Mining call detail records to reconstruct global urban mobility patterns for large scale emissions calculation
Exploration de données de téléphonie mobile pour la reconstruction de patterns globaux de mobilité urbaine pour le calcul d'émission à large échelle
Résumé
Road traffic contributes significantly to atmospheric emissions in urban areas, a major issue in the fight against climate change. Therefore, joint monitoring of road traffic and related emissions is essential for urban public decision-making. And beyond this kind of procedure, public authorities need methods for evaluating transport policies according to environmental criteria.Coupling traffic models with traffic-related emission models is a suitable response to this need. However, integrating this solution into decision support tools requires a refined and dynamic char-acterization of urban mobility. Cell phone data, particularly Call Detail Records, are an interesting alternative to traditional data to estimate this mobility. They are rich, massive, and available worldwide. However, their use in literature for systematic traffic characterization has remained limited. It is due to low spatial resolution and temporal sampling rates sensitive to communication behaviors.This Ph.D. thesis investigates the estimation of traffic variables necessary for calculating air emis-sions (total distances traveled and average traffic speeds) from such data, despite their biases. The first significant contribution is to articulate methods of classification of individuals with two distinct approaches of mobility reconstruction. A second contribution is developing a method for estimating traffic speeds based on the fusion of large amounts of travel data. Finally, we present a complete methodological process of modeling and data processing. It relates the methods proposed in this thesis coherently.
En milieu urbain, le trafic routier contribue de manière significative aux émissions atmosphériques, enjeu majeur de la lutte contre le changement climatique. Par conséquent, la surveillance conjointe du trafic routier et des émissions qu’il génère constitue un support essentiel de la décision publique. Au-delà de simples procédures de suivi, les pouvoirs publics ont besoin de méthodes d’évaluation des politiques de transport selon des critères environnementaux.Le couplage de modèles de trafic avec des modèles d’émissions constitue une réponse adaptée à ce besoin. Cependant, l’intégration de tels models à des outils d'aide à la décision nécessite une ca-ractérisation fine et dynamique de la mobilité urbaine. Les données de téléphonie mobile, et en particulier les statistiques d'appel (données CDR), sont une alternative aux données traditionnelles pour estimer cette mobilité. Elles sont riches, massives, et disponibles partout dans le monde. Néanmoins, leur utilisation pour la caractérisation systématique du trafic routier est restée limitée. Cela s'explique par une faible résolution spatiale et des taux d'échantillonnage temporels sensible aux comportements de communication.Cette thèse de doctorat interroge l'estimation des variables de trafic nécessaires au calcul d'émis-sions atmosphériques (distances totales parcourues et vitesses moyennes de trafic) à partir de telles données, et malgré leurs biais. Une première contribution importante est d’articuler des méthodes de classification des individus avec deux approches distinctes de reconstruction de la mobilité. Un seconde contribution est le développement d'une méthode d'estimation des vitesses de trafic basée sur la fusion de larges quantité de données de déplacements. Enfin, un processus méthodologique complet de modélisation et de traitement des données est avancé. Il articule de façon cohérente les méthodes proposées dans cette thèse.
| Origine | Version validée par le jury (STAR) |
|---|