⚡ génie électrique

A Pressure-Aware Pedestrian Routing Service for Tourism Data Spaces

Cette étude présente un service d'optimisation basé sur les SIG pour la planification d'itinéraires piétons sensibles à la pression dans le centre historique de Palma, démontrant que si le filtrage des attractions à haute pression réduit l'encombrement des visiteurs sur des sites spécifiques, il a un impact minimal sur la pression au niveau des corridors, soulignant ainsi la nécessité de stratégies de gestion multi-échelles au sein des espaces de données touristiques.

Auteurs originaux : Chenghuan Qian, Dolores Ordóñez-Martínez, Maurici Ruiz-Pérez

Publié 2026-10-19

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Chenghuan Qian, Dolores Ordóñez-Martínez, Maurici Ruiz-Pérez

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous déambulez dans le centre historique d'une ville, où des rues étroites sont bordées de bâtiments séculaires, de cafés animés et de monuments célèbres. Pour un visiteur, l'objectif est simple : voir autant de choses que possible en un temps limité. Pour les urbanistes, le défi est plus complexe. Ils doivent s'assurer que le flux de personnes ne submerge pas certains points précis, transformant des sites tant aimés en goulots d'étranglement bondés qui gâchent l'expérience pour tout le monde et mettent à rude épreuve la communauté locale. Cette tension est au cœur d'une nouvelle étude menée dans le centre historique de Palma, sur l'île espagnole de Majorque. Les chercheurs ont posé une question fondamentale : pouvons-nous concevoir des visites à pied qui respectent le temps du visiteur tout en évitant les zones les plus encombrées, le tout sans sacrifier le confort de la marche ? Pour y répondre, ils ont dû jeter un pont entre deux mondes qui se parlent rarement : la réalité physique détaillée des rues d'une ville et les données abstraites utilisées pour gérer le tourisme.

L'étude se concentre sur trois couches distinctes de l'expérience de la marche. La première est le chemin physique lui-même : quelle est la pente de la rue, quelle est sa largeur, et y a-t-il de l'ombre grâce aux arbres ? Ces facteurs déterminent si une marche est agréable ou non. Deuxièmement, il y a la pression de la foule, que les chercheurs ont mesurée de trois manières différentes : la popularité d'un monument spécifique, l'encombrement du quartier immédiat autour de ce monument, et l'animation réelle des rues que les touristes empruntent pour s'y rendre. Troisièmement, il y a le casse-tête de la planification de l'itinéraire, qui consiste à sélectionner une séquence d'étapes s'inscrivant dans une limite de temps donnée. Les chercheurs ont construit un modèle numérique du réseau piétonnier de Palma, intégrant des données réelles sur la largeur des rues, la pente et la verdure pour calculer un score de « marchabilité » pour chaque segment de rue. Ils ont également cartographié l'origine des touristes — tels que les navires de croisière, les gares et les hôtels — pour estimer là où les foules se formeraient naturellement.

À l'aide de cette carte détaillée, l'équipe a lancé une série de simulations informatiques pour générer des itinéraires de marche. Ils ont testé différents scénarios, comme donner plus de temps aux touristes pour explorer, commencer la visite depuis un hôtel en périphérie de la ville plutôt qu'au centre, et essayer d'éviter les attractions les plus fréquentées. Les résultats ont révélé un schéma clair : à mesure que les visiteurs disposent de plus de temps, ils peuvent visiter plus de lieux, mais la valeur supplémentaire qu'ils retirent de chaque minute additionnelle diminue. Plus important encore, l'étude a montré que la qualité de la marche et le niveau d'encombrement des rues sont restés étonnamment stables, quelle que soit la durée de la visite. Que le touriste dispose d'une heure ou de quatre heures, les itinéraires choisis par l'ordinateur avaient tendance à utiliser les mêmes rues confortables et bien connectées. Cela suggère que le simple fait de donner plus de temps aux gens ne les pousse pas automatiquement vers des environnements de marche meilleurs ou pires ; l'aménagement de la ville les guide naturellement vers les mêmes chemins efficaces.

Une découverte clé de la recherche est que la pression sur un monument spécifique ne prédit pas nécessairement la pression sur les rues qui y mènent. Les chercheurs ont constaté qu'un site célèbre peut être très fréquenté, mais que les rues qui l'entourent peuvent être relativement calmes, ou inversement, qu'un site moins célèbre peut être entouré d'un embouteillage de trafic. Cela signifie que les gestionnaires de la ville ne peuvent pas supposer qu'éviter un monument populaire résoudra automatiquement les problèmes d'encombrement sur les routes de liaison. Lorsque les chercheurs ont programmé le système pour sauter les attractions les plus fréquentées, les visites ont réussi à visiter des sites moins encombrés, mais l'encombrement global des voies de circulation a très peu changé. Les foules étaient toujours là, simplement réparties différemment. Cela indique que la gestion du tourisme nécessite deux stratégies distinctes : une pour les attractions elles-mêmes et une autre pour les corridors qui les relient.

