Les mégadonnées favorisent de meilleurs réseaux de transports urbains

Le projet SIADE SaaS (Spatial Decision Support System for Transportation Planning) marque essentiellement un changement dans le positionnement de la PME espagnole de Terrain Technologies. En partant d’un service de conseil construit autour d’un algorithme destiné à déduire les destinations des passagers, l’entreprise a demandé le soutien d’Horizon 2020 pour devenir un fournisseur de logiciel.

Désormais, les villes d’Europe peuvent bénéficier d’une solution enrichissant les mégadonnées avec une composante spatiale, permettant une analyse complexe du comportement des voyageurs afin d’améliorer les réseaux de transports en commun.

María J. Arguelles, coordinatrice du projet, nous en dit plus sur les solutions apportées par l’entreprise et ses accomplissements jusqu’à présent.

Comment les mégadonnées peuvent‑elles aider à offrir une meilleure expérience en termes de transports en commun en Europe?

María J. Arguelles: Les systèmes de carte électronique actuellement disponibles dans les systèmes de transports en commun de nombreuses villes permettent d’avoir accès à une vaste quantité de données. Ces ensembles de données reflètent la façon dont les personnes se comportent, ce qui permet ainsi d’évaluer leurs besoins en matière de transport et de donner un aperçu précis de leurs habitudes, aussi bien pour les catégories d’usagers (en se basant sur les types de tarif tels que le tarif étudiant, le tarif senior, etc.) que pour les individus. Grâce aux analyses des mégadonnées, nous pouvons adapter les transports en commun à ces besoins, concevoir de nouveaux services, minimiser le temps de marche, etc.

Quelles failles avez‑vous constatées jusqu’à présent en tentant d’utiliser ces données, et comment votre logiciel se démarque‑t‑il dans ces cas‑là?

Il est important de préciser que les mégadonnées apportent une grande complexité aux transports à cause d’une chose qui leur est inhérente: ce qu’on appelle couramment les «5 V» (volume, vitesse, véracité, variété et valeur).

Par exemple, un gros volume de données implique de disposer d’une grande capacité de stockage. Nous ne pouvons pas oublier que des villes comme Madrid, par exemple, génèrent quasiment 500 millions de trajets chaque année, et environ 1,2 milliards pour l’ensemble de la ville de Madrid et sa banlieue, soit presque autant que la ville d’Istanbul.

La notion de variété des données fait référence au fait qu’il s’agisse d’ensembles de données générés à partir de différentes sources, tels que les lecteurs de tickets ou de cartes présents à bord des bus ou les téléphones portables, tandis que la véracité souligne l’importance de la qualité des données et le niveau de confiance. Pour rendre cette image encore plus complexe, le fait que les enregistrements effectués dans les transports soient liés aux emplacements géographiques signifie que nous gérons des données incluant une composante spatiale, autrement dit des mégadonnées spatiales.

Pour surmonter ces difficultés, SIADE SaaS a été conçu comme un développement au cœur du SIG, fusionnant la nature spatiale des données avec les méthodologies d’analyse avancées des données.

Comment compensez‑vous exactement l’absence d’informations sur les destinations des passagers?

Il s’agit de l’un des algorithmes centraux de SIADE. Nous pouvons déduire jusqu’à 88 % des destinations des passagers avec une précision de 96 %. Ces résultats confirment que nous sommes très efficaces dans la construction des matrices origine/destination en nous basant sur les données des transports, et que nous le faisons plus rapidement, pour un coût plus faible et avec des résultats plus aboutis que ceux générés en utilisant une méthodologie traditionnelle dans les transports en commun: les entretiens. Il est important de souligner que nos matrices sont basées sur des millions d’enregistrements, tandis que les entretiens sont basés sur un petit pourcentage de l’ensemble de la population.

Qu’est‑ce que le financement de l’UE vous a permis d’accomplir jusqu’à présent? Que devez-vous encore accomplir avant la fin du projet?

Le projet était basé sur la compréhension du fait que nous devions modifier le modèle d’entreprise et le transformer en SaaS (le logiciel comme un service). Mais il s’agit là d’un processus coûteux. Par conséquent; en l’absence du financement de l’UE, nous n’aurions pas pu atteindre cet objectif aussi rapidement. Ce projet implique également plusieurs sociétés de conseil en matière de transports, des exploitants de transports et/ou des agences de transports dans toute l’Europe, ce qui s’est avéré capital pour les tests des versions de SIADE. En outre, nous avons la chance d’être soutenus par un groupe de coachs fournis par l’UE, qui guident nos décisions au niveau de la stratégie de marché.

Nous avons déjà terminé deux des trois phases du projet, notamment le module analytique entier et le simulateur. Le simulateur peut prédire avec une précision de 93 % les changements dans le flux des passagers après avoir altéré ou supprimé chacun des éléments dans un réseau de transports, tels que les arrêts de bus, les lignes de bus, la politique de correspondance, les fréquences, etc. Nous sommes actuellement dans la phase des mégadonnées, qui consiste à résoudre l’ensemble des problèmes liés aux 5 V. Certaines parties des algorithmes ont été affinées avec succès afin de s’adapter au nouveau cadre.

Pouvez‑vous donner quelques exemples des défis apportés par des clients spécifiques et ayant été surmontés grâce à votre technologie?

Bien sûr. Par exemple, nous avons démontré avec succès que le transport en bus à Oradea (Roumanie) ne couvrait pas l’ensemble du centre‑ville de manière efficace. À Gijón (Espagne), nous avons trouvé, grâce au simulateur, que des changements sur la ligne 14 augmenteraient la vitesse commerciale, mais à un certain prix: les personnes vivant dans l’un des quartiers affectés par la conception de cette nouvelle ligne ne prendraient plus le bus, tandis que la plupart d’entre eux utiliseraient une autre ligne (18) au lieu d’utiliser les correspondances. À Modène (Italie), le modèle de données a été amélioré et modifié pour mieux exploiter les capacités de SIADE. Nos suggestions en ce qui concerne la création d’une ligne circulaire à Gijón ont également été mises en œuvre dans le nouveau plan de mobilité de la ville.

Pouvez‑vous nous en dire plus sur votre portée commerciale à ce stade?

Nous collaborons actuellement avec de nombreuses sociétés de conseil en matière de transports afin d’explorer ensemble les opportunités d’appels d’offres en Espagne, en Amérique latine et en Europe orientale. Le fait que nous ayons un projet fructueux financé par l’UE est un avantage compétitif extraordinaire.

Quels sont vos projets pour la suite, une fois que le projet sera achevé?

Nous parvenons à créer avec succès une plateforme répondant à 100 % aux besoins de nos consommateurs et de nos partenaires, et prévoyons donc de continuer à évoluer sur d’autres marchés en dehors de l’Europe et de l’Amérique latine, comme les États‑Unis et le Canada.