UNE VISION POUR LE TRANSPORT MULTIMODAL
Tout le monde rêve de déplacements urbains et périurbains parfaitement coordonnés. Un système multimodal intelligent permettrait-il de réaliser ce rêve ?
Les réseaux de transport urbain sont des écosystèmes extrêmement divers et complexes. La plupart des villes offrent un choix de moyens de transport : métros, autobus, tramways et grandes lignes en constituent le cœur. Parallèlement, on voit se multiplier de jour en jour les nouveaux modes de transport « à la demande », du VTC à la trottinette électrique.
On a indéniablement l’embarras du choix. Mais ce qui manque, c’est une coordination globale de l’offre de transport. Si les transports publics, tels que les métros, sont activement supervisés par leurs exploitants, l’orchestration de tous les modes de transport en temps réel à l’échelle de toute une ville est beaucoup plus compliquée.
Une supervision multimodale intelligente pourrait être la solution à ce problème et, qui plus est, avoir pour corollaire de nombreux autres avantages.
Les nouveaux enjeux de mobilité
La lourde tâche de gérer les transports urbains et régionaux incombe généralement à l’autorité des transports publics. En plus d’assurer la gouvernance, celle-ci a souvent d’importantes responsabilités opérationnelles : par exemple, fournir des informations aux voyageurs, améliorer la fiabilité du service et réguler en temps réel les services en fonction de la demande.
La capacité de coordonner de façon centralisée les ressources devient de plus en plus importante. Premièrement, c’est la clé d’une mobilité bas carbone, fondée sur des transports publics attractifs. Deuxièmement, une mobilité fluide stimule la croissance économique, y compris en facilitant l’organisation des grands événements culturels et sportifs. Enfin, la coordination et la centralisation des données de transport aident l’autorité des transports publics à garder le contact avec les voyageurs face à la concurrence des GAFAM.
En quoi un système multimodal intelligent pourrait-il aider ?
Pour répondre à la nécessité de mieux coordonner les transports urbains, les autorités de transport ont besoin d’avoir en temps réel une vue d’ensemble de la totalité du système de transport de la ville. Pas uniquement des métros, mais de tous les moyens de transport public, autobus, tramways et trains de grandes lignes compris.
Il est également important de prendre en compte le trafic routier, car il a un impact sur la mobilité générale. Par exemple, un accident grave de la circulation peut bloquer les routes et la circulation des autobus, détournant les voyageurs vers d’autres modes de transport et créant des embouteillages dans d’autres parties de la ville. En un mot, il est indispensable de saisir toute la complexité de l’écosystème des transports.
Un système multimodal intelligent permettrait de surveiller chaque type de transport, mais pas seulement. Il pourrait, par exemple, fournir des informations sur le taux d’occupation des trains, l’encombrement des routes, les temps de trajets et les retards. Et grâce aux outils de gestion des big data, il pourrait même produire des prévisions pour anticiper les problèmes.
L’avantage de cette approche est qu’elle exploite des données qui sont déjà disponibles : par exemple, les flux de données émanant des centres de contrôle des métros, des grandes lignes et des tramways. Elle pourrait aussi exploiter les informations en temps réel sur la circulation, les bulletins météorologiques, les images vidéo en direct, les données d’affluence dans les trains et sur les quais, les données de billettique, voire des données anonymisées provenant des téléphones portables. En effet, il n’y a aucune limite aux types de données qui pourraient être intégrés.
Cette approche serait-elle profitable pour ma ville ?
Un système multimodal intelligent permettrait d’orchestrer les transports dans les villes et les régions à une échelle impensable jusque-là. Il pourrait être déployé par étapes, pas nécessairement tout de suite. Et il n’exigerait ni système central complexe, ni d’énormes investissements.
Vous pourriez commencer par une fonction de surveillance multimodale, pour avoir une vision claire de la mobilité. Puis ajouter la corrélation des données, des outils de gestion des big data et l’analyse vidéo. Enfin, vous pourriez passer à une optimisation des services en temps réel avec des prévisions, l’analyse de la demande et la surveillance de la foule.
Voici quelques exemples des changements qu’un système multimodal intelligent pourrait apporter à votre réseau :
Outils d’aide à la décision
Des tableaux de bord intuitifs et des KPI permettraient de suivre facilement la performance, avec visibilité en temps réel des opérations de transport pour vous et vos partenaires.
Mieux coordonner l’ensemble des transports
Les nouveaux outils permettraient d’adapter votre offre de transport en temps réel en fonction de la demande, en faisant un usage optimal de toutes les ressources de transport disponibles, avec pour résultat, une augmentation de la résilience et de la satisfaction des voyageurs.
Mieux informer les voyageurs
Grâce à l’intégration des données provenant de tous les moyens de transport, vous pourriez acquérir la capacité de planifier des trajets en temps réel avec une grande précision. Celle-ci pourrait être adaptée aux besoins et aux préférences de chaque voyageur, et lui être communiquée via son smartphone.
Gestion des crises et des incidents
Vous auriez la possibilité de détecter facilement les incidents en n’importe quel point de la ville et de les régler rapidement, par exemple en réorientant les flux de voyageurs d’un moyen de transport vers un autre.
Simuler, optimiser et planifier
L’intelligence artificielle pourrait être utilisée pour valoriser encore plus vos données. Par exemple, vous pourriez créer un jumeau numérique de votre réseau pour explorer des scénarios « et si » et réaliser des simulations à partir de données réelles. Vous pourriez aussi tirer les leçons du passé en visionnant des ralentis qui vous aideraient, grâce aux outils de gestion des big data, à améliorer vos opérations.
To register to the sessions:
