Étude sur le choix du mode de déplacement des résidents urbains basée sur la méthode CART-Apriori

Pourquoi votre trajet quotidien compte

Chaque déplacement que vous effectuez en ville — à pied, à vélo, en bus ou en voiture — influe discrètement sur les embouteillages, la pollution et même sur la manière dont votre ville se développe. Cette étude examine de près la façon dont les habitants d’une ville chinoise de taille moyenne choisissent leur mode de déplacement et teste une nouvelle méthode pilotée par les données pour prédire ces choix. Les résultats aident à comprendre pourquoi certains marchent un kilomètre tandis que d’autres appellent un véhicule de type VTC pour la même distance, et comment une planification plus intelligente pourrait réduire la congestion et les émissions de carbone.

Comment les gens se déplacent dans une ville de taille moyenne

La ville étudiée compte environ 580 000 habitants urbains, n’a pas de métro ni de réseau ferroviaire et connaît une circulation relativement fluide. La plupart des trajets sont courts, et les options courantes incluent la marche, les vélos et trottinettes partagés, les bus, les taxis ou VTC, et la voiture privée. Comme les tarifs de bus sont bas et généralement forfaitaires, les gens ne se préoccupent pas des petites différences de prix pour un trajet unique. Ils prennent plutôt en compte des décisions à plus long terme comme l’achat d’une voiture, et des détails pratiques tels que la distance à parcourir et le nombre de correspondances nécessaires en bus. Une vaste enquête auprès de 1 500 résidents a recueilli des informations sur qui sont les personnes, pourquoi elles voyagent, quelles distances elles parcourent et quel mode elles choisissent.

Mélanger modèles classiques et algorithmes modernes

Pendant des décennies, les chercheurs en transport ont utilisé des modèles mathématiques traditionnels pour prédire les choix de déplacement, mais ceux-ci peinent souvent à rendre compte de comportements réels complexes. Les outils d’apprentissage automatique plus récents peuvent offrir de meilleures prédictions, mais sont souvent critiqués comme des « boîtes noires » difficiles à interpréter. Cette étude combine plusieurs approches au sein d’un même cadre. D’abord, un algorithme appelé Apriori parcourt les données de l’enquête pour trouver les motifs « si–alors » les plus forts, par exemple « si une personne parcourt 3–5 km, possède une voiture et doit effectuer une ou deux correspondances, alors elle est très susceptible de choisir un VTC. » Ces motifs sont ensuite intégrés dans un modèle d’arbre de décision connu sous le nom de CART, qui scinde à plusieurs reprises les voyageurs en branches selon des facteurs comme la distance ou la possession d’une voiture afin de prédire quel mode chaque personne utilisera.

Rendre la boîte noire compréhensible

Pour aller au-delà de la simple prédiction et réellement expliquer le comportement, les chercheurs ajoutent un modèle appelé RuleFit. RuleFit prend les branches de l’arbre de décision — les règles qui indiquent qui finit par choisir quel mode — et les convertit en déclarations simples, lisibles par un humain, assorties de poids numériques. Ces poids montrent dans quelle mesure chaque règle pousse une personne vers la marche, le vélo, le bus, la conduite ou le recours à un VTC. Ce faisant, l’étude peut à la fois prévoir ce que feront les gens et décrire clairement les principaux motifs, au lieu de se contenter de fournir une prédiction sans explication.

Les quelques facteurs qui comptent le plus

Malgré un ensemble initial de nombreuses influences possibles, l’étape d’exploration des données révèle que quatre facteurs dominent les décisions de déplacement : la distance parcourue, la raison du déplacement, la possession d’une voiture et le nombre de correspondances nécessaires dans les transports en commun. La distance arrive en tête. Les résidents marchent généralement lorsque le trajet est inférieur à un kilomètre, quelle que soit la possession d’une voiture. Les vélos partagés sont particulièrement populaires pour les trajets domicile–travail de 1 à 3 km, même chez les propriétaires de voiture. Pour les trajets moyens de 3 à 5 km, les trottinettes électriques partagées et les voitures privées séduisent ceux qui veulent un trajet direct et éviter plusieurs correspondances. Les bus sont les plus adaptés aux trajets de 3–5 km sans changement d’itinéraire. Le VTC est privilégié pour les trajets de 1–3 km lorsque l’alternative en bus impliquerait plusieurs correspondances. Dans l’ensemble, le modèle combiné CART–Apriori prédit correctement le mode choisi par les personnes environ 83 % du temps, surpassant plusieurs autres méthodes largement utilisées.

Ce que cela signifie pour des rues plus vertes

En identifiant le petit nombre de facteurs qui orientent réellement les choix quotidiens, cette étude offre des recommandations claires pour les urbanistes. Améliorer les trottoirs et les pistes cyclables dans un rayon de 3 km autour des habitations pourrait faire basculer de nombreux courts trajets vers la marche et le vélo. Reconfigurer les lignes de bus pour réduire les correspondances, en particulier pour les trajets de 3–5 km, peut rendre les transports en commun plus attractifs que la voiture. Des politiques comme des frais de stationnement ou des péages pour les courts trajets en voiture, combinées à des vélos et trottinettes partagés pratiques, pourraient encourager davantage les options faibles en carbone. Pour un non-spécialiste, la conclusion est simple : lorsque les villes facilitent les courts trajets à pied ou à vélo, et rendent les trajets plus longs simples à effectuer en bus sans multiples correspondances, les gens choisissent naturellement des moyens de déplacement plus propres et plus efficaces.

Citation: Song, H., Wang, X., Tian, W. et al. Study on urban residents’ travel mode choice based on the CART-Apriori method. Sci Rep 16, 6270 (2026). https://doi.org/10.1038/s41598-026-37216-4

Mots-clés: comportement de déplacement urbain, choix du mode, apprentissage automatique, transport durable, transports en commun