Geo4Cast-Aleia : l'importance croissante des données pour la mobilité

mercredi 17 novembre 2021

1. La science des données, un rôle de plus en plus important

La mobilité est un besoin humain fondamental, accentué par l’urbanisation massive et continue à l’échelle mondiale. Par ailleurs, le développement rapide des moyens de transport depuis le début du siècle dernier a fait naître de nouvelles problématiques. Les crises récentes ont en effet montré l’importance des déplacements dans la vie quotidienne des Français : de la taxe carbone à la crise sanitaire, les moyens de transport cristallisent des enjeux écologiques (pollution), économiques (impact financier des retards de transports individuels ou logistiques) et sociaux (crise des « gilets jaunes », qualité de vie).

Aujourd’hui, la science des données a un rôle de plus en plus important à jouer l’accompagnement des acteurs de ce domaine. Les nouvelles technologies représentent une part croissante dans l’industrie automobile et de manière générale l’industrie des transports. Cela ne concerne pas uniquement les véhicules au sens large (trains, bus…), mais également les outils et services proposés aux usagers, tels que les logiciels de navigation GPS, les applications de covoiturage, etc. De manière générale, l’essor de ces nouvelles technologies rebat les cartes des acteurs industriels.

Conscients de cette transformation, les entreprises collectent, publient, ou vendent de plus en plus de données, annotées ou non, structurées ou non. Dans ce contexte, comment valoriser l’ensemble des données collectées dans le secteur de la mobilité, de manière fiable, innovante, tout en respectant les contraintes métier ?

2. Cas d’usage

1. Le véhicule autonome, et l’enjeu de la sécurité

On peut notamment citer l’exemple des véhicules autonomes ou « augmentés », dont le développement actuel est directement lié aux progrès dans le domaine de l’Intelligence Artificielle ou des données massives. La mise au point de ces technologies dévoile de nouvelles problématiques. Alors que les systèmes embarqués prennent une importance croissante dans les véhicules, autrefois plutôt centrés sur le moteur et le conducteur, leur utilisation pose de nombreuses questions tant éthiques que techniques. La robustesse face aux attaques antagonistes est un véritable défi pour les concepteurs, étant donné les conséquences dramatiques que peut avoir la mauvaise lecture d’un panneau de signalisation en situation réelle de conduite.

2. Gestion des flux :

i. Les applications de navigation : les effets pervers des modèles

Cependant, le véhicule autonome ne représente toujours qu’une très faible proportion des véhicules en circulation et ses défis sont pour l’instant majoritairement théoriques. En revanche, les effets pervers des applications de navigation GPS, telles que Waze, qui compte 14 millions d’utilisateurs en France, peuvent avoir un impact plus prononcé dans la vie quotidienne des citoyens.

Un itinéraire trop recommandé, initialement destiné à éviter un embouteillage sur un axe principal, peut conduire à créer des engorgements inattendus sur des axes secondaires, parfois insuffisamment dimensionnés. L’exemple d’une mairie française, qui a été directement confrontée à cette problématique, a d’ailleurs été cité. Dans ce cas, un contact entre le maire de cette commune et l’équipe Waze a permis de corriger le problème, qui était source de perturbations significatives pour les riverains.

ii. Transports collectifs : multimodalité, transports collectifs

La data est également mise à profit pour la gestion des flux dans divers projets, comme le développement dans certaines agglomérations de plateformes multimodales. Celles-ci ont pour but de permettre aux usagers d’utiliser plusieurs moyens de transport au cours d’un même trajet, alternant transports en commun, voiture, vélos ou trottinettes en libre service, etc. En effet, le développement de ces stations multimodales nécessite un traitement des données de flux en amont, afin de cibler au mieux les zones d’affluence et les nœuds les plus importants.

Un cas similaire cité par l’intervenant concerne les enjeux de détection du mode de transport employé par les personnes. La multiplication des types de transport différents rend cette prédiction plus ardue : en effet, un monitoring très précis des données de localisation permettrait d’obtenir de très bons résultats, mais serait en revanche très consommateur d’énergie, ce qui ne serait pas adapté à une application mobile.

À plus grande échelle, les données relatives aux transports en commun sont tout aussi importantes : les entreprises ferroviaires comme la SNCF ou la RATP ont besoin d’informations actualisées sur les horaires d’affluence, les origines de déplacement par zone et la fréquence des trains pour ajuster leur offre ; tout comme les opérateurs de transport longue distance (lignes aérienne, covoiturage BlablaCar,…), ou encore les services autoroutiers, qui cherchent à anticiper les périodes d’affluence et les estimations de durée de trajet.

3. Le covoiturage du quotidien : calcul de trajectoires et richesse de l’offre

Les applications de mise en relation de conducteurs et de passagers pour les trajets domicile-travail sont également soumises à divers défis, d’ordre à la fois technologique et économique. Dans le cas des trajets quotidiens, une plus grande coïncidence spatiale et temporelle doit être observée entre les conducteurs et les passagers, ce qui restreint l’offre ainsi que la demande pour un trajet donné. Ainsi, la réussite d’applications de ce type repose sur la densité espace-temps des paires conducteurs-passagers. Or actuellement, les acteurs de ce secteur sont divers, et d’après M. Lainée, les acteurs les plus susceptibles de réussir le pari du covoiturage du quotidien seraient, du fait de la densité locale de leur réseau d’utilisateurs, les opérateurs de transports en commun, pourtant peu intéressés par ce marché qu’ils considèrent comme concurrent.

Image d’entête Kaique Rocha Pexel