Excess demand in public transportation systems: The case of Pittsburgh's Port Authority

Cette étude propose un cadre méthodologique combinant l'identification d'instances de demande excédentaire et un modèle de régression de Poisson filtré pour estimer la demande non satisfaite dans les systèmes de transport public, en appliquant cette approche aux données de la Port Authority de Pittsburgh pour corriger les biais liés aux données censurées.

L'essentiel

Voici une explication simple et imagée de l'article de recherche, conçue pour être comprise par tout le monde, sans jargon technique.

🚌 Le Problème : Le Bus Plein à Craquer

Imaginez que vous êtes à l'arrêt de bus à Pittsburgh. Il y a une foule de gens qui attendent. Le bus arrive, mais il est déjà plein. Le chauffeur ne peut pas laisser monter tout le monde. Certains doivent rester sur le trottoir, frustrés, en attendant le prochain bus.

C'est ce qu'on appelle la demande excédentaire (ou excess demand). C'est le nombre de personnes qui vouleraient monter, mais qui ne le peuvent pas.

Le problème majeur : Les systèmes de billetterie modernes (comme les capteurs sur les portes) sont comme des caméras de surveillance qui ne voient que ce qui se passe à l'intérieur du bus. Elles comptent les gens qui montent, mais elles sont aveugles à ceux qui restent dehors.

• Si le bus est plein et que personne ne monte, le système pense : "Ah, il n'y avait personne à l'arrêt."
• En réalité, il y avait peut-être 20 personnes, mais le bus était plein !

C'est comme essayer de deviner combien de gens avaient faim dans un restaurant en comptant seulement les assiettes qui ont été servies, sans voir les gens qui sont partis la faim au ventre parce qu'il n'y avait plus de place.

🔍 La Solution : Le Détective de Données

Les chercheurs de l'Université de Pittsburgh ont voulu résoudre ce mystère. Ils ont créé un outil pour estimer combien de gens sont restés sur le quai. Voici comment ils ont procédé, étape par étape :

1. Repérer les "Suspects" (La Détection)

Imaginez que vous êtes un détective. Vous ne pouvez pas voir les gens qui sont restés dehors, mais vous pouvez voir deux indices :

1. Le bus est arrivé plein (ou presque).
2. Personne (ou très peu de gens) n'est monté.

Si le bus est plein et que personne ne monte, c'est un indice fort qu'il y a eu une "demande excédentaire". C'est comme si vous voyiez une voiture de police garée devant une maison vide : vous pouvez supposer qu'il y a eu une intervention, même si vous n'avez pas vu les voleurs.

Les chercheurs ont créé un filtre pour repérer ces moments "suspects" dans les données.

2. Le Piège de l'Entraînement (Pourquoi il faut trier les données)

C'est ici que ça devient intéressant. Si vous essayez d'enseigner à un ordinateur à prédire combien de gens vont monter dans le bus, et que vous lui donnez les données "suspects" (où le bus était plein et personne n'est monté), l'ordinateur va se tromper.

• L'analogie du professeur : Imaginez un professeur qui enseigne à ses élèves à prédire la météo. Si vous lui montrez des photos de jours de pluie où il n'y a pas de nuages (parce que vous avez caché les nuages), l'élève va penser que "la pluie signifie pas de nuages". Il va faire des prédictions catastrophiques.
• La solution des chercheurs : Ils ont dit à l'ordinateur : "Ne regarde pas ces photos suspectes pour apprendre !". Ils ont retiré les cas où le bus était plein pour entraîner leur modèle sur des données "propres". Une fois l'ordinateur bien entraîné, ils lui ont demandé de regarder à nouveau les cas suspects pour deviner : "Combien de gens ont dû rester dehors ?"

3. Le Résultat : Une Estimation Réaliste

En utilisant cette méthode sur les données réelles de Pittsburgh (Port Authority), ils ont découvert des choses fascinantes :

• Le chiffre global : Sur l'année, environ 1 % des passagers totaux d'une ligne sont restés sur le quai à cause des bus pleins.
• L'heure de pointe : C'est là que ça se corse. Pendant les heures de rush (matin et soir), ce chiffre grimpe jusqu'à 8 %. C'est énorme ! Imaginez que sur 100 personnes qui attendent, 8 doivent rater le bus.
• Les saisons : En septembre (rentrée des classes), c'est le pire moment. En été ou en décembre (vacances), c'est beaucoup plus calme.

