Optimiser la planification de voyages durables et personnalisés

Sommaire

Le tourisme se caractérise de plus en plus par des projets de voyage indépendants, ciblés, personnalisés et durables. Dans cette étude, nous développons une planification de voyage à objectifs multiples, générant des itinéraires personnalisés tout en équilibrant les objectifs économiques, environnementaux et sociaux. Le modèle propose un programme quotidien aux voyageurs, comprenant hébergements et restaurants supérieurs, attractions touristiques, horaires de visite et modes de transport, dans le but de minimiser les coûts de déplacement, de réduire la pollution et de maximiser la satisfaction des touristes. 

Contrairement aux outils de planification classiques, l’approche proposée intègre les principales complexités du transport urbain : feux de circulation, conditions météorologiques et caractéristiques propres à chaque mode de transport. Les incertitudes liées aux temps de déplacement, aux coûts et à la durée des visites sont prises en compte dans un cadre d’optimisation flou, permettant de créer des itinéraires robustes et adaptables. Les options de transport comprennent marche, vélo, bus, trains et taxis, chacune avec sa structure de coûts, son empreinte environnementale et son temps d’arrivée. 

Une variante auto-adaptative de l’algorithme génétique de tri non dominé II (NSGA-II) a été créée pour résoudre ce problème à grande échelle. Cette méthode améliore l’algorithme NSGA-II classique grâce à un réglage des paramètres en ligne, pour une convergence plus rapide et des solutions de Pareto mieux distribuées. Une étude de cas fondée sur des données réelles de la ville de Montréal démontre la faisabilité de cette approche. Elle montre comment les touristes peuvent suivre des plans optimisés en fonction de leurs préférences personnelles, tout en soutenant le développement durable.

Les résultats confirment l’efficacité d’intégrer la modélisation aux transports urbains, à la gestion des incertitudes et aux objectifs de durabilité dans un cadre décisionnel unique. Cette méthode peut s’avérer un outil précieux pour les touristes, les urbanistes et l’industrie du tourisme pour la promotion d’expériences de voyage plus écologiques, plus efficaces et plus agréables dans les villes du monde entier.

Contexte et problématique

Le tourisme est un moteur important de l’activité économique, mais il a un effet sur l’environnement, particulièrement en ce qui a trait aux transports. Également, les touristes d’aujourd’hui recherchent de plus en plus des voyages personnalisés qui reflètent leurs préférences individuelles et correspondent à leur budget. Or, concevoir ce genre de projet est difficile, car il faut gérer simultanément le choix des hôtels et restaurants, les heures d’arrivée et de départ, les transports multimodaux, les conditions météorologiques et les incertitudes liées aux coûts, aux temps de trajet et à la disponibilité des services. Ces défis soulignent la nécessité de disposer de modèles d’aide à la décision capables d’équilibrer les objectifs de durabilité, tout en offrant des solutions réalistes et pertinentes aux touristes et aux gestionnaires urbains.

Notre étude porte sur un modèle d’optimisation multi-objectifs pour la planification durable et personnalisée de voyages sur plusieurs jours. Le modèle optimise trois objectifs de durabilité contradictoires : économique (coûts de déplacement totaux minimaux), social (satisfaction touristique maximale d’après les évaluations des installations) et environnemental (émissions de dioxyde de carbone minimales). Il offre aux visiteurs un ensemble de solutions non dominées, avec un éventail d’options. Il tient compte des complexités du transport urbain : feux de circulation, effets météorologiques sur le transport, coûts fixes et variables des différents modes de transport. Le modèle tient également compte de contraintes réalistes : hôtels classés par nombre d’étoiles, contraintes de confort liées à l’intensité de la visite et à la capacité de marche, heures d’ouverture et de fermeture de chaque lieu et choix dynamiques de restaurants. Les incertitudes (coûts, vitesses de transport, durée des visites) sont prises en compte à l’aide d’une approche floue fondée sur la crédibilité, bien adaptée aux données imprécises et subjectives.

Suivant les motivations et défis évoqués, les principaux objectifs de cette étude sont présentés ci-dessous :

• Créer un modèle de planification de voyage durable et personnalisé qui concilie les objectifs économiques, sociaux et environnementaux.
• Traiter les incertitudes liées aux coûts, aux temps de trajet et à la disponibilité des services à l’aide d’une approche floue.
• Concevoir une stratégie auto-adaptative efficace à l’aide de la métaheuristique NSGA-II pour la planification d’itinéraires à grande échelle dans le monde réel.

Les principales décisions portent sur le choix de l’hôtel idéal, l’itinéraire quotidien des attractions, le choix des restaurants, les modes de transport pour chaque étape et les contraintes budgétaires. Le modèle privilégie le choix d’un seul hôtel pour le voyage, afin d’améliorer le confort lors de l’enregistrement et du départ et de réduire les perturbations, et comprend une variété quotidienne de restaurants. La marche est incluse comme mode de transport lorsque les conditions météorologiques le permettent.

