Transport Analytics
Indicateurs
Introduction aux indicateurs et calculs
Indicateurs (KPIs) globaux
Indicateur : Validations
Indicateur : Montées/descentes (module Fréquentation)
Indicateur : Avance/retard & Niveaux d'avance/retard
Indicateur : Ponctualité voyageur
Indicateur : Ponctualité
Indicateur : Temps d'attente excédentaire
Indicateur : Régularité
Indicateur : Voyages/km
Indicateur : Nombre de courses
Taux de réalisation du nombre de courses
Indicateur : Production kilométrique
Indicateur : Vitesse commerciale
Indicateur : Temps de parcours
Indicateur : Temps d'arrêt
Indicateur : Empreinte carbone
Indicateur : Empreinte Carbone - paramétrage
Indicateur : Déplacements
Indicateur : Montées/descentes brutes (Module Qualité > Comptage)
Indicateur : Charge brute (Module Qualité > Comptages)
Indicateur : Confort voyageur
Indicateur : Charge (module Fréquentation)
Indicateur : Voyages
Calcul des moyennes par jour
Indicateur : Courses en surcharge
Algorithmes et calculs
Calcul de la fréquentation unifiée
Reconstitution des flux O-D et de la Charge
Reconstitution des déplacements
Reconstitution des voyages
Reconstitution de la charge
Reconstitution des voyages - Annexe 1 : exemple méthode des voyages consécutifs
Reconstitution des voyages - Annexe 2 : correspondance avec les courses
Données simulées
Calcul de la fréquentation extrapolée
Calcul de la fréquentation débruitée
Interface et modules
Comment fonctionne l'interface
Les différents modules disponibles sur CITiO Analytics
Module Tableau de bord
Module Fréquentation
Module Exploitation
Module Course
Module Qualité
Analyses croisées
Utiliser les filtres temporels
Réaliser un export de données
Affichage des éléments actifs et inactifs d'un réseau
Introduction à CITiO Analytics
Glossaire Analytics
FAQ
Cas d'usages
Suivre la remontée des données
Comprendre une anomalie
Analyser et suivre la fréquentation
Faciliter la préparation des reportings internes et externes
Identifier les heures de pointe
Accéder aux données en J+1
Améliorer la fiabilité de vos données et systèmes
Gérer votre réseau au quotidien
Identifier des systèmes défaillants
Suivre les avances/retards au quotidien
Répondre aux sollicitations du PCC (avances/retards)
Adapter de manière réactive l'offre en réponse à la demande
Définir les marches-type par tronçon ou par inter-station
Identifier les secteurs où réaliser des aménagements de voirie
Formation continue des conducteurs
Etudier l'usage des Titres de transport et adapter la tarification
Le partage des indicateurs clés du réseau
Analyser les temps d'arrêt
Mise en place d'une campagne marketing ciblée
Identifier rapidement les écarts entre le théorique et le réel
Partage des informations entre AOM et Exploitant
Définir les plages horaires de marche-type
Formation continue des régulateurs
Découvrez les cas d'usage de CITiO !
Analyser la charge à bord
Utiliser l'indicateur de Ponctualité voyageurs
Gérer les réclamations voyageurs
Assurer une transparence sur le sujet des temps de parcours
Identifier les lignes à travailler
Optimiser les temps de parcours
Fraud Tracker
Cas d'usages
Déterminer une fréquentation réelle sur le réseau
Planifier les opérations de contrôle/sensibilisation en amont
Analyser l'impact des opérations de contrôle/sensibilisation en aval
Optimiser le choix des véhicules à contrôler au cours de l’opération
Modules
Glossaire Fraude
Traitements de données
Présentation générale de Fraud Tracker
Traitements de données pour le calcul de la fraude
FAQ (Fraud Tracker)
Analyses croisées sur Fraud Tracker
Prédiction de fraude
Transport Planner
Rail Analytics
Sommaire
Module Exploitation : calculs des indicateurs liés aux heures de passages
Présentation du Module Circulation
Visualisation par numéro de train
Visualiser les montées/descentes par tronçon
Taux de reconnaissance
Rapprochement des données de comptage au plan de transport
Occupancy API
Authentification
Occupany API - Sommaire
What is the Occupancy Prediction API?
The Occupancy API : how does it work?
The Occupancy Prediction API : how to use it?
/api/login - Login
/rest/predicted_occupancy - Occupancy Prediction API
Release note (Occupancy API)
Transport Analytics API
Date Perimeters format
/kpis/tc/overcrowding/
/api/login - Login
/kpis/ticketing/{filter_level}[/{filter_level_id}]/{aggregation_level}
/rest/lines
/rest/service_date
How to create a graph of Validations per line
Architecture et sécurité
- Toutes les catégories
- Occupancy API
- The Occupancy API : how does it work?
The Occupancy API : how does it work?
The Occupancy API works by analyzing the usual crowding of courses based on past counting cell data.
Usual crowding analysis
It relies on several data sources:
- Système d'aide à l'exploitation (SAE) or another intelligent transport system (ITS) that can provide past course history with real and scheduled departure and arrival times, vehicle information, and course unique identification;
- Counting cells data (or other APC systems);
- GTFS or another transport referential format.
Using these data sources, CITiO's software systems can reconstruct past occupancy for all courses with several levels of aggregation:
- line,
- direction,
- stop,
- time (by 15-minutes periods).
Prediction
The Occupancy API uses 6 months of historical crowding data to compute the average occupancy of a scheduled course and expose it in real-time.
It can predict occupancy based on denoised counting cells data, ticketing data, or a combination of both (unified occupancy, documentation in French).
The type of occupancy can be configured by line. If the selected type is occupancy, values can be adjusted through a coefficient to reflect known fraud rates.
Then the occupancy and capacity are averaged by:
- line, direction and route
- stop
- day of the week
- 15mn time period
- period of the year: workdays or school holidays
Assuming new data is sent to Citio on a daily basis from all data sources (except GTFS or equivalent), the predictions are updated nightly.
Prediction are adjusted on a weekly basis, using a seasonality coefficient accounting for seasonal ridership variations. For example, cities with a large student population will have a higher ridership in October than in June.
Occupancy API provides predicted occupancy data for any day in the future.
Go back to API main page.