CHAPITRE 3 : DÉMARCHE DE L’ENSEMBLE DU TRAVAIL
3.2 Développement d’un modèle intégré de génération-distribution des déplacements en
Le développement d’un modèle d’opportunités pour la génération-distribution des déplacements en TC est présenté dans le Chapitre 5 sous la forme d’un article intitulé « Integrated Intervening Opportunities Model for Public Transit Trip Generation-Distribution: A Supply-dependent Approach », publié dans la revue « Transportation Research Record » en 2013 (Nazem, Trépanier, & Morency, 2013).
La raison principale pour laquelle nous examinons le modèle d’opportunités pour la distribution des déplacements en TC est qu’il a des bases davantage comportementales que les modèles de type gravitaire (Kermanshah, 2004). De plus le modèle d’opportunités par rapport au modèle gravitaire est moins sensible à la taille du territoire d’étude (Chow, Zhao, Li, & Li, 2005), et il produit de meilleurs résultats dans les cas où les destinations qui satisfont le motif de
déplacement ne sont pas distribuées d’une manière homogène (Veenstra, Thomas, & Tutert, 2010). Le modèle développé tient compte également des caractéristiques sociodémographiques et socioéconomiques ainsi que l’offre de TC.
Nous avons examiné deux formalisations du modèle d’opportunités. L’objectif est de trouver la formalisation la plus performante afin de modéliser la distribution des déplacements tous motifs en TC. Après avoir segmenté tous les déplacements en trois groupes par motif (travail, étude et autre), les modèles sont séparément calibrés. Les sections 3.2.1 et 3.2.2 résument les deux approches fondamentale et hiérarchique de modèle d’opportunités (Nazem et al., 2012). Également nous proposons sommairement une approche intégrée dans la section 3.2.3. La comparaison de performances des trois modèles (fondamental, hiérarchique et intégré) présentée au Chapitre 7 confirme une meilleure représentation de la réalité en formalisant le modèle d’opportunités d’une façon intégrée, d’où l’idée de développement du modèle intégré de génération-distribution présenté au Chapitre 5.
Les trois sous-sections suivantes présentent les différentes approches examinées pour la formalisation du modèle d’opportunités.
3.2.1 Modèle fondamental d’opportunités (MFO)
Le MFO est un modèle de distribution des déplacements tous motifs. Pour le développement de ce modèle, d’abord trois modèles non linéaires représentant les trois motifs sont indépendamment calibrés. Le résultat de cette étape est le nombre de déplacement de chaque motif pour toutes les paires OD. Par la suite le nombre de déplacements tous motif pour chaque paire OD est calculé en faisant la somme linéaire de tous les déplacements en tout motif pour cette paire OD (Nazem et al., 2012).
3.2.2 Modèle hiérarchique d’opportunités (MHO)
Le MHO est un modèle de distribution des déplacements tous motifs. Ce modèle est calibré à deux niveaux de manière hiérarchique. Le premier niveau vise à calibrer trois modèles non linéaires pour les trois motifs d’une manière indépendante, similaire à ce qu’on a fait pour le développement du MFO dans la première étape. Après avoir calibré ces modèles non linéaires, au deuxième niveau on définit une équation linéaire pondérée qui présente le nombre total de déplacements pour chaque paire OD à partir d’une somme pondérée de tous les déplacements en
tout motif pour cette paire OD. La calibration du deuxième niveau est une calibration linéaire qui donne le poids de chaque motif (Nazem et al., 2012).
3.2.3 Modèle intégré d’opportunités (MIO)
Le MIO est un modèle de distribution des déplacements tous motifs. Pour le développement de ce modèle, le nombre total de déplacements pour chaque paire OD est présenté avec une équation non linéaire qui intègre trois équations non linéaires chacune pour chaque motif, et aussi le poids de chaque motif de déplacements. La calibration de ce modèle est une calibration non linéaire qui produit les paramètres ainsi que le poids relatifs à chaque motif (voir la section 0 pour les détails).
Le Chapitre 5 consiste à développer un modèle intégré de génération-distribution, en considérant l’offre de TC par le biais des variables de niveau de service de TC ainsi que certaines variables sociodémographiques (population par trois cohortes d’âge) et socioéconomiques (revenu moyen des personnes). Ce modèle intégré pourra être bénéfique en tant qu’outil d’étude des comportements de mobilité en TC en produisant une matrice OD en fonction des changements apportés au niveau de service du TC et à la structure sociodémographique et socioéconomique de la population. Les variables indépendantes étant prévisibles ou supposables dans le temps, ce modèle peut être utilisé pour prévoir les matrices OD pour le futur. Dans la pratique cela pourra être bénéfique pour certaines études de mobilité à long terme telle que l’ensemencement pour estimer la demande générée lors de nouveaux projets de TC.
Dans ce modèle, le niveau de service de TC dans chaque zone d’étude est représenté par deux variables calculées à partir des données GTFS : le nombre total de passage-arrêts des véhicules de TC durant la journée et la densité spatiale des arrêts dans la zone. Ces deux variables permettent de considérer les changements de natures différentes apportées à l’offre de TC.
Le caractère intégré de ce modèle est avantageux car il s’agit d’une approche non-séquentielle pour la génération et la distribution des déplacements en TC. Par ailleurs les résultats présentés dans le Chapitre 5 démontrent une bonne reproduction du nombre de déplacements produits et attirés.
Un autre caractère du modèle d’opportunités est que le temps de parcours en TC y est utilisé en tant qu’élément implicite pour faire l’ordonnancement des zones de destination à partir de chaque zone d’origine, ce qui fait en sorte que ce modèle est moins sensible à la précision du calcul de
temps de parcours en TC. Autrement dit, tant que l’ordre (selon le temps de déplacement) des zones de destination à partir de chaque zone d’origine ne change pas, il n’y a pas d’effet sur les résultats obtenus du modèle. Par contre ce même caractère pourra rendre le modèle très sensible dans les cas où un changement mineur de temps de parcours modifie l’ordre dans l’ordonnancement des zones. La procédure de choix de destination améliorée présentée dans le Chapitre 6 pourrait être avantageuse face à cette sensibilité.
Les résultats présentés au Chapitre 5 s’inscrivent dans l’optique de l’amélioration des modèles de génération-distribution des déplacements par des bonifications dans leur construction théorique et leur formalisation mathématique. Également, les variables indépendantes utilisées dans ce modèle telles que les caractéristiques sociodémographiques et socioéconomiques de la population ainsi que l’offre de TC le dévoile comme étant un outil pertinent de prévision de la demande en TC pour le futur.