MÉTHODOLOGIE DE FILTRAGE ET DE TRAITEMENT DE DONNÉES DE SIGNALISATION DE LA TÉLÉPHONIE MOBILE POUR LA CONSTRUCTION DE MATRICES ORIGINE-DESTINATION. APPLICATION À LA RÉGION RHÔNE-ALPES

Abstract

Les matrices origines-destinations (O-D) sont nécessaires à la planification des transports que ce soit pour alimenter les travaux de modélisation ou l’analyse de la mobilité. De nombreux travaux ont été réalisés sur la production de matrices à partir des données de la téléphonie mobile. La plupart des travaux porte sur les données de facturation. Nous proposons dans ce papier de travailler avec des données de signalisation en soulignant l’avantage de ces données pour la construction des matrices de déplacements. Nous proposons un algorithme en trois étapes s’appuyant sur un filtrage des données, la détermination du domicile associé aux mobiles et l’estimation de facteurs d’expansion zonaux. Nous proposons une validation des données produites en les confrontant à des sources de données externes. Nous mobilisons pour cela les données de la dernière enquête déplacements en Rhône-Alpes (EDR). L’approche retenue pour la construction des matrices origines-destination génère un nombre de déplacements proches et des structures de matrice similaires. L’analyse des régressions du nombre de déplacements issus de la téléphonie mobile par les déplacements de l’EDR fournit des coefficients de détermination de 0,95 assez proches de 1 et une constante faible. Dans la dernière partie de l’article, nous abordons également les limites de ce travail en proposant des pistes d’amélioration et de prolongements.

Abstract Origin-Destination (O-D) matrices are a necessary input for transport planning to support both mobility modeling and analysis tasks. Several research works have investigated the possibility to compute O-D matrices from mobile phone data. However, most of these works rely on billing data (call detail records). In this paper, network signaling data is leveraged, and the advantages of this kind of data to produce O-D matrices are highlighted. A three-step algorithm based on data filtering, users’ home detection and sector-based expansion factors is proposed. Additionally, a validation step is included in order to compare the resulting O-D matrices with external sources of data. To that end, the latest travel survey data available for the Rhône-Alpes region (EDR) is exploited. The proposed approach for O-D construction generates a matrix structure and a number of trips that are close to the travel survey data. The regression analysis of the number of trips from mobile phone data with respect to the number of trips from EDR provides a coefficient of determination of 0.95, close to 1, and a small intercept value.

In the last part of the paper, the limits of this work are addressed and discussed. And, future directions for improvement and extension are proposed.