Home Science Mieux prédire nos déplacements au quotidien

Mieux prédire nos déplacements au quotidien

by admin
Mieux prédire nos déplacements au quotidien

Une scientifique de l’EPFL a développé un modèle de prédiction qui prend en compte non seulement nos déplacements, mais aussi nos activités durant la journée. Cet outil flexible, qui intègre le concept de compromis, permet de coller au plus près de la réalité.

Combien de voitures empruntent l’autoroute entre Lausanne et Genève sur une année ? Quelles lignes de trains ont le plus de passagers ? Estimer les demandes de transport à travers des modèles de prédiction est le vaste et passionnant domaine d’expertise de Janody Pougala, doctorante au sein du Laboratoire transport et mobilité de l’EPFL. Dans le cadre de sa thèse, l’ingénieure civile a exploré une nouvelle manière d’appréhender les habitudes de déplacements des individus qui se rapproche au plus près de leur réalité en prenant en compte de nouveaux paramètres. Elle a conceptualisé un modèle de prédiction en open source centré sur les activités des personnes et non sur leurs déplacements uniquement. L’outil est particulièrement sophistiqué puisqu’il permet d’intégrer les changements de comportements des gens en incluant des dimensions aléatoires qui régissent aussi leurs vies.

Dans les modèles de prédiction classiques, les scientifiques regardent en priorité les déplacements d’une personne et pour chacun d’entre eux, le motif, le mode de transport et l’itinéraire. Tout cela de manière séquencée et chronologique. Or ces modèles ne sont pas toujours adaptés à une réalité quotidienne plus complexe.

Modéliser le compromis
Pour obtenir des prédictions plus détaillées, il est nécessaire de savoir comment les gens se comportent. C’est d’autant plus important aujourd’hui que nous avons des modes de vie de plus en plus hétérogènes. Le développement du télétravail ou encore du co-voiturage ont profondément modifié la manière de se déplacer. L’amélioration des infrastructures donne l’opportunité d’habiter plus loin de son lieu de travail. C’est dans ce contexte de grande mutation que Janody Pougala a choisi de développer son nouveau modèle qui se focalise sur les activités des individus en prenant en compte leurs motivations afin de proposer des prédictions toujours plus réalistes.

Mon modèle n’est pas construit en séquences, mais analyse tous les éléments simultanément.

Mais comment fonctionne un tel modèle ? «Il repose sur la planification d’une journée. On relie ensemble des composants réels par des équations mathématiques. On travaille avec plusieurs variables sur la base de données issues de différentes sources comme des enquêtes de mobilité ou des statistiques», explique Janody Pougala. Tout se joue dans la conceptualisation de base du modèle. Et c’est sur ce point que le projet de la scientifique apporte une grande flexibilité. «Il n’est pas construit en séquences, mais analyse tous les éléments simultanément.»

En n’imposant aucun ordre précis au déroulement des activités d’un individu, elle ajoute la notion de satisfaction et de contrainte. C’est une nouvelle manière de modéliser le compromis. Il s’agit ici de retranscrire mathématiquement des hypothèses comportementales tirées de la littérature existante et de recherches sociologique et urbaine. Puis de les combiner à des données statistiques afin que le modèle de prédiction puisse reproduire des comportements au plus proche de la réalité. Prenons l’exemple suivant: Emma a décidé de travailler plus tard et a renoncé à aller à la salle de sport. En rentrant chez elle, son train s’est retrouvé immobilisé à la gare de Lausanne. Elle décide alors de prendre un bus plutôt que d’attendre l’arrivée d’un train de remplacement. «Mon modèle permet d’observer la préférence des gens dans ce type de situation. Et à quel point ils tolèrent des solutions qu’ils n’apprécient pas trop. Il montre également comment les personnes s’adaptent et utilisent les infrastructures à disposition dans ce genre de cas.»

Disponible en open source, l’outil développé par Janody Pougala est utile pour faire des prévisions à long terme sur le développement de nouveaux modèles de transport. Il a déjà été testé sur le modèle de prédiction existant des CFF et dans le cadre d’un projet de planification urbaine à Zurich, qui imagine comment la ville fonctionnerait avec 50 % de mobilité douce.

Source Link

Related Articles

Leave a Comment

Pierre Rayer News
Universal scientific discoveries