La résilience des transports publics urbains : Améliorer la gestion des incidents à travers une analyse orientée-données

Le modèle économique urbain, issu de la révolution industrielle, incite les individus et les entreprises à se localiser en ville, entraînant une croissance économique importante. Cependant, cette croissance provoque des tensions sociales et environnementales, appelées "externalités négatives'' en économie. Pour résoudre ce paradoxe, la résilience est devenu un concept central des politiques urbaines, visant à construire des villes capables de résister et de se remettre des défaillances de marché induites. Les systèmes de transport sont un composant essentiel de l'économie urbaine, et les transports publics apparaissent comme les nouveaux piliers de ces politiques urbaines résilientes. Ils contribuent à réduire les émissions de gaz à effet de serre, éviter la congestion routière et améliorer l'accessibilité et l'inclusion sociale. Cet attrait pour les transports publics s'accompagne d'enjeux économiques et sécuritaires, qui exercent une pression croissante sur les opérateurs de mobilité et entraînent, dans certains cas, des incidents. Dans ce contexte, mesurer la résilience est une compétence cruciale pour y faire face. Au niveau stratégique, la plupart des travaux se concentrent sur l'amélioration de la conception des réseaux et l'étude des variables qui influencent leur capacité à résister aux perturbations. Au niveau tactique, les plans de gestion des perturbations sont préventifs, basés sur des refontes temporaires de l'offre telles que le planification horaire et la substitution d'offre. Au niveau opérationnel, la mission des opérateurs est de rétablir le service et contenir les effets des incidents sur l'exploitation. A ce dernier niveau, les solutions influençant la demande sont précieuses pour la gestion et la réaffectation des flux de voyageurs.Au cours des dernières années, la gestion des perturbations a été renforcée par l'augmentation de la capacité de calcul informatique et une disponibilité accrue des données. Les données détaillées issues de la billettique (AFC), la localisation des véhicules (AVL) et l'enregistrement des incidents (SD-logs) peuvent être utilisées pour suivre en temps réel les performances des systèmes de transport public. Par conséquent, le paradigme de la gestion opérationnelle des perturbations est passé de l'utilisation de solutions fondées sur l'offre, comme les bus de remplacement par exemple, à l'intégration de solutions plus axées sur la demande. L'émergence de l'intelligence artificielle contribue à atteindre les objectifs de gestion de la demande en temps réel.La thèse vise à caractériser différentes formes d'incidents et leurs impacts sur la demande, à évaluer la résilience des systèmes de transport public et les plans de gestion existants, et à développer de nouveaux outils pour améliorer l'exploitation en cas d'incident. Les données utilisées dans cette étude sont fournies par Keolis et concernent le réseau de transport public de Lyon. La méthodologie de la thèse se concentrent sur des techniques de machine learning à des fins de clustering, de détection et de prédiction. Les résultats montrent l'impact du COVID-19, en tant que perturbation à grande échelle et de longue durée, sur la demande de transport public. Ce travail est une étape nécessaire pour comprendre comment les historiques de données ont été affectés par la pandémie et comment ces ensembles de données « corrompues » peuvent être utilisés à des fins analytiques. Les incidents d'exploitation sont également évalués et regroupés selon leurs causes et leurs caractéristiques spatiotemporels. Différents niveaux d'intensité des incidents sont mis en avant, pour lesquels différents plans de gestion opérationnels sont proposés. La thèse fournit des perspectives pour détecter les incidents, mieux prédire la demande lorsqu'ils surviennent, et évaluer les plans de gestion les plus courants. Cette thèse constitue une contribution précieuse pour caractériser et améliorer la résilience des systèmes de transport public.