Publications

Abstract: Travel information has the potential to influence travellers choices, in order to steer travellers to less congested routes and alleviate congestion. This paper investigates, on the one hand, how travel information affects route choice behaviour, and on the other hand, the impact of the travel time representation on the interpretation of parameter estimates and prediction accuracy. To this end, we estimate recursive models using data from an innovative data collection effort consisting of route choice observation data from GPS trackers, travel diaries and link travel times on the overall network. Though such combined data sets exist, these have not yet been used to investigate route choice behaviour. A dynamic network in which travel times change over time has been used for the estimation of both recursive logit and nested models. Prediction and estimation results are compared to those obtained for a static network. The interpretation of parameter estimates and prediction accuracy differ substantially between dynamic and static networks as well as between models with correlated and uncorrelated utilities. Contrary to the static results, for the dynamic, where travel times are modelled more accurately, travel information does not have a significant impact on route choice behaviour. However, having travel information increases the travel comfort, as interviews with participants have shown.

Keywords: Dynamic and static networks, Route choice behaviour, Recursive models, Travel information, Revealed preference data.

Abstract: Before thinking about implementing new transportation services, it is essential to assess the performances of the available ones and to develop an objective diagnosis of the adequacy between transportation supply and demand. This paper focuses on the refinement of a spatial–temporal clustering process able to encapsulate the spatial distribution of travel demand and supply. It illustrates the potential of such process to assist in the development of an objective diagnosis of the quality of the configuration of transit services. The two tools composing this process are presented in this paper, Traclus_DL and Grille_CR. A literature review is conducted on the main concepts such as corridors and grids, which will give a better understanding of the contributions proposed in this paper. Traclus_DL is a spatial clustering algorithm for desire lines (direct line from origin to destination) developed by Bahbouh. This paper will explain how this algorithm works and will also present improvements that were implemented to facilitate its usage and to give a better representation of the reality. Grille_CR is an automated smoothing tool which facilitates the visualization and the interpretation of the results produced by Traclus-DL. This paper explains how this process can be implemented and illustrates its relevance for public transport analysis and design. The major contribution of this paper is the implementation of a tool which helps better understand the spatial configuration of the demand in transport.

Keywords: NA.

Abstract: As part of strategic plans, we often see car dependency reduction vision along with strategies to reduce car use and vehicle-kilometers traveled while promoting alternatives such as transit and active modes. It is less common to see strategies to generate more structural changes, even if such change can have much more important and sustainable impacts. Whereas it is well known that home location is one of the key drivers of travel behaviors, it is much less frequent to have planners put forward strategies to encourage people to move and choose their locations more wisely with respect to their needs. This research aims to assess the potential collective gain of an optimal allocation of households to available dwellings. It aims to estimate how inefficient the current distribution is of households among the dwellings with respect to where all household members need to travel. Results show that the household relocations reduce the distances for work and study by 37.9%. This reduction saves an average of 13.8 km per household per day or 4.9 km per work or study trip. If the mode choice remains constant despite the new trip conditions following the household relocations, the total mileage for work and study trips would decrease by 42.8% for car drivers, by 35.2% for car passenger, by 13.3% for school bus, and 34.2% for public transport. As a result of the household relocations, walking and cycling latent trips increased, respectively, from 2.6% to 15.5% and 26.1% to 39.9% of motorized trips.

Keywords: NA.

Abstract: The problem at the heart of this tutorial consists in modeling the path choice behavior of network users. This problem has been extensively studied in transportation science, where it is known as the route choice problem. In this literature, individuals’ choice of paths are typically predicted using discrete choice models. This article is a tutorial on a specific category of discrete choice models called recursive, and it makes three main contributions: First, for the purpose of assisting future research on route choice, we provide a comprehensive background on the problem, linking it to different fields including inverse optimization and inverse reinforcement learning. Second, we formally introduce the problem and the recursive modeling idea along with an overview of existing models, their properties and applications. Third, we extensively analyze illustrative examples from different angles so that a novice reader can gain intuition on the problem and the advantages provided by recursive models in comparison to path-based ones.

Keywords: recursive discrete choice models, revealed preference data, path choice models, inverse optimization, inverse reinforcement learning.

Abstract: Evolutionary algorithms have been used extensively over the past 2 decades to provide solutions to the Transit Network Design Problem and the Transit Network and Frequencies Setting Problem. Genetic algorithms in particular have been used to solve the multi-objective problem of minimizing transit users’ and operational costs. By finding better routes geometry and frequencies, evolutionary algorithms proposed more efficient networks in a timely manner. However, to the knowledge of the authors, no experimentation included precise and complete pedestrian network data for access, egress and transfer routing. Moreover, the accuracy and representativeness of the transit demand data (Origin Destination matrices) are usually generated from fictitious data or survey data with very low coverage and/or representativity. In this paper, experiments conducted with three medium-sized cities in Quebec demonstrate that performing genetic algorithm optimizations using precise local road network data and representative public transit demand data can generate plausible scenarios that are between 10 and 20% more efficient than existing networks, using the same parameters and similar fleet sizes.

