Une jeune femme monte dans un bus en souriant au chauffeur, prête à valider.
Projet

Mobilité urbaine : prédire l’affluence en fonction des conditions météorologiques grâce à l’intelligence artificielle

Keolis Nederland
Partager
Publié le5 AVR. 2022
AuteurKeolis
Partenaires
    La météo a une influence importante sur la fréquentation des transports en commun. Keolis Nederland a développé une solution qui exploite le potentiel de l’intelligence artificielle (IA) pour prédire les niveaux d’affluence en fonction des conditions météorologiques. Ces prédictions permettent une meilleure répartition des véhicules sur le territoire et in fine, une mobilité urbaine qui s’adapte de manière agile.

    Contexte : anticiper le niveau d’affluence en fonction de l’évolution des changements météorologiques

    Aux Pays-Bas, le mauvais temps conduit régulièrement à une augmentation de la demande en transports en commun, en particulier durant la semaine. C’est pourquoi, afin d’améliorer le service et d’optimiser le réseau de bus, Keolis Nederland a développé une solution de mobilité urbaine permettant d’obtenir des prédictions précises des flux de passagers.

    Innovation : l’utilisation de l’intelligence artificielle pour prédire l’affluence

    La solution ? L’intelligence artificielle. Keolis Nederland a eu recours à un algorithme de deep learning pour analyser ses réseaux de bus dans la région de Twente. En croisant les données historiques de validation des passagers avec celles des conditions météorologiques à l’heure du départ des bus, le système d’intelligence artificielle nous apporte des prédictions fiables sur le niveau d’affluence sur les différentes lignes de bus. Keolis Nederland a désormais la possibilité d’adapter son offre de transport et la répartition de ses véhicules en fonction des conditions météorologiques.

    Montage photo d’un bus avec l’inscription « AI in Passager Prediction »
    Prédire l’affluence grâce à l’intelligence artificielle

    +66,4%

    Pouce ok

    Amélioration de la précision des prédictions pour les jours de week-end.

    +27,4%

    Pouce ok

    Amélioration de la précision des prédictions pour les jours en semaine.

    Intérêt : optimiser les réseaux de transports en commun grâce à des prédictions d’affluence précises

    Tout au long de la phase d’expérimentation, cette solution s’est montrée très prometteuse et a fourni des données précises sur le niveau d’affluence. L’incorporation des données météorologiques dans le nouveau système d’intelligence artificielle a amélioré la précision des prédictions de 27 % en semaine et de 66 % le week-end.

    Prochaines étapes : le déploiement de cette solution sur de nouvelles lignes et de nouvelles zones

    Suite aux résultats de cette première expérimentation, Keolis peut désormais étendre cette solution de mobilité urbaine aux autres réseaux du Groupe. Le nouveau système d’intelligence artificielle est facilement reproductible et peut être aisément adapté à d’autres réseaux. De plus, le principe de deep learning à l’origine de cette solution peut permettre la mise en place de nouveaux usages, comme par exemple la prédiction des revenus et la communication de l'information au voyageur.

    Image de réseaux neuronaux réalisée par ordinateur.
    Réseaux neuronaux
    Un bus rouge de la région de Twente circule sur une route.

    © Keolis Nederland

    Voir aussi

    Des passagers à quais montent dans un tramway Yarra Trams

    Projet collaboratif Respond : un partage de savoir-faire entre Yarra Trams et le gouvernement australien au service de la ponctualité des tramways

    3 MARS 2022 par Keolis

    Comment les Pays-Bas ont réduit le pic d’affluence | Keolis

    Réduire l'affluence aux heures de pointe dans les transports publics aux Pays-Bas

    7 JUIN 2022 par Keolis