Nous vous avons présenté dans un premier article les SAEIV d’aujourd’hui mais d’ici 2030, la région Parisienne aura un nouveau visage. Avec une ligne 14 allongée, 4 nouvelles lignes de métro dont une circulaire autour de la capitale, et une ligne de train E prolongée à l’ouest, le Grand Paris s’annonce révolutionnaire en termes d’offre de transport. Ces agrandissements représentent également un challenge pour les opérateurs qui devront faire face à de nouvelles contraintes (trafic croissant, réseaux saturés, multimodalité, facteur écologique, etc). Dans un tel contexte, et afin d’offrir une expérience voyageur toujours de meilleure qualité, comment les opérateurs sont-ils susceptibles de faire évoluer leurs Systèmes d’Aide à l’Exploitation et à l’Information Voyageur ? En d’autres termes, à quoi ressembleront les SAEIV de demain ?

Un SAEIV produisant de l’information fiable et pertinente en temps réel

Le SAEIV remplit son rôle lorsqu’il permet à un opérateur de gérer de façon optimale son réseau de transport, dans n’importe quelle situation (normale, perturbée anticipée, perturbée inopinée). Le besoin d’informations fiables et pertinentes en temps réel est donc vital : mais comment obtenir ces informations ?

Des horaires en temps réel estimés avec des outils de géolocalisation

Le principe de géolocalisation est simple : il s’agit de positionner un véhicule sur une carte à l’aide de ses coordonnées géographiques. Pour obtenir ces dernières, il existe plusieurs techniques plus ou moins précises comme par exemple le satellite ou le Wi-Fi. Avec le développement considérable des réseaux de télécommunication (couverture 4G très fine, Wi-Fi dans les trains et les gares) et la démocratisation des smartphones, les données de géolocalisation sont très nombreuses et de plus en plus faciles à obtenir.

Par ailleurs, celles-ci pourraient également servir un autre objectif que celui d’estimer des horaires : en géolocalisant les voyageurs en plus des véhicules, un réseau de transport serait en mesure de réguler son offre en fonction de la demande en temps réel car il pourrait constater une sur-fréquentation ou au contraire une période de creux. En tant que voyageur, être capable de voir le niveau de fréquentation d’un certain mode de transport à un instant T peut amener à réajuster son itinéraire afin d’améliorer son expérience.

Séparer le SAE et le SIV

Une tendance qui pourrait croître chez les opérateurs de réseau de transport est la séparation entre le SAE et le SIV : le SAE est la source des informations que le SIV va distribuer. Il s’agit d’un bout différent de la chaine de consommation de l’information voyageur qui va permettre d’urbaniser le SIV et le rendre plus homogène. Chaque acteur de la chaîne de production des transports utilisera alors le système qui correspond à son activité : l’opérateur utilisera un SAE pour produire de l’information que l’Autorité Organisatrice de Transport (AOT) distribuera, dans un contexte de multimodalité.

Le SAIEV du futur est peut-être déjà en construction. La région Ile-de-France travaille actuellement sur un projet qui pourrait révolutionner la mobilité de ses 1,39 milliard de passagers annuels (SNCF, 2018) : il s’agit du projet Mobilité Intégrée Ile-De-France (m2i).

La solution vise à obtenir une vue d’ensemble de la mobilité francilienne, que ce soit pour les passagers, les opérateurs ou bien encore les autorités publiques, en prenant en compte toute l’offre de mobilité publique et privée à l’aide de trois outils principaux :

Source: www.mob2i.fr

Comparable à un SAEIV géant pour la région, m2i est un réel challenge puisque ce sont des centaines de millions de données par jour qui sont amenées à être collectées puis analysées afin de nourrir le navigateur multimodal prédictif et l’outil de gestion avancée des réseaux de transport. Piloté par Ile-De-France Mobilités et Transdev, le projet se veut être une vitrine mondiale d’excellence en mobilité numérique à horizon des JO 2024.

Un SAEIV utilisant des modèles de calculs prédictifs pour fiabiliser l’information 

Afin de compléter les horaires en temps réel estimés avec des outils de géolocalisation, il existe des modèles prédictifs qui permettent de les fiabiliser en prenant en compte des données externes au réseau de transport. Demain, il est probable que ces modèles prennent de plus en plus de données en compte comme la météo (la pluie peut avoir un impact sur la durée d’un trajet en bus par exemple) ou bien le trafic routier, dans une logique multimodale.

Dans ce sens, des expérimentations sont en cours en région parisienne, notamment avec le Projet Information Voyageur Augmentée (IVA) de l’Institut de Recherche Technologique SystemX et l’autorité organisatrice de transport Ile-De-France Mobilités, qui vise à concevoir un calculateur d’itinéraires prédictif. Né du constat que l’expérience voyageur peut être améliorée par une distribution plus efficace d’information en amont d’un trajet, le projet IVA utilise de l’intelligence artificielle basée sur des données de transport et d’usagers pour calculer des itinéraires intégrant des indicateurs prédictifs.

  • Indicateurs prédictifs des réseaux de transport : il s’agit pour l’opérateur d’utiliser des modèles d’analyse prédictifs afin d’obtenir une visualisation combinée de l’offre et de la demande, et être ainsi en capacité de s’adapter aux aléas du trafic.
  • Calculateur intégrant des indicateurs prédictifs : le calculateur d’itinéraire prend en compte toute l’offre de mobilité ainsi que des indicateurs prédictifs dans les paramètres de calcul dans le but d’informer au mieux le voyageur en amont de son trajet et être au plus proche de la réalité.
  • Etudes comportementales et simulation de foule : afin de préparer au mieux les situations perturbées en aiguillant les voyageurs dans les directions les plus optimales, l’impact de l’information voyageurs sur les comportements est analysé et des parcours voyageurs sont simulés.
  • Application mobile basée sur une intelligence artificielle : prise en compte de la mobilité douce à travers une application mobile basée sur une intelligence artificielle capable d’apprendre à collecter des données sur différents modes de déplacement et de dialoguer avec l’usager.

Pour plus d’information, un article TransportShaker écrit par Thibaut Fourquet parle précisément de ce sujet (L’information Voyageur augmentée : ce qui va révolutionner vos trajets en Ile-De-France).

Conclusion

En définitive, le futur ne semble plus très loin ! De nombreux projets développant des technologies toujours plus innovantes sont en train de voir le jour, dans le but de permettre aux opérateurs de transport d’offrir à leurs voyageurs une expérience multimodale, connectée et personnalisée.

Le SAEIV du futur saura s’adapter à toutes les contraintes du mass transit et aux attentes des voyageurs. Il prendra donc en compte tous les moyens de transport de l’offre à disposition du public : non seulement les trains et les bus, mais également les VTC, voitures, vélos, trottinettes en libre-service, etc. opérés par différentes entreprises mais dont l’information voyageur est relayée par tous.

Afin d’atteindre cet objectif, l’enjeux majeur d’un point de vue SAEIV sera l’agrégation d’un très grand nombre de données pour exploiter en concordance avec plusieurs opérateurs (SNCF, RATP, Société du Grand Paris par exemple) un réseau immense au trafic dense. Des questions de coûts peuvent se poser, car ce big data pourrait devenir un casse-tête à analyser et demander de nombreuses ressources. D’autre part, la question de la protection des données peut représenter une barrière dans le développement de telles technologies. En effet, les données personnelles permettent d’offrir un service personnalisé, mais l’accès à celles-ci peut être restreint.