Keywords: Transit network design, Genetic algorithm, Public transportation, Multi-objective optimization, Origin–destination, Evolutionary algorithm

Abstract: A better understanding of mobility behaviors is relevant to many applications in public transportation, from more accurate travel demand models to improved supply adjustment, customized services and integrated pricing. In line with this context, this study mined 51 weeks of smart card (SC) data from Montréal, Canada to analyze interpersonal and intrapersonal variability in the weekly use of public transit. Passengers who used only one type of product (AP − annual pass, MP − monthly pass, or TB − ticket book) over 12 months were selected, amounting to some 200,000 cards. Data was first preprocessed and summarized into card-week vectors to generate a typology of weeks. The most popular weekly patterns were identified for each type of product and further studied at the individual level. Sequences of week clusters were constructed to represent the weekly travel behavior of each user over 51 weeks. They were then segmented by type of product according to an original distance, therefore highlighting the heterogeneity between passengers. Two indicators were also proposed to quantify intrapersonal regularity as the repetition of weekly clusters throughout the weeks. The results revealed MP owners have a more regular and diversified use of public transit. AP users are mainly commuters whereas TB users tend to be more occasional transit users. However, some atypical groups were found for each type of product, for instance users with 4-day work weeks and loyal TB users.

Keywords: NA.

Abstract: We use data from the Swiss national household travel survey to 1. analyze the socioeconomic determinants for intermodal travel in Switzerland and 2. estimate a first large-scale multimodal recursive logit route choice model for urban trip making. We show that intermodal travel is mostly associated with ownership of transit subscriptions, which allow free at the point-of-use public transportation. We also present a framework using open-source data to generate the multimodal network for the recursive logit model estimation. The fact that the model only needs a multimodal network to model the transport supply makes it independent of path sampling algorithms for the choice-set construction and it thus provides an alternative to classic mode and route choice models, since it can estimate mode and route choice parameters with directly observed routes, removing the sampling bias. By eliminating the need to sample alternative paths for estimation, it also simplifies the estimation process, making it a viable choice as an integral solution for joint route and mode choice modelling.

Keywords: Intermodal travel, Multimodal network, Mode choice, Route choice, Recursive logit.

Abstract: Representing activity-travel scheduling decisions as path choices in a time–space network is an emerging approach in the literature. In this paper, we model choices of activity, location, timing and transport mode using such an approach and seek to estimate utility parameters of recursive logit models. Relaxing the independence from irrelevant alternatives (IIA) property of the logit model in this setting raises a number of challenges. First, overlap in the network may not fully characterize perceptual correlation between paths, due to their interpretation as activity schedules. Second, the large number of states that are needed to represent all possible locations, times and activity combinations imposes major computational challenges to estimate the model. We combine recent methodological developments to build on previous work by Blom Västberg et al. (2016) and allow to model complex and realistic correlation patterns in this type of network. We use sampled choices sets in order to estimate a mixed recursive logit model in reasonable time for large-scale, dense time-space networks. Importantly, the model retains the advantage of fast predictions without sampling choice sets. In addition to estimation results, we present an extensive empirical analysis which highlights the different substitution patterns when the IIA property is relaxed, and a cross-validation study which confirms improved out-of-sample fit.

Keywords: Travel demand modeling, Activity-travel scheduling, Mixed recursive logit, Activity network, Mode choice.

Abstract: à venir

Keywords: à venir

Résumé : à venir

Mots-clés : à venir

Résumé : Le transport au Québec est responsable en grande partie des émissions de gaz à effet de serre dans l’atmosphère. Une meilleure planification des services de transport en commun et actifs pourrait permettre la diminution de ceux-ci en favorisant un transfert modal au détriment de l’automobile. Cependant, la première étape consiste à effectuer un diagnostic de la situation et comprendre où se situent les lacunes du système. Dans la littérature, il existe de nombreuses méthodes telles des enquêtes ou des études d’indicateurs directs de service ou encore des études spatiales pour effectuer un bilan des services fournis. Un outil prometteur pour comprendre la structure spatio-temporelle de l’offre et de la demande de transport est Traclus_DL, « Trajectory Clustering for Desired lines » qui s’appuie sur le concept de corridors.

