Les organismes chargés des transports publics et les opérateurs eux-mêmes accumulent d’énormes masses de données, dont une grande partie est générée par les cartes de transport intelligentes. Pourtant, seule une fraction du potentiel de ces données est exploitée. Chaque jour, 50 millions de transactions transitent par des systèmes Thales installés dans plus de 100 villes. Au total, ses systèmes billettiques traitent chaque année 20 milliards de dollars de transactions dans le monde.

L’approche Big analytics de Thales permet de tirer meilleur parti des informations existantes pour mieux comprendre le comportement et le flux des passagers ainsi que la façon dont les voyageurs utilisent infrastructures et équipements. L'exploitation des données se fait de façon totalement anonyme et respecte parfaitement la vie privée des passagers puisque l'outil raisonne en termes de flux global.

Plus largement, le concept même de « smart city » repose sur l’exploitation intelligente des données générées par les habitants qui va aider les villes à optimiser leurs services. Par sa connaissance approfondie à la fois des métiers impliqués dans le processus de la « ville intelligente » et des technologies permettant d’exploiter finement les données produites, Thales est l’un des acteurs les plus légitimes sur ce marché naissant.


Pour en savoir plus :
Business Analytics : Extracting knowledge from passenger data for deeper insight (eng)
La ville interconnectée au service des citoyens


 

Billettique by Thales : le Big data « nativement » intégré

« Grâce aux technologies Big data, les opérateurs de transport et planificateurs urbains ont une vision approfondie et considérablement enrichie des flux de voyageurs. »

Coup de projecteur sur la nouvelle ligne de solutions billettiques TransCity™, récemment lancée par Thales[1]. Modulaire, évolutive et ouverte, TransCity est avant tout « passenger-centric », intégrant de multiples fonctionnalités qui simplifient la vie des voyageurs… et permettent de recueillir quantités de précieuses données.

Chaque année, 15 milliards d’euros de transactions billettiques sont traités par les systèmes Thales installés dans plus de 100 villes à travers le monde. En plus de 30 ans, Thales a acquis une expérience unique à partir de laquelle a été conçue l’offre TransCity, qui « agrège » le meilleur des solutions et services développés par Thales.

Connectivité et données massives

Basée sur une architecture orientée web (WOA) et composée de cinq modules pouvant être mis en œuvre de façon globale ou progressive en fonction des besoins et équipements/systèmes déjà existants, la solution TransCity permet de proposer aux voyageurs une gamme étendue de titres de transport et de moyens de paiement : carte sans contact, carte bancaire sans contact, QR code, smartphone, paiement en ligne, etc. 

Tirant le meilleur parti de la connectivité sans cesse croissante des réseaux de transport, TransCity permet ainsi de recueillir d’importants volumes de données dont l’analyse fournira de précieux indicateurs aux autorités et opérateurs de transport. Aux Pays-Bas, où les solutions de billettique sans contact de Thales sont déployées à l’échelle du pays, on compte par exemple plus de 6 millions de voyages et près de 12 millions de transactions par jour.

Les données concernant les voyageurs – modes de paiement, validation de titres de transport, etc. -  sont collectées dans le module TransCity Up qui permet de gérer, suivre et de consolider les transactions financières et de redistribuer les revenus aux différents opérateurs lorsque le cas se présente – plus de 17 sociétés concernées aux Pays-Bas.

Un « plus » indéniable

TransCity Up  intègre « nativement » une composante Big Analytics qui permet de tirer bénéfice des données recueillies. Le « clustering »  (classification) au moyen d’algorithmes sophistiqués permet de détecter des corrélations et atypicités : ainsi, à Toronto[1], des « ghosts », usagers qui paient mais n’utilisent pas les transports en commun, ou des « super-users » effectuant plus de 5 trajets par jour… Sortir des schémas habituels, fondés sur des a priori, est riche d’enseignements pour les opérateurs qui peuvent alors imaginer de nouveaux services et adapter leur offre au plus près des besoins et usages ainsi repérés.

