Navigation – Plan du site
2018
854

La mobilité intermodale par les données billettiques. Analyses spatio-temporelles du réseau bus-métro de Rennes Métropole

Intermodal mobility analysis with smart-card data. Spatio-temporal analysis of the bus-metro network of Rennes metropole
Cyprien Richer, Etienne Come, Mohamed Khalil El Mahrsi et Latifa Oukhellou

Résumés

Cet article porte sur l’analyse des mobilités intermodales à l’échelle du réseau bus-métro de Rennes Métropole. L’intermodalité étant très liée à l’usage des réseaux de transport collectif urbain, les données billettiques du réseau bus-métro de Rennes Métropole fournis par Keolis-Rennes renseignent une part très significative de l’intermodalité quotidienne. Pour pallier le manque d’information des données billettiques sur les destinations et détecter les correspondances, la reconstruction des chaînes de validations a été opérée sur la base d’hypothèses fournies par la littérature. Les recherches menées dans le projet Mobilletic ont ainsi permis d’approfondir considérablement les dimensions temporelles et spatiales de la mobilité intermodale au sein du réseau de transport collectif urbain de Rennes Métropole.

Haut de page

Texte intégral

Les auteurs tiennent à remercier Keolis Rennes pour avoir fourni les données billettiques sur le réseau bus et métro.

Introduction

1Cet article s’intéresse à l’analyse des pratiques d’intermodalité à l’échelle du réseau bus-métro de Rennes Métropole. L’enjeu est d’approfondir la connaissance de la mobilité intermodale à l’aide des données billettiques issues des validations des usagers. En effet, ces pratiques restent difficiles à mesurer malgré l’enjeu que représente le levier de l’intermodalité pour l’organisation des systèmes de mobilité.

2Cette contribution s’inscrit dans les travaux du projet Mobilletic (2013-2016). Cette recherche a pour ambition de valoriser les données billettiques par une approche croisant les sciences humaines et sociales et les data sciences. La question de la valorisation de données massives pour la prise de décision est en effet centrale. Il s’agit, à partir de traces numériques collectées sur l’ensemble du réseau de transport collectif, de développer des outils d’analyse et de visualisation pour mieux comprendre les mobilités des personnes.

3Même si la mise en place des systèmes billettiques ne répond pas prioritairement à l’objectif d’étudier des mobilités urbaines (mais plutôt à des problématiques de lutte contre la fraude), les exploitants et autorités organisatrices fondent beaucoup d’espoirs sur l’utilisation des données récoltées. Comme toute source d’informations, elle comporte des avantages (nombre d’enregistrements précis en continu) et des limites qu’il faut savoir dépasser : notamment le fait que la validation ne se fait qu’en entrée dans le réseau et qu’il faut donc reconstruire les chaînes de validations pour travailler sur l’intermodalité.

4L’objectif ici est d’étudier le potentiel des données billettiques pour analyser la mobilité intermodale avec deux questions essentielles : dans quelles mesures les données billettiques peuvent améliorer la connaissance de l’intermodalité à l’échelle du réseau urbain de Rennes Métropole ? Quelle profondeur d’analyse spatio-temporelle est-il possible d’atteindre avec des données billettiques enrichies ?

5L’article se décomposera en trois temps. La première partie revient sur l’état des connaissances sur les données et méthodes d’analyse de l’intermodalité. La deuxième partie porte plus précisément sur les données billettiques, leur potentiel et le traitement opéré aux données fournies par Keolis-Rennes. Enfin, la troisième partie présente quelques résultats issus de l’analyse spatio-temporelle des données billettiques rennaises.

Données et méthodes pour l’intermodalité

Mobilités et enjeux de l’intermodalité

6Le concept de mobilité démontre l’intérêt de l’analyse de la demande de transport par le prisme des usages et des modes de vie, en complément de l’approche plus technique des « transports » largement prédominante au 20ème siècle. Le paradigme de la mobilité comme le présente Amar (2006) s’accompagne d’une volonté de comprendre finement la diversité des potentiels de mobilité entre individus (accessibilité) et des choix individuels et collectifs de déplacements. L’enjeu est de taille puisque les questions de mobilité sont régulièrement pointées comme des problématiques au cœur des défis sociaux, environnementaux, économiques ou territoriaux.

7Face à ces enjeux, les politiques publiques contestent l’hégémonie de l’usage personnel de l’automobile, notamment en milieu urbain. Les actions des collectivités participent, avec l’émergence de nouvelles offres dérégulées, à construire des villes de plus en plus multimodales. Elles visent à impulser des pratiques de mobilités durables visant en particulier à diminuer l’usage des voitures individuelles et à développer l’usage des transports en commun (TC) seuls ou en combinaison avec d’autres modes de mobilité tels que la marche, le vélo, l’autopartage ou le covoiturage.

8L’intermodalité qui renvoie à la « possibilité de passer d’un mode de transport à un autre » au cours d’un même déplacement (Margail, 1996) peut apparaître comme un des leviers des politiques de mobilité durable. En théorie, la construction d’un système de mobilité intermodal peut permettre de répondre aux enjeux environnementaux (diminuer l’usage de l’automobile) en garantissant une grande efficacité du système de transport (du « mass transit » au « porte à porte »), dans les limites des contraintes économiques (optimisation des différents modes de transport dans leur champ de pertinence plutôt que nouvelles offres ou infrastructures). L’intermodalité est une condition nécessaire à la durabilité du système de transport (Szyliowicz, 2003). À l’instar d’un système écologique, Replogle assure qu’un système de transport tributaire de seulement un ou deux modes est beaucoup plus susceptible d’inefficience, de désorganisation et de défaillance qu’un système qui combine de nombreux modes différents (Replogle, 1991).

9Cependant, pour que le transport intermodal de passagers fonctionne bien, il ne suffit pas de construire des systèmes de transit ; il faut aussi prévoir des structures d’information appropriées qui permettent des déplacements sans rupture (Szyliowicz, 2000). Or, l’intermodalité doit faire face à un paradoxe : c’est une force pour l’optimisation des réseaux de transport, mais c’est souvent aussi une fragilité pour la mobilité des personnes. La mise en complémentarité des offres de transport permet de mailler les réseaux et de renforcer leur performance comme le démontrent de nombreux indicateurs d’accessibilité (par exemple ceux issus de la théorie des graphes : Dupuy, 1985 ; Stathopoulos, 1997 ; Chapelon, 2003 ; L’Hostis et Conesa, 2008). Cependant, les « ruptures de charges » ou correspondances induites par ces organisations intermodales augmentent souvent la pénibilité pour le voyageur (Wardman et Hine, 2000 ; Litman, 2008 ; Zhan Guo et Wilson, 2011). C’est le paradoxe de l’intermodalité qui demeure une problématique majeure pour les grands systèmes urbains. Une bonne connaissance de l’intermodalité est nécessaire pour concilier les points de vue de l’organisation des réseaux de transport et des pratiques de mobilité. Pourtant, la quantification et l’évaluation de l’intermodalité demeurent difficiles en « l’absence de description statistique d’ensemble de ces phénomènes » (Margail, 2002).

La mobilité intermodale, un usage encore méconnu ?

