Grâce à une collaboration avec un opérateur réseau, le projet dispose de quatre jeux de données exceptionnellement détaillés:
-
un jeu de données agrégées sur les voyages longue distance qui permet pour la première fois une estimation correcte des trajets supérieurs à 50 kilomètres;
-
50’000 jours-personnes anonymisées, pour développer de nouveaux algorithmes afin de cerner le modèle de comportement quotidien ;
-
10’000 semaines-personnes anonymisées, pour estimer des modèles détaillés de comportements en matière de transport ;
-
demande horaire moyenne agrégée par mois de chaque commune suisse à chaque autre.
En accord avec la législation sur la protection des données, les travaux serviront à élaborer et calibrer la modélisation de la Suisse que nous réaliserons sur la base du logiciel individu-centré MATSim.
Dans les villes, l’infrastructure de transport est engorgée aux heures de pointe, alors qu’elle n’est que faiblement utilisée le reste du temps. Les données issues des smartphones donnent une image complète de l’utilisation de la ville. Sur la base de données anonymisées provenant d’abonnés d’un opérateur réseau, ce projet vise à améliorer une modélisation individu-centrée de la Suisse et à développer une nouvelle approche tarifaire de la mobilité qui pourrait se révéler utile à la politique suisse des transports.
A partir de jeux de données anonymisées de téléphones mobiles, nous allons développer de nouvelles méthodes d’évaluation. L’analyse de ces traces électroniques doit améliorer l’ancienne simulation individu-centrée ainsi qu’explorer et optimiser les possibilités, les coûts et les limites d’une tarification de la mobilité en Suisse.
De gros volumes de données permettent d’élaborer plus rapidement des modèles de trafic et de mieux les calibrer en vue d’un pilotage plus efficace des systèmes de transport, contribuant ainsi à faire face aux pics de surcharge des infrastructures. Le modèle MATSim de la Suisse, optimisé grâce aux données du projet, et les résultats sur la tarification de la mobilité peuvent apporter une contribution importante à l’amélioration des systèmes de transport et ainsi augmenter le bien-être de tous.
Big data transport models: The example of road pricing