🎯 Pourquoi est-ce important ?

Ce n'est pas juste une curiosité mathématique. C'est vital pour la ville.

1. Fiabilité : Si les gens savent qu'ils risquent de rater le bus 8 fois sur 100, ils arrêteront de l'utiliser. Ils achèteront une voiture, ce qui crée plus de bouchons. C'est un cercle vicieux.
2. Décisions intelligentes : Maintenant, les autorités savent exactement où et quand le système est saturé. Au lieu de mettre des bus partout au hasard, ils peuvent ajouter des bus supplémentaires précisément aux heures et aux arrêts où les gens restent sur le quai.

En Résumé

Les chercheurs ont inventé une méthode pour voir l'invisible. En utilisant l'intelligence artificielle et en apprenant à ignorer les données trompeuses (les bus pleins où personne ne monte), ils ont pu compter les passagers fantômes qui restent sur le trottoir.

C'est comme si, pour la première fois, le système de transport public avait des yeux pour voir non seulement qui monte, mais aussi qui est obligé de rester dehors. Cela permet de construire des villes où même les riches utilisent les transports en commun, car ils sont fiables et ne laissent personne sur le bord de la route.

Résumé technique

Voici un résumé technique détaillé de l'article « Excess demand in public transportation systems: The case of Pittsburgh's Port Authority » en français.

1. Problématique

L'objectif principal de l'article est de quantifier la demande excédentaire (excess demand) dans les systèmes de transport public, spécifiquement pour les réseaux d'autobus. La demande excédentaire se produit lorsque la capacité d'un véhicule est atteinte et que des passagers sont laissés à l'arrêt de bus car ils ne peuvent pas monter.

Le défi central réside dans le fait que les données de transport public traditionnelles (comme celles des systèmes de bus) sont censurées. Elles enregistrent uniquement le nombre de passagers qui montent effectivement dans le bus, mais ne fournissent aucune information sur ceux qui sont restés à l'arrêt. Par conséquent, une observation de « 0 passagers montant » ne signifie pas nécessairement qu'il n'y avait aucune demande, mais pourrait indiquer que le bus était déjà plein. Si ces données censurées sont utilisées telles quelles pour entraîner des modèles de prévision de la demande, cela conduit à une sous-estimation systématique de la demande réelle et de la demande excédentaire.

2. Méthodologie

Les auteurs proposent un cadre en deux étapes pour estimer cette demande excédentaire en utilisant les données de la Port Authority of Allegheny County (PPA) de Pittsburgh.

A. Détection des instances de demande excédentaire

Les auteurs développent un mécanisme de classification binaire pour identifier les arrêts où la demande excédentaire est susceptible d'exister. Ce mécanisme repose sur deux variables observables :

1. Le nombre de passagers montant dans le bus (ON).
2. La charge du bus à l'arrivée à l'arrêt (LOAD).

Une instance est classée comme ayant une demande excédentaire potentielle si :

• Le bus arrive à pleine capacité (ou proche de celle-ci).
• Le nombre de passagers montant est inférieur au nombre de passagers attendus (ou nul alors que le bus est plein).

Bien que ce mécanisme puisse générer des faux positifs (bus plein mais personne à l'arrêt) et des faux négatifs (conducteur laissant monter quelques passagers malgré la capacité), les auteurs postulent que ces erreurs s'équilibrent pour l'estimation globale de la demande totale.

B. Modélisation et Filtrage des données

Pour éviter le biais introduit par les données censurées, les auteurs appliquent une stratégie de filtrage :

1. Filtrage : Les instances détectées comme ayant une demande excédentaire sont exclues de la phase d'entraînement du modèle de demande.
2. Modélisation : Un modèle de régression est entraîné uniquement sur les données « non censurées » (où le bus n'était pas plein ou la demande était satisfaite).
3. Estimation : Le modèle entraîné est ensuite utilisé pour prédire la demande théorique sur les instances filtrées (celles où le bus était plein). La différence entre cette demande prédite et la charge réelle du bus (capacité) donne l'estimation de la demande excédentaire.

