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
- Analyser la charge à bord
Analyser la charge à bord
Enjeu
Afin de dimensionner une offre de transport cohérente avec la demande, il est nécessaire de connaître la charge à bord.
Connaître la charge à bord permet notamment de :
- Caler la fréquence de passage d'une ligne en heure de pointe ainsi que les horaires de passage "critiques"
- Dimensionner le parc en fonction de la charge
- Evaluer la pertinence du positionnement d'un doublage
Pour rappel, L'indicateur charge est disponible sous 3 formes : Billettique, comptage, unifiée. Quand il est disponible, il est préférable de se référer à la charge unifiée, qui allie l'exhaustivité de la billettique tout en prenant en compte la fraude révélée par les cellules de comptage.
A défaut, l'indicateurs billettique peut être utilisé en prenant bien en compte le fait qu'il ne prend pas en compte la fraude. Si on connaît le taux de fraude réel du réseau par ailleurs (par le biais d'enquêtes), on peut rehausser le chiffre observé en conséquence. Par exemple, si je constate une pointe de charge à 44 voyageurs dans CITiO, et que je sais que mon réseau à 10% de fraude en heure de pointe, je vais estimer qu'il y a eu 44 voyageurs dans la réalité (40 + 40x0,10)
Identifier les moments et lieux de charge critique
Dans Transport Analytics, on peut accéder à l'information du serpent de charge selon le moment de la journée (illustration ci dessous)
Il est nécessaire dans un premier temps de sélectionner la ligne, la direction ainsi que la période temporelle (Par exemple: tous les lundis de Septembre à Décembre).
On verra alors sur le graphique du bas les variations de charge en fonction de la journée. Il convient alors de zoomer (directement sur le graphique temporel du bas) sur la période qui nous intéresse (par exemple en heure de pointe du matin, sur l'exemple)
On peut visualiser alors le serpent de charge sur le graphique spatial (du haut), comme dans l'exemple ci dessous

On peut visualiser ainsi le serpent à travers plusieurs calculs:
- La moyenne par véhicule, qui permet de visualiser l'adéquation des moyens employés
- Le taux de charge par véhicule, qui apporte un autre angle d'évaluation de l'adéquation des moyens employés
- La moyenne par jour, qui permet de déterminer la bonne fréquence et bon dimensionnement véhicule (Voir image ci dessous)
- La charge maximale

En cliquant sur une interstation, on peut apercevoir l'évolution de la charge sur cette interstation sur la journée, en fonction des jours... Qui permet de s'assurer quels extrèmes couvrent la moyenne affichée.
Dans l'exemple ci dessous, On visualise une charge interstation de 211 voyageurs entre Molière et Saint Serge Université entre 7h45 et 8h. En regardant le graphique du bas, on constate que cette charge peut monter jusqu'à plus de 500 voyageurs, valeur à retenir pour dimensionner la charge.

Evaluer la charge d'une course en particulier
Le module charge par course est particulièrement utile pour connaître
- le degré d’adoption d’un nouvel horaire par la clientèle
- les courses peu ou pas fréquentées du réseau
- l’utilité d’un doublage
On peut alors visualiser le serpent de charge moyen de chaque course sur une période sélectionnée. Dans l'exemple ci dessous, on constate que le départ de 7h29 enregistre une charge maximale à 297,5 voyageurs entre les arrêts Foch Maison Bleue et Ralliement.

Pour aller plus loin dans l'analyse, on peut filtrer l'heure de départ et visualiser ainsi le serpent de charge jour par jour sur l'horaire sélectionné. Cela permet par exemple de savoir si un doublage prévu tous les jours est bien utile ou si une sortie du doublage quelques jours de la semaine est pertinent
