Potentialité des données de téléphonie mobile pour l’estimation de la mobilité urbaine à large échelle

In the last decades, with the digitization of the society, the emergence of new data sources has attracted researchers’ and practitioners’ attention for mobility estimation. Among these sources, mobile phone network data are currently one of the most promising human mobility data sources. Such kind of data presents a unique combination of desirable properties: (i) they offer unprecedented penetration; (ii) they are recorded continuously over long time periods; and (iii) they are passively collected and maintained in curated databases for billing purposes, which makes them a very cost-efficient source of data for secondary use and analysis. However, only limited knowledge exists on the use of large-scale mobile phone data to analyze human mobility in urban environments. This dissertation aims at filling this gap. In this thesis, we demonstrate that mobile phone data contain rich spatiotemporal information. Based on the latter observation, we present a new framework TRANSIT processing large scale mobile phone data. On the one hand, the framework can reconstruct mobility information in especially tell apart movement intervals from stationary activity periods for each mobile device. This allows to reconstruct travel demand from mobile network data at an unprecedented spatio-temporal scale. On the other hand, TRANSIT can infer fine-grained human mobility trajectories during the associated movement intervals. Besides, we also developed map-matching approaches that can be applied on the top of TRANSIT. The latter allow to retrieve the path a traveller follows on the multimodal transportation system from the reconstructed trajectories. Relying on the result of the work developed, we propose a new set of applications which demonstrate the potential of mobile phone data for large scale urban mobility estimation and analysis.Au cours des dernières décennies, avec la digitalisation de la société, l'émergence de nouvelles sources de données a attiré l'attention des chercheurs et des acteurs opérationnels pour l'estimation de la mobilité. Parmi ces sources de données, les données de téléphonie mobile sont l'une des sources les plus prometteuses. En effet, ce type de données présente en effet une combinaison unique de propriétés souhaitables : (i) elles offrent un taux de pénétration sans précédent ; (ii) elles sont enregistrées en continu sur de longues périodes; et (iii) elles sont déjà collectées passivement par l'opérateur à des fins de facturation, ce qui en fait une source de données peu coûteuse pour une utilisation ultérieure. Cependant, il n'existe que peu de connaissances sur l'utilisation de ces données à large échelle pour analyser la mobilité des populations en milieu urbain. Cette thèse vise à apporter des contributions à ce sujet. Dans cette thèse, nous démontrons que les données de téléphonie mobile contiennent de riches informations spatio-temporelles. Fort de ce constat, nous présentons une nouvelle approche TRANSIT qui porte sur l'analyse de données de téléphonie mobile à grande échelle. D'une part, notre approche est capable de distinguer les sessions mobiles des sessions statiques pour un utilisateur donné. Cela permet de reconstruire la demande de déplacement à une échelle spatio-temporelle très fine. D'autre part, TRANSIT est capable de réduire fortement l'erreur spatiale des trajectoires de téléphonie mobile. Aussi, nous avons également développé une approche de map-matching qui peut être couplée à TRANSIT. Cette dernière permet de retrouver le chemin suivi par un utilisateur dans le système de transport multimodal à partir des trajectoires reconstruites par TRANSIT. Pour démontrer le potentiel des approches développées dans cette thèse, nous avons construit quelques applications qui sont rendus possible par nos travaux