Andrés Ricardo CÉSPEDES GARCÍA, Fabrice KOUAME, Daniel Alejandro TERÁN FERNÁNDEZ,

23/10/2022

Group 1

Introduction

Aujourd’hui le système de transport en commun est sans aucun doute le moyen le plus populaire pour se déplacer; il possède de nombreux avantages en réduisant les embouteillages et l’émission de gaz.  Cependant, il y a plusieurs raisons pour lesquelles les gens sont réticents à prendre les transports en commun : le manque de confort, la saturation du système, l’incertitude sur l’état de saturation du service suivant, l’augmentation des véhicules personnels, etc.   Ces problèmes dans les transports publics sont récurrents et doivent être résolus afin d’inciter d’avantages de personnes à son usage. Ce projet cherche à résoudre un vrai problème autour des moyens de transport.

Description de la recherche et terrain

2.1 Terrain

Afin de mieux connaître les problèmes qui minent les transports en commun en France en général et à Brest en particulier, nous avons été en immersion sur le terrain à la recherche d’informations. Ceci avait aussi pour but de mieux cerner le sujet et de connaître les problématiques réelles auxquelles tous les acteurs de ce domaine font face au quotidien.

Pour ce faire nous avons eu recours à différentes techniques d’enquêtes terrain : 

• L’observation terrain

Nous avons commencé l’enquête terrain par une observation non-participante qui nous a fait prendre connaissance de certains faits et situations. Ceci, dans le but d’observer les personnes en situation et être capable de ressortir d’éventuels problèmes qu’il peut y avoir.

• L’entretien direct

Après la phase d’observation nous avons interviewé, sur place, des passagers et aussi des conducteurs de bus et de tramway en vue de recueillir leur sentiment et leur avis sur le trajet et les transports en commun en général. D’autres entretiens ont eu lieu dans des parcs, des rues, afin d’avoir un maximum d’informations.

Résultats et découvertes

On a trouvé des conclusions pertinentes concernant les passagers, les chauffeurs et le fournisseur de transport en Brest, bibus.

Le chauffeur perçoit qu’il n’existe pas de problème réel par rapport à la sécurité, mais il sait que les personnes âgés préfèrent être à l’avant du véhicule et être plus proche du conducteur car cela leur procure un sentiment de sécurité. C’est l’une des raisons pour lesquelles l’encombrement est plus accentué à l’avant des bus ou tramways que dans la partie arrière. Il y a des situations où le chauffeurs ou des contrôleurs du système (assistants de transport) demandent au passagers de se déplacer à la partie arrière, où il y a plus d’espace.

Les réponses des passagers sont diverses. On trouve que le problème commun est l’incertitude sur le meilleur choix de services, en dépendant du besoin du passager. Ils prennent leur décision en priorisant le temps du trajet et le confort. Par rapport à d’autres questions comme la sélection d’un wagon peut être arbitraire ou en accord avec la réduction de la distance entre la place choisie et la sortie du véhicule. Par rapport à des observations réalisées, on voit que il est commun d’avoir plus d’encombrement, même s’il y a des sièges disponibles à l’arrière du transport.

Après un entretien avec une collaboratrice du fournisseur Bibus, elle nous fait savoir que les problèmes d’encombrement ne sont pas des préoccupations couramment remontées vers la direction, et elle envisage partager la discussion avec l’équipe d’innovation de Bibus.

En conclusion, il existe des problèmes par rapport au confort et la décision de choix de passagers pour améliorer ses trajets dans des moyens de transport. On rencontre aussi des problèmes adjacents qui peuvent être liés à la sécurité et au confort.

2.2 État de l’art

En utilisant des outils de recherche habile sur l’intranet de l’IMT et sur sites académiques libres, la révision documentaire s’est concentrée sur l’identification de la problématique, ainsi que des solutions déjà existantes. Le résultat permet de développer plus la compréhension du sujet et les réelles conséquences négatives de celui-ci.

