INTELLIGENCE ARTIFICIELLE
Un métro plus sûr et plus efficace grâce à l’IA
LINCOLN, une filiale du groupe ALTEN, a mis en œuvre des solutions d’IA avancées pour aider un important réseau de métro européen à améliorer sa sécurité et son efficacité de manière significative. LINCOLN a appliqué des méthodologies robustes pour valider des algorithmes et mettre en œuvre des systèmes de surveillance en temps réel de haute précision.
Les grandes villes sont confrontées à des défis croissants en matière de transport. Dans ce contexte, l’amélioration de l’efficacité opérationnelle des transports publics s’impose comme une préoccupation constante. Les réseaux de métro se tournent aujourd’hui vers l’intelligence artificielle pour faire face à une demande toujours croissante, tout en assurant un service sûr, efficace et durable. LINCOLN, cabinet de conseil du groupe ALTEN spécialisé dans la data et l’IA, a relevé le défi d’améliorer le confort et la sécurité des usagers pour un grand réseau de métro européen.
Le défi : Utiliser l’IA pour améliorer les méthodes permettant d’estimer avec précision le nombre de passagers en temps réel, d’analyser les trajectoires des usagers et d’évaluer leur réaction à la signalisation
La solution : Un système piloté par l’IA pour l’exploitation de données multi-sources en vue d’anticiper la charge et d’analyser des trajectoires des usagers
Les avantages :
- Amélioration de l’expérience des usagers
- Meilleure communication
- Sécurité des passagers accrue
- Amélioration du fonctionnement des lignes
- Meilleure réactivité du personnel
Prévision et analyse : deux défis majeurs
Le réseau de métro de l’une des villes les plus peuplées d’Europe a demandé à LINCOLN de l’aider à répondre à ses besoins, notamment en prévoyant le nombre de passagers en temps réel et en analysant les trajectoires des usagers ainsi que leur réaction à la signalétique dans les stations.
La prévision permet de signaler aux usagers les périodes les plus chargées, pour qu’ils puissent adapter leur comportement et donc bénéficier d’une expérience plus agréable et plus sûre ; de leur côté, les agents peuvent réagir plus rapidement en cas d’événements imprévus. Pour fournir des estimations correctes en temps réel, il est nécessaire de recouper des données provenant de diverses sources : capteurs de pesage, validations de télé-billets, crowdsourcing, topologie du réseau, etc.
L’analyse de l’interaction des usagers avec l’espace dans les stations de métro est également essentielle pour améliorer leur expérience et garantir leur sécurité. Pour ce faire, on peut étudier des données sur les trajectoires des passagers collectées par les caméras de vidéosurveillance des stations, dans le strict respect de la réglementation sur les données à caractère personnel. Il est également important de comprendre comment les usagers réagissent aux différents panneaux dans la station.
La boîte à outils IA
Dans le cadre de ce projet, LINCOLN a développé des algorithmes de deep learning utilisant des outils de vision par ordinateur tels que YoLo et DeepSort, conçus pour détecter et suivre les usagers dans l’espace. Un certain nombre de problèmes, notamment la qualité des images vidéo, la présence d’obstacles (poteaux par exemple) et les flux importants de passagers aux heures de pointe, compliquent le suivi individuel. La solution développée permet au gestionnaire du réseau d’optimiser l’utilisation de l’espace, en identifiant les zones les plus fréquentées et potentiellement les plus risquées. La comparaison des stations avec et sans signalisation et l’observation des réactions des usagers à la signalisation ont permis d’obtenir des informations importantes sur l’insuffisance ou la mauvaise conception de la signalisation.
Une meilleure expérience passagers sur toute la ligne
L’expérience a démontré les avantages significatifs des données et de l’intelligence artificielle pour l’amélioration du transport ferroviaire urbain, de la rationalisation des opérations à l’amélioration de l’expérience des passagers, en passant par la maintenance prédictive, la tarification et l’optimisation du trafic. L’utilisation des données associée aux technologies d’IA est un levier essentiel pour relever les défis de la mobilité et transformer les réseaux de transport urbain en systèmes intelligents, réactifs et adaptés aux besoins des usagers. En combinant une surveillance de haute précision, des techniques de prévision avancées, des systèmes de détection automatisés et des modèles de deep learning avancés (dans le strict respect des réglementations sur les données personnelles), les métros modernes peuvent améliorer considérablement la sécurité et l’efficacité, ainsi que l’expérience globale des passagers.
