méthodes d'analyse de données gps dans les...

20
1 Méthodes d'analyse de données GPS dans les enquêtes sur la mobilité des personnes - les données manquantes et l’enrichissement des traces PFI GNSS – INRETS, Villeneuve-d'Ascq, 14 janvier 2008 Philippe Marchal (DEST) Shuning Yuan (DEST et ISL)

Upload: trinhdang

Post on 13-Sep-2018

213 views

Category:

Documents


0 download

TRANSCRIPT

1

Méthodes d'analyse de données GPS dans les enquêtes sur la mobilité des personnes - les données manquantes et l’enrichissement des traces

PFI GNSS – INRETS, Villeneuve-d'Ascq, 14 janvier 2008Philippe Marchal (DEST)

Shuning Yuan (DEST et ISL)

2

« The travel behaviour researcher faces GPS data like a child faces a candy store – there is so much there, that it is difficult to get started »

Schonfelder, Wolf, Oliveira, Samaga, Axhausen

3

Contenu

1. Type de données GPS collectées, enquêtes utilisées

2. Objectifs de reconstitution des déplacements et activités

3. Cadre général pour la validation des méthodes4. Aperçu de la méthode de traitement5. Illustrations : filtrage, map-matching

4

Type de données GPS collectées, enquêtes utilisées

Un « suivi » de personnes, et non pas de véhicules

GPS datalogger : un suivi passif (INRETS) ou semi-passif (ISL)

Enquêtes utilisées :• Projet « Test Lille » d’ISL (Institut de Sondages

Lavialle)• Enquête Nationale Transports et Déplacements

(ENTD 2007-2008)

1. Données

5

Objectifs de reconstitution des déplacements et activités

2. Objectifs

restaurant12:44

repasMarche àpied

2mouvement

12:38

arrêt bureau

8:23

travailVPdomicile

1mouvement8:06

MotifModeLieuNum Dépl.StatutHeure

6

Cadre général pour la validation des méthodes : 3 outils de mesure combinés

3. Validation

Comment les caractéristiques des jours sans CAPI-GPS et avec un questionnaireclassique limité peuvent être dérivées des traces brutes ?

Questionnaire classique GPS traces CAPI-GPS

- Caractéristiques socio-eco

- Déplacements dernier w-e

- Déplacements de la veille

- etc.

Positions horodatées Jours sans enregistrement :Pourquoi ?

Sélection de déplacement :- Motif ?- Nombre de personnes accompagnant l’enquêté ?- Modes de transport ?

Comment les caractéristiques des jours sansCAPI-GPS peuvent être dérivées des traces brutes ?

7

Aperçu de la méthode de traitement

4. Méthode

Données recueillies par GPS

SIG (POI, réseaux et services de transport, occupation des sols)

DéplacementsTrajets

Activités

Algorithmes d’analyse a posteriori

8

Principe de l’algorithme

4. Méthode Tirer le maximum des informations disponibles pour reconstruire le passé de l’enquêté :

• Données GPS ⇒ Où il était, à quel moment

• POI – Point Of Interest (SIG) ⇒ L’environnement autour de la localisation

• Réseaux, map-matching (SIG) ⇒ Itinéraires empruntés

On définit ainsi 3 couches pour l’algorithme

9

Sorties possibles pour chaque couche

4. Méthode• Données GPS ⇒ (méthodes de découpage,

supposition de mode) ⇒ déplacements, activités, trajets, modes

• POI (SIG) ⇒ (méthodes de recherche des POI adaptés) ⇒ motif du déplacement, meilleure précision des lieux de transfert entre modes

• Réseaux modaux (SIG) ⇒ (map-matching) ⇒itinéraires, meilleure précision des lieux de transfert entre modes

10

Contraintes naturelles de l’algorithme

4. Méthode

• Données GPS : non continues (périodes sans données), imprécision du point enregistré (multi-trajets, effet ionosphérique ), écart lié au temps de démarrage, etc.

• POI (SIG) : imprécision des POI à cause de la symbolisation pour cartographie, non mise à jour de la carte, insuffisance de POI

• Map-matching (SIG) : imprécision des arcs pour mise en forme cartographique, non mise à jour de la carte

• Défaillance humaine : oubli de l’emporter, de l’allumer… ou oubli intentionné.

11

Rétro-agissement

4. Méthode

• Chaque couche ne comporte pas l’ensemble de l’information nécessaire

• A cause des contraintes naturelles, ces informations fournies sont imprécises pour chaque couche

• ⇒ Les résultats obtenus de chaque couche, sont loin d’être parfaits. Besoin de plus d’informations : les résultats issus d’une couche donnée peuvent être améliorés / corrigés par ceux de la couche suivante ou précédente

On parle de « rétro-agissement »

12

Couche « données GPS »

4. Méthode

Données GPS

brutes

Supposition de mode

DécoupageFiltrage

Mode de transport

DéplacementTrajet

Mouvement

TransfertActivité

Période d’attente

13

Couche « POI et occupation des sols (SIG) »

4. Méthode

Base de POI

TransfertActivité

Période d’attente

DéplacementTrajet

MouvementMode de transport

POI et occupation des sols (GIS)

Recherche de POI

Motif de déplacement

14

Couche « réseaux et services de transport »

4. Méthode

DéplacementTrajet

Mouvement

TransfertActivité

Période d’attenteMode de transport

Itinéraires empruntés

Réseaux et services de transport (GIS)

Réseaux Map-matching

15

Vue globale des interactions entre les 3 couches pour la reconstruction des déplacements et activités (illisible : pour info !)

4. Méthode

16

Avancement des travaux

4. Méthode

• Traitement commencé pour les trois couches• Couche données GPS : méthode d’élimination et

de correction des points aberrants, de redéfinition du seuil d’arrêt et mouvement, opérationnels (méthode de détection des modes par données GPS brutes en cours de développement )

• Couche map-matching : en cours • Couche POI : prêt, rétro-agissement en attente

avec les autres couches

17

Illustrations : filtrage des enregistrements non valides

4. Illustrations

18

Illustrations : filtrage des enregistrements non valides

4. Illustrations Methode Accéleration-Vitesse (MAV)

Idée principale :Si “Vb” >> “Va” alors “C” est mal positionné.

19

Illustrations : utilitaire de validation de méthodes de map-matching

4. Illustrations

20

Merci !

L’équipe :

Jimmy ARMOOGUM,Jean-Paul HUBERT,Sophie ROUX,Philippe MARCHAL,Pierre-Olivier FLAVIGNYShuning YUAN (ISL-INRETS)Jean-Loup MADRE