Développement d’indicateurs de performance 36

Pour évaluer la performance d’un système de redistribution, il est important d’établir des indicateurs de performance. Pour ce faire, la majorité des opérateurs de systèmes de vélopartage mesure la fraction du temps pendant laquelle les stations sont pleines ou vides. Certains opérateurs sont même pénalisés par la municipalité en fonction de ces indicateurs, c’est le cas, par exemple, du système Vélib’ à Paris (Schuijbroek et al., 2013). À Vienne, l’opérateur du système doit s’assurer que les stations ne sont pas pleines pour plus de 60 minutes pendant le jour et plus de 180 minutes pendant la nuit (DeMaio, 2009). Le temps de non-service c’est-à-dire le temps durant lequel une station est vide ou pleine est un bon indicateur. D’ailleurs Raviv et Kolka (2012) ont prouvé que le nombre de clients insatisfaits est proportionnel au temps de non- service. Cependant, certains auteurs croient qu’il ne faut pas pénaliser le temps total où une station est vide ou pleine puisque, par exemple, une station vide au centre-ville le matin est souhaitable. Il faudrait donc faire attention à la période de temps en particulier où la station est vide ou pleine (Raviv & Kolka, 2013). Les paragraphes qui suivent sont un survol des différents indicateurs de performance présents dans la littérature.

Au niveau de l’analyse du niveau de service, Nair et Miller-Hooks (2011) ont décomposé le niveau de service global du système dans un ensemble d’intervalles pour chaque station. C’est le concept qui a été repris par Schuijbroek et al. (2013) dans leurs travaux décrits précédemment dans la section sur le problème de redistribution dynamique.

De leur côté, Raviv et Kolka (2013) ont introduit une fonction d’insatisfaction des usagers pour mesurer la performance d’une station. Ils ont fait une analyse numérique approfondie, basée sur les données du système Tel-O-Fun à Israël pour démontrer l’efficience et l’efficacité de cette fonction. Dans leur article, les auteurs présentent aussi une méthode d’approximation pour estimer la valeur de la fonction. Leur recherche se distingue de celle de Nair et Miller-Hooks

(2011) dans la mesure où ils considèrent la séquence de visite des vélos aux stations plutôt que le débalancement global de la station. Par exemple, une station peut avoir un inventaire global qui lui permettra de répondre à la demande de la journée, mais présentée une pénurie en périodes de grandes demandes. Les travaux de Raviv et al. (2012) sont d’ailleurs basés sur cette fonction d’insatisfaction. Cependant, le modèle omet l’interdépendance de la demande entre les différentes stations. Par exemple, un usager qui arrive à une station où il n’y a pas de point d’ancrage disponible ira probablement jusqu’à la station la plus près pour y stationner son vélo.

L’article de Lathia, Ahmed et Capra (2012) tentent de mesurer l’impact de l’ouverture de l’accès du système de vélopartage de Londres aux utilisateurs occasionnels. En effet, le système de Londres a été ouvert en juillet 2010 et était seulement accessible aux abonnés. Cependant, en décembre 2010 les opérateurs du système ont donné l’accès aux utilisateurs occasionnels qui pouvaient maintenant emprunter un vélo sans être membre en payant par carte de crédit ou débit. Tel que prévu, le nombre de voyages a augmenté, mais les auteurs de l’article se sont penchés sur d’autres impacts de ce changement de politique à travers différents indicateurs de performance. Pour développer leurs indicateurs de performance et faire leur analyse, les auteurs ont utilisé différentes techniques d’exploration de données en plus de faire des analyses spatiotemporelles et des regroupements de stations.

Selon la revue de littérature faite par les auteurs, beaucoup d’articles ont été écrits sur l’influence de la météo sur les trajets à vélo. Cependant, cette dernière n’influencerait pas autant l’utilisation du vélo comme moyen de transport qu’on aurait tendance à le croire. En effet, d’autres facteurs structurels, saisonniers, sociaux et politiques doivent être pris en compte. Les auteurs ont donc tenté d’inclure tous ces facteurs dans leur analyse. L’indicateur de performance qu’ils ont utilisé est le nombre de vélos disponibles normalisés (NAB) qui est en fait le nombre de vélos disponibles à chaque station sur la capacité totale de la station (Froehlich et al., 2009). Un facteur de 0 signifie une station vide alors qu’un facteur de 1 signifie une station pleine et ni l’un, ni l’autre n’est souhaitable. Pour faire leur analyse, les auteurs ont calculé le NAB à trois niveaux pour quantifier l’influence de l’ouverture du système aux utilisateurs occasionnels :

• Tendance temporelle moyenne sur le système au complet : les auteurs ont analysé l’évolution temporelle du NAB du système dans sa globalité;

• Différences spatiotemporelles : les auteurs ont analysé la distribution géographique des patrons et faits des regroupements de stations selon leurs patrons de NAB en utilisant un algorithme de classification hiérarchique;

• Différences au niveau des stations : en calculant les facteurs de corrélation entre les patrons avant et après l’ouverture, les auteurs ont sélectionné certaines stations et comparé en détail l’évolution de la demande.

Cette étude est donc intéressante au niveau des différents indicateurs de performance utilisés notamment le NAB et leur application pour quantifier l’évolution d’un réseau. Ces indicateurs de performance pourraient donc être réutilisés pour quantifier l’effet d’un changement dans la politique de redistribution. D’ailleurs les auteurs ont observé que dans le système de vélopartage de Londres, les problèmes de débalancement arrivaient principalement pendant le jour alors que la majorité des articles se concentrent sur le problème statique de nuit.

En somme, la majorité des indicateurs de performance présentés dans la littérature sont basés sur le temps où une station est vide ou pleine.