Contributions à l'analyse des comportements de réservation des usagers d'un service d'autopartage

Dans un contexte où la transition vers des modes de transport plus verts devient un enjeu majeur, l’autopartage émerge comme une solution prometteuse pour réduire la dépendance à la voiture individuelle. Elle contribue à la diversification des options de déplacement en complémentarité avec d'autres formes de mobilité durable telles que le transport en commun, le vélo et la marche. Dans ce domaine, Communauto se distingue par son rôle pionnier. Fondée à Montréal, l’entreprise est aujourd’hui le plus grand fournisseur de services d’autopartage en Amérique du Nord. Elle propose deux types : en libre-service ou en station. Cette étude vise à recommander des ressources à Communauto pour mieux répondre à la demande en station en examinant les comportements des abonnés de la région métropolitaine de Montréal. Bien que plusieurs recherches aient exploré les bénéfices de l’autopartage, peu d’études se sont penchées sur les habitudes de réservation des clients. Les comprendre permet non seulement d’optimiser l’utilisation des ressources disponibles, mais aussi d’orienter les stratégies de développement du service. Une analyse statistique des données de Communauto combinées aux informations territoriales et démographiques a été menée grâce aux logiciels RStudio et QGIS. Elle inclut des éléments du profil des membres, notamment le genre, l’âge, le type de forfait et la localisation résidentielle. L’usage du service de l’usager, les caractéristiques des stations et des réservations ainsi que les dimensions temporelles sont également considérées. Les résultats sont présentés sous forme de graphiques et de cartes géographiques. Des méthodes d’apprentissage automatique ont été utilisées afin de prédire le statut final d’une réservation contribuant à une meilleure compréhension des variables importantes. Dans le cadre de ce mémoire, des termes ont été définis pour approfondir des phénomènes observés comme la fausse annulation, soit une annulation suivie d’une nouvelle réservation honorée à la même date du début de réservation. Elles représentent 11,67% des réservations, alors que 70,61% sont des réservations honorées et 17,72%, des réelles annulations. L’analyse des comportements de réservation dévoile plusieurs tendances. Les réservations planifiées pour la fin de semaine ou la période estivale révèlent un taux d’annulation plus élevé. Une inscription effectuée à l’approche de la date du début de la réservation manifeste une plus forte probabilité d’être honorée. Les femmes annulent plus fréquemment et de manière plus anticipée que les hommes. Les utilisateurs de l’ouest, du centre, de l’est et de la banlieue de l’île de Montréal adoptent des habitudes distinctes. Les réservations de plus d’un jour rencontrent deux fois plus d’annulations que celles de durée inférieure. Les stations situées au centre-ville ou réservées aux résidents d’un immeuble sont généralement plus honorées. Deux modèles de différentes complexités sont explorés comme outils de prédiction des comportements de réservation. Les valeurs des indicateurs de la forêt aléatoire dépassent ceux de l’arbre de décision. L’exactitude de la forêt d’arbres décisionnels atteint 77,51% contre 69,67%, tandis que le score F1 s’élève à 85,15% comparativement à 77,84%. Certaines variables, dont celles associées à l’usage du service, augmentent la qualité de la prédiction. Les tendances observées permettent d’anticiper les comportements des abonnés et d’identifier des leviers d’intervention pour ajuster les politiques de gestion des réservations ou améliorer la prédiction de la demande. Dans le but de mieux organiser la flotte, Communauto pourrait appliquer la forêt aléatoire fréquemment. Si leur objectif est plutôt de réduire les annulations, le plan d’action devrait cibler les caractéristiques les plus étroitement corrélées.