La problématique de l’encombrement a de nombreuses préoccupations différentes telles que les retards de transit et les coûts associés, l’augmentation du stress/de la fatigue liés aux déplacements et les pertes connexes de productivité économique, de santé et de sécurité, et le pickpocketing [1]. Certaines d’entre elles ont été exprimées dans les entretiens qu’on a mené. Il y a des usagers spécifiques comme les femmes enceintes, qui sont directement affectées par la façon de transporter les usagers puisque une expérience de trajet négative peut induire du stress et avoir un impact sur la grossesse et ses changements associés ce qui peut avoir des implications sur son bien-être et sa santé [2].

On a trouvé que l’encombrement dans le transport en commun et dans chaque moyen de transport a été examiné dans plusieurs villes et pays avec des méthodes différentes [1] où les résultats sont variés [3][4][5][6]. En général, l’encombrement est un facteur important qui affecte le bien-être des passagers, par conséquent, il influence les passagers pour choisir l’un ou l’autre moyen de transport [4], il aussi est commun que des usagers arrêtent d’utiliser le transport en commun et commencent à utiliser une voiture ou un vélo personnel [5]. Il convient de souligner que les principaux facteurs de décision sont le confort et le temps dans le transport [3], lesquels peuvent changer de manière significative les décisions de l’usager et son expérience [4].

Spécifiquement, dans la prise de décision des passagers quant au fait de prendre un tramway, un autobus ou encore le métro, des recherches montrent que c’est difficile d’établir une seule raison des usagers pour le choisir. Il est possible d’affirmer que, par exemple, en Corée du Sud, la distance à marcher à la destination est un facteur déterminant, mais est incertaine d’une manière générale[6].

Identification de la problématique

Après des recherches et l’enquête terrain effectuée, nous avons trouvé une problématique que nous jugeons intéressants et nous sommes prêts à traiter:

Comment aider le passager à prendre la décision concernant le choix du véhicule (présent ou suivant) ainsi que l’entrée dans ce véhicule afin d’améliorer son confort et donc sa satisfaction à utiliser ce moyen de transport?

La recherche a aidé à établir la réalité de la problématique initiale présentée dans différents environnements et des technologies déjà utilisées. Dans l’identification du problème, on peut voir qu’il y a un problème lié à d’autres dans le transport en commun comme le choix des passagers entre différentes méthodes de transport ou l’heure à laquelle le prendre. Il a de nouvelles considérations au moment d’identifier la problématique car il n’est pas seulement lié au confort, mais aussi au sens de sécurité et de diminuer le temps d’attente dans le transport. 

Solutions déjà existantes

Il y a plusieurs propositions de solution à ces problématiques telles que montrées dans l’article indien publié dans l’organisation IEEE [7]. Il développe une solution en bas des travaux antérieurs avec différentes conceptions technologiques pour proposer et désigner un système optique qui utilise une caméra pour obtenir des images et identifier l’encombrement dans le bus. Le système permet de distinguer la condition du transport en quatre catégories: Very low, low, high et very high.  Le travail décrit en [8] utilise des capteurs infrarouges (IR). Le système utilise des capteurs de proximité IR pour détecter la quantité de personnes  présentes à l’intérieur du bus et utilise le GPS pour obtenir l’emplacement en direct du bus et l’affiche sur une page Web.

En [9], les auteurs ont développé un système dans lequel ils peuvent estimer la quantité des gens sur un environnement spécifique dans les images fixes. Ils ont utilisé une combinaison de méthodes telles que les points d’intérêt, l’analyse de Fourier, la décomposition en ondelettes, les caractéristiques GLCM et les détections de tête à faible confiance. En [10], les auteurs ont détecté l’affluence de passagers. Ils ont utilisé la fonction Haar et Algorithme Adaboost pour détecter la tête des passagers. Dans l’étude proposée par [11], les auteurs ont mis au point une technique basée sur les images. Ils ont utilisé des filtres pour modéliser la saturation  pour différentes tailles de têtes. Une autre solution proposée par [10] utilise le GPS et la RFID. Les détails sur l’emplacement du bus sont fournis via l’appareil GPS et les RFID sont utilisées par les auteurs  à l’entrée et à la sortie du transport pour calculer la quantité des sièges vacants dans les bus.

Cette problématique se connecte avec d’autres situations dans le transport en commun comme la localisation des bus, du tramway ou la création de systèmes intelligents de transport qui veulent avoir des impacts positifs dans les trajets du passagers [13].

