Valorisation des données opérationnelles liées aux systèmes de transport collectif urbains

加拿大城市集体运输的主要公司主要有自动收费系统、乘客收费系统和临时车辆定位系统，但在开发利用现有资源和利用现有资源的规划模式方面仍有很大的差距。Ces systèmes permettent aux usagers de transport de payers payment utilisation des réseaux et de connaintre l'état du service en vue de planifier leurs déplacements.对于运营商而言，收入管理通过自动支付系统实现，而服务运营则通过实时定位系统实现。为了一般社会，通过减少私人车辆的使用，改善公共交通服务，有助于减少气体排放，以达到服务的效果。 该研究项目旨在通过对不同运输管理和运营系统的开发和评估，促进运输系统的改进，以实现对供应和需求的最佳控制，并使运输公司的使用者和人员更好地利用这些工具和方法。Au niveAu scientifique，cet objectif s'incrit in l'avNavisphere des algorithmes de fusion de données，des methodes prédictives basées sur la fouille de données and de la modélisation de l'usage de ces outils.这项工作巩固了研究成果，其中包括研究合作伙伴、Thalès集团、Cortex Media、首都运输网、拉瓦尔运输公司等。

Bien que les principales sociétés de transport collectif urbain canadiennes soient maintenant dotées de systèmes automatisés de paiement, de systèmes de comptage de passagers et de systèmes de positionnement des véhicules en temps réel, il reste beaucoup à faire en ce qui concerne l'exploitation des données qui en sont générées et les modèles de planification qui peuvent en ressortir. Ces systèmes permettent aux usagers de transport de payer leur utilisation des réseaux et de connaître l'état du service en vue de planifier leurs déplacements. Pour l'opérateur, la gestion des revenus est grandement facilitée via les systèmes de paiement automatisés, et l'opération du service améliorée via les systèmes de positionnement en temps réel. Pour la société en général, l'amélioration des services de transport collectif apporte des bénéfices environnementaux via la réduction de l'utilisation des véhicules privés, contribuant ainsi à la réduction des émissions de gaz à effets de serre. Ce projet de recherche vise à développer des outils et des méthodes permettant de mieux exploiter et de valoriser les données issues des différents systèmes de gestion et d'opération du transport collectif afin de contribuer à l'amélioration des systèmes de transport par une meilleure caractérisation de l'offre et de la demande, et une plus juste utilisation de ces outils et méthodes chez les usagers et le personnel des sociétés de transport. Au niveau scientifique, cet objectif s'inscrit dans l'avancement des algorithmes de fusion de données, des méthodes prédictives basées sur la fouille de données et de la modélisation de l'usage de ces outils. Les travaux viendront consolider les acquis de l'équipe de recherche, tout en apportant des bénéfices aux partenaires de recherche, le groupe Thalès, Cortex Media, le Réseau de transport de la Capitale (RTC), la Société de transport de Laval (STL) ainsi qu'aux sociétés de transport collectif canadiennes en général.