Apprentissage non supervisé, application à des données de mobilité

Etienne Côme UGE/COSYS/GRETTIA

Séminaire IA & Mobilité, 18 Mars 2021

Etienne Côme

UGE, recherche appliquée

données urbaines, données transport

apprentissage semi,non-supervisé, modèles génératifs

Background

Données massive de mobilité

Mobility

Lets a lot of Digital Footprints

Des capteurs partout ...

pour qui, pour quoi ?

Sensors :

surveys
counters
smart-card (transit, bike-share,...)
wifi
video
smartphone (apps, telecom-provider, ...)
credit-card

Nécessite de fouiller !

Distopie ?

Améliorer la gouvernance urbaine (co-réguler) ?
Quelles limites à l'observation ?

Traces Numériques

de mobilité

Intérêt des données billettiques

faciliter la gestion des payements mais aussi ...

Données billettiques vs. données classiques (ex. enquêtes)

Meilleure couverture des usagers
Meilleure précision temporelle et spatiale
Possibilité d'étude longitudinale sur une longue période

Intérêt majeur pour les opérateurs de transport...

Évaluer les performances du réseau
Mieux comprendre et prédire la demande

... et pour les autorités organisatrices des transports

Améliorer la politique (offre) de transport

Digital Revolution and Mobility

Data mining

Conventional tools : Travel Surveys (Household Travel Surveys, Origin-destination surveys, ...)
Non public data as being of general interest (Jutand report)
Combined exploitation of many sources of data, creation of value-added services for the community

Trends

Mobility renewed by digital revolution
Innovative and Sustainable Mobility

Operationnal objectives

For urban stakeholders (operators, transport authorities, city managers)

Better understanding of the dynamics of mobility and users,
Predict passenger flows
Help to adapt infrastructure
and networks (existing and emerging needs)
Achieve a better planning of transport supply and level of service

For citizens

Trip Planning tools
Provide better mobility services
Better organization of activities

Replica

We believe this powerful data source can help do just that. Meet Replica: a user-friendly modeling tool that uses anonymized mobile location data to give planning agencies a comprehensive portrait of how, when, and why people travel in urban areas. Replica provides a full set of baseline travel measures that are very difficult to gather and maintain today, including the total number of people on a highway or local street network, what mode they’re using (car, transit, bike, or foot), and their trip purpose (commuting to work, going shopping, heading to school, etc). By updating these measures every three months, Replica also provides the ongoing ability to detect changes in these measures over time — helping planners answer questions about land use and transportation from a regional level all the way down to a city block.

Replica

Replica uses this anonymized data from about 5 percent of the population to learn about travel patterns and create a travel behavior model — basically, a set of rules to represent who’s moving where, when, why, and how. But models aren’t perfect. So we gut check these rules using on-the-ground data (such as manual traffic counts or transit boardings) to make sure Replica is consistent with real-world movement patterns.

Replica

We then match these models with what planners often call a “synthetic” population. That’s a very technical term, but the basic idea is that planners can use incomplete samples of census demographic data to create a broad new data set that is statistically representative of the full population.

Replica

Smartphone app data huge dataset
5% user every 3 months
Anonymization
Model Bayesian Networks (data exchange public-private data)
Population synthesis
what if scenario

Replica

Status :

https://replicahq.com/
Gouvernance de la donnée et de l'outil ?
https://www.bbc.com/news/technology-56168306

Autres entreprises Ex:

Forcity https://www.societe.com/societe/forcity-799957840.html status: dead
Cit.io (RATPdev) https://cit.io/ status : teenager
Modality https://with-modality.com/fr/ status : new born

Visualiser et analyser des données Vélib'

2 sources de données :

Les Stocks

en open-data quasiment partout

Les Flux

Origines / Destinations parfois en open-data et parfois pas

Des stocks en mouvements

Un déséquilibrage important
Un challenge pour la régulation
Un mouvement // une pulsation répétitive

Stocks data : vlsstat

Données historique pour analyse
Aggrégation / Comparaison
http://vlsstats.ifsttar.fr/rawdata/

Des flux pour décortiquer la dynamique urbaine

http://www.comeetie.fr/galerie/velib/

Données contextuelles

	hab/ha	emp/ha	serv/ha	com/ha
*	162	237	4.2	3.7
Leisure (1)	367	189	6.3	4.4
Leisure (2)	261	322	7.7	6.9
Parks	172	90	2	1.7
Stations	209	206	2.4	1.8
Mixed	375	108	3.8	2.7
Jobs(1)	138	409	4.5	2.8
Jobs(2)	157	456	5.7	5.6
Average	301	163	3.8	2.8

Latent Dirichlet Allocation

Pour l'analyse de matrices Origine-Destination dynamiques

OD générées par un processus localement stationaires
Segmentation en petits sacs de déplacements consécutifs $\approx$ stationarité
Documents (sac de mots) = sacs de déplacements consécutifs (5000)

Avec :

Mots = couples Origin/Destination
Topics = Activités Latentes

Latent Dirichlet Allocation

Pour l'analyse de matrices Origine-Destination dynamiques

Pour chaque activité latente $a$ : $\Lambda_a\sim\mathcal{D}(\beta)$
Pour chaque sac de déplacement
Tirer les portions de chaque activité : $\pi_t \sim \mathcal{D}(\alpha)$
Pour chaque déplacement
    Tirer son activité
    $A \sim \mathcal{M}(1,\pi_t)$
    Tirer l'origine-destination
    $D \sim \mathcal{M}(1,\Lambda_A)$

Résultats de la décomposition $\pi_t$

Sélection de modèle perplexité
(saut abrupt pour K=5)

Balances des stations : Domicile→Travail

Balances des stations : Travail→Domicile

Balances des stations : Début de soirée

Données billetiques TC

Des données simples

identifiant anonymisé de l'usager (3 mois)
type de titre de transport
station de la validation (+ligne et direction pour les bus)
jour et heure de la validation

Open-Data ? (ex STIF données aggrégées)

Des données simples

identifiant anonymisé de l'usager (3 mois)
type de titre de transport
station de la validation (+ligne et direction pour les bus)
jour et heure de la validation

Une donnée à part l'identifiant usager

Un jeu de données riche

identifiant anonymisé de l'usager (3 mois)
type de titre de transport
station de la validation (+ligne et direction pour les bus)
jour et heure de la validation

2 ans de profondeur temporelle

Que faire sans identifiant ?

Analyse des volumes entrants
Clustering des jours
→ détection d'outliers, prévision moyen terme,...
Clustering des stations
→ analyse de l'offre, prévision moyen terme,...

Que permet de faire l'identifiant usager ?

Reconstruction des destinations
→ analyse des correspondances, matrice OD dynamique,...
Prévision court terme des OD
Clustering des usagers

Analyse des volumes entrant

Des profils qui varient dans l'espace et dans le temps

Une variété inter journalière visible (CAH)

Qui s'explique majoritairement par des effets calendaires

Qui peuvent être exploités pour détecter des outliers

#Rennes #metro #Star des chaises jetées sur la ligne aérienne de métro à Villejean. Dégâts importants. Trafic interrompu pendant 2h?
— Samuel Nohra (@SamuelNohra) 29 mars 2016