Abstract Manager

De plus en plus, les données massives sont une source de données pertinentes pour la modélisation des transports. Le ministère des Transports et de la Mobilité durable (MTMD) du Québec a récemment acquis des données massives de véhicules connectés. Elles ont permis de moderniser la méthodologie de construction des matrices origine-destination (O-D) de ses modèles de simulation routière. Depuis plusieurs années, le MTMD mène des enquêtes O-D auprès des résidents des grandes régions urbaines du Québec qui sont essentielles pour connaitre leurs besoins de mobilité. Afin de modéliser l’ensemble des déplacements sur le réseau routier, il est nécessaire de compléter la demande régionale avec les déplacements externes et commerciaux. Par le passé, ces déplacements étaient obtenus à partir d’enquêtes cordon et d’hypothèses de camionnage. Pour ses nouveaux modèles, le MTMD a choisi d’utiliser des matrices O-D de fournisseurs de données massives pour générer spécifiquement les déplacements externes et commerciaux. Les matrices O-D de données massives proviennent de deux sources, soit TomTom pour les voitures et Geotab pour les camions. Chaque fournisseur a produit des matrices horaires pour le même découpage du territoire régional. Les matrices fournies couvraient les mêmes jours ouvrables d’automne que les enquêtes O-D des personnes. Des comptages classifiés, relevés sur le terrain dans la même période, ont été utilisés pour ajuster la demande afin de représenter un jour moyen. Cette présentation expose dans un premier temps les méthodes d’extraction et de traitement des données brutes issues des véhicules connectés. Ensuite, les principales étapes d’intégration de ces matrices dans la création du modèle, incluant l’ajustement avec les comptages et la validation des résultats sont présentés. Elle aborde également les défis et les avantages associés, tels que la représentativité de l’échantillon et le traitement de données massives. Chose certaine, les données massives permettent de compléter les enquêtes O-D notamment en ce qui concerne les déplacements externes et commerciaux. Elles constituent une opportunité notable pour renforcer la modélisation des transports!