Méthodologie

La méthodologie proposée comporte deux grands volets. Le premier, un modèle mathématique pour la planification durable et personnalisée des déplacements, intégrant des objectifs économiques, sociaux et environnementaux selon des contraintes opérationnelles réalistes. Le second, une adaptation de l’algorithme génétique de tri non dominé II (NSGA-II) classique afin d’améliorer les performances sur les instances à grande échelle. Il intègre un mécanisme de réglage des paramètres en ligne, ce qui a donné naissance à un NSGA-II auto-adaptatif (SA-NSGA-II). Cette version contribue à améliorer la qualité des solutions et l’efficacité des calculs par rapport aux variantes standard. Ensemble, ces composantes génèrent des itinéraires pratiques et personnalisables, tout en tenant compte des incertitudes liées aux temps de trajet, aux coûts et à la disponibilité des services.

Pour calculer les solutions de référence, on applique la méthode augmentée ε-constraint. Bien qu’elle convienne aux solutions Pareto-optimales exactes, elle se limite aux cas de moindre envergure en raison de sa grande complexité computationnelle et de ses longs délais de résolution. Pour traiter des scénarios plus complexes et plus réalistes, on a recours à d’autres variantes du NSGA-II, comme la version classique et le NSGA-II basé sur la méthode de Taguchi, pour obtenir des repères de performance comparatifs.

Le SA-NSGA-II améliore le NSGA-II classique en ajustant automatiquement les probabilités de croisement et de mutation pendant l’exécution, à partir de populations initiales réalisables sous contrainte et des opérateurs de croisement ou de mutation spécialisés pour maintenir la faisabilité. Les performances sont évaluées par rapport à l’algorithme NSGA-II classique et l’algorithme de Taguchi, ainsi qu’à la méthode augmentée ε-constraint, à l’aide d’indicateurs comme la distance idéale moyenne, la métrique de diversification et les métriques d’espacement. Dans tous les problèmes de référence, SA-NSGA-II obtient systématiquement des solutions de Pareto plus proches de l’idéal, mieux réparties et plus uniformément espacées que les autres métaheuristiques, et se rapproche de la qualité de la méthode augmentée ε-constraint avec des temps de calcul bien inférieurs.

Étude de cas : le tourisme à Montréal 

Le modèle est appliqué à Montréal dans une étude de cas fondée sur des données réelles provenant de plus de 2 000 emplacements : hôtels, restaurants, attractions, modes de transport et feux de circulation. Trois niveaux budgétaires (faible, moyen et élevé) sont testés, générant des fronts de Pareto qui illustrent clairement les compromis entre les trois objectifs de durabilité. Des budgets plus élevés permettent d’envisager un plus large éventail d’itinéraires. L’analyse par paires confirme que l’amélioration d’un objectif entraîne généralement la détérioration d’au moins un autre. Par exemple, choisir des hôtels et restaurants supérieurs augmente les coûts totaux, mais peut réduire les émissions si ces établissements sont à proximité des principales attractions.

Une analyse de scénarios de marche compare deux plans lorsque la marche n’est pas possible en hiver, à une situation où elle est possible par temps plus clément. La possibilité de se déplacer à pied modifie les choix de restaurants, augmente la distance totale parcourue et réduit systématiquement les émissions de dioxyde de carbone, confirmant ainsi ses avantages environnementaux.

La cartographie des décisions parmi les solutions Pareto-optimales révèle des schémas distincts. Certains hôtels et restaurants apparaissent fréquemment en raison de leur rapport qualité-prix-emplacement avantageux. Le choix du mode de transport varie en fonction des objectifs : les solutions axées sur les coûts privilégient les transports publics économiques, celles axées sur la satisfaction privilégient les modes rapides qui permettent d’effectuer davantage de trajets dans un laps de temps donné, et celles axées sur l’environnement privilégient les modes à faibles émissions.

Voici nos observations :

• Cette méthode permet de concevoir des voyages personnalisés qui tiennent compte de différents aspects du développement durable, aidant les touristes à faire des choix éclairés.
• L’inclusion des complexités réelles du transport (feux de circulation, conditions météorologiques, coûts et émissions propres à chaque mode) améliore le réalisme et la fiabilité du plan.
• La marche et le vélo réduisent considérablement les émissions; les politiques visant à améliorer les infrastructures piétonnes peuvent promouvoir le tourisme durable.
• Trois niveaux budgétaires déterminent les différents compromis possibles; des budgets plus importants offrent davantage de flexibilité, mais n’améliorent pas automatiquement tous les objectifs.
• Le SA-NSGA-II offre une solution pratique pour la planification d’itinéraires à grande échelle lorsque les méthodes exactes sont trop lentes.

Cette étude fait progresser la recherche sur la planification personnalisée des déplacements en intégrant conjointement (1) les trois dimensions de la durabilité, (2) le transport urbain multimodal avec ses complexités opérationnelles réelles, et (3) la modélisation de l’incertitude à l’aide de la logique floue. Ces caractéristiques sont rarement abordées ensemble, en particulier dans le contexte de planification individuelle (hors groupe). Le SA-NSGA-II proposé fait preuve d’évolutivité et de robustesse, ce qui le rend approprié aux applications pratiques.

Complément d’informations

Pour en savoir plus sur cette recherche, veuillez lire l’article suivant :

Aliahmadi, S. Z., Jabbarzadeh, A., & Hof, L. A. (2025). A multi-objective optimization approach for sustainable and personalized trip planning: A self-adaptive evolutionary algorithm with case study. Expert Systems with Applications, 261, 125412.