10Les études et recherches attestent du manque de données précises sur les habitudes de déplacement et les voyages en modes non motorisés, tels que le vélo et la marche ou sur les combinaisons de modes utilisés dans les trajets intermodaux (Mark A. Miller, Camille Tsao, 1999 ; Michael Duncan, David Cook, 2014 ; Gandit, 2007). Les chiffres sur les pratiques intermodales sont beaucoup plus disparates et difficiles à obtenir quel que soit le pays (Gandit, 2007). A titre d’exemple, les enquêtes annuelles du recensement de la population en France se restreignent à la question du « mode le plus utilisé » pour les « déplacements habituels vers le travail » tandis que les traditionnelles « parts modales » s’appuient sur une hiérarchie des modes de transports qui masquent les usages combinés.

11Un panorama de la mobilité intermodale est néanmoins possible avec les données d’Enquêtes-Déplacements en France (Richer, Meissonnier, Rabaud, 2016). Selon l’exploitation classique des enquêtes de mobilité, le déplacement est intermodal s’il est constitué d’au moins deux trajets (marche exclue par convention). Les trajets doivent être enchaînés pour le même motif (ex. travail). S’il y a un motif intermédiaire (ex. petits achats aux abords de la station de correspondance), cela correspond à plusieurs déplacements. L’intermodalité selon les enquêtes de mobilité ne tient pas compte du critère temporel : la correspondance peut être immédiate ou très longue, ce qui compte c’est l’enchaînement de trajets pour une même activité.

12Selon ces définitions, on peut étudier la mobilité intermodale un jour de semaine à l’échelle d’une agglomération. On constate alors que les déplacements intermodaux peuvent atteindre 10% de la mobilité quotidienne et que le nombre de personnes réalisant au moins un déplacement intermodal au cours de la journée peut atteindre 18% (ce taux maximum hors Île-de-France est atteint dans l’agglomération Lyonnaise –chiffre EMD 2016–). L’analyse des données d’Enquêtes-Déplacements ouvre des perspectives d’analyses intéressantes, notamment pour comparer les territoires, mesurer des grandes évolutions ou croiser les pratiques de mobilité avec les variables socio-économiques des ménages. L’exploitation de ces données permet aussi d’élargir la définition de l’intermodalité en prenant en compte la marche comme maillon à part entière de la chaîne de déplacements (Rabaud, Richer, 2015).

Vers un nouveau regard sur l’intermodalité avec les traces billettiques

13Une majorité des travaux menés jusqu’à présent repose essentiellement sur l’analyse de ces enquêtes de mobilité. Ces données présentent -comme toute source de données- des atouts (recueil de tous les modes, tous les motifs et d’informations sur les individus et leurs ménages) et des limites (enquêtes réalisées au mieux tous les 10 ans, relativement coûteuses, taux de sondage de 2 à 3%). D’autres sources sont aujourd’hui à disposition (données billettiques, traces GSM, Wi-Fi ou Bluetooth, géolocalisation de nos publications sur les réseaux sociaux générées lors de nos déplacements…). Ces dispositifs n’ont pas été initialement conçus pour l’analyse des mobilités mais peuvent s’avérer très riches en termes de traçabilité. Ces traces numériques peuvent servir à la mise en place d’approches d’observation et de modélisation renouvelées et complémentaires des mobilités urbaines, en particulier multimodales et/ou intermodales.

14Ce sont en particulier les données billettiques qui ouvrent un champ d’analyse important pour améliorer la connaissance des mobilités individuelles en complémentarité avec d’autres sources de données. Par rapport aux données billettiques, les Enquêtes-Déplacements assemblent tous les dix ans un petit nombre d’enregistrements sur tous les déplacements quotidiens riches en métadonnées socio-économiques. A l’inverse, les données billettiques fournissent chaque minute un grand nombre d’enregistrements sur une petite part de la mobilité quotidienne et pauvre en métadonnées. Certains experts présentent l’exploitation des données billettiques comme le passage au « film HD » (étant sous-entendu que les Enquêtes-Déplacements seraient une « photo Noir&Blanc »). L’image peut paraître exagérée car il faut bien préciser que le « film HD » porte sur une petite part de la mobilité quotidienne (10 à 15% dans les grandes agglomérations, 20% en Île-de-France puisque l’on « capte » uniquement les validations dans tout ou partie du réseau de transport collectif) tandis que la photo N&B est représentative de l’ensemble de la mobilité quotidienne (y compris de l’immobilité d’ailleurs). Les premiers auteurs à explorer ces données comme nouvelle source d’information pour l’analyse des mobilités (Bagchi, White, 2004) avaient déjà identifié plusieurs contraintes comme l’absence de validation à l’arrivée, l’absence du motif des déplacements ainsi que l’échantillon de la population pas nécessairement représentatif.

15Peu d’études les utilisent aujourd’hui, en partie à cause de la relative nouveauté de ces sources d’information par nature hétérogènes, au manque de méthodes consolidées permettant de les exploiter conjointement, et au faible nombre de retours d’expérience de la part des chercheurs en sciences sociales (géographie, sociologie, économie, psychologie) sur les traitements possibles à partir de ces nouvelles données. C’est tout l’enjeu du projet Mobilletic (2013-2016) qui avait pour ambition de valoriser les données billettiques par une approche multidisciplinaire pour affiner la connaissance de la mobilité intermodale.

Le potentiel des données billettiques

Données billettiques et intermodalité

16Des recherches ont été menées sur l’utilisation des données billettiques pour l’analyse des déplacements dans les transports en commun ou avec les systèmes de mobilité partagée (Côme et al., 2014 ; Vogel et al., 2014). Pour ce qui est des transports collectifs, une première partie des travaux menés dans ce domaine s’est attachée à l’enrichissement des données billettiques, notamment la reconstruction des déplacements (estimation des destinations et détection des correspondances) (Barry et al., 2002 ; Trépanier et al., 2007 ; Chu et al., 2008). Une autre partie des travaux s’attachait plutôt à l’exploitation de ces données au travers d’outils de fouille de données (Morency et al., 2006 ; Trépanier et al., 2012 ; Lathia et al., 2013 ; Ma et al., 2013 ; El Mahrsi et al., 2016). Parmi les objectifs visés dans ces derniers travaux, on peut citer celui d’obtenir une représentation améliorée et synthétique des profils des utilisateurs des transports publics, celui d’étudier les pratiques individuelles de déplacement ou encore celui d’analyser les phénomènes de congestion dans un réseau de transport.

17Les données billettiques semblent particulièrement appropriées pour traiter des problématiques liées aux réseaux de transport collectifs. Or, l’intermodalité est une pratique très courante au sein des réseaux de transport public (Zhan Guo, Wilson, 2011). Les transferts intermodaux sont « endémiques » des systèmes de transport public, en particulier dans les grands réseaux multimodaux (Vuchic, 2006). En France, la part modale des transports collectifs est le principal déterminant de la mobilité intermodale tandis que ¾ des déplacements intermodaux quotidiens sont issus de transferts au sein même des réseaux de transports collectifs urbains (Richer, Rabaud, Lannoy, 2015). C’est la raison pour laquelle, les systèmes billettiques, qui permettent de recueillir quasiment tous les déplacements effectués sur le réseau de transport public, renseignent une part très significative de l’intermodalité quotidienne.