Un autre apport clé concerne les flux de voyageurs. Grâce aux technologies de visualisation (Visual Analytics), l’opérateur peut avoir une vue précise sur les trajets des voyageurs, en plus des segmentations plus classiques par heure, jour, zone, destination etc. Bien que de nombreux systèmes soient « check-in only », des expérimentations - menées à Toronto notamment - ont permis de  retrouver avec une très grande précision  la station de sortie des voyageurs grâce aux algorithmes développés par les spécialistes Big data de Thales.

Avec les technologies «  Big data », les opérateurs de transport et planificateurs urbains ont une vision approfondie et considérablement enrichie des flux de voyageurs. Ils disposent ainsi d’outils puissants pour optimiser leurs infrastructures et leurs ressources humaines et matérielles. A Oslo, par exemple, l’analyse des flux a ainsi conduit à l’analyse de nouvelles lignes et de nouvelles politiques tarifaires.

Actuellement concentrés sur l’accroissement de la connectivité de leurs réseaux et l’intégration de moyens de paiement et titres de transport innovants pour répondre à une forte demande du public, les opérateurs de transport pourront ensuite bénéficier très rapidement des apports considérables du Big data pour une gestion optimale et une meilleure satisfaction des usagers.  Avec Thales, le futur (proche) est en marche…

A lire également :
Avec Thales, le ticket de métro laisse la place au big data, L’Usine Digitale, 9 juin 2015

--

[1] Lire le communiqué de presse : www.thalesgroup.com/fr/worldwide/transport/press-release/thales-lance-transcity-une-ligne-de-solutions-billettiques-cloud

[1] cf. « Le Big Analytics, une voie d’avenir pour le transport »

 

Trafic aérien : limiter l’impact des retards grâce au Big data

L’espace aérien est un système dans lequel tous les avions sont interdépendants. Sur une zone géographique donnée, le retard d’un vol a un effet boule de neige sur tous les autres vols au niveau d’un même aéroport, mais surtout un effet « papillon » sur les autres aéroports. Les technologies Big data de Thales permettent d’estimer avec précision la durée d’un vol, à partir de l’analyse de grandes collections de données, et de fournir ainsi aux compagnies aériennes et gestionnaires d’aéroports des informations qui permettent de réduire et/ou d’anticiper les retards tout en aidant à la réalisation de substantielles économies.

Qu’il résulte de mauvaises conditions météo, d’un encombrement du ciel ou des pistes ou encore d’évènements inopinés comme le passage d’un essaim d’oiseaux, le retard d’un avion, outre le fait qu’il génère des coûts importants pour les compagnies aériennes – annulations, indemnisation des passagers, durée de travail des équipes,  etc. - a un impact sur l’ensemble du système aérien.


Détecter et analyser les facteurs de retard

En s’appuyant sur leur expertise en algorithmie, sur les technologies Big data et sur les connaissances métier de Thales dans le domaine aérien, les Data Scientists de Thales ont développé des algorithmes qui permettent de corréler et d’analyser de grands ensembles de données jusque-là impossibles à traiter - par les technologies usuelles  - de manière exhaustive. L’objectif ? Détecter et analyser les facteurs de retard des avions et prédire, avec précision, la durée réelle des vols.

Collectées dans le cadre du programme européen SESAR[1] – dont Thales est un acteur majeur -, les données analysées sont de nature très variée :

  • données d’observation ou de prévisions météorologiques (force et orientation des vents, pluies, impacts de foudre, etc.),
  • position des avions au-dessus du sol européen, recueillies grâce au système ADS-B (Automatic Dependent Surveillance-Broadcast),
  • données de vol (route, type d’avion, altitude, etc.) fournies par Eurocontrol, l’organisme européen
  • etc.

