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
- Cas d'usages
- Définir les plages horaires de marche-type
Définir les plages horaires de marche-type
Les logiciels de graphicage permettent de définir un temps de parcours sur un tronçon donné sur une plage horaire donnée (Par exemple: Le Bus met x minutes pour aller de la Gare à l'hôpital sur la plage horaire de 7h à 9h). Avec Transport Analytics il est possible de définir les balises horaires sur lesquelles seront définies les marches-type.
1ère étape : Définir son périmètre temporel d'étude
Il est essentiel de travailler sur un référentiel "propre", avec des jours ayant les même marches-type (Du lundi au vendredi scolaire par exemple) et des conditions d'exploitation homogènes, ce qui suppose d'exclure les jours de retard généralisé suite à un événement exogène (grève, manifestation sur la voie publique, neige etc...)
- On définit le périmètre temporel global d'étude, en pensant à bien exclure les jours fériés, WE et jours de vacances, si ces derniers ne doivent pas être pris en compte


NB: Si une large plage horaire est sélectionnée, englobant les vacances scolaires, et excluant d'autres jour, et que l'étude demande un certain temps de travail, il est conseillé de créer une période personnalisée (Par Ex : "Tps Parcours Janvier 2021") qui pourra être réutilisée pour les travaux.
- On examine si la période sélectionnée ne contient pas de jours anormaux, en utilisant le "total par jour":
- Jours avec très peu de validations (jours gratuits ?), qui seraient synonymes de très faibles temps d'embarquement (total par jour)
- Jours avec une ponctualité à l'arrivée anormalement haute ou basse (Moyenne par jour)
- Jour avec aléas d'exploitation relevés par la main courante d'exploitation, pas forcément repérables dans Analytics.
Exemple de vision globale sur les jours concernés

2ème étape : Identifier les plages homogènes de temps de parcours
- On choisit la ligne d'étude sur l'onglet de droite
- On choisit un chaînage correspondant à la portion qu'on souhaite étudier (un chainage est une suite homogène d'arrêts), en le choisissant directement sur le graphique du haut (clic). Cette étape est importante pour que la courbe du bas donne des informations significatives (dans le cas contraire, les infos des chaînages multiples de la ligne sont mélangées)


Il faut choisir l'agrégation la plus pertinente pour bien rendre compte des marches-types de la ligne. Sur une ligne ayant une fréquence faible, les agrégations au quart d'heure seront trop précises pour donner une image fidèle (hauts et bas illustrés dans le graph ci dessous)

A partir du graphique, on peut définir les plages horaires de marche types (exemple ci dessous (1 trait = 1 plage horaire)