18La fenêtre d’observation des déplacements est importante, la fréquence d’acquisition quasi continue et les informations recueillies sont réparties le long des linéaires du réseau. Ces données possèdent des avantages intrinsèques intéressants comme l’exhaustivité (ou quasi-exhaustivité), une finesse spatiale et temporelle, un biais de réponse très faible comparé à celui rencontré dans les données d’enquête. L’exploitation de ces sources d’information soulève néanmoins plusieurs difficultés (El Mahrsi et al., 2015) :

  • les données manquantes : pour des systèmes comme le métro ou le bus, seules les données d’origine du déplacement sont disponibles (l’usager valide son ticket uniquement à la montée).

  • le volume important de ces données (environ 250 000 validations par jour ouvrable à Rennes) est une richesse, mais il pose le problème de leur stockage et de leur traitement.

19Ces traces numériques anonymisées permettent d’avoir un flot de données longitudinales. En revanche, les données socio-économiques relatives à l’usager ne sont pas disponibles, même s’il est possible d’avoir une information sur le profil de l’usager lorsque le type d’abonnement (plein tarif, étudiant, tarif social …) ou de titre de transport est connu.

Jeux de données du réseau Keolis-Rennes

20Rennes Métropole est l’autorité organisatrice de la mobilité d’un réseau de transports en commun appelé STAR Bus-Métro. Il couvre 38 communes et dessert plus de 400 000 habitants grâce à plus de 70 lignes de bus régulières et une ligne de métro. L’exploitant du réseau de transport urbain Keolis produit et exploite les données STAR Bus-Metro, propriété de Rennes Métropole. Dans le cadre du projet Mobilletic, Keolis-Rennes a mis à disposition des données billettiques anonymisées (les identifiants utilisateurs étant périodiquement anonymisés de manière à rendre le croisement avec d’autres informations impossible). Sur un mois de données (avril 2014), celles-ci contiennent des informations sur 5 404 096 validations parmi lesquelles 80% ont été réalisées par environ 135 000 cartes à puce (appelées cartes KorriGo). La moitié des validations de tout le réseau est effectuée sur la ligne de métro. Avec les huit lignes de bus majeures, on monte à 85% des voyages du réseau Star.

Figure 1: Location de l’agglomération de « Rennes Métropole »

Figure 1: Location de l’agglomération de « Rennes Métropole »

Source : Auteurs, fond de carte Geoportail

21Dans l’agglomération Rennaise, les données billettiques renseignent environ 12% de la mobilité quotidienne, soit 170 000 déplacements/jour réalisés en bus et/ou métro sur 1 482 000 déplacements/jour (selon l’Enquête-Déplacements 2007 « standard Certu » à l’échelle de Rennes Métropole). Sur 1 482 000 déplacements, 60 000 sont intermodaux, soit légèrement plus de 4%. Si l’on exclut les déplacements réalisés uniquement à pied, l’intermodalité atteint 6% des déplacements mécanisés. Cela correspond à 12% de personnes effectuant au moins un déplacement intermodal dans la journée (soit 88% n’effectuant pas de déplacement intermodal).

22Sur les 60 000 déplacements intermodaux, 45 700 concernent au moins une correspondance bus+métro (16 800), métro+bus (17 400) ou bus+bus (15 700) (double compte sur les déplacements avec plusieurs correspondances). L’intermodalité renseignée par les validations sur le réseau STAR atteint –en théorie– (car en pratique toutes les validations ne sont pas exploitables) plus de 75% de l’intermodalité quotidienne à l’échelle de Rennes Métropole. En complément des Enquêtes-Déplacements, les données billettiques fournissent ainsi une grande quantité d’informations pour améliorer la connaissance d’une large part des mobilités intermodales à l’échelle locale.

23Les données billettiques exploitées dans le projet Mobilletic « captent » environ 224 000 validation/jour soit 177 000 déplacements/jour. Le réseau STAR bus-métro revendique une pointe à 280 000 voyages/jour sur son réseau bus-métro, ce qui équivaut à environ 220 000 déplacements/jour aujourd’hui. Les données billettiques enrichies dans le projet Mobilletic correspondent à environ 80 % des déplacements quotidiens sur le réseau STAR bus-métro. Environ 75% des validations sont effectuées avec la carte KorriGo et donc 25% avec les tickets papier tandis que la fraude est estimée à 10% sur le réseau rennais. La part de déplacement intermodaux (intrinsèque au réseau bus-métro) est très équivalente selon les sources et les méthodes (entre 24 et 27%).

Figure 2 : Comparatif de la mobilité intermodale selon les sources de données

Rennes métropole (réseau STAR bus-métro)

Sources

Mobilité réseau STAR bus/ métro

Intermodalité bus/métro

Part de déplacements intermodaux dans le total des déplacements du réseau bus/métro

Enquête mobilité

ED 2007

215 700 trajets/jour

170 400 déplacements/jour

45 700 déplacements intermodaux /

49 900 correspondances

26,8 %

Données exploitant

Annuaire statistique 2011

71 millions de voyages/an

Taux de correspondance

1,240

24,0 %

Données Billettique

Données Billettique 2014 (enrichies dans projet Mobilletic)

224 000 validations/jour

177 000 déplacements /jour

43 000 déplacements intermodaux /

47 000 correspondances

24,3 %

Note de lecture du tableau – Précision sur la définition des notions (déplacement selon EMD, déplacement selon Billettique, trajet, validation, voyage) :
Un « déplacement » selon les Enquêtes de mobilité équivaut à un mouvement dans l’espace pour un motif (ex. travail, étude, achat, retour domicile…). Il peut être constitué d’un ou plusieurs « trajets » correspondant à l’usage d’un ou plusieurs modes de transport pour effectuer ce déplacement.
N’ayant pas d’informations sur les motifs, un « déplacement » obtenu à travers les données billettiques s’apparente à un mouvement de type origine-destination obtenu suite à la reconstitution des chaînes de validations. Les « validations » sont ici l’équivalent de la notion de « trajet » ou de « voyage » pour les exploitants, puisqu’elles correspondent à un segment élémentaire du déplacement qui peut être un parcours en métro ou sur une ligne de bus.
Un déplacement intermodal selon la mesure habituelle des Enquêtes de mobilité est donc composé de plusieurs trajets mécanisés ; un déplacement intermodal selon la méthode de projet Mobilletic est donc composé de plusieurs validations (ou trajets) enchaînées selon un critère temporel et un critère spatial. Dans les deux cas, les trajets ou validations enchainées bus+bus comptent comme un déplacement intermodal.

Source : Auteurs, d’après données diverses

Enrichissement des données et reconstitution des chaînes de validations

24Le jeu de données brutes du réseau Keolis STAR bus-métro de Rennes Métropole contient les informations suivantes :

  • numéro anonymisé de cartes (pour les validations effectuées avec une carte),

  • date et heure de la validation,

  • station de la validation,

  • type de titre de transport

  • direction du voyage (pour les bus).

25Comme dans la plupart des réseaux de transport urbains français, aucune information sur la destination des voyages n’est disponible dans ce jeu de données brutes puisque l’usager n’a pas à valider en sortie du réseau. Le jeu de données ne précise pas si l’usager est en correspondance.