L'étude a également exploré comment le point de départ d'une visite modifie l'expérience. Lorsque les touristes commençaient leur marche depuis un hôtel en périphérie du centre historique, ils devaient consacrer un temps précieux rien que pour atteindre les principaux sites, ce qui réduisait le nombre de lieux qu'ils pouvaient voir. Cependant, les chercheurs ont découvert qu'en permettant aux touristes de terminer leur marche n'importe où, plutôt qu'en les forçant à revenir à leur point de départ, ils récupéraient une grande partie de ce temps perdu. Ce simple changement dans les règles de la visite a permis aux visiteurs de voir nettement plus de choses, en particulier pour ceux séjournant en dehors du noyau urbain. La recherche conclut que, bien que nous ne puissions pas prédire parfaitement comment les personnes réelles se comporteront sans observation directe, ce cadre numérique constitue un outil puissant pour tester des idées. Elle montre qu'en gardant séparés la qualité physique de la marche et les différents types de pression de la foule, les planificateurs peuvent concevoir des visites qui sont à la fois agréables pour les visiteurs et durables pour la ville, sans avoir besoin de s'appuyer sur un score unique et simplifié pour prendre des décisions complexes.

Résumé technique : Un service de routage piétonnier sensible à la pression pour les espaces de données touristiques

Énoncé du problème
Les espaces de données touristiques offrent le potentiel de rendre réutilisables des données hétérogènes relatives au territoire, à la mobilité et aux attractions ; cependant, leur valeur opérationnelle dépend de services capables de traduire ces actifs de données en décisions exploitables. Les modèles d'itinéraires opérationnels actuels font face à trois limitations principales : (1) ils combinent rarement un graphe piétonnier détaillé, des contrôles de pression au niveau des attractions et des évaluations explicites de l'environnement piétonnier au niveau des itinéraires au sein d'un flux de travail reproductible unique ; (2) ils ne parviennent pas à quantifier si l'orientation des visiteurs vers des attractions à plus faible pression réduit l'exposition sur les corridors utilisés pour s'y rendre ; et (3) la recherche sur les espaces de données touristiques reste largement architecturale, manquant de services opérationnels qui spécifient les actifs de données requis et démontrent une combinaison pratique. Le défi central consiste à formuler le routage piétonnier sensible à la pression comme un service réutilisable qui gère la pression touristique tout en évaluant explicitement la marchabilité, en distinguant la pression au niveau de l'attraction (nodale), de l'environnement immédiat (zonale) et du corridor (trajectoire).

Méthodologie
L'étude développe et teste un service d'optimisation basé sur un SIG dans le centre historique de Palma, Majorque, en utilisant un pipeline à cinq étapes : assemblage des données d'entrée, traitement SIG, optimisation, analyse et exportation des sorties.

Intégration des données : Le cadre intègre 10 182 segments de réseau piétonnier et 105 points d'intérêt (POI). Les entrées proviennent de diverses sources répertoriées selon les catégories d'espaces de données touristiques : données territoriales/morphologiques (cadastre, LiDAR, terrain), données de mobilité (GTFS, stationnement, arrivées portuaires/ferroviaires), données d'hébergement/de demande, et un inventaire d'attractions documenté.
Indice de marchabilité : Un indice de marchabilité ( $Q_{walk}$ ) morphologique est dérivé pour chaque segment de réseau à l'aide de quatre descripteurs : la pente, la verdure (LiDAR), la largeur effective (cadastre) et le ratio de canyon urbain. Ces éléments sont transformés en pénalités partielles et combinés via une moyenne pondérée (la pente étant la plus pondérée) pour produire un indice continu allant de 0 à 1. Crucialement, cet indice est conservé comme une métrique diagnostique plutôt que comme un critère d'optimisation, afin de permettre une inspection indépendante de la qualité de l'itinéraire.
Modélisation de la pression : La pression touristique est modélisée à trois niveaux distincts :
- Nodal : Scores de popularité évalués par des experts (0–10) pour les POI individuels.
- Zonal : Agrégation spatiale de la pression des segments dans un rayon de 150 m autour de chaque POI.
- Trajectoire : Densité de flux le long des corridors réellement utilisés par un itinéraire, calculée via un modèle de gravité des flux piétonniers. Ce modèle suppose des volumes de déplacements quotidiens provenant de huit générateurs de demande (hébergement, résidents, transit, stationnement, croisière, rail) distribués vers les POI en fonction de la décroissance de la distance et des chemins à temps minimum.
Modèle d'optimisation : La génération d'itinéraires est formulée comme un Problème d'Orienteering (OP) résolu via la programmation linéaire en nombres entiers mixtes (MILP). L'objectif est de maximiser la valeur touristique collectée dans un budget de temps ( $T_{max}$ ). Le modèle utilise une approche lexicographique en deux étapes : d'abord maximiser la valeur, puis minimiser le temps de trajet en cas d'égalité. Il prend en charge les itinéraires fermés (retour à l'origine) et les itinéraires ouverts (point final libre).
Stratégie de filtrage : Au lieu d'intégrer la pression dans une fonction d'objectif pondérée, l'étude applique un « double filtre de pression » comme règle d'éligibilité pré-solveur. Les POI dépassant un seuil spécifique de pression nodale ou zonale sont exclus de l'ensemble des candidats avant l'optimisation.

