux de promenade et de vélo. Non seulement la Ville de Mont-Royal permet aux gens de rester actifs, mais elle réduit également le risque de propagation de la maladie. La présente recherche visait à évaluer le niveau de satisfaction des piétons et des cyclistes avec leur coexistence mutuelle par les données obtenues à partir de l'enquête CCP. S'appuyant sur la littérature existante, dans la présente étude, des techniques d'apprentissage automatique comprenant à la fois des méthodes de régression et de classification ont été proposées et appliquées pour identifier les facteurs clés influençant les niveaux de satisfaction des utilisateurs.»