26Pour pallier le manque d’information sur les destinations et détecter les correspondances, des hypothèses et des méthodes d’enrichissement validées dans la littérature ont été utilisées. Barry et al. (2002) ont développé une méthodologie qui estime des matrices Origine-Destination (OD) pour toutes les stations de métro de la ville de New-York en s’appuyant sur deux hypothèses : premièrement, une grande part d’usagers retourne à la station de destination de leur déplacement précédent pour effectuer le suivant et deuxièmement, ils finissent leur dernier déplacement de la journée à la station où ils ont commencé leur premier déplacement du jour. Dans un autre article, Chu et al. (2008) apportent une attention particulière à la détection des correspondances au travers notamment du temps et de la distance entre deux validations pouvant conduire à déduire qu’il s’agit d’un même déplacement.

27Les destinations potentielles des validations enregistrées ont donc été estimées en recherchant la station de la ligne courante la plus proche de la prochaine station de départ de l’usager. Si cette station est située à plus de 500 mètres de la station de prochaine validation, nous n’avons pas affecté de destination. Les validations en correspondance ont été détectées de la manière suivante : lorsque l’origine et la destination d’une validation sont estimées, le temps de correspondance avec la validation suivante est calculé en retranchant de l’heure de départ de la validation suivante l’heure estimée d’arrivée de la validation courante. Cette heure d’arrivée étant simplement estimée en ajoutant à la date de validation le temps de trajet théorique tel que défini par les tables horaires, disponibles à Rennes au format GTFS (General Transit Feed Specification). Lorsque ce temps est inférieur à 30 minutes, nous considérons que les deux validations forment un unique déplacement parce que liées au même motif. Dans ce cas de figure, les deux validations sont regroupées dans un même déplacement.

28La reconstruction des chaînes de validation selon la méthode d’enrichissement du projet Mobilletic s’est donc appuyée sur un critère de temps (validation dans les 30 minutes après la destination précédente) et sur un critère spatial (correspondance dans un périmètre de moins de 500 m). Cette mesure de l’intermodalité diffère donc légèrement d’autres définitions de l’intermodalité : avec les Enquêtes-Déplacements, on se concentre sur l’enchaînement de trajets pour un même motif, tandis que les règles d’exploitation des réseaux parlent de correspondance si la seconde validation s’effectue moins d’une heure après la première. Prenons un usager qui prend un métro à 8h20, arrive à une station de correspondance à 8h35, profite de son arrêt pour faire des petites courses dans le quartier, et reprend le bus à 9h10. Il pourra valider en correspondance si les règles du réseau le lui permettent mais cet enchaînement de trajets ne sera pas considéré comme un déplacement intermodal avec les analyses classiques des Enquêtes-Déplacements (à cause du motif intermédiaire « petits achats ») et ne sera pas compté en correspondance dans les données enrichies du projet Mobilletic pour une raison différente (le temps de correspondance dépasse 30 minutes).

Figure 3 : Données billettique disponibles par rapport au nombre de voyages du réseau

Rennes métropole (réseau STAR bus-métro)

Voyages /jour

Estimation des voyages par jour de semaine sur le réseau (source Keolis Rennes, 2014)

280 000

Dont environ 10% Fraude (voyages non validés)

28 000

Dont validations avec ticket papier

62 000 (25% voyages hors fraude)

Dont validation carte Korrigo

190 000 (75% voyages hors fraude)

Projet Mobilletic

Données à disposition du projet Mobilletic

224 000 (80% des voyages du réseau)

Données après enrichissement

160 000 (72% des données à disposition)

Source : Auteurs, d’après données billettiques Keolis Rennes

Analyse spatio-temporelle de l’intermodalité bus-métro à Rennes Métropole

Le rythme hebdomadaire et quotidien de l’intermodalité

29Le nombre de validations par heure dans le réseau STAR sur une semaine type fait apparaître un comportement cyclique du réseau fortement en lien avec l’heure et le jour de la semaine. On retrouve un profil classique en semaine avec les traditionnels pics du matin et du soir qui correspondent aux heures d’affluence des transports en commun. Le nombre de validations par heure au cours de ces périodes de pointe (entre 15000 et 20000 validations) est au moins deux fois plus important que lors des heures creuses (autour de 7500). Le pic du midi (autour de 10000) est d’une moindre sauf le mercredi. Ce jour se distingue par trois pics d’égale importance (autour de 15000). Les comportements de validation du week-end sont différents : le pic de validation du samedi atteint le niveau de validation des heures creuses en semaine (autour de 7500) tandis que le dimanche reflète un usage diffus avec un pic dans l’après-midi de faible importance (environ 2500).

Figure 4 : Nombre de validations par heure dans le réseau de transport STAR à Rennes (semaine du 7 au 13 avril 2014)

Figure 4 : Nombre de validations par heure dans le réseau de transport STAR à Rennes (semaine du 7 au 13 avril 2014)

Source : Auteurs, d’après données billettiques Keolis Rennes

30En ce qui concerne les correspondances, leur part sur le réseau rennais bus-métro varie légèrement entre 20 et 25% d’une semaine sur l’autre. Une semaine donnée, la médiane de la part d’intermodalité d’un jour de semaine se situe environ à 23 % du total des déplacements du réseau. Le week-end, la part de déplacements intermodaux est moins élevée même si elle est loin d’être négligeable : la médiane se situe environ à 19% le samedi et à 17 % le dimanche. A l’échelle quotidienne, la variation brute du nombre de déplacements intermodaux suit la même tendance que le rythme global des validations.

31La part de déplacements intermodaux dans le courant de la journée dessine des tendances différenciées : on observe une proportion d’intermodalité très élevée le matin correspondant à des trajets plus longs qui débutent plus tôt (probablement à partir des communes périphériques). Les déplacements intermodaux, toujours sensiblement plus longs que ceux sans correspondances, atteignent une distance moyenne de 8 km, à l’heure de pointe du matin.

32À 7h du matin, les jours de semaine, 40% des déplacements se font avec une correspondance. Le reste de la journée, la courbe est accidentée mais reste dans une fourchette assez stable entre 20 et 25% d’intermodalité. Une autre particularité visible tous les jours de la semaine provient du léger creux le midi en termes de part de déplacements avec correspondance. On retrouve un même décrochage entre 12h et 14h d’environ 5 points. On peut faire l’hypothèse que les usagers qui prennent les transports collectifs durant la pause méridienne sont ceux qui n’ont pas de correspondance à effectuer : soit ils peuvent rentrer directement chez eux, soit ils recherchent des lieux (de restauration par exemple) accessibles sans rupture de charge.

33Ces résultats attestent d’une intermodalité plutôt subie que choisie, car elle concerne les déplacements les plus longs qui commencent le plus tôt pour des motifs contraints. Inversement, lorsqu’un choix se présente à l’usager, le midi en semaine ou le week-end, le recours à l’intermodalité est nettement moins fréquent.

Figure 5 : Nombre de validations avec et sans correspondance un vendredi

Figure 5 : Nombre de validations avec et sans correspondance un vendredi

Source : Auteurs, d’après données billettiques Keolis Rennes

Figure 6 : Part des validations en correspondance selon différents jours de semaine.

Figure 6 : Part des validations en correspondance selon différents jours de semaine.

