Analyse de données de mobilité : Cas des systèmes de vélos en libre (VLS) Etienne Côme, Latifa Oukhellou IFSTTAR-COSYS, Laboratoire Grettia 11 Avril 213
Outline Plan 1 Introduction Problématique Le système Velib en quelques graphes 2 Regroupement de stations à partir de profils d usage temporels 3 Clustering de matrices O-D dynamiques 4 Autres réalisations Visualisation interactive Recherche d itinéraire Projection de l usage sur le réseau routier et cyclable 5 Travaux actuels & futurs E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 2 / 52
Introduction Vélos en Libre Service (VLS) Nouveau mode doux de mobilité Vélib : Système complexe de vélos partagés à grande échelle Données d usage du système Vélib : Données d occupation des stations Données des trajets effectués sur 2 mois Sept. et Avril 211 (Mairie de Paris et JC. Decaux) Données temporelles : dates et heures de départ et d arrivée Données spatiales : stations de départ et d arrivée Type d abonnement (longue ou courte durée) Nouvelles problématiques d analyse des mobilités urbaines avec des challenges innovants E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 3 / 52
Introduction Problématique Objectifs Objectifs "Opérationnels" Eviter le problème d une station vide au départ et pleine au retour Optimisation des politiques de re-déploiements des vélos Concevoir de nouveaux systèmes, ou étendre un système existant Positionnement et dimensionnement des stations en fonction des données socio-économiques et géographiques,... Objectifs "Traitements" Rechercher des motifs d usage récurrents du vélib, modèles spatio-temporels Construire des modèles de prédiction d usage, estimation de la demande E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 4 / 52
Introduction Le système Velib en quelques graphes Effets temporels 35 3 Subscription : Short Long 25 Trips 2 15 1 5 Monday Tuesday Wednesday Thursday Friday Saturday Sunday Time FIGURE 1: Nombre de trajets / heure (courte / longue abonnements) E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 5 / 52
Introduction Le système Velib en quelques graphes Effets spatiaux FIGURE 2: trajets entrants entre [6h,7h] en semaine E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 6 / 52
Introduction Le système Velib en quelques graphes Effets spatiaux 24 Mean activity / hour 2 16 12 8 4 2 4 6 8 1 Distance from the center ("Les Halles") in Km FIGURE 3: Activités stations / distance aux "Halles (centre de Paris)" E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 7 / 52
Introduction Le système Velib en quelques graphes Analyse exploratoire des données Méthodologie générale Utiliser des algorithmes de clustering (regroupement automatique) pour trouver des formes d usage type du Vélib Croiser les groupes ou clusters trouvés avec des données géographiques et socio-économiques de la ville Facteurs influents sur l usage du système VLS. Deux pistes de travail : 1 Trouver des groupes de stations avec des profils d usage similaires 2 Segmenter / Résumer la dynamique temporelle globale du système E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 8 / 52
Regroupement de stations à partir de profils d usage temporels Regroupement de stations à partir de profils d usage temporels E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 9 / 52
Regroupement de stations à partir de profils d usage temporels Regroupement de stations à partir de leurs profils d usage temporels Objectifs : Stations décrites par les dynamiques de flux entrants et sortants X out sdt X in : # de vélos pris à la station s le jour d à l heure t sdt : # de vélos déposés à la station s le jour d à l heure t X sd = (X in sd1,..., X in sd24, X out sd1,..., X out sd24 ) Prise en compte des jours de semaine / week end. Croiser les résultats avec d autres variables explicatives : population, emplois, loisirs,... Analyse réalisée avec 8 groupes (bon compromis : interprétations/attache aux données) E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 1 / 52
Regroupement de stations à partir de profils d usage temporels Pôles multimodaux E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 11 / 52