Mots-clés : à venir

Résumé : Que ce soit pour aller au travail, faire du magasinage ou participer à des activités sociales, la mobilité fait partie intégrante de la vie quotidienne. Nous bénéficions à cet égard d’un nombre grandissant de moyens de transports, ce qui contribue tant à notre qualité de vie qu’au développement économique. Néanmoins, la demande croissante de mobilité, à laquelle s’ajoutent l’expansion urbaine et l’accroissement du parc automobile, a également des répercussions négatives locales et globales, telles que le trafic, les nuisances sonores, et la dégradation de l’environnement. Afin d’atténuer ces effets néfastes, les autorités cherchent à mettre en oeuvre des politiques de gestion de la demande avec le meilleur résultat possible pour la société. Pour ce faire, ces dernières ont besoin d’évaluer l’impact de différentes mesures. Cette perspective est ce qui motive le problème de l’analyse et la prédiction du comportement des usagers du système de transport, et plus précisément quand, comment et par quel itinéraire les individus décident de se déplacer. Cette thèse a pour but de développer et d’appliquer des modèles permettant de prédire les flux de personnes et/ou de véhicules dans des réseaux urbains comportant plusieurs modes de transport. Il importe que de tels modèles soient supportés par des données, génèrent des prédictions exactes, et soient applicables à des réseaux réels. Dans la pratique, le problème de prédiction de flux se résout en deux étapes. La première, l’analyse de choix d’itinéraire, a pour but d’identifier le chemin que prendrait un voyageur dans un réseau pour effectuer un trajet entre un point A et un point B. Pour ce faire, on estime à partir de données les paramètres d’une fonction de coût multi-attribut représentant le comportement des usagers du réseau. La seconde étape est celle de l’affectation de trafic, qui distribue la demande totale dans le réseau de façon à obtenir un équilibre, c.-à-d. un état dans lequel aucun utilisateur ne souhaite changer d’itinéraire. La difficulté de cette étape consiste à modéliser la congestion du réseau, qui dépend du choix de route de tous les voyageurs et affecte simultanément la fonction de coût de chacun. Cette thèse se compose de quatre articles soumis à des journaux internationaux et d’un chapitre additionnel. Dans tous les articles, nous modélisons le choix d’itinéraire d’un individu comme une séquence de choix d’arcs dans le réseau, selon une approche appelée modèle de choix d’itinéraire récursif. Cette méthodologie possède d’avantageuses propriétés, comme un estimateur non biaisé et des procédures d’affectation rapides, en évitant de générer des ensembles de chemins. Néanmoins, l’estimation de tels modèles pose une difficulté additionnelle puisqu’elle nécessite de résoudre un problème de programmation dynamique imbriqué, ce qui explique que cette approche ne soit pas encore largement utilisée dans le domaine de la recherche en transport. Or, l’objectif principal de cette thèse est de répondre des défis liés à l’application de cette méthodologie à des réseaux multi-modaux. La force de cette thèse consiste en des applications à échelle réelle qui soulèvent des défis computationnels, ainsi que des contributions méthodologiques. Le premier article est un tutoriel sur l’analyse de choix d’itinéraire à travers les modèles récursifs susmentionnés. Les contributions principales sont de familiariser les chercheur.e.s avec cette méthodologie, de donner une certaine intuition sur les propriétés du modèle, d’illustrer ses avantages sur de petits réseaux, et finalement de placer ce problème dans un contexte plus large en tissant des liens avec des travaux dans les domaines de l’optimisation inverse et de l’apprentissage automatique. Deux articles et un chapitre additionnel appartiennent à la catégorie de travaux appliquant la méthodologie précédemment décrite sur des réseaux réels, de grande taille et multi-modaux. Ces applications vont au-delà des précédentes études dans ce contexte, qui ont été menées sur des réseaux routiers simples. Premièrement, nous estimons des modèles de choix d’itinéraire récursifs pour les trajets de cyclistes, et nous soulignons certains avantages de cette méthodologie dans le cadre de la prédiction. Nous étendons ensuite ce premier travail afin de traiter le cas d’un réseau de transport public comportant plusieurs modes. Enfin, nous considérons un problème de prédiction de demande plus large, où l’on cherche à prédire simultanément l’enchaînement des trajets quotidiens des voyageurs et leur participation aux activités qui motivent ces déplacements. Finalement, l’article concluant cette thèse concerne la modélisation d’affectation de trafic. Plus précisément, nous nous intéressons au calcul d’un équilibre dans un réseau où chaque arc peut posséder une capacité finie, ce qui est typiquement le cas des réseaux de transport public. Cet article apporte d’importantes contributions méthodologiques. Nous proposons un modèle markovien d’équilibre de trafic dit stratégique, qui permet d’affecter la demande sur les arcs du réseau sans en excéder la capacité, tout en modélisant comment la probabilité qu’un arc atteigne sa capacité modifie le choix de route des usagers.

Mots-clés : Modèles de choix d’itinéraire récursifs, Modèle markovien d’équilibre de trafic, Estimation par maximum de vraisemblance, Programmation dynamique, Réseaux multi-modaux, Recursive route choice models, Maximum likelihood estimation, Dynamic programming, Multi-modal route choice, Markovian traffic assignment model, Activity-based travel demand.

Résumé : L’achalandage des réseaux de transport en commun varie en fonction de nombreux paramètres. Des facteurs exogènes tels que la météo sont souvent rapportés dans la littérature mais il existe aussi des facteurs individuels : en effet, chaque usager a une utilisation temporelle et spatiale du transport en commun qui lui est propre. D’une part, des différences sont visibles entre les individus. Cette variabilité interpersonnelle est particulièrement prononcée dans les réseaux qui desservent un grand nombre de personnes du fait de la grande hétérogénéité des comportements observés.

Mots-clés : NA.