Source : Auteurs, d’après données billettiques Keolis Rennes

Figure 7 : Distances moyennes des déplacements (avec correspondance ou sans) selon l’heure de la journée

Figure 7 : Distances moyennes des déplacements (avec correspondance ou sans) selon l’heure de la journée

Source : Auteurs, d’après données billettiques Keolis Rennes

L’orientation des correspondances bus – métro

34En semaine, les chaines de déplacements les plus fréquentes correspondent au rabattement du mode bus vers le métro (37% des correspondances). Les autres combinaisons métro-bus et bus-bus sont légèrement moins fréquentes (31,5%). Cette différence est encore plus accentuée le matin en semaine puisque 41% de l’intermodalité se fait dans le sens bus vers métro alors que les trois types de combinaison sont équilibrés à l’heure de pointe du soir. Il n’y a donc pas de symétrie absolue dans les chaînes de mobilité. Ce phénomène s’explique par la facilité de la correspondance vers le métro, quasi immédiate grâce à la fréquence élevée de la ligne de métro, alors que la correspondance dans le sens opposé peut être plus longue. Le temps médian de correspondance du bus vers le métro se situe entre 2 à 3 minutes alors qu’il atteint 12 à 13 minutes dans le sens inverse. Un usager peut ainsi enchaîner bus et métro le matin mais pas le soir, préférant marcher ou prendre un vélo à la sortie du métro plutôt que d’attendre un bus.

Figure 8 : Distribution des temps de correspondance dans le sens bus vers métro

Figure 8 : Distribution des temps de correspondance dans le sens bus vers métro

Source : Auteurs, d’après données billettiques Keolis Rennes

Figure 9 : Distribution des temps de correspondance dans le sens métro vers bus

Figure 9 : Distribution des temps de correspondance dans le sens métro vers bus

Source : Auteurs, d’après données billettiques Keolis Rennes

35Dans les pôles bus-métro du réseau de l’agglomération rennaise, la station de bus a toujours un taux de correspondance supérieur par rapport à la station de métro éponyme. Quel que soit le couple de station et l’heure, le nombre de validations dans le bus est toujours plus dépendant d’usagers en correspondance. Par exemple à la station Henri Fréville, selon la tranche horaire de la journée, 55 à 65% des validations dans la station de bus sont issues d’usagers en correspondance, contre 23 à 32% pour la station de métro.

36Ces taux d’intermodalité dissimulent cependant d’autres réalités comme nous pouvons l’observer au niveau du pôle d’échanges bus-métro Villejean-Université : si en valeur relative, la fréquentation du bus est plus dépendante d’usagers en correspondance (sortant principalement du métro), en valeur absolue, à l’heure de pointe du matin, le bus fournit trois fois plus d’usagers au métro (221 usagers du métro proviennent de la station bus Villejean-Université) que l’inverse (77 usagers du bus proviennent de la station métro Villejean-Université). La situation est inversée à l’heure de pointe du soir mais selon des proportions différentes.

Figure 10 : Orientation des correspondances selon la période de la journée au pôle d’échanges métro-bus Villejean-Université

Heure de pointe du matin 6h-10h

Station bus Villejean-Université

Station métro Villejean-Université

Validation/heure

153

530

Correspondance/heure

96

221

Part de correspondances

63 %

42 %

Provenance des correspondances

77 proviennent de la station métro et 19 de la station bus

221 proviennent de la station bus

Heure de pointe du soir 16h-20h

Station bus Villejean-Université

Station métro Villejean-Université

Validation/heure

407

846

Correspondance/heure

226

134

Part de correspondances

55 %

16 %

Provenance des correspondances

207 proviennent de la station métro et 19 de la station bus

134 proviennent de la station bus

37Le métro étant un mode très attractif dans le réseau de transport rennais, l’usage du bus est très lié à la possibilité de prendre le métro à l’arrivée. Les bus se déversent dans le métro le matin, même si, vu le nombre important d’usagers qui viennent à pied (et dans une moindre mesure en vélo ou en voiture), la proportion des usagers du métro qui viennent du bus est moins élevée que l’inverse. Le dessin des lignes implique un fonctionnement très intermodal du bus, très dépendant de la possibilité de prendre le métro à l’arrivée ou de compléter son trajet après avoir pris le métro. Dit autrement, le métro se suffit à lui-même pour une majorité d’usagers alors que le bus seul aurait une pertinence limitée.

Les aires de chalandise intermodales des stations de métro

38Sur le plan spatial, les lieux où s’effectuent les correspondances bus-métro sont concentrés sur quelques points d’intermodalité. Un nombre réduit de stations du réseau métro-bus concentre les pratiques intermodales. Ainsi, 4% des stations concentrent 91% des correspondances effectuées sur le réseau et 46% des validations. À l’heure de pointe du matin en semaine, sur 676 arrêts du réseau bus/métro, 587 ont une valeur inférieure à 1 transfert / heure.

39Près de 80% de l’intermodalité quotidienne s’organise autour, depuis ou vers la ligne de métro. Les principaux pôles intermodaux sont des arrêts de bus connectés à une station de métro. Le fonctionnement de l’intermodalité rennaise s’appuie sur deux grands types de pôles d’échanges :

  • des pôles d’échanges de rabattement en entrée de ville et aux extrémités du métro (au Nord-Ouest, Villejean-Université et au Sud/Sud-Est : Henri Fréville, Triangle et La Poterie) qui combinent métro et bus, associé généralement à un parking-relais ;

  • un quartier d’échange central, principalement autour du métro République, qui capte à lui seul la moitié des correspondances du réseau bus-métro de l’agglomération rennaise. Aux périodes les plus fréquentées, on compte près d’une correspondance bus-métro toutes les deux secondes dans le pôle d’échanges République. Ce quartier d’échanges peut être étendu à Sainte-Anne qui offre un fonctionnement intermodal assez éclaté.

40D’autres arrêts de métro présentent soit un caractère de desserte locale (Charles de Gaulle, Clemenceau, Italie, Le Blosne), soit un potentiel intermodal mais avec d’autres modes non comptabilisés dans les données billettiques disponibles (P+R à JF Kennedy ; TER à Pontchaillou). Notons que la station « gare » à Rennes présente un rôle intermodal très limité du fait de la non prise en compte de l’intermodalité avec les autres réseaux qui s’y connectent (cars d’Ille-et-Vilaine, TER et TGV).

Figure 11 : Aire de chalandise intermodale des stations de métro

Figure 11 : Aire de chalandise intermodale des stations de métro

Figure 12 : Caractéristiques des principales aires de chalandises intermodales

Aires de chalandises intermodales (données moyenne jour de semaine 6h-10h)

Volume moyen de déplacements intermodaux (par heure)

Distance moyenne des trajets en bus des déplacements intermodaux (km)

Nombre de communes concernées (hors Rennes)

République

390,2

4,1

12

Villejean-Université

221,7

5,5

6

Henri Fréville

141,4

7,6

9

Sainte-Anne

130,8

2,9

4

La Poterie

109,3

5,8

5

Gares

55,5

2,1

1

Triangle

52,5

6,1

3

41Pour visualiser la configuration spatiale de l’intermodalité Rennaise, nous proposons d’observer les aires de chalandises intermodales des stations de la ligne de métro. Celles-ci sont présentées sur la figure 7 et sont construites en recueillant, pour chaque station, les destinations des trajets effectuant une correspondance depuis le métro. Les flux de rabattement ainsi estimés (et moyennés sur la journée entière) sont représentés à l’aide de traits pleins entre la station de métro de rabattement et la station de destination du déplacement.

