Crise COVID et fréquentation des transports publics

Les différentes phases de la crise COVID et les mesures prises pour lutter contre le virus ont mis à mal les réseaux de transports public : les confinements, le couvre-feu, les jauges, le télétravail et les cours à distance ont fortement réduit la demande de mobilité. Les voyageurs ont de plus modifié leur choix de mode de transport, en privilégiant les modes individuels (la voiture mais aussi le vélo ou la marche) aux modes collectifs.

Les conséquences de la crise COVID sur les trafics et les recettes des réseaux de transports publics ont été importantes en 2020 et le resteront en 2021. L'incertitude sur le retour à un trafic d'avant crise reste forte pour les prochaines années, que ce soit en région parisienne ou en province.

Connaissance Mobilité et Billettique

Pour observer comment a évolué la fréquentation dans les différents réseaux de transport durant les différentes phase de la crise COVID, les opérateurs et AOM disposent de plusieurs sources de données (ventes, comptages automatiques, validations billettiques) que viennent compléter d'autres sources telles que des applications mobiles (Moovit par exemple) ou bien en agrégeant plusieurs sources de géolocalisation de smartphone (Kisio), les données GSM et d'autres mesures de signaux (capteur Bluetooth) ad-hoc.

Le CEGDD a publié en décembre 2020 un très intéressant rapport sur les prévisions de trafic à court terme pour les transport urbains en période de crise sanitaire : Retour d’expérience de la prévision de trafic dans les transports du quotidien en phase de déconfinement.

J'avais pour ma part rédigé un article sous Linkedin sur ce sujet 2 jours avant le 1er déconfinement.

Concernant la billettique, les données sont le plus souvent analysées sous forme agrégée, c'est à dire par un nombre total de validations en tant que mesure du trafic. Ce volume est dans un second temps décomposé pour affiner les analyses : par ligne de transport, par type de tarif, par type de jour ou périodes horaires.

Le rapport du CGEDD cité supra fait peu de cas de cette source de données alors même qu'elle offre un angle d'analyse complémentaire, pour peu qu'on sache bien les exploiter, en alliant à la fois l'expertise dans le traitement des données et celle de la mobilité, ce qui est précisément le positionnement de Cartaj.

L'approche désagrégée pour comparer les différentes phases de la crise COVID

Les données brutes de la billettique consistent en un horodatage de chaque validation auquel est associé un numéro d'identifiant crypté de la carte du voyageur. Ce cryptage assure l'anonymat de la donnée (on ne connait pas le client derrière ce numéro) mais rend possible de suivre les différentes validations effectuées sur une période assez longue (un mois en général).

Avec ce type de données, on peut alors analyser plus finement les comportement de mobilité et leurs évolutions entre différentes périodes, et ce sur des échantillons très robustes puisqu'on dispose de l'intégralité des abonnés dans la base de données, soit plusieurs dizaines (centaines pour les grandes métropoles) de milliers de cartes qui vont réaliser entre 10 et 100 validations chacune sur une période.

A titre d'exemples, on peut ainsi analyser :

• le nombre de clients uniques, par simple décompte des cartes, sur la période, sur une ligne de métro, par type de jour etc...
• La mobilité moyenne des titres
• Les comportements d'usage des différentes lignes du réseau, en distinguant ceux qui utilisent une seule ligne (par exemple uniquement la ligne de tramway du réseau) et ceux qui en utilisent plusieurs
• La répartition des voyageurs sur le nombre de jours différents (de 1 à 7) avec au moins une validation. Cet indicateur permet de révéler les effets du télétravail ou des études à temps partiel mises en place pendant la crise COVID
• Les changements dans les horaires de déplacements (pour éviter les périodes de pointes ou bien comme effet du couvre-feu), et ainsi analyser très finement la structure de la clientèle en heure de pointe
• etc...

Les données permettent d'aller encore plus loin, notamment en distinguant par secteur géographique les voyageurs "résidents" et les "visiteurs", en développant une méthode attribuant à chaque carte une zone de résidence sur la base des arrêts de première validation de chaque journée.

Cartaj a réalisé ce type d'étude pour le compte de Keolis Besançon, en analysant près de 4 millions de validations sur 4 périodes clé de la crise COVID entre octobre 2019 et janvier 2021.

En guise de conclusion

En alliant l'expertise de la connaissance de la mobilité et le traitement de données, il est possible de mieux valoriser ces données dont disposent les opérateurs pour appréhender les évolutions de la mobilité sur leur réseau avec beaucoup de finesse en croisant volumétrie totale et approche individualisées suivant des critères tarifaires, de réseau, de zone géographique et de période temporelle.

Il est alors possible de mettre en regard des segments de clientèles et leurs évolutions suivant les différentes phases de la crise pour mieux anticiper la sortie de la crise COVID et construire des prévisions de trafic et de recettes à moyens et longs termes bien plus robuste que sur la seule base du trafic total.

Vous avez apprécié cet article ?

Pour plus d'informations sur mes compétences data & mobilités, je vous invite à consulter mon parcours et me rejoindre sur les réseaux sociaux (Linkedin, Twitter) ou prendre directement rendez-vous.