<  Back to the Polytechnique Montréal portal

Segmentation spatio-temporelle modulable des usagers de cartes à puce

Rémi Decouvelaere

Masters thesis (2021)

[img] Terms of Use: All rights reserved.
Restricted to: Repository staff only until 19 October 2022.
Cite this document: Decouvelaere, R. (2021). Segmentation spatio-temporelle modulable des usagers de cartes à puce (Masters thesis, Polytechnique Montréal). Retrieved from https://publications.polymtl.ca/6644/
Show abstract Hide abstract

Abstract

RÉSUMÉ : L’utilisation des données provenant de systèmes de paiement par cartes à puce permet une compréhension approfondie du comportement des usagers d’un réseau de transport en commun. Que ce soit à des fins de planification ou de stratégie commerciale, il est utile de pouvoir regrouper les usagers en groupes de comportements similaires pour analyser ces comportements. Dans certains cas, le caractère temporel du comportement (heures, nombre et durées des trajets) peut être le plus intéressant, dans d’autres ce sera le caractère spatial (lignes et arrêts empruntés). Dans d’autres cas encore, on peut souhaiter prendre en compte simultanément les caractères spatial et temporel des comportements. À cet effet, dans ce mémoire, nous présentons un outil de segmentation spatio-temporelle qui permet de faire varier l’importance relative du temps et de l’espace dans le critère de regroupement. Le contrôle des poids du temps et de l’espace se fait à l’aide d’un ‘paramètre d’équilibre spatio-temporel’ qui influe sur la valeur de la métrique utilisée pour comparer deux comportements. Si ce paramètre est proche de 0, la métrique accordera plus d’importance à la composante temporelle des comportements, et s’il est proche de 1, à la composante spatiale. Dans un premier temps, nous étudions l’influence de chaque paramètre de l’outil de segmentation sur les résultats, mesurée par des indicateurs de performance spatiaux, temporels ou spatio-temporels. Ceci permet d’optimiser certains de ces paramètres (taille d’échantillon, fenêtre temporelle de regroupement), ainsi que de mesurer l’influence du ‘paramètre d’équilibre spatio-temporel’ sur les natures spatiale et temporelle de la segmentation. Nous observons une amélioration des indicateurs spatiaux lorsque ce paramètre augmente, et une amélioration des indicateurs temporels lorsqu’il diminue. Nous constatons par ailleurs que ces indicateurs ne varient de manière significative que pour un paramètre d’équilibre compris entre 0,2 et 0,8, et qu’ils suivent une tendance à peu près linéaire. Les natures spatiale et temporelle des résultats peuvent donc être contrôlées de manière assez précise à l’aide de ce paramètre. Dans un second temps, nous utilisons cet outil pour réaliser l’étude du comportement des usagers du Réseau de Transport de la Capitale (Québec, Canada), avec trois valeurs d’équilibre spatio-temporel. Chacune de ces trois études fournit des résultats très différents, mais toujours pertinents. La première présente les comportements temporels les plus répandus à Québec, sans tenir compte de l’espace, et démontre, par exemple, que les aînés et les étudiants ont des comportements temporels beaucoup plus divers que les adultes, et que les aînés ont des horaires moins tardifs que le reste de la population. La deuxième étude donne une importance à peu près égale au temps et à l’espace. Nous observons alors des couples de clusters regroupant des usagers habitant et travaillant à peu près dans la même zone, mais présentant des comportements temporels différents. Des trois études menées, c’est dans celle-ci que les clusters diffèrent le plus au niveau de la tranche d’âge de leurs usagers, ce qui démontre l’intérêt de considérer simultanément le temps et l’espace. La troisième étude considère uniquement la nature spatiale du comportement. Les usagers sont alors regroupés en zones géographiques assez précises. Si certaines différences temporelles sont encore observées, c’est que le comportement temporel des individus peut dépendre de la zone où ils habitent. Nous observons encore des couples de clusters, mais de nature différente : ceux-ci regroupent des usagers habitant au même endroit, mais se déplaçant dans deux zones différentes. Ainsi, ces trois études fournissent des résultats intéressants, utilisables dans des circonstances différentes. Cette méthode de segmentation spatio-temporelle modulée devrait permettre, dans le futur, une meilleure compréhension du comportement des usagers de cartes à puce, car elle offre, grâce à son paramètre d’équilibre spatio-temporel, plusieurs points de vue aussi divers que pertinents sur le comportement d’une population.----------ABSTRACT : The analysis of smart card data offers an in-depth understanding of travel behavior of public transport users. An efficient way to analyze public transport users behavior is to group them into different clusters of similar behavior. However, this clustering process should take into account space and time, because both of these dimensions characterize daily trips. Depending on the expected outcome, we might wish to give more importance to space or to time, or we might wish to balance the two. In this master thesis, we present a spatiotemporal clustering tool that permits modulation regarding to the importance of space versus time. We control the importance of space and time with a ‘space-time balance parameter’ which affects the metric used to compare the behavior of two transit users. For a parameter value close to 0, this metric will give more importance to time, and for a value close to 1, to space. We first test the influence of each parameter of our clustering tool on the results. Spatial, temporal, and spatio-temporal indicators are used to characterize these results. Based on these tests, we optimize some of the parameters (sample size, DTW window), and we measure the influence of the space-time balance parameter on the spatial and temporal nature of the results. An improvement of temporal indicators when the balance parameter rises, as well as a deterioration of spatial indicators, can be observed. Moreover, these indicators seem to have a linear variation for a parameter value between 0.2 and 0.8. The spatial and temporal nature of the clustering results can therefore be controlled, with a satisfactory precision. In a second step, we use this clustering tool to study the traveling behavior of the Québec transit users, with three different values for the space-time balance parameter. Each of these three studies generates very different, but always interesting, results. The first one considers only the temporal natural of traveling behavior, without any regards for space. It shows, for instance, that the temporal behavior is more diverse for seniors and students, and that seniors tend to have an earlier schedule than the rest of the population. The second study gives approximately the same importance to space and time. We can observe some clusters pairs, where both clusters have the same origin and destination zones, but a different temporal behavior. Of the three studies, this is the one that creates clusters with the most socio-demographical differences, which proves the interest of using time and space simultaneously. The third study considers only the spatial nature of traveling behavior. The clusters created divide Quebec into specific living areas. We also observe some clusters pairs, but not of the same kind: these clusters regroup users living in the same area but working in two different zones. Therefore, these three studies have generated interesting results, and could all be used, but for different applications. This modulated clustering method should help, in the future, to better understand the behavior of transit users, because it offers, thanks to its space-time parameter, a variety of diverse and interesting perspectives.

Open Access document in PolyPublie
Department: Département de mathématiques et de génie industriel
Academic/Research Directors: Martin Trépanier and Bruno Agard
Date Deposited: 19 Oct 2021 13:05
Last Modified: 19 Oct 2021 13:05
PolyPublie URL: https://publications.polymtl.ca/6644/

Statistics

Total downloads

Downloads per month in the last year

Origin of downloads

Repository Staff Only