Premières Hypothèses

Après avoir étudié la problématique et les solutions existantes, nous allons construire des hypothèses sur la solution à venir afin de la concevoir correctement.

• Les raisons d’insatisfaction des utilisateurs par rapport au transport sont liées au confort qui est dû à l’encombrement, au temps passé dans les arrêts à attendre et aussi à la sécurité.
• L’une des causes de l’inconfort des usagers est liée à l’incertitude de ceux-ci quant à l’état de saturation du prochain véhicule de transport (bus ou tramway). 
• Il n’y a pas d’information d’encombrement disponible  aux passagers pour choisir de meilleure manière leurs trajets.
• Le problème existe dans les systèmes de bus, tramway, métro et dans quelques trains locaux (i.e. Les trains TER).

References

[1]J. Pel, N. H. Bel, et M. Pieters, « Including passengers’ response to crowding in the Dutch national train passenger assignment model », Transportation Research Part A: Policy and Practice, vol. 66, p. 111‑126, août 2014, doi: 10.1016/j.tra.2014.05.007.

[2]E. O’Toole et N. Christie, « Pregnancy and commuting on public transport », Journal of Transport & Health, vol. 24, p. 101308, mars 2022, doi: 10.1016/j.jth.2021.101308.

[3]M. Kim, S.-P. Hong, S.-J. Ko, et D. Kim, « Does crowding affect the path choice of metro passengers? », Transportation Research Part A: Policy and Practice, vol. 77, p. 292‑304, juill. 2015, doi: 10.1016/j.tra.2015.04.023.

[4]Björklund et J.-E. Swärdh, « Estimating policy values for in-vehicle comfort and crowding reduction in local public transport☆ », Transportation Research Part A: Policy and Practice, vol. 106, p. 453‑472, déc. 2017, doi: 10.1016/j.tra.2017.10.016.

[5]Ş. İmre et D. Çelebi, « Measuring Comfort in Public Transport: A case study for İstanbul », Transportation Research Procedia, vol. 25, p. 2441‑2449, janv. 2017, doi: 10.1016/j.trpro.2017.05.261.

[6]Kim, S. Kwon, S. K. Wu, et K. Sohn, « Why do passengers choose a specific car of a metro train during the morning peak hours? », Transportation Research Part A: Policy and Practice, vol. 61, p. 249‑258, mars 2014, doi: 10.1016/j.tra.2014.02.015.

[7]V. Meghana, V. Sarode, D. Tambade, A. Marathe, et N. Charniya, « Automated Crowd Management in Bus Transport Service », in 2020 International Conference on Electronics and Sustainable Communication Systems (ICESC), juill. 2020, p. 104‑109. doi: 10.1109/ICESC48915.2020.9155692.

[8]Lavanya R, Sheela Sobana Rani K, Gayathri R, Binu D,’A Smart information system for public transportation using IoT’, International Journal of Recent Trends in Engineering and Research,vol.3,pp.222- 230,April-2017

[9]Bansal, K.S. Venkatesh, People counting in high density crowds from still images, 2015, [online] Available: https://arxiv.org/abs/1507.08445

[10]Wang and M. Tian, « Passenger Flow Direction Detection for Public Transportation Based on Video, » 2010 International Conference on Multimedia Communications, Hong Kong, 2010, pp. 198-201

[11]Zhang, D. Zhou, S. Chen, S. Gao and Y. Ma, « Single-Image Crowd Counting via Multi-Column Convolutional Neural Network, » 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Las Vegas, NV, 2016, pp. 589-597.

[12]Selvapriya P R, M. Mundada, « IoT Based Bus Transport System in Bangalore », International Journal of Engineering and Technical Research (IJETR), février 2015

[13] L. Raju, S. Sobana Rani, G. Ram, et B. Dennison, « A Smart Information System for Public Transportation Using IoT », International Journal of Recent Trends in Engineering & Research, vol. 3, p. 222‑230, avr. 2017, doi: 10.23883/IJRTER.2017.3138.YCHJE.

[14]Rajput, M. Chaturvedi, et V. Patel, « Opportunistic sensing based detection of crowdedness in public transport buses », Pervasive and Mobile Computing, vol. 68, p. 101246, oct. 2020, doi: 10.1016/j.pmcj.2020.101246.