Développement d’un modèle d’identification des corridors de demande et proposition

réseau

Idéalement, pour parcourir la plus courte distance, les réseaux de transport devraient suivre la demande de transport sous sa forme brute, laquelle est représentée par les lignes de désir. Pour passer de l’échelle individuelle à l’échelle collective, les lignes de désir doivent être encapsulées dans des corridors. Les méthodes utilisées actuellement pour modéliser les corridors de demande peuvent être optimisées pour mieux servir la planification des transports et c’est la raison pour laquelle un algorithme d’identification approprié doit être conçu.

Cette problématique est traitée dans le Chapitre 5, lequel propose des pistes de solution sous la forme d’un article intitulé « Travel Demand Corridors : Modelling Approach and Relevance in the Planning Process » publié dans la revue « Journal of Transport Geography » en 2017. L’article est par ailleurs une version élaborée d’un autre l’article qui a déjà fait l’objet d’une communication, examinée en comité de lecture, au congrès annuel du Transportation Research Board (TRB) sous le nom de « TraClus-DL : A Desire line clustering framework to identify demand corridors » présenté en Annexe B.

Le chapitre 5 s’intéresse d’abord aux principales caractéristiques d’un corridor de demande en proposant des lignes directrices qui permettent de clarifier les processus d’identification. Notre perception du corridor en tant que zone dynamique et linéaire qui enveloppe une densité élevée de déplacements a permis de structurer le processus d’identification afin de concevoir l’algorithme TraClus-DL, acronyme pour Trajectory Clustering for Desire Line5.

TraClus-DL est un algorithme de regroupement par densité permettant d’identifier les corridors de demande à partir des données OD désagrégées (lignes de désir). L’application de cet algorithme nécessite l’utilisation de quatre paramètres intuitifs et adaptés au contexte du transport (largeur initiale du corridor, concentration minimale de trajectoires, angle maximum entre les trajectoires, longueur de segmentation).

La structure du TraClus-DL est inspirée de la structure d’un autre algorithme (TraClus) ; ceux-ci présentent toutefois les principales différences suivantes :

 TraClus-DL segmente toutes les lignes de désir en segments égaux pour simplifier l’identification des portions similaires. Il intègre directement le poids de chaque déplacement (facteur de pondération) dans les calculs, ce qui permet d’alléger et d’accélérer le processus de traitement ;

 Les intrants de TraClus-DL sont plus adaptés au contexte du transport. Les quatre paramètres, illustrés par la Figure 3.2, sont :

o Max_distance : largeur initiale « flexible » de la zone d'influence (en mètres) ;

o Min_weight : nombre minimum de déplacements requis pour identifier et former un corridor (en nombre) ;

o Max_angle : angle maximum permis entre les lignes de désir pour assurer une similarité de direction entre les déplacements (en degré) ;

o Segment_length : longueur de coupe ou de segmentation des lignes (en mètres). Il est important de mentionner que le caractère « flexible » de la largeur initiale permet d’élargir le rayon de recherche initial pour regrouper les déplacements similaires qui existent à proximité des limites ; ce caractère donne à l’algorithme sa caractéristique déterministe. Des informations plus détaillées sur les caractéristiques des intrants sont présentées en section 5.4.

Figure 3.2: Illustration simplifiée des intrants de TraClus-DL

 Les extrants de TraClus-DL sont des petits corridors. Chaque corridor est relié à ses données sources, ce qui permet de caractériser les corridors et d’effectuer une analyse approfondie et détaillée au niveau de chaque corridor.

 La formation d’un long corridor continu (lissage ou « smoothing ») à partir des petits corridors ne fait délibérément pas partie de l'algorithme TraClus-DL. Nous constatons que le lissage pourrait déformer les résultats finaux lorsqu’un nombre important de corridors est présent dans une petite zone. Cependant, nous avons utilisé dans l’étude de cas un algorithme de lissage post-traitement pour relier les petits corridors consécutifs et nous avons validé les résultats manuellement.

Le fonctionnement de TraClus-Dl est clarifié à la Figure 3.3. Ce fonctionnement peut être résumé (avec simplification) par les trois étapes suivantes :

1- La segmentation des lignes de désir ; 2- L’identification des segments similaires ;

3- L’identification des corridors à partir des segments similaires.

Figure 3.3: Fonctionnement de TraClus-DL

Dans l’article, nous avons aussi démontré l’applicabilité de TraClus-DL sur un ensemble de données OD issues de l’enquête de la GRM de 2013 (132 867 déplacements). Les corridors de demande ont été identifiés et caractérisés en utilisant les variables disponibles dans l’enquête. De plus, la possibilité d'utiliser les corridors pour diagnostiquer le réseau est illustrée à l’aide d’un indicateur de Tortuosité Collective. La Tortuosité Collective évalue l’éloignement entre la demande collective et le réseau, permettant ainsi aux planificateurs de statuer sur un objectif d’amélioration.

Corridor

Clustered segments Non clustered segments

(a) 12 lignes de désir (b) Segmentation

(c) Identification des corridors (d) Explications Non regroupés : tous les

segments se trouvent > max_distance

Non regroupés :

> max_angle Non regroupés : < min_weight

Regroupés ensemble : angle entre les lignes ≤ max_angle

Non clustered segments Clustered segments Paramètres utilisés :

max_distance = 750m ; min_weight = 3 déplacements; max_angle = 5 ; segment_length = 100m

Segments Ligne de désir

La performance de TraClus-DL est analysée et comparée à celle de TraClus. En l’absence d’une approche de validation reconnue pour ces méthodes de regroupement, la visualisation reste l’ultime juge dans cette situation (Lee, J.-G. et al., 2007; Moulavi, Jaskowiak, Campello, Zimek, & Sander, 2014). Les résultats de TraClus-DL, a contrario de TraClus, demeurent cohérents pour les différentes variations du paramétrage.

L’utilisation de TraClus-DL est simple et ses paramètres sont intuitifs pour le planificateur de transport, puisqu‘il offre la possibilité de cartographier les résultats tout en assurant le lien avec les données d’entrées.

Dans ces méthodes de regroupement, le paramétrage joue un rôle important. Cependant, en l’absence préalable d’informations sur la tendance de la mobilité, il est important de tester plusieurs séries de paramètres afin de sélectionner celles qui conviennent le plus. Dans cet article, nous avons proposé une approche permettant de faciliter le choix des intrants. Une méthode automatisée de paramétrage qui intègre cette approche pourrait être développée et intégrée à TraClus-DL dans le futur.