Regroupement de stations à partir de profils d usage temporels Pôles multimodaux 5 Week Week-end 4 Activity 3 2 1 5 4 3 2 Departures Arrivals 1 5 1 15 2 Hours 5 1 15 2 E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 12 / 52
Regroupement de stations à partir de profils d usage temporels Parcs 5 Week Week-end 4 Activity 3 2 1 5 4 3 2 Departures Arrivals 1 5 1 15 2 Hours 5 1 15 2 E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 13 / 52
Regroupement de stations à partir de profils d usage temporels Parcs E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 14 / 52
Regroupement de stations à partir de profils d usage temporels Sorties nocturnes 5 Week Week-end 4 Activity 3 2 1 5 4 3 2 Departures Arrivals 1 5 1 15 2 Hours 5 1 15 2 E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 15 / 52
Regroupement de stations à partir de profils d usage temporels Sorties nocturnes E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 16 / 52
Regroupement de stations à partir de profils d usage temporels Sorties nocturnes et week-end 5 Week Week-end 4 Activity 3 2 1 5 4 3 2 Departures Arrivals 1 5 1 15 2 Hours 5 1 15 2 E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 17 / 52
Regroupement de stations à partir de profils d usage temporels Sorties nocturnes et week-end E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 18 / 52
Regroupement de stations à partir de profils d usage temporels Logements 5 Week Week-end 4 Activity 3 2 1 5 4 3 2 Departures Arrivals 1 5 1 15 2 Hours 5 1 15 2 E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 19 / 52
Logements Inhabitants / ha 2 4 6 8 1 1 2
Regroupement de stations à partir de profils d usage temporels Emplois(1) 5 Week Week-end 4 Activity 3 2 1 5 4 3 2 Departures Arrivals 1 5 1 15 2 Hours 5 1 15 2 E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 21 / 52
Regroupement de stations à partir de profils d usage temporels Emplois (2) 5 Week Week-end 4 Activity 3 2 1 5 4 3 2 Departures Arrivals 1 5 1 15 2 Hours 5 1 15 2 E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 22 / 52
Emplois (1 et 2) Jobs / ha 5 1 1 5 2
Regroupement de stations à partir de profils d usage temporels Usage mixte 5 Week Week-end 4 Activity 3 2 1 5 4 3 2 Departures Arrivals 1 5 1 15 2 Hours 5 1 15 2 E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 24 / 52
Regroupement de stations à partir de profils d usage temporels Usage mixte E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 25 / 52
Regroupement de stations à partir de profils d usage temporels Croisement données population-emplois-services hab/ha emp/ha serv/ha com/ha 162 237 4.2 3.7 Sorties (1) 367 189 6.3 4.4 Sorties (2) 261 322 7.7 6.9 Parcs 172 9 2 1.7 Gares 29 26 2.4 1.8 Logements 375 18 3.8 2.7 Emplois(1) 138 49 4.5 2.8 Emplois(2) 157 456 5.7 5.6 Moyennes 31 163 3.8 2.8 TABLE 1: Comparaison des moyennes de densités de population, d emplois, de services et de commerces pour les différentes groupes de stations. E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 26 / 52
Regroupement de stations à partir de profils d usage temporels Conclusions sur le clustering de stations Résultats Des stations bien différenciées en termes d usage Interprétation aisée des groupes de stations Densités de population, d emplois et d équipements explicatives des groupes de stations Profils temporels des clusters interprétables et informatifs E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 27 / 52
Clustering de matrices O-D dynamiques Clustering de matrices O-D dynamiques E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 28 / 52
Clustering de matrices O-D dynamiques Objectifs Représentation des données : matrices OD dynamiques Recherche de stationnarités et de points de changement dans les dynamiques de matrice OD Modèle utilisé Latent Dirichlet Allocation Résultats Segmentation temporelle et cycles Distribution spatiale des flux (OD de référence) / segment Permet de caractériser le déséquilibre du réseau / segment Représentation synthétique de la dynamique du réseau E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 29 / 52