42Les stations les plus intermodales sont généralement celles qui ont l’aire de chalandise intermodale qui couvre la surface la plus grande. De par sa position centrale et son offre de bus très importante, la station de métro République attire les usagers du bus d’une large partie de l’agglomération : à l’Est (et Nord-Est) jusqu’à Acigné et Thorigné et à l’Ouest (et Sud-Ouest) de Bruz à Cintré. D’Est en Ouest, l’origine de ceux qui effectuent une correspondance à la station de métro République va jusqu’à la bordure du périmètre de la métropole rennaise.

43Les principales stations de correspondances bus-métro ont chacune une large aire de chalandise jusqu’en bordure du périmètre de transport : Henri Fréville, en attirant le secteur Sud de Bruz à Bourgbarré dispose de la moyenne des trajets bus en rabattement la plus élevée (7,6 km). Villejean-Université attire tout le secteur Nord-Ouest (au-delà même de Gévezé) ; La Poterie le secteur Sud-Est de Corps-Nuds à Nouvoitou. Ces deux grandes stations intermodales voient transiter des déplacements de 5,5 et 5,8 km en moyenne. La distance est sensiblement inférieure à Henri Fréville car Villejean-Université et La Poterie ont également une attractivité locale sur des quartiers rennais, ce qui fait baisser la distance moyenne.

44La station de métro Sainte-Anne dispose de l’une des aires de chalandise les plus étroites (déplacements de 2,9 km de moyenne). Mise à part Betton, son influence s’étend principalement à l’intérieur de la ville de Rennes (quartiers Ballangerais, Maurepas, Longs-Champs). Sur ce secteur, également en rabattement à la station République, la réalisation de la seconde ligne de Métro devrait profondément transformer les aires de chalandise des stations métro République et Sainte-Anne.

45Notons que l’on observe des coupures strictes en bassin de rabattement et d’autres séparations plus floues : par exemple, une partie de la commune de Bruz se rabat à République, l’autre partie à Henri-Fréville. Enfin, on peut également noter des aires de chalandise qui se superposent : l’attractivité de la station métro Kennedy couvre une partie des communes en rabattement sur Villejean. Idem pour l’aire de chalandise de la station de métro Triangle qui double celle de Henri-Fréville, beaucoup plus large.

La morphologie des lieux d’échanges définie par les pratiques

46Les données billettiques fournissent la possibilité de changer le niveau de zoom pour une analyse « à la loupe » des phénomènes plus localisés. C’est le cas par exemple du fonctionnement des pôles d’échanges qui ne peuvent pas être décrits de façon détaillée dans une Enquête-Déplacements, faute de représentativité statistique. Nous pouvons ainsi observer plus finement les caractéristiques et l’orientation des transferts bus–métro dans les principales stations de correspondances. Puisque l’enrichissement des données identifie les origines-destinations de chaque trajet, on peut connaître précisément le cheminement intermodal de l’usager entre la station de descente et la station de correspondance. Cette cartographie en négatif ouvre des perspectives d’analyse de la morphologie des pôles d’échanges par les pratiques intermodales qui s’y déroulent.

47Les pratiques intermodales décrites avec les données billettiques témoignent de solidarités d’usages entre les stations du réseau qu’elles soient ou non regroupées dans un même pôle d’échanges. Les traces des validations en correspondance dessinent une morphologie particulière des différents lieux d’intermodalité des transports collectifs de Rennes Métropole. Ces formes réticulaires se différencient selon deux critères principaux :

  • le niveau de compacité des transferts, illustré par la longueur des liens : plus les liens sont courts, plus les transferts sont directs et plus le pôle d’échanges peut être considéré comme « compact ». Nous avons établi empiriquement une distinction autour d’une distance de correspondances de 100 mètres. Notons cependant que cette estimation reste partielle car la distance physique entre deux arrêts ne permet pas de déterminer intégralement la « pénibilité » de la correspondance qui dépend aussi de la qualité des cheminements, de la signalétique, la présence de dénivelés ou d’escaliers.

  • le nombre d’arrêts en interaction qui permet de distinguer des lieux d’intermodalité « unipolaires » comme les pôles-bus, « bipolaires » avec un couple de stations (souvent bus-métro) interdépendants, ou « multipolaires » avec plusieurs arrêts composant la zone intermodale. La part de correspondances au niveau de chaque lien, permet de mesurer précisément la forme du pôle d’échanges. Si un seul lien entre deux arrêts capte plus de 90% des correspondances, ce pôle est jugé bipolaire.

48Nous avons identifié cinq situations contrastées (une sixième « unipolaire–éclaté » pourrait être ajoutée si on considérait les distances verticales de transfert dans les pôles d’échanges à plusieurs niveaux). Cependant, cette classification se présente davantage comme un continuum où l’on pourrait positionner chaque station intermodale selon le nombre d’arrêts connectés [x] et selon les distances moyennes des liens entre les arrêts connectés dans le pôle [y]. Dans une visée explicative, il nous a semblé préférable ici de présenter les résultats sous forme de typologie.

Figure 13 : Répartition des stations de métro en fonction de la morphologie des lieux d’intermodalité

Figure 13 : Répartition des stations de métro en fonction de la morphologie des lieux d’intermodalité

49Les pôles d’échanges de l’agglomération rennaise s’organisent principalement autour d’un couple d’arrêts bus-métro très interdépendant. Dans la plupart des situations, plus de 90 % des transferts bus sont issus de la station de métro homonyme et inversement. Ce sont donc des pôles d’échanges où les arrêts de bus sont regroupés dans un seul nœud à proximité plus ou moins directe de la station de métro. Il peut s’agir d’un simple arrêt ou d’une gare routière avec plusieurs quais (exemple Villejean, Fréville, Poterie) directement connectés, ce qui renvoie au type « bipolaire compact ».

50Le type « bipolaire éclaté » caractérise des interdistances plus longues avec des correspondances qui s’effectuent dans l’espace public. Le pôle Anatole France est assez représentatif de l’absence d’immédiateté dans les correspondances bus-Métro. Même si la distance n’est pas insurmontable, l’absence d’intervisibilité entre bus et métro peut alourdir la charge cognitive de la correspondance et nécessiter un guidage par une signalétique adaptée.

51Les lieux d’intermodalité de Sainte-Anne ou de Charles-de-Gaulle illustrent des situations que l’on peut rapprocher de l’idée de « quartier des échanges » (Menerault, 2006). L’intermodalité est partagée entre plusieurs stations de bus de façon éclatée. La station de métro Charles-de-Gaulle illustre une situation atypique où les correspondances se font à parts égales depuis les stations bus Charles-de-Gaulle et Plélo-Colombier (environ 35 à 40% de l’origine des correspondances), alors que cette dernière station ne dessert pas physiquement le métro Charles-de-Gaulle. Cette intermodalité évite aux usagers d’aller jusqu’au pôle République pour prendre le métro.

52Le principal nœud d’échanges République, relativement compact, est dominé par une relation privilégiée : plus d’un tiers des correspondances de ce pôle se passent spécifiquement entre l’arrêt de Bus « République » et la station de métro du même nom. Pour autant, le pôle d’échanges République est largement multipolaire : quatre arrêts de bus (Nemours, Jaurès, Pré Botté, et République) auxquels on peut ajouter « Les Halles » composent avec le métro un pôle d’échanges très dense.

