Le transport collectif à la demande, un moyen efficace d’améliorer l’accessibilité en banlieue

Les usagers des transports en commun qui habitent en banlieue peuvent rarement compter sur un système de transport par autobus fiable et accessible, et se plaignent souvent des passages peu fréquents et des longs temps d’attente. En raison de la faible densité de population dans ces zones, les sociétés de transport ne sont généralement pas en mesure de proposer davantage de services.

Dans ce contexte, le transport en commun à la demande est une approche novatrice qui permet d’améliorer l’accessibilité et la qualité des services tout en réduisant les coûts d’exploitation.

Malgré la croissance rapide des services de transport en commun à la demande dans de nombreuses villes canadiennes (en anglais seulement) et aux États-Unis, bien des prestataires de tels services utilisent toujours une appli, le téléphone ou un site Web comme méthode de réservation.

Or, les préoccupations en matière de protection de la vie privée de certains usagers peuvent dissuader ces derniers d’utiliser une appli pour réserver un transport. Par ailleurs, les personnes qui n’ont pas accès à un appareil mobile ont du mal à se prévaloir de ces services.

Cet article fait partie de notre série Nos villes d’hier à demain. Le tissu urbain connait de multiples mutations, avec chacune ses implications culturelles, économiques, sociales et — tout particulièrement en cette année électorale — politiques. Pour éclairer ces divers enjeux, La Conversation invite les chercheuses et chercheurs à aborder l’actualité de nos villes.

Renseignements en temps réel

Notre recherche étudie le potentiel du transport en commun à la demande en simulant une nouvelle méthode (en anglais seulement) qui utilise des dispositifs intelligents installés aux arrêts d’autobus. Les dispositifs Smart City Network (SCiNe) permettent de communiquer localement avec les usagers et de leur fournir de l’information en temps réel. Des prototypes de dispositifs SCiNe, développés par BusPas, Inc, ont été installés à des arrêts d’autobus de Montréal et de Laval, au Québec.

Les dispositifs SCiNe fournissent des renseignements utiles, comme l’heure d’arrivée prévue, les retards possibles et le nombre de passagers dans l’autobus. Le fait d’offrir de tels renseignements en temps réel peut améliorer la satisfaction des usagers et permettre aux sociétés de transport de prendre des décisions fondées sur les données afin d’optimiser leur exploitation.

Déjà des milliers d’abonnés à l’infolettre de La Conversation. Et vous ? Abonnez-vous aujourd’hui à notre infolettre pour mieux comprendre les grands enjeux contemporains.

Les usagers qui se trouvent à un arrêt d’autobus doté d’un dispositif SCiNe peuvent l’utiliser pour demander un service de transport. Après la réception de la demande, le dispositif transmet à la société de transport les données dont elle a besoin, comme l’emplacement de l’arrêt d’autobus, l’heure de la demande et la destination.

La société reçoit également des données en temps réel de ses véhicules – principalement des fourgonnettes – qui parcourent le réseau. La société peut ainsi suivre les véhicules et connaître leur disponibilité, leur emplacement, leur destination et leur trajet.

Optimisation des horaires et des trajets

Les données en temps réel des véhicules et des dispositifs SCiNe sont alors transmises à l’algorithme de répartition (en anglais seulement).

L’algorithme de répartition est chargé de jumeler les usagers aux véhicules disponibles de manière dynamique en tenant compte de divers paramètres, tels que les temps d’attente et les déviations (en anglais seulement). Il évalue également si plusieurs demandes peuvent être traitées simultanément.

Lorsqu’il jumelle les usagers aux services, l’algorithme considère la disponibilité des véhicules, la proximité des usagers et la durée prévue du trajet. Une fois un véhicule assigné à l’usager, l’algorithme détermine le trajet optimal pour que le véhicule se rende à l’usager. Pour ce faire, l’algorithme tient compte des conditions de circulation en temps réel, de la distance et de la durée prévue du trajet.

Une fois les véhicules répartis entre les usagers, ceux-ci reçoivent des renseignements personnalisés – dont le temps d’attente prévu – par l’entremise des dispositifs SCiNe. De leur côté, les véhicules reçoivent des données sur les usagers à transporter et sur l’emplacement des arrêts d’autobus.

Mise en œuvre des services à la demande

La méthode proposée a été mise en œuvre afin de simuler le service de transport en commun à la demande pour le premier mile (en anglais seulement), soit la première partie du trajet des usagers. La ville de Terrebonne, située en banlieue de Montréal, a été sélectionnée comme zone d’étude, et on y a comparé le service de transport en commun à la demande proposé et le service de transport en commun en autobus existant.

Les résultats de notre simulation indiquent que si un tel service de transport en commun à la demande était disponible, les usagers verraient leur temps de déplacement réduit par rapport au temps de déplacement d’un service d’autobus classique. En effet, le transport en commun à la demande rationalise les déplacements sur le réseau, les rendant plus rapides et plus faciles.

Si un tel système était mis au point et adopté à grande échelle, ce mode de transport pourrait avoir une incidence importante sur l’organisation et la performance des services de transport en commun en banlieue. En tirant parti de technologies novatrices, comme les dispositifs SCiNe et des algorithmes de répartition évolués, le transport en commun à la demande représente un moyen d’améliorer l’accessibilité du transport, de réduire la durée des déplacements et de rehausser l’expérience globale des usagers des transports en commun.

Seyed Mehdi Meshkani, Postdoctoral fellow, Concordia Institute for Information Systems Engineering, Concordia University; Nizar Bouguila, Professor, Concordia Institute for Information Systems Engineering, Concordia University; Siavash Farazmand, PhD student, Concordia Institute for Information Systems Engineering, Concordia University, and Zachary Patterson, Professor, Concordia Institute for Information Systems Engineering, Concordia University

Cet article est republié à partir de The Conversation sous licence Creative Commons. Lire l’article original.