Clustering de matrices O-D dynamiques Interprétation temporelle trips / hour 9 6 3 avril 11 avril 18 avril 25 Remarques La cyclostationnarité est clairement visible Faible mélange entre les différentes activités latentes Interprétation temporelle des 5 groupes obtenus : Domicile Travail, Déjeuner, Travail Domicile, Loisirs nocturnes, Loisirs E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 3 / 52
Clustering de matrices O-D dynamiques Interprétation spatiale : déséquilibre du réseau Balance -3-2 -1 1 2 3 FIGURE 4: Activité latente "Domicile Travail", déséquilibre du réseau pour N dep = 1 E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 31 / 52
Clustering de matrices O-D dynamiques "Travail Domicile" Balance -3-2 -1 1 2 3 FIGURE 5: Activité latente "Travail Domicile", déséquilibre du réseau pour N dep = 1 E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 32 / 52
Clustering de matrices O-D dynamiques "Déjeuner" Balance -3-2 -1 1 2 3 FIGURE 6: Activité latente "Déjeuner", déséquilibre du réseau pour N dep = 1 E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 33 / 52
Clustering de matrices O-D dynamiques "Loisirs nocturnes" Balance -3-2 -1 1 2 3 FIGURE 7: Activité latente "Loisirs nocturne", déséquilibre du réseau pour N dep = 1 E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 34 / 52
Clustering de matrices O-D dynamiques "Loisirs" Balance -3-2 -1 1 2 3 FIGURE 8: Activité latente "Loisirs", déséquilibre du réseau pour N dep = 1 E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 35 / 52
Clustering de matrices O-D dynamiques "Loisirs", stations avec un fort flux entrant FIGURE 9: Stations incoming specificity E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 36 / 52
Clustering de matrices O-D dynamiques "Loisirs", stations avec un fort flux sortant FIGURE 1: Stations outgoing specificity E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 37 / 52
Clustering de matrices O-D dynamiques Conclusion Résultats Meilleure compréhension de la dynamique du réseau Modèle synthétique de la dynamique Mise en évidence des cycles Limites Prise en compte uniquement de la demande satisfaite Pas de liens explicites avec les données socio-économiques et géographiques E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 38 / 52
Autres réalisations Visualisation interactive Visualisation exploratoire et interactive du jeu de données FIGURE 11: http ://www.comeetie.fr/galerie/velib/ E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 39 / 52
Autres réalisations Recherche d itinéraire Recherche d itinéraire (OpenTripPlanner) FIGURE 12: http ://velibme.comeetie.fr E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 4 / 52
Autres réalisations Projection de l usage sur le réseau routier et cyclable Projection de l usage sur le réseau routier et cyclable E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 41 / 52
Travaux actuels & futurs Travaux actuels & futurs Modèle de prédiction Objectif : information usagers + amélioration qualité de service Besoins : + de données (aspect saisonnier, météo,...) Modèle spatio-temporel enrichi Prise en compte explicite de données socio-économiques et géographiques Objectif : outils pour le dimensionnement et l extension d un réseau Ouverture : comparaisons de différentes villes (Londres, Washington D.C.) E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 42 / 52
Travaux actuels & futurs Travaux actuels & futurs Aspects intermodaux Synergie entre VLS et TC Objectif : comprendre et mesurer l intermodalité grâce à des données de billetique Projet PREDIT Mobilletic déposé (cas d étude sur la ville de Rennes) Estimation de la demande (satisfaite + satisfaite) Objectif : mesure et optimisation de la qualité de service Besoins : données conjointes stocks et déplacements E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 43 / 52
Merci pour votre attention latifa.oukhellou@ifsttar.fr, etienne.come@ifsttar.fr, @comeetie Ifsttar Centre de Marne-la-Vallée Batiment le Bienvenue 14-2 Bd Newton Cité Descartes, Champs sur Marne F-77447 Marne la Vallée Cedex 2 Tél. +33 ()1 81 66 87 19 Site : www.ifsttar.fr E.C. & L.O. (IFSTTAR-COSYS) Analyse données Vélib 11 Avril 213 44 / 52