Traces de mobilité synthétiques

Image :

Description en une ligne : Génerer des traces de mobilité (GPS) synthétiques à partir de traces réélles, pour respecter la confidentialité

Description : Issus de GPS embarqués dans les véhicules et plus récemment de smartphones, les données de mobilité sont fréquemment utilisées dans le cadre d'évaluation des déplacements sur des territoires. Et ce que ce soit aux différentes échelles administratives, par des bureaux d'études ou par des chercheurs en mobilité.

Ce type de données pose une problématique significative de confidentialité. Même après anonymisation des données, il reste trivial d'associer un trajet GPS horodaté à une personne, car ses lieux de domicile, de travail et d'activité sont explicitement présents dans les informations GPS.

Une approche typique est alors de ne pas partager ces données source, et de s'en servir en les offusquant via agrégation (par exemple somme par région) ou suppression de précision (par exemple en tronquant le début et fin de trajets). En pratique, cela résulte en une récolte pour une étude spécifique, sans possibilité de réutilisation plus tard, et donc un cout élevé d'acquisition à chaque étude.

Ce projet propose la création d'une méthode de synthétisation à partir de cette donnée sensible, générant de faux trajets (réellement anonymes) mais conservant la représentativité de la source.

Un tel jeu de données généré permet un partage en open data, sans conséquences sur les personnes source.

Livrables envisagés

Outils ouverts

Une suite de logiciels et modèles open source permettant la synthétisation à partir de données réelles.

Chaque outil doit décrire pour quel cas d'usage il est optimisé. Car il n'existe pas de modèle capable de couvrir tous les besoins (études de flux origine-destination, extractions de part modales, calcul de temps de parcours, observation d'un axe en particulier, etc.).

Ces outils doivent s'inspirer de l'état de l'art en la matière et des ressources ouvertes existantes. Notamment suite aux avancées significatives des cinq dernières années sur l'application des réseaux antagonistes génératifs (GAN) et auto-encodeurs variationnels (VAE) aux données de mobilités.

Bases Open Data

Les données générées par ces outils pourront constituer un second livrable en open data, pour encourager la réutilisation.

Par souci de transparence, cette donnée devra être fournie avec une description des outils utilisés, ainsi que les biais de la donnée source, qui seront normalement conservés. Par exemple la surreprésentation d'un mode de déplacement, ou d'un type de population.

Infrastructure de conversion

Un dernier livrable envisagé est la mise en place d'une infrastructure permettant à un acteur possédant des données sensibles de les transmettre pour synthétisation et publication.

Cette infrastructure pourra prendre la forme d'une ressource informatique ou d'un ensemble de processus à suivre.

Elle sera idéalement opérée par un tiers de confiance, capable d'assurer le maintien de la confidentialité des données sources, ainsi que de caractériser la qualité des résultats.

Cette infrastructure, ainsi que les autres livrables mentionnés ci-avant, pourront être orchestrés comme des communs numériques, avec une gouvernance ouverte à l'ensemble des contributeurs et réutilisateurs.

Acteurs requis

• Chercheurs ou laboratoire de recherche, avec une expertise en synthétisation et/ou en étude de la mobilité.
• Un tiers de confiance capable de fédérer l'écosystème. Ce rôle peut être porté par la Fabrique des Mobilités.
• Des fournisseurs de données brutes, ou des sources d'acquisition
• Des réutilisateurs cibles, capables de décrire finement leurs critères (chargés de mobilités territoriaux, bureau d'études ..)

Un tel consortium, combiné au caractère d'innovation technique du sujet, représente un excellent candidat aux sources de financements nationaux et européens similaires aux PEPR-Mobidec de l'ANR.

Références

État de l'art

• SynMob: Creating High-Fidelity Synthetic GPS Trajectory Dataset for Urban Mobility Analysis
  • Bonne introduction en quelques slides au sujet
• Alexandra Kapp, Julia Hansmeyer, and Helena Mihaljević. 2023. Generative Models for Synthetic Urban Mobility Data: A Systematic Literature Review. ACM Comput. Surv. 56, 4, Article 93 (April 2024), 37 pages. https://doi.org/10.1145/3610224
• Librairies open source, la plupart cités dans l'article ci-dessus:
  • https://github.com/WenMellors/TS-TrajGen (2 stage GAN)
  • https://github.com/benchoi93/TrajGAIL (Markov, RNN ..)
  • https://github.com/DpTrace/PrivTrace (Markov)
  • https://github.com/zealscott/ldptrace (Markov)
  • https://github.com/XingruiWang/Two-Stage-Gan-in-trajectory-generation (2 stage GAN)
  • https://github.com/vanderschaarlab/synthcity (multi model, n'adresse pas la mobilité directement)

Lectures complémentaires

• https://eqasim.org/ Un modèle de population synthétique basé sur des agents, très complet en Ile-de-France
• Méthodologie de modélisation des déplacements du commun Diagnostic Mobilité
• Dossier Fabrique des Mobilités sur l'open source pour observer la mobilité via données GPS (traces)

---

Lieu d’utilisation/expérimentation :

Geocode the address to put it on the map

Site web :

Tags :

Thème :

Organisations intéressées pour contribuer ou qui contribuent déjà :

Organisations utilisatrice ou intéressée par utiliser la ressource :

Véhicule(s) impliqué(s) dans le projet :

Contributeurs :

Référent : Alex Bourreau

Défi auquel répond le projet :

Commun(s) utilisé(s) :

Commun(s) produit(s) :

Communauté(s) d’intérêt associé(s) :

Personnes clés à solliciter :

Niveau de développement : : Idée

Lien vers l’espace de discussion :

Lien vers le salon chat :

Lien vers l’outil de gestion des actions :

Lien vers l'espace de partage de fichiers, documentation :

Besoins :

Complément :

Prochaine étape :

Vous avez des questions ou commentaires sur cette page : Discussion:Traces de mobilité synthétiques

Autres informations :