Responsable : 
Aurélie Labbe

Établissement : 
HEC Montréal

Année de concours : 
2020-2021

Table des matières

  1. Résumé du projet

1. Résumé du projet

Les systèmes de transports publics urbains jouent un rôle de plus en plus important dans le développement urbain durable. Cependant, avec la dépendance croissante des villes à l’égard des transports publics (par exemple, métro, bus), même de légères perturbations du système dues à des conditions météorologiques défavorables, des accidents, des événements spéciaux et extrêmes peuvent entraîner un chaos généralisé et en cascade et une perte de productivité importante. De nombreuses grandes villes à travers le monde souffrent de perturbations imprévues des grands réseaux de transport urbain en raison des conditions météorologiques extrêmes, des intrusions de voies de métro et des pannes de matériel roulant. D’un autre côté, les événements artificiels à grande échelle prémédités – tels que les événements sportifs majeurs, la fermeture pour cause d’entretien – peuvent également avoir un impact et des inconvénients importants pour les voyageurs. À la lumière des effets négatifs des perturbations et des événements, il devient urgent pour les villes et les agences de transport de comprendre l’impact des perturbations sur les passagers et d’élaborer des mesures d’intervention efficaces et efficientes.

Ce projet de recherche porte sur la gestion des perturbations et les problèmes de réponse susmentionnés pour les systèmes de transport multimodaux afin d’améliorer la résilience des systèmes de transport intégrés et d’optimiser les opérations de réponse axées sur la récupération pendant et après les perturbations. Plus précisément, le projet vise à :

  1. Comprendre le comportement des voyageurs dans les systèmes de transit multimodaux intégrés en cas de perturbation en raison d’événements extrêmes et spéciaux sur la base de données émergentes (par exemple, carte à puce et médias sociaux) ;
  2. Concevoir une efficience et une efficacité opérations de réponse axées sur la récupération pour atténuer l’impact négatif des perturbations à l’aide de l’apprentissage automatique, de la recherche opérationnelle, de l’optimisation basée sur les données et d’autres techniques avancées pertinentes.