C. Sélection du modèle

Les auteurs comparent quatre modèles de données de comptage sur des données réelles et simulées :

• Régression de Poisson.
• Régression de Poisson à inflation de zéros (Zero-Inflated Poisson).
• Régression Binomiale Négative.
• Modèle hiérarchique.

Les variables indépendantes utilisées incluent l'heure d'arrivée, le temps d'inter-arrivée réel et programmé, et la charge locale des trois arrêts précédents.

3. Contributions Clés

1. Cadre d'estimation de la demande excédentaire : C'est l'une des premières études publiques proposant une méthode systématique pour quantifier la demande non satisfaite dans les systèmes de bus en utilisant des données de bord standard.
2. Preuve par simulation : Les auteurs démontrent via des données simulées (où la vérité terrain est connue) que l'inclusion des données censurées dans l'entraînement d'un modèle conduit à une sous-estimation significative de la demande, en particulier pendant les heures de pointe. Le filtrage des données détectées corrige ce biais.
3. Analyse empirique à grande échelle : Application de la méthode sur une année complète de données réelles (2018) couvrant 98 lignes et 6 102 arrêts à Pittsburgh.
4. Sélection de modèle robuste : Identification de la régression de Poisson comme le modèle offrant les meilleures performances (erreur quadratique moyenne la plus faible) pour ce type de données, malgré la présence potentielle de surdispersion.

4. Résultats

L'application du cadre sur les 10 lignes les plus fréquentées de la PPA a produit les résultats suivants :

• Volume global : Sur l'ensemble de l'année, environ 1 % du total des passagers des lignes étudiées sont laissés à l'arrêt en raison de la capacité maximale atteinte.
• Variabilité saisonnière : La demande excédentaire présente une saisonnalité marquée, avec des pics durant les mois d'automne (rentrée universitaire) et des creux en été et en décembre (vacances).
• Heures de pointe : La situation est beaucoup plus critique pendant les heures de pointe. Durant ces périodes, jusqu'à 8 % des passagers potentiels ne peuvent pas monter dans le bus.
• Hétérogénéité spatiale et temporelle : Les heures de pointe ne sont pas uniformes. Elles varient considérablement selon l'arrêt et la direction (ex: les arrêts entrants ont des pics tôt le matin, tandis que les sortants ont des pics tard le soir). Une agrégation globale masquerait ces dynamiques locales.
• Performance du modèle : La régression de Poisson a fourni les erreurs de prédiction les plus faibles (RMSE global de 1,44) par rapport aux autres modèles testés, confirmant son adéquation pour ce jeu de données spécifique.

5. Signification et Implications

• Pour les opérateurs de transport : Ce cadre offre un outil pour surveiller la saturation du réseau sans avoir besoin d'infrastructures coûteuses supplémentaires (comme des capteurs IoT sur les arrêts). Il permet d'identifier les lignes et les horaires nécessitant une augmentation de la fréquence ou l'utilisation de bus plus grands (articulés).
• Pour la recherche : L'article met en lumière l'importance de traiter les données de transport comme des données censurées. Ignorer ce phénomène fausse les modèles de prévision et les politiques de tarification ou d'optimisation.
• Limites : L'étude suppose que la distribution de la demande excédentaire suit la même loi que la demande observée (ce qui est une hypothèse implicite). De plus, les résultats spécifiques à Pittsburgh ne sont pas directement transférables à d'autres villes sans réévaluer le modèle, car les caractéristiques de la demande (surdispersion, etc.) peuvent varier.

En conclusion, cette étude démontre qu'il est possible de déduire la demande cachée (les passagers laissés pour compte) à partir de données de bord existantes, offrant ainsi une vision plus précise de la fiabilité et de la capacité réelle des systèmes de transport public.