53La répartition des stations dans cette typologie grâce à l’analyse de grandes masses de données apporte une précision et une capacité de traitement d’un grand nombre de nœuds d’échanges de configuration variée. Les connaissances qualitatives du réseau par l’autorité organisatrice de mobilité ou l’exploitant se trouvent ainsi enrichies : les écarts quantifiables entre les connaissances empiriques et le résultat de ces mesures sont précieux dans une logique opérationnelle. Ces travaux peuvent inciter les autorités à questionner notamment l’agencement des pôles de correspondances (par exemple rapprocher les arrêts distants ou améliorer les cheminements ?).

Conclusion

54Cet article témoigne de l’apport des données billettiques pour l’analyse des mobilités intermodales. La série d’analyses proposée atteste de l’enrichissement possible à la fois sur le plan spatial et temporel de la connaissance de l’intermodalité. La billettique permet d’élargir les cadres de l’analyse traditionnelle de ce type de mobilité par la précision et la quantité de données offertes.

55L’étude de l’intermodalité bus-métro dans l’agglomération rennaise offre un panorama des recherches possibles et ouvre de nombreuses perspectives d’analyses spatio-temporelles. Nous avons démontré la possibilité d’étudier, de façon macro, le fonctionnement global du réseau bus-métro avec les aires de chalandises qui solidarisent des lignes de bus avec une station de métro, et de façon micro, les flux à l’intérieur des pôles d’échanges que les comportements intermodaux dessinent. Avec les données billettiques, ces deux échelles d’analyse spatiale se doublent systématiquement de possibilités d’analyses temporelles que nous avons simplement esquissées. Il est en effet possible de suivre l’évolution des aires de chalandise dans la journée tout comme il est possible d’avoir une observation dynamique des rythmes d’un pôle d’échanges quasiment à la minute.

56Il ne faut cependant pas laisser penser que les données billettiques sont suffisantes pour toutes les analyses de l’intermodalité et qu’elles ne présentent pas de contraintes. Rappelons qu’aucune source de donnée ne permet de répondre à toutes les questions. Pour les problématiques centrées sur l’organisation d’un réseau de transport collectif et la régulation de ses lieux d’intermodalités, les données billettiques sont des ressources de grande qualité. Notons toutefois que l’intérêt de ces données dépendra du travail préalable, souvent fastidieux, d’enrichissement et de prétraitement. L’échantillon d’analyses proposé dans ce rapport n’est pas « clé en main » et il est souvent difficile pour les exploitants de réseau et leurs autorités organisatrices d’aboutir à ces possibilités d’analyses.

57En outre, les analyses proposées fournissent un éclairage sur une partie de l’intermodalité. Certes, les correspondances entre modes de transports collectifs urbains dominent dans toutes les analyses de l’intermodalité dans la mobilité quotidienne. C’est le volume le plus important mais ce n’est pas le plus problématique du point de vue de l’usager. Les correspondances entre bus et métro sont facilitées par le simple fait qu’elles sont gérées par un seul exploitant (Keolis Rennes dans notre cas) : c’est donc la même tarification, la même information, et la complémentarité est organisée par une seule autorité (Rennes Métropole en l’occurrence). Le défi de la coordination intermodale est plus aigu dans le cas des relations avec d’autres exploitants : avec le train (TER, TGV), avec le réseau de cars interurbains voire même avec de nouvelles offres de mobilité (autocars privé ou co-voiturage par exemple). Une des perspectives d’analyses via les données billettiques consisterait à intégrer les données des parcs-relais et vélos en libre-service (mêmes acteurs que bus et métro) et de compléter avec les offres de transport public départementales et régionales. Le support commun de la carte bretonne des déplacements « Korrigo » pourraient ainsi se doubler de perspectives d’analyses communes des données de mobilité.

Haut de page

Bibliographie

Amar G., 2010, Homo mobilis. Le nouvel âge de la mobilité, éloge de la reliance, Limoges, FYPéditions.

Bagchi M., White P. R., 2004, “What role for smart card data from bus systems”, Proceedings of the Institution of Civil Engineers, Municipal Engineer, No.157, 39-46.

Barry J.J., Newhouser R., Rhabee A., Sayeda S., 2002, “Origin and destination estimation in New York City with automated fare system data”, Transportation Research Record, No.1817, 183-187.

Chapelon L., 2003, “Evaluation des chaînes intermodales de transport : l’agrégation des mesures dans l’espace et le temps”, Actes du colloque Technological innovation for Land transportation, TILT, Lille.

Chu K., Chapleau R., 2008, “Enriching archived smart card transaction data for transit demand modeling”, Transportation Research Record: Journal of the Transportation Research Board, No.2063, 63-72.

Côme E., Oukhellou L., 2014, “Model-based count series clustering for bike sharing system usage mining: A case study with the vélib system of Paris”, ACM Transactions on Intelligent Systems and Technology, Vol.5, No.3, Article n°39, septembre 2014. URL : https://dl.acm.org/citation.cfm?doid=2648782.2560188; doi:10.1145/2560188

Duncan M., Cook D., 2014, “Is the provision of park-and-ride facilities at light rail stations an effective approach to reducing vehicle kilometers traveled in a US context?”, Transportation Research Part A, Vol.66, 65–74

Dupuy G., 1985, Systèmes, réseaux et territoires. Principe de réseautique territoriale, Paris, Presse de l’ENPC.

El Mahrsi M.-K., Briand A.-S., Côme E., Oukhellou L., 2015, “Utilité des données billettiques pour l’analyse des mobilités urbaines: le cas rennais”, in: Mattei M.-F., Pumain D. (dir.), Données urbaines, Economica Anthropos, coll. Villes.

El Mahrsi M.-K., Côme E., Oukhellou L., Verleysen M., 2016, “Clustering Smart Card Data for Urban Mobility Analysis”, IEEE Transactions on Intelligent Transportation Systems, No.99, 1-17.

El Mahrsi M.-K., Côme E., Baro J., Oukhellou L., 2014, “Understanding Passenger Patterns in Public Transit Through Smart Card and Socioeconomic Data”, In Proceedings of 3rd International Workshop on Urban Computing (SigKDD), New-York, 24 août 2014.

Gandit M., 2007, Déterminants psychosociaux du changement de comportement dans le choix du mode de transport. Le cas de l’intermodalité, Thèse de doctorat, Psychologie Sociale Expérimentale, Grenoble, Université Pierre Mendès France.

Lathia N., Smith C., Froehlich J., Capra L., 2013, “Individuals among commuters : Building personalised transport information services from fare collection systems”, Pervasive and Mobile Computing, Special issue on Pervasive Urban Applications, No.9-5, 643-664.

Litman T., 2008, “Valuing Transit Service Quality Improvements”, Journal of Public Transportation, No.11-2, 43-63.

L’Hostis A., Conesa A., 2008, “Définir l’accessibilité intermodale”, in : Banos A., Thévenin Th. (dir), Systèmes de Transport Urbain, Paris, Hermès-Lavoisier.

Margail F., 1996, “De la correspondance à l’interopérabilité : les mots de l’interconnexion”, Flux, No.25, 28-35.

