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.
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.
+66,4%
Amélioration de la précision des prédictions pour les jours de week-end.
+27,4%
Amélioration de la précision des prédictions pour les jours en semaine.
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.
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.
© Keolis Nederland
