Qiying Chen, née en 2002 dans le Fujian, en Chine, est une étudiante de troisième année spécialisée en ingénierie de la communication à l’École des sciences et technologies de l’information de l’Université du Sud-Ouest Jiaotong à Chengdu, en Chine.

Le sujet de la mobilité partagée a suscité de l’intérêt dans la littérature académique ces dernières années pour son potentiel à promouvoir une ville et une société durables. Grâce aux TIC (Technologies de l’Information et de la Communication), les systèmes de mobilité partagée peuvent offrir un service pratique aux utilisateurs via des applications pour smartphones et génèrent de grandes quantités de données qui aident les chercheurs à caractériser la mobilité partagée dans ses dimensions temporelles et spatiales. Pour surmonter les lacunes des méthodologies traditionnelles basées sur les enquêtes, certains chercheurs utilisent les données de trajets en temps réel fournies par les opérateurs de mobilité partagée, bien que cela ne soit pas une solution universelle car la plupart des opérateurs de mobilité partagée sont réticents à partager des données avec la communauté académique pour des raisons commerciales ou privées. Récemment, plusieurs travaux ont été consacrés à tirer parti des données publiques disponibles sur les sites web des opérateurs de mobilité partagée pour l’analyse de la demande de transport, offrant ainsi une voie prometteuse pour surmonter les obstacles mentionnés ci-dessus. Dans ce travail, nous développons une plateforme d’analyse de la mobilité partagée (SMAP) pour le suivi, la restructuration et l’exploitation des données, qui peut être réalisée simultanément dans différentes villes pour différents modes de mobilité partagée avec des ajustements mineurs. Premièrement, nous concevons une plateforme de suivi des données qui interroge l’interface de programmation de l’application pour smartphone chaque minute afin de recueillir le taux d’occupation, la localisation, les informations énergétiques et l’identifiant du véhicule. Deuxièmement, des critères détaillés sont conçus pour reconstruire les trajets sur la base du processus de service en temps réel, qui seront ensuite classifiés en fonction de la durée, du suivi et des événements spéciaux (par exemple, le stationnement et la recharge). Troisièmement, des données multi-sources telles que les informations sur le réseau de transport et l’utilisation des espaces sont ajoutées en tant que données supplémentaires. Enfin, une approche basée sur le calcul spatial est conçue pour effectuer une analyse pilotée par les données. L’applicabilité de notre plateforme est confirmée par un test fonctionnel de 30 jours pour le service d’autopartage dans 3 villes chinoises, les résultats pourraient fournir des informations basées sur les données apportées par les parties prenantes.
Qiying Chen

Mégadonnées, big data, Collecte et exploitation de données, mobilité partagée, Service basé sur les TIC (Technologies de l’Information et de la Communication)