fren

L’Intelligence Artificielle se met au service du bus pour tous les territoires

Après trois ans d’expérimentation et de R&D, la startup Padam propose aux opérateurs de transport ses solutions pour transformer les services de bus. Grâce à l’intelligence artificielle, les lignes, les horaires et itinéraires des véhicules sont maintenant créés et optimisés en temps réel et l’expérience utilisateur est complètement renouvelée.

La difficile équation de la mobilité en zones peu et moyennement denses

Le projet de Padam est né d’observations simples : d’une part une frustration forte des utilisateurs vis-à-vis de services de bus jugés rigides, pas assez fiables ni adaptés à leur besoin ; d’autre part une manière d’opérer les bus qui n’a pas évolué depuis des dizaines d’années malgré de nouveaux outils à disposition (smartphone, cloud, optimisation en temps réel). En toutes circonstances, une fois tracées des lignes fixes avec des horaires fixes, on n’adapte plus l’offre à la demande, ce qui mène pourtant à de nombreuses sous-optimisations.

Les territoires doivent résoudre pour la mobilité une équation économique et environnementale extrêmement difficile. Hormis dans quelques grandes métropoles, la part modale de la voiture ne diminue pas malgré une volonté politique bien répandue en ce sens. Un effort important reste aussi à faire pour une mobilité inclusive assurant les besoins en mobilité fondamentaux de ceux qui n’ont pas de voiture. Mais pour s’attaquer à ces impératifs environnementaux et sociaux, les régions, métropoles et communes doivent composer avec des budgets au mieux constants, souvent en baisse.

Ce constat tend à jeter une lumière crue sur les sous-optimisations des services de transport public. On ne comprend plus de voir, jour après jour, des véhicules de cinquante places rouler quasi vides, alors qu’une demande de mobilité reste par ailleurs non-servie. Cela explique notamment l’engouement depuis quelques années pour le covoiturage, le vélo – électrique ou non – et d’autres solutions de micro-mobilité. Malgré ces nouvelles offres, le cœur du problème reste d’améliorer les services de transport public, en particulier de bus, qui sont le socle de la mobilité sur tous les territoires. C’est là que nous trouverons les gains de performance permettant d’améliorer l’accès à la mobilité et de réduire le coût par trajet.

C’est pourquoi nous avons créé Padam avec l’ambition de transformer le métier d’opérateur de bus grâce à l’intelligence artificielle. Sur le principe du transport à la demande, nous avons dans un premier temps expérimenté nous-mêmes des services de navettes partagées en région parisienne, sur un usage nocturne, puis sur la mobilité quotidienne domicile-travail. En 2017 nous avons transformé ce savoir-faire en produits Software As A Service à destination des opérateurs de transport.

Transformer le métier d’opérateurs de transport avec l’Intelligence Artificielle

Une première vague de services de transport à la demande a été mise en place à partir des années 1990. Ces services sur réservation (par téléphone) ont permis de desservir de manière très légère certains territoires, mais l’ambition de ces services était jusqu’à maintenant limitée et les outils pour les opérer insuffisants pour être transposés sur du transport de masse.

Nous sommes rentrés dans une ère tout à fait nouvelle depuis que nous avons la capacité de connaître et gérer les services entièrement en temps réel. La plateforme d’exploitation Padam Live© est la concrétisation de cette idée : les clients réservent et suivent leur trajet sur leur application mobile, les conducteurs suivent une feuille de route mise à jour en permanence sur leur tablette, les opérateurs savent à tout moment quel est l’état de la flotte et du système dans son ensemble. Pour une gestion véritablement temps-réel, la difficulté reste bien sûr de prendre des décisions de manière entièrement automatisée sur l’affectation des véhicules, le calcul de leur itinéraire et l’information voyageur, ce qui est le propre de l’intelligence artificielle !

Techniquement, ce niveau d’automatisation présente plusieurs difficultés.

D’un point de vue scientifique d’abord : lorsque que nous avons démarré le projet, nous avons fait le constat que très peu de travaux dans la littérature concernaient l’optimisation sous contraintes et temps réel d’une flotte de véhicules, les méthodes « online ». Jusqu’ici, ce qu’on appelle les problèmes VRP (Vehicle Routing Problems) étaient toujours traités par des méthodes « offline » (en amont des opérations), avant que le smartphone et le cloud ne donnent de pertinence à une nouvelle génération de systèmes d’optimisation. Nous avons donc pris ces problèmes à la base avec des experts en Recherche Opérationnelle et Optimisation sous Contraintes, sans récupérer aucune brique existante.