Résultats clés
Quatre expériences ont été menées pour tester les hypothèses concernant les budgets de temps, le filtrage de la pression et la structure des itinéraires :

Sensibilité au budget de temps : La valeur touristique augmente de manière monotone avec le budget de temps mais présente des rendements décroissants. Cependant, la marchabilité de l'itinéraire ( $\langle Q \rangle$ ) et la pression de trajectoire ( $\langle P \rangle$ ) restent largement invariantes à travers différents budgets de temps (moyenne $\langle Q \rangle \approx 0,712$ , $\langle P \rangle \approx 0,838$ ). L'augmentation du temps permet de visiter plus d'attractions mais ne modifie pas de manière significative l'environnement piétonnier traversé sous un routage à temps minimum.
Filtrage de la pression : L'application de seuils stricts pour filtrer les POI à haute pression réduit substantiellement la pression nodale moyenne des attractions visitées (une réduction de 39,2 % au seuil le plus strict). Cependant, cela a un effet négligeable et non monotone sur la pression de trajectoire (seulement 3,7 % de réduction). Cela indique que le filtrage au niveau des attractions ne réduit pas proportionnellement l'exposition des corridors.
Pression nodale vs zonale : L'analyse statistique révèle une corrélation de rang faible et non significative entre la pression nodale et la pression zonale (Spearman $\rho = -0,148, p = 0,133$ ). Par conséquent, ces métriques ne doivent pas être traitées comme interchangeables.
Origine et structure : Une origine périphérique (par exemple, un hôtel à l'extérieur du noyau central) réduit la valeur touristique collectée par rapport à une origine centrale, particulièrement pour les thématiques concentrées dans le cœur monumental. Autoriser une structure d'itinéraire ouverte (point final libre) permet de récupérer une partie importante de cette valeur perdue, bien que la diversité thématique soit préservée.
Robustesse thématique : Les itinéraires à thèmes larges (ex. « Panoramique ») démontrent une plus grande robustesse sous le filtrage de la pression, en substituant les POI exclus par des alternatives. Les thèmes étroits (ex. « Route de l'art ») se contractent brusquement lorsque des contraintes de pression sont appliquées, laissant parfois un nombre insuffisant de candidats pour former un itinéraire viable.

Signification et revendications
Le document se positionne non pas comme le déploiement d'un espace de données en direct ou comme un nouvel algorithme pour le Problème d'Orienteering, mais comme une spécification de service réutilisable et reproductible et une démonstration des actifs de données trans-domaines nécessaires pour un tel service.

Contribution méthodologique : L'étude démontre que le routage sensible à la pression peut être découplé des diagnostics de marchabilité, permettant aux gestionnaires d'inspecter comment les contrôles au niveau des attractions se rapportent à la qualité des corridors de manière indépendante. Elle soutient que traiter la pression nodale et la pression zonale comme interchangeables est méthodologiquement erroné et que la gestion au niveau des attractions et la gestion au niveau des corridors agissent à des échelles spatiales différentes.
Contribution aux espaces de données : Le travail fournit un inventaire concret des actifs de données (cadastre, LiDAR, mobilité, hébergement) nécessaires à un service d'itinéraire piétonnier, en les répertoriant selon les catégories attendues dans un Espace Européen de Données Touristiques. Il illustre comment un tel service pourrait opérer sur des données gouvernées et interopérables sans nécessiter un répertoire central unique.
Limites : Les auteurs précisent explicitement que les valeurs des POI, les temps de visite et les scores de pression sont des entrées prototypes basées sur des connaissances d'experts plutôt que sur des données de visiteurs calibrées. Par conséquent, les magnitudes rapportées caractérisent le comportement du modèle sous des conditions contrôlées plutôt que les réponses observées des visiteurs à Palma. L'étude sert de preuve de concept pour une couche analytique, notant que le déploiement opérationnel nécessite une calibration supplémentaire par rapport à la demande observée et des tests d'interopérabilité.

Articles similaires