Comprendre les modèles de déplacement à vélo en exploitant les données ouvertes des systèmes de partage de vélos.

Résumé Les systèmes de vélos en libre-service sont en plein essor dans le monde entier en tant que mode de transport écologique et flexible, mais cette flexibilité entraîne également des difficultés pour maintenir l'équilibre entre les stations de vélos et le nombre de vélos et de quais. Il est important pour les chercheurs de comprendre les schémas spatio-temporels des déplacements à vélo dans un système de partage de vélos, comme les origines et les destinations les plus populaires aux heures de pointe, afin de concevoir des modèles pour la programmation des vélos et la gestion des stations. Cependant, pour des raisons de confidentialité et d'exploitation, les données sur les déplacements à vélo ne sont généralement pas accessibles au public dans de nombreuses villes. En revanche, les données relatives au nombre de vélos et de stations en temps réel sont généralement publiques, ce que nous appelons les données ouvertes des systèmes de vélos en libre-service. Dans cet article, nous proposons une approche pour déduire les schémas spatio-temporels des déplacements à vélo à partir des données publiques des stations. Puisque le nombre de déplacements possibles (c'est-à-dire les paires origine-destination des stations) est beaucoup plus grand que le nombre de stations, nous définissons l'inférence des déplacements comme un problème inverse mal posé. Pour résoudre ce problème, nous identifions les propriétés d'éparpillement et de localité des modèles de déplacement à vélo, et nous proposons un modèle de régularisation épars et pondéré pour imposer ces deux propriétés dans la solution. Nous évaluons notre méthode à l'aide de données réelles provenant de Washington, D.C. et de la ville de New York. Les résultats montrent que notre méthode peut déduire efficacement les schémas spatio-temporels de déplacement à vélo et surpasse les résultats de base dans les deux villes.