Ensuite, l’automatisation demande une forte expérience opérationnelle. Par nature, le transport fait face à de nombreuses contraintes exogènes. Pour n’en citer que deux types : le comportement des utilisateurs (clients ou conducteurs) peut générer des perturbations à tout moment (retards, erreurs, changement d’avis, etc.) et la congestion ajoute une forte composante aléatoire. Seule une bonne expérience opérationnelle permet d’aboutir à un haut niveau d’automatisation et de fiabilité, ce qui justifie les expérimentations qu’a menées Padam à ses débuts, comme ont pu le faire d’autres acteurs du marché.

Service de Transport à la Demande à Bristol

Photo van Slide avec cliente, Copyright Slide Mobility, RATPdev

Perspectives

Les enjeux sont à la hauteur des difficultés techniques opérationnelles. Ces dernières commençant à être surmontées, nous percevons des gains de performance radicaux sur les projets sur lesquels nous travaillons. Pour servir une demande en mobilité fixée, le transport à la demande peut permettre de réduire les coûts de trente pour cent en moyenne par rapport à des services de bus classiques en lignes fixes.

En excluant les lignes de bus fixes fortement chargées et donc performantes, nous estimons qu’à terme quarante pour cent des trajets en bus seront réalisés sur le mode « à la demande ». Tous les réseaux de transport en commun sont concernés par cette transformation, zones rurales jusqu’aux périphéries des grandes métropoles. Au-delà des purs gains de performance, la gestion temps réel des services permet une meilleure réaction aux aléa (pannes, problèmes de voirie) et donc une bien meilleure fiabilité. L’expérience client est quant à elle transformée, celui-ci est accompagné depuis la recherche de trajet, jusqu’à son arrivée à sa destination avec une qualité d’information-voyageur inédite.

Enfin, difficile de ne pas placer le développement du transport à la demande en perspective de celui des véhicules autonomes. Ceux-ci seront chers à l’achat mais avec un coût au kilomètre plus faible qu’un véhicule avec conducteur, ce qui signifie que les services de transport vont en tirer tout le potentiel. L’interface avec les services de transport à la demande sera naturelle. Nous pouvons même nous risquer à un pronostic : tout comme le transport à la demande, ce sont d’abord dans les villes de taille moyenne que les véhicules autonomes seront véritablement adoptés. Les contraintes – de voirie notamment – y sont moins complexes et les enjeux économiques de la mobilité y sont les plus forts.

 

Article publié originellement sur Télécom ParisTech

PGlmcmFtZSB3aWR0aD0iMTAwJSIgaGVpZ2h0PSIxMDAlIiBzcmM9Imh0dHBzOi8vd3d3LnlvdXR1YmUuY29tL2VtYmVkL2JJdFljSjdXN1M4P3JlbD0wIiBmcmFtZWJvcmRlcj0iMCIgYWxsb3dmdWxsc2NyZWVuPjwvaWZyYW1lPg==
[]
1 Step 1

D É M O N S T R A T I O N

Demandez une démonstration de 15 minutes du logiciel ou des outils de simulation.Veuillez décrire votre besoin ou votre projet, pour lesquels nous serions heureux de vous accompagner !

Nom
Entreprise
Téléphone
Message
0 /
Previous
Next
[]
1 Step 1

D E M O

Ask us for a 15 min demo of the software or simulation tools. Please describe your needs or project, we'll be more than happy to help you!

Name
Company
Phone number
Message
0 /
Previous
Next
PGlmcmFtZSB3aWR0aD0iNTQwIiBoZWlnaHQ9IjM2NyIgc3JjPSJodHRwczovL215LnNlbmRpbmJsdWUuY29tL3VzZXJzL3N1YnNjcmliZS9qc19pZC8yNDdhZS9pZC8xNyIgZnJhbWVib3JkZXI9IjAiIHNjcm9sbGluZz0iYXV0byIgYWxsb3dmdWxsc2NyZWVuIHN0eWxlPSJkaXNwbGF5OiBibG9jazttYXJnaW4tbGVmdDogYXV0bzttYXJnaW4tcmlnaHQ6IGF1dG87Ij48L2lmcmFtZT4=
PGlmcmFtZSB3aWR0aD0iNTQwIiBoZWlnaHQ9IjQ2NSIgc3JjPSJodHRwczovL215LnNlbmRpbmJsdWUuY29tL3VzZXJzL3N1YnNjcmliZS9qc19pZC8yNDdhZS9pZC8xOCIgZnJhbWVib3JkZXI9IjAiIHNjcm9sbGluZz0iYXV0byIgYWxsb3dmdWxsc2NyZWVuIHN0eWxlPSJkaXNwbGF5OiBibG9jazttYXJnaW4tbGVmdDogYXV0bzttYXJnaW4tcmlnaHQ6IGF1dG87Ij48L2lmcmFtZT4=