Où installer les bornes de recharge? La science des choix d'utilisateurs vient en renfort

En 5 secondes Où les conducteurs de véhicules électriques choisissent-ils de recharger leur batterie? Une étude réalisée à l’UdeM analyse 2,8 millions de sessions de recharge pour optimiser le réseau montréalais.
Le projet de Steven Lamontagne repose sur une base de données relatives à 2,8 millions de sessions de recharge. Ces données proviennent du réseau Circuit électrique, qui gère 90 % des bornes publiques au Québec.

Chaque jour à Montréal, des milliers de propriétaires de véhicules électriques doivent choisir où recharger leur batterie. Privilégient-ils la borne la plus proche de chez eux, celle située près d'un restaurant ou simplement la station la plus accessible? Derrière ces décisions et comportements se cache un enjeu important: comment situer stratégiquement de nouvelles bornes pour accélérer l'électrification des transports? 

C'est la question qu'a explorée Steven Lamontagne dans son projet de recherche doctoral, réalisé sous la codirection des professeures Margarida Carvalho et Emma Frejinger, du Département d'informatique et de recherche opérationnelle de l'Université de Montréal. 

Leur étude, publiée dans la revue Transportation Research Part D: Transport and Environment, propose une approche basée sur les comportements réels de près de 10 000 utilisateurs montréalais enregistrés de 2018 à 2022.

 

Des données massives pour comprendre les comportements

Réalisé au Centre interuniversitaire de recherche sur les réseaux d'entreprise, la logistique et le transport, en collaboration avec Ribal Atallah, de l’Institut de recherche d’Hydro-Québec, le projet repose sur une base de données relatives à 2,8 millions de sessions de recharge. Ces données proviennent du réseau Circuit électrique, qui gère 90 % des bornes publiques au Québec. 

Contrairement à la plupart des études sur le sujet, qui s'appuient sur des sondages demandant aux gens où ils choisiraient de recharger leur véhicule dans diverses situations imaginées, l'équipe de recherche a analysé les choix réels des utilisateurs grâce aux données de Circuit électrique. Cette approche permet de comprendre ce que les conducteurs font véritablement plutôt que ce qu'ils déclarent vouloir faire. 

«Au départ, il a fallu nettoyer cette masse de données pour en exclure les taxis et les flottes commerciales et ne conserver que les propriétaires individuels de véhicules électriques, explique Margarida Carvalho. Pour Montréal seulement, l'analyse a porté sur 9782 membres utilisant 736 bornes de niveau 2 et 19 bornes de niveau 3.» 

Ces deux types de bornes répondent à des besoins différents. Les bornes de niveau 2, plus répandues en milieu urbain, offrent une recharge lente: il faut compter de deux à trois heures pour une recharge complète, mais à moindre coût pour l'utilisateur. À l'opposé, les bornes de niveau 3 permettent une recharge rapide en 30 minutes, mais à un tarif plus élevé. On les trouve davantage le long des autoroutes et elles demeurent peu nombreuses en ville. 

Ces données ont ensuite été enrichies à l’aide d’OpenStreetMap pour cartographier les commodités situées autour de chaque station ou borne, dont les restaurants, les supermarchés, les parcs, les centres commerciaux et les installations sportives. Cette cartographie mensuelle a permis de suivre l'évolution du réseau sur quatre ans. 

Les modèles de choix discrets, une approche simple mais prometteuse

Pour prédire où les utilisateurs pourraient choisir de recharger leur véhicule, l’équipe de recherche a eu recours à des modèles dits «de choix discrets».  

«Cela veut dire que, pour chaque utilisateur, nous essayons de cerner les facteurs qui influencent son choix de bornes de recharge et nous attribuons un “degré d'attractivité” à chaque option afin de comprendre ce choix», précise Margarida Carvalho. 

