Transport en commun intelligent : Comment les données massives et l’analytique peuvent-elles améliorer les services de transport en commun?

Plusieurs d’entre nous utilisons le transport en commun pour se rendre chaque jour au travail ou à l’école. Dans la ville d’Ottawa seulement, plus de 870 000 personnes ont utilisé le transport en commun au moins une fois en 2016 selon un rapport produit par OC Transpo.

Si le transport en commun est un choix rentable, il n’est malheureusement pas toujours fiable. Un rapport d’horaire d’OC Transpo indique que, de janvier à juin l’année dernière, les circuits rapides, fréquents et locaux ont respecté l’horaire établi entre 25 et 89 % du temps lors des heures de pointe. Cette fluctuation peut avoir été causée par des accidents de la route, de mauvaises conditions météorologiques ou d’autres situations imprévisibles qui ont affecté de façon soudaine la demande ou l’offre de service et ainsi, la fréquence des autobus qui desservent un trajet donné.

Les imprévus ont la capacité d’affecter l’horaire des autobus à tout moment. Le fait que l’offre de service ne puisse s’adapter rapidement à des changements de la demande et à la fréquence du transport en commun peut s’avérer frustrant, particulièrement pour les personnes qui dépendent de ce moyen de transport sur une base régulière pour rentrer à la maison après une journée longue et épuisante.

Grâce au pouvoir des données massives et de l’analytique, le professeur Bijan Raahemi de l’École de gestion Telfer s’est associé avec SMATS Traffic Solutions afin d’aider les sociétés de transport en commun à adapter de manière dynamique les services et, en fin de compte, à réduire les temps d’attente des passagers. Ce projet de recherche offre également à Shahrzad Jalali, étudiante au programme de maîtrise en Technologies des affaires électroniques, la chance d’apprendre de nouvelles compétences et d’entreprendre des travaux de recherche qui auront un impact important sur les utilisateurs du transport en commun.

Nous avons rencontré le professeur Raahemi et son étudiante afin d’en apprendre davantage sur ce projet de recherche.

Comment votre recherche peut-elle aider les sociétés de transport en commun comme OC Transpo à surmonter ces problèmes de planification des horaires?

Professeur Raahemi : Notre équipe voulait en apprendre plus sur l’achalandage des autobus afin de réagir aux changements inattendus qui affectent l’horaire des trajets et les services. Pour ce faire, nous travaillons avec SMATS Traffic Solutions. Cette entreprise a conçus des capteurs qui permettent de recueillir des données sur le nombre de passagers qui montent et descendent de l’autobus au cours du trajet. Les capteurs détectent de façon anonyme le signal du téléphone cellulaire des passagers.

Le succès de ce projet comporte plusieurs difficultés :  la quantité considérable de données nécessaires, le changement fréquent des données et l’importance de différencier le bruit des données utiles; mais nous sommes en mesure de surmonter ces difficultés au moyen de méthodes avancées d’exploration des données.

Shahrzad : Les tendances que nous établissons serviront à mettre à jour de façon plus dynamique l’offre de service des autobus, même si un événement inattendu se produit. Par exemple, supposons qu’un accident de la route occasionne d’importants retards sur un trajet. Le prochain autobus sur ce trajet sera inévitablement en retard sur l’horaire prévu et ne sera pas en mesure de faire monter tous les passagers qui attendent. L’étude des tendances d’achalandage vise à aider les sociétés de transport en commun à décider s’il faut ajouter des autobus sur un trajet donné, combien en ajouter et à partir de quel arrêt ajouter des autobus, pour ainsi adapter de façon dynamique les services de manière à répondre aux changements de la demande.

Pour qui est-ce avantageux?

Professeur Raahemi : C’est avantageux pour nous tous. Les sociétés de transport en commun en bénéficient, car si elles perfectionnent la planification de leurs horaires, elles peuvent attribuer leurs ressources de façon plus efficace et améliorer l’expérience et la satisfaction de leur clientèle. Ce faisant, elles seront en mesure d’augmenter l’achalandage et, en fin de compte, leur bénéfice net.

Shahrzad : Plus important encore, les utilisateurs du transport en commun gagnent. Ces solutions intelligentes peuvent réellement améliorer la vie des personnes qui dépendent du transport en commun au quotidien. En tant qu’étudiante, je suis très contente de faire partie de l’équipe de SMATS Traffic Solutions qui travaille à la mise au point d’une technologie qui est susceptible d’aider les sociétés de transport en commun à résoudre les problèmes d’horaire des autobus et à offrir de meilleurs services aux passagers.

Comment cette collaboration entre l’université et l’industrie soutient-elle les jeunes chercheurs?

Shahrzad : L’utilisation de la recherche pour résoudre un problème pratique m’a permis d’acquérir des connaissances et une expérience professionnelle inestimables. Je crois que mon travail dans un projet collaboratif soutenu par l’industrie me procurera un avantage quand je serai diplômée et que je commencerai à chercher des possibilités d’emploi.

Quelles sont les prochaines étapes du projet?

Shahrzad : Le projet est encore en phase de développement, mais je mets actuellement à l’essai nos algorithmes et nos solutions à l’aide de données fictives. Lorsqu’ils auront été analysés sur le terrain, ces algorithmes permettront d’aider les sociétés de transport en commun à mieux répondre en temps réel aux changements de la demande.