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 (Origines - Destinations)
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
Présentation du Module "Statistiques"
Module "Prochains passages"
Indicateur : Contrôles
Indicateur : Contraventions
Indicateur : Montées frauduleuses
Glossaire Fraude
Traitements de données dans Fraud Tracker
Présentation générale de Fraud Tracker
Traitements de données pour le calcul de la fraude
FAQ (Fraud Tracker)
Analyses croisées sur Fraud Tracker
Calcul de prédiction de la fraude
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
- Fraud Tracker
- Modules
- Indicateur : Montées frauduleuses
Indicateur : Montées frauduleuses
          	            
          	          
          	  					
          	              Mis à jour
          	              
          	            
          	  					par Masha Timofeeva
          	          
          	        
Dernière mise à jour : 16-10-2025
L’indicateur Montées frauduleuses, disponible dans le module Statistiques > Fraude, permet d’analyser les points d’embarquement à fort taux de fraude sur votre réseau. Il repose sur la comparaison entre les montées mesurées et les validations enregistrées, à partir des données billettiques et de comptage.
Cet indicateur est un outil clé pour orienter vos actions de contrôle et optimiser vos stratégies de lutte contre la fraude.
À noter : Seules les données issues de courses réelles (mesurées) sont utilisées. Les éléments simulés, partiels ou incohérents sont automatiquement exclus.
Que mesure cet indicateur ?
L’indicateur met en évidence :
- Le taux de montées frauduleuses par ligne, arrêt, zone ou type de véhicule,
- Les plages horaires les plus sensibles, en fonction de votre besoin (e.g. par quart d’heure),
- Les écart entre les montées en règle et montées frauduleuses.
Un taux global est affiché en haut de page. Par défaut, il est accompagné d’un classement des lignes les plus concernées. Un graphique temporel permet d’identifier les pics de fraude au cours de la journée.
Analyse de la fraude
La fraude est estimée sur la base de deux sources de données :
- les validations de titres de transports (données billettiques)
- les cellules de comptage installées à l'entrée et la sortie du véhicule.
Si ces deux sources ne sont pas disponibles, il n’est pas possible de mesurer la fraude.
Principe de calcul
- Les données de comptage débruitées permettent de déterminer combien de personnes sont effectivement montées à bord du véhicule.
- Les validations billettiques indiquent combien de personnes ont validé un titre de transport.
- La différence entre ces deux volumes donne une estimation de la fraude :
 Fraude = Montées totales – Montées en règle.
Données requises
Le calcul repose sur l’exploitation croisée de deux sources de données :
- ✅ Données billettiques (validations),
- ✅ Données de comptage (montées mesurées).
Ces données doivent être cohérentes et correctement alignées dans le temps.
Un processus de mise en conformité est appliqué aux données de comptage pour garantir :
- Équilibre entre montées et descentes.
- Charge positive ou nulle tout au long de la course.
- Dernier arrêt vide le véhicule.
Les montées billettiques sont rectifiées pour corriger les anomalies (validations perdues, valideurs hors service, cartes défectueuses).Un pourcentage fixe de validations « perdues » est personnalisable par l’utilisateur.
Calculs
Trois options sont disponibles dans le panneau latéral :
- Taux : (Montées frauduleuses ÷ Montées en règle) càd la différence entre montées mesurées et validations enregistrées sur la période sélectionnée
- Moyenne par jour : moyenne quotidienne des montées frauduleuses et en règle.
- Total : nombre absolu de montées frauduleuses et de montées en règle sur l’ensemble de la période sélectionnée.
Grâce au toggle de valeur de comparaison, il est possible d’afficher côte à côte les valeurs de montées en règle et frauduleuses pour affiner l’analyse.
Limitations
- Les montées en règle ne sont affichées que pour les arrêts disposant de cellules de comptage.
- Les éléments simulés, partiels ou incohérents (e.g. stoptimes simulés, les courses sans mesures) sont automatiquement exclus selon les critères détaillés dans cet article : Filtrage des données pour le calcul de la fraude
💡 Bon à savoir
- Les filtres à droite de l’écran vous permettent de restreindre l’analyse à certaines périodes, lignes ou jours de la semaine.
- L’export global permet de récupérer les données agrégées selon les filtres et niveaux choisis.