Les analyses permettent de mettre en évidence les données ayant un impact fort sur les retards - la météo, le taux d’occupation des pistes (notion d’heure de pointe), le retard moyen des avions sur l’heure précédente, notamment. Les données présentent de fortes corrélations spatiales et temporelles. Un retard à l’aéroport Roissy Charles de Gaulle à l’heure H sera propagé et aggravé (en période de pointe) ou amoindri (en fin de période de pointe) à l’heure H+1. On parle alors d’effet boule de neige. 

Effet « papillon »

Les retards se propagent aussi géographiquement : un retard de décollage à Paris entraîne un retard - et les perturbations qui en découlent -  à Londres. C’est l’effet « papillon ».  De plus les organismes tel que Eurocontrol pour l’Europe, ou la FAA (Federal Aviation Administration)  pour les États-Unis, peuvent, dans un but de sécurisation de l’espace aérien, paralyser tout le système lorsque des conditions météorologiques difficiles apparaissent.

A partir de ces observations, Thales a développé des algorithmes permettant de prédire avec précision, à partir des valeurs passées, ce qui va se produire et quel sera le temps de trajet effectif d’un avion (temps de trajet des avions précédents pondéré, par exemple, par le taux d’occupation des pistes de l’aéroport de destination).

Ces résultats constituent une aide précieuse pour l’ensemble des acteurs du trafic aérien, au premier rang desquels les compagnies aériennes. En anticipant les retards, ils permettent de mieux gérer les risques pour les passagers - en organisant en amont une réaffectation sur d’autres vols, par exemple - et d'optimiser l’allocation des ressources – équipages, personnels au sol, etc. – pour minimiser les perturbations.

Thales Group - Trafic big data

Propagation des retards inter-aéroports

[1] Le programme européen  SESAR (Single European Sky ATM Research) a pour objectif de fournir à l’Europe des systèmes performants de gestion du trafic aérien à l’horizon 2020 (www.sesarju.eu)

 

Le Big analytics, une voie d’avenir pour le transport

Les systèmes intelligents de transport que Thales fournit à ses clients génèrent d’importantes quantités de données que les technologies Big data peuvent rendre d’un grand intérêt pour les opérateurs et gestionnaires de réseaux. La région de Toronto (Canada) en a fait l’expérience.

Depuis fin 2009, le système électronique de pointe PRESTO, conçu et développé par Thales, permet aux habitants de la région du Grand Toronto de circuler à bord des différents moyens de transports en commun disponibles – train, métro, bus – au moyen d’un titre de transport unique, une carte électronique sans contact utilisable sur l’ensemble du réseau.

Commune à une dizaine de sociétés de transport, cette carte permet d’une part de recueillir des données sur la façon dont les gens paient leurs déplacements – le système propose une large gamme de moyens de paiement, de la machine de vente en station au paiement en ligne – et, d’autre part, de mieux appréhender la mobilité à l’échelle de ce vaste bassin de déplacement - de plus de 200 km le long du lac Ontario -, grâce aux données enregistrées par un ensemble de valideurs, fixes ou mobiles.

Analyse des comportements

A partir d’un « corpus » de 350 millions de transactions, rendues anonymes par l’operateur de transport, Thales a conçu un démonstrateur à base de technologies Big data qui a permis de mettre en évidence des typologies de voyageurs et d’utilisation du réseau.

« Nous avons pu repérer des ‘familles’ d’utilisateurs qui rentrent tous les jours à la même heure dans le métro et ont des comportements identiques, mais aussi des types d’utilisation plus inattendus : une sur-représentation des étudiants à midi ou vers 21h, par exemple. Ce résultat permet de vérifier l’adéquation entre leur besoin de mobilité et les moyens – multimodaux - à leur disposition et de les ajuster en conséquence pour offrir un meilleur service », explique Jean Costantini, Senior business advisor, Thales. De plus, et bien que le système soit « check-in only », nous pouvons retrouver avec une précision supérieure à 92% la station de sortie des voyageurs grâce aux algorithmes développés par nos spécialistes Big data, qui travaillent en étroite collaboration avec l’Institut Polytechnique de Montréal et le Laboratoire d’Informatique de l’Université Pierre et Marie Curie (LIP6)  sur ces sujets. Nous pouvons ainsi fournir des informations précieuses sur les parcours des voyageurs et les moyens utilisés. »

