Analyse exploratoire de transactions de cartes à puces sur le réseau du métro de Montréal

L'implantation des systèmes d'acquisition de données automatisés en transport en commun permet aujourd'hui d'acquérir des données d'achalandage de manière continue. En sondant le réseau de façon passive, c'est-à-dire sans interaction avec l'usager, ces systèmes collectent des données qui offrent une richesse spatiotemporelle que les enquêtes traditionnelles ne permettent pas d'obtenir. Par ailleurs, les données de service planifié sont maintenant générées dans un format standard dans la plupart des sociétés de transport, soit le format GTFS. Ce format impose la génération de différents fichiers qui contiennent, entre autres, la position des arrêts et stations, et les temps de passage à la minute près de tous les véhicules de transport en commun. L'objectif de cette recherche est d'examiner le potentiel théorique de l'assemblage de ces différentes sources de données pour le réseau de métro de Montréal, en évaluant l'efficacité de logiciels ouverts, ou « open source ». Les données de transactions par cartes à puce en lien avec le métro présentent certaines caractéristiques qui affineront les analyses. D'une part, l'équipement de perception est fixe en station, ce qui élimine l'incertitude quant à l'emplacement des transactions effectuées dans le métro. Cette caractéristique simplifie les traitements qui doivent être appliqués aux données avant d'en faire l'exploitation. D'autre part, l'empreinte des données de transactions étant à la seconde, il devient possible d'analyser la dynamique par véhicule dans le réseau de métro. Le projet débute en rappelant les concepts associés à un réseau de métro et à la tarification par carte à puce, et en cernant le rôle des technologies informationnelles en transport. Ensuite, une structure est établie pour associer les données aux objets auxquels elles font référence. Cette étape est fondamentale pour la suite des manipulations, qui consistent à traiter et enrichir les données. Les procédures de traitement et d'enrichissement reposent sur des hypothèses qui elles, dépendent des objets présents dans la base de données, et de leurs attributs.