Margail F. (dir), 2002, Intermodalité et interfaces : Comprendre les usages pour guider les décisions, Rapport contrat DRAST N° 98MT28.

Menerault Ph. (dir), 2006, Les pôles d’échanges en France. État des connaissances, enjeux et outils d’analyse, coll. dossiers du CERTU n°172, Lyon, Certu.

Miller M., Tsao C., 1999, Assessing Opportunities for Intelligent Transportation Systems in California’s Passenger. Intermodal Operations and Services, Review of the Literature, Interim Report for MOU 375.

Morency C., Trépanier M., Agard B., 2006, “Analysing the variability of transit users behaviour with smart card data”, The Ninth International IEEE Conference on Intelligent Transportation Systems, Toronto, Canada, September 2006.

Rabaud M., Richer C., 2015, “Walking : the missing link of intermodality ?”, International conference MUP-UPM “The Intricacy of Walking and the City: Methods and Experiments”, Paris-Marne la Vallée, 21-23 January 2015.

Replogle M.A., 1991, “Sustainable transportation strategies for Third World development”, Transportation Research Record, No.1294, Washington DC, National Research Council.

Richer C., Rabaud M., Lannoy A., 2015, “L’intermodalité au quotidien. Un panorama de la mobilité intermodale en France”, in : Armoogum J., Guilloux T., Richer C. (dir), Mobilité en transitions. De la connaissance à l’aide à la décision, Lyon, Cerema, Coll. Rapport d’études et de recherches, 123-134.

Richer C., Meissonnier J., Rabaud M., 2016, “Quelles intermodalités dans les mobilités quotidiennes ?”, in : Chapelon L. (dir) Transport et intermodalité, Londres, ISTE editions, Coll. Sciences, société et nouvelles technologies, 261-288.

Stathopoulos N., 1994, “Effets de réseau et déséquilibres territoriaux dans la structure de l’offre ferroviaire à Paris”, Flux, No.18, 17-32.

Szyliowicz J., 2003, “Prise de décisions, transport intermodal et mobilité durable : vers un nouveau paradigme”, Revue internationale des sciences sociales, Vol.2, No.176, 207-220.

Trépanier M., Tranchant N., Chapleau R., 2007, “Individual trip destination estimation in a transit smart card automated fare collection system”, Intelligent Transportation Systems, No.11, 1-14.

Trépanier M., Habib K.-M., Morency C., 2012, “Are transit users loyal ? Revelations from a hazard model based on smart card data”, Canadian Journal of Civil Engineering, No.39-6, 610-618.

Vogel M., Hamon R., Lozenguez G., Merchez L., Abry P., Barnier J., Borgnat P., Flandrin P., Mallon I., Robardet C., 2014, “From bicycle sharing system movements to users: a typology of Vélov cyclists in Lyon based on large-scale behavioural dataset”, Journal of Transport Geography, No.41, 280-291.

Vuchic V.R., 2006, Urban Transit Systems and Technology, Hoboken NJ, John Wiley & Sons.

Wardman M, Hine J., 2000, Costs of Interchange: A Review of the Literature, Leeds, University of Leeds, Institute of Transport Studies.

Yeh Chao-Fu, 2009, Intermodalité et coûts des déplacements urbains dans les mégapoles - Les cas de Paris, Shanghai et Taipei, Thèse en Urbanisme, Université Paris-Est, 506 p.

Guo Z., Wilson N., 2011, “Assessing the cost of transfer inconvenience in public transport systems: A case study of the London Underground”, Transportation Research Part A, No.45, 91-104.

Haut de page

Table des illustrations

Titre Figure 1: Location de l’agglomération de « Rennes Métropole »
Crédits Source : Auteurs, fond de carte Geoportail
URL http://journals.openedition.org/cybergeo/docannexe/image/29132/img-1.jpg
Fichier image/jpeg, 940k
Titre Figure 4 : Nombre de validations par heure dans le réseau de transport STAR à Rennes (semaine du 7 au 13 avril 2014)
Crédits Source : Auteurs, d’après données billettiques Keolis Rennes
URL http://journals.openedition.org/cybergeo/docannexe/image/29132/img-2.png
Fichier image/png, 7,7k
Titre Figure 5 : Nombre de validations avec et sans correspondance un vendredi
Crédits Source : Auteurs, d’après données billettiques Keolis Rennes
URL http://journals.openedition.org/cybergeo/docannexe/image/29132/img-3.png
Fichier image/png, 112k
Titre Figure 6 : Part des validations en correspondance selon différents jours de semaine.
Crédits Source : Auteurs, d’après données billettiques Keolis Rennes
URL http://journals.openedition.org/cybergeo/docannexe/image/29132/img-4.png
Fichier image/png, 166k
Titre Figure 7 : Distances moyennes des déplacements (avec correspondance ou sans) selon l’heure de la journée
Crédits Source : Auteurs, d’après données billettiques Keolis Rennes
URL http://journals.openedition.org/cybergeo/docannexe/image/29132/img-5.png
Fichier image/png, 101k
Titre Figure 8 : Distribution des temps de correspondance dans le sens bus vers métro
Crédits Source : Auteurs, d’après données billettiques Keolis Rennes
URL http://journals.openedition.org/cybergeo/docannexe/image/29132/img-6.png
Fichier image/png, 27k
Titre Figure 9 : Distribution des temps de correspondance dans le sens métro vers bus
Crédits Source : Auteurs, d’après données billettiques Keolis Rennes
URL http://journals.openedition.org/cybergeo/docannexe/image/29132/img-7.png
Fichier image/png, 25k
Titre Figure 11 : Aire de chalandise intermodale des stations de métro
URL http://journals.openedition.org/cybergeo/docannexe/image/29132/img-8.png
Fichier image/png, 2,2M
Titre Figure 13 : Répartition des stations de métro en fonction de la morphologie des lieux d’intermodalité
URL http://journals.openedition.org/cybergeo/docannexe/image/29132/img-9.png
Fichier image/png, 494k
Haut de page

Pour citer cet article

Référence électronique

Cyprien Richer, Etienne Come, Mohamed Khalil El Mahrsi et Latifa Oukhellou, « La mobilité intermodale par les données billettiques. Analyses spatio-temporelles du réseau bus-métro de Rennes Métropole », Cybergeo : European Journal of Geography [En ligne], Systèmes, Modélisation, Géostatistiques, document 854, mis en ligne le 14 mai 2018, consulté le 20 mai 2018. URL : http://journals.openedition.org/cybergeo/29132 ; DOI : 10.4000/cybergeo.29132

Haut de page

Auteurs

Cyprien Richer

Cerema, Direction Nord-Picardie, Lille, France ; Chargé de recherche ; cyprien.richer@cerema.fr

Etienne Come

Ifsttar, Grettia, Marne-la-Vallée, France ; Chargé de recherche ; etienne.come@ifsttar.fr

Mohamed Khalil El Mahrsi

Ifsttar, Grettia, Marne-la-Vallée, France ; Chargé de recherche contractuel ; mohamed-khalil.el-mahrsi@ifsttar.fr

Latifa Oukhellou

Ifsttar, Grettia, Marne-la-Vallée, France ; Directrice de recherche ; latifa.oukhellou@ifsttar.fr

Haut de page

Droits d’auteur

© CNRS-UMR Géographie-cités 8504

Haut de page