Il est possible de mixer ces résultats avec les données socio-économiques collectées lors de l’abonnement. Le système permet alors d’aller beaucoup plus loin et ouvre des perspectives quasi-infinies pour les spécialistes du marketing. « Nous pouvons arriver à catégoriser les quartiers résidentiels, les quartiers d’affaire, les comportements des stations etc. ce qui peut être d’un grand intérêt dans une optique de création de services ou de commerces par exemple », poursuit Jean Costantini.

Une multitude d’applications

Et pour les opérateurs de transport, l’intérêt est encore plus évident. Les données issues de la billettique permettent, par exemple, de repérer les équipements de vente ou de validation les plus utilisés et de mettre en place l’organisation pour agir vite en cas de panne.

En combinant aux données billettiques celles issues des systèmes de signalisation et de supervision – dont Thales est  l’un des leaders mondiaux -, il devient possible de modéliser totalement un réseau de transport pour, par exemple, visualiser l’impact des perturbations –travaux, météo, … - et organiser le report modal – comment ré-acheminer les voyageurs ?

Le système permet également d’étudier le flux des passagers sur un territoire et de montrer quand les véhicules sont quasi-vides ce qui permet d’ajuster les moyens : bus plus petits, détours de lignes, combinaison de moyens de transport etc. « Le système est capable de détecter des atypies : le lundi ne se comporte pas comme les autres jours, une forte ou une faible affluence imprévisible a priori mais qu’on peut relier à un événement tel qu’une visite de chef d’état, ou tout autre évènement inhabituel… », indique Jean Costantini.

Il permet également  de valider ou d’invalider des intuitions, notamment en matière de fraude et donc de  placer les équipes de contrôle là où il faut et quand il faut.

L’analyse des réseaux sociaux – un axe de recherche important pour les équipes Big data de Thales qui travaillent sur ces sujets depuis plusieurs années déjà au profit des autorités de défense notamment – est un autre exemple d’outil intéressant pour les gestionnaires de transport. Elle permet de dégager les thèmes « sensibles » (plaintes, discours injurieux,…) et de mettre en évidence les leaders d’opinion avec qui ils peuvent avoir intérêt à travailler pour améliorer leur image, voire leurs services.  

«  Nous ne sommes limités que par notre imagination. Les données existent et Thales, grâce à l’expertise de ses équipes et à sa connaissance approfondie du métier de ses clients, sait choisir les meilleures technologies autour du Big data, du Big Analytics et de la visualisation pour les rendre utiles et compréhensibles pour un cerveau humain ! », conclut Jean Costantini.

Thales Group - transport

Smart city, l’eldorado du Big data

La croissance exponentielle des objets connectés ouvre des perspectives inédites pour les gestionnaires des grandes agglomérations urbaines, soucieux de la qualité de vie de leurs administrés… et de l’attractivité économique de leur ville. Extrayant du sens des masses de données produites, les technologies Big data de Thales constituent une aide précieuse à la prise de décisions stratégiques.

A l’heure où la mondialisation intensifie la compétition entre les villes et où le changement climatique et la menace de l’épuisement des ressources ne permettent plus de produire et de consommer de manière non raisonnée, les villes doivent repenser leur stratégie et leur mode de développement, de manière plus durable, plus intelligente (smart cities), plus créative.

Lieu privilégié de concentration des ressources et des compétences et de rencontre de multiples acteurs, la ville est aussi le territoire de l’innovation où les technologies Big data trouvent un terrain d’application idéal.