Cette approche se distingue des modèles plus complexes de prévision de la demande qui font appel à l’apprentissage automatique. «L'important, c'est que le modèle de choix discrets est interprétable et fournit des informations exploitables pour la planification, ce qui facilite son intégration dans l’optimisation du réseau de bornes, tandis que les modèles plus complexes sont moins adaptés à ce genre de décision», ajoute-t-elle. 

L’équipe a ensuite estimé deux types de modèles statistiques: un modèle logit multinomial comme référence et un modèle logit mixte qui tient compte du fait que les mêmes utilisateurs reviennent régulièrement aux mêmes bornes. Cette distinction a permis de mieux comprendre l'hétérogénéité des comportements. 

 

La distance avant tout, mais pas seulement 

Les résultats confirment ce que l'intuition laissait supposer: «La distance entre le domicile et la borne constitue l'élément prédicteur le plus robuste, résume la professeure. Vient ensuite la capacité de la station, en termes de nombre de bornes qu’elle offre, ce qui rassure les utilisateurs quant à leur chance de trouver une borne libre.» 

Toutefois, les préférences divergent selon le type de recharge. Les bornes de niveau 2, qui offrent une recharge plus lente mais moins chère, sont privilégiées lorsqu'elles se trouvent près de restaurants. 

À l'inverse, les bornes de niveau 3, qui permettent une recharge rapide mais à un coût plus élevé, sont davantage utilisées lorsqu'elles se situent près de parcs, de centres commerciaux ou de supermarchés. 

Fait surprenant, la présence d'une station-service à proximité a un effet négatif sur le choix d'une borne. «Cela indique peut-être que les utilisateurs de véhicules électriques ont adapté leurs habitudes aux exigences de recharge, avance Margarida Carvalho. De même, la proximité de restaurants rapides décourage l'utilisation des bornes de niveau 2, ce qui signalerait une préférence pour des activités de plus longue durée compatibles avec le temps de recharge.» 

Une hétérogénéité marquée des comportements

Il va sans dire que la diversité des profils d'utilisateurs implique des comportements très hétérogènes. Selon Margarida Carvalho, les variations entre utilisateurs se sont révélées considérables «pour presque tous les attributs analysés – présence de lieux de loisirs, de centres commerciaux, d'installations sportives». 

Cette hétérogénéité explique pourquoi les modèles qui tiennent compte des préférences individuelles donnent de meilleurs résultats en planification. Lorsque l’équipe de recherche a testé ses modèles pour optimiser l’installation de nouvelles bornes à Montréal, le modèle mixte, qui intègre la variabilité des préférences, a systématiquement mené à des solutions avantageuses, même lorsque celles-ci étaient évaluées selon d'autres critères. 

 

Des implications concrètes pour l'électrification 

Dans l’ensemble, les résultats indiquent que les exploitants de réseaux de recharge ont intérêt à installer de nouvelles bornes proches des lieux résidentiels et des différents types d’activités de loisirs. 

«Les opérateurs devraient prioriser l'installation de bornes à distance de marche des zones résidentielles et les équiper de plusieurs prises pour en maximiser l'utilisation, mentionne Margarida Carvalho. Néanmoins, la diversité des préférences selon le type de recharge nécessite une réflexion stratégique, avec des bornes de niveau 2 près des restaurants et des résidences, et des bornes de niveau 3 près des centres commerciaux et des supermarchés.» 

Au-delà de la métropole, l'accessibilité des bornes reste un défi.  

«Notamment pour les trajets longue distance, où l’autonomie des véhicules électriques est cruciale: même si les bornes publiques se sont multipliées au Québec, il faudra continuer à renforcer le maillage afin que leur accès soit aussi facile que celui d’une station-service pour une voiture à essence», poursuit-elle. 

L'accessibilité ne se résume toutefois pas à la distance.  

«À Montréal, il y a beaucoup de bornes, mais leur accessibilité peut être limitée dans les moments de forte demande, conclut Margarida Carvalho. Et dans la course vers l'électrification des transports, comprendre les choix des utilisateurs est une nécessité stratégique.» 

Partager