Dataclysme…

Smartphones, éclairage public, transport, panneaux d’affichage, accès aux lieux publics, caméras de surveillance… Le nombre « d’objets » urbains connectés, gérés via de multiples systèmes d’information, ne cesse de croître. Selon certaines projections[1], en 2020 le monde comptera 50 milliards d’objets connectés pour 7,6 milliards d’êtres humains, soit 7 objets par personne… contre 0,03 en 2003 ! 90% des données disponibles dans le monde ont été générées ces deux dernières années.

Stocker, traiter, comprendre et exploiter les masses considérables de données qui y sont produites, permettra aux acteurs et décideurs de l’espace urbain de travailler de manière plus concertée, plus partagée pour comprendre les besoins de leurs habitants, anticiper leur demande et mieux y répondre.

Collecter, traiter, exploiter

Thales maîtrise l’ensemble des technologies Big data rendant possible et efficace l’exploitation des mégadonnées.

La collecte, le stockage et la restitution tout d’abord. Thales dispose d’un ensemble unique de compétences et de ressources pour concevoir et mettre en œuvre des systèmes de base de données adaptés à des volumes massifs de données variées  et « véloces ». Son expertise reconnue en sécurité informatique garantit en outre l’intégrité et la valeur de ces données : l’information prélevée à la source est la bonne et elle n’est pas détériorée par la chaine de traitement (plus d’information : « Les 4V »).

L’analyse ensuite. Les experts Big Analytics (ou Data scientists) de Thales développent des algorithmes permettant de traiter des volumes très importants de données et d’en extraire du sens, facilitant ainsi la prise de décisions stratégiques. Dans le cadre d’une ville, celles concernant la sécurité sont souvent cruciales. Les technologies Big Analytics permettent à partir des données des très nombreux « capteurs » existants - vidéosurveillance, billettique, centres d’appel, … -  de détecter des zones sensibles, parfois insoupçonnées, et d’optimiser ainsi, par exemple, le déploiement des forces de police et de sécurité, au plus près du citoyen.


Anticiper pour une meilleure satisfaction des habitants

Le Big data est aussi un excellent « outil » prédictif, permettant, notamment d’anticiper les situations délicates grâce au « Visual Analytics ». Les outils de visualisation intelligents développés par Thales fournissent des graphes interactifs permettant de visualiser en temps réel l’impact de changements ou évènements. En modifiant tel ou tel paramètre, les décideurs peuvent visualiser immédiatement les conséquences sur le « système » - la ville en l’occurrence - global.

Si l’on décide, par exemple, de fermer 2 voies sur 4 d’un axe de circulation, les graphes montrent les embouteillages et répercussions sur le trafic dans les rues avoisinantes qui vont s’en suivre. La suppression d’un bus entrainera une plus grande affluence aux arrêts de bus et d’éventuels problèmes de sécurité, d’encombrement de la voie publique, d’énervement des voyageurs etc.  Les graphes interactifs permettent, en temps réel, de modifier, de comprendre et d’anticiper les situations.

Grâce à la combinaison des très nombreuses bases de données existantes – consommation d’eau, d’énergie, abonnements à différents services publics ou privés, usagers des transports, etc.), les administrateurs des villes peuvent aujourd’hui –ou pourront dans un futur très proche – disposer de puissants outils pour identifier et comprendre ce que veulent les citoyens et mettre en place des canaux de communication et de dialogue adaptés (portails web, applications mobiles, etc.) .

Le rôle de Thales est de leur fournir ces outils en faisant dialoguer les fabuleux réservoirs de données existants - jusqu’ici isolés, en silos – pour leur permettre d’offrir aux habitants de leurs villes les services qu’ils attendent…ou dont ils n’auraient pas osé rêver !

 

A lire également sur le site thalesgroup.com

Une croissance urbaine sûre grâce à des solutions avancées de sécurité urbaine
Big data, Big analytics, Visual analytics : de quoi parle-t-on ?

 

[1] Etude Cisco IBSG publiée en 2012