Planification intelligente des transports : prévoir les flux de passagers en temps réel

Contexte : des horaires de métro contraignants dans une ville en pleine mutation

C’est à Hyderabad, Inde, vibrante métropole de plus de 10 millions d’habitants, que se joue l’avenir de la mobilité urbaine. La ville s’est dotée d’une infrastructure de transports moderne, comprenant trois lignes de métro automatisées qui s’étendent sur 69 km et transportent plus de 500 000 voyageurs chaque jour ; mais la planification des transports s’appuie principalement sur des horaires fixes, établis longtemps à l’avance.

Ces horaires ont été élaborés à partir d’une analyse rigoureuse de la demande et d’études inscrites dans la durée, intégrant les différences de fréquentation entre la semaine et le week-end, les fluctuations saisonnières ou encore les jours fériés. En pratique cependant, l’affluence des transports — c’est-à-dire le nombre de voyageurs et leur répartition sur le réseau — peut varier très vite en fonction d’événements locaux, de la météo ou d’une modification des habitudes de travail. Or, tout écart entre la demande estimée et les conditions réelles d’exploitation peut entraîner des coûts importants et une expérience passager dégradée, que les rames roulent à vide ou soient saturés.

Au-delà d’Hyderabad, de nombreuses villes dans le monde sont confrontées à des défis similaires et cherchent des systèmes de transport intelligents, plus réactifs aux fluctuations quotidiennes de l’affluence.

Innovation : des systèmes de transport intelligents capables d’apprendre et de s’adapter

C’est là qu’intervient Rider Predict, une solution développée par les équipes de Keolis : cette technologie de pointe, et qui utilise l’IA, est précisément conçue pour optimiser la planification des transports à partir de prévisions d’affluence d’une grande précision. Rider Predict s’appuie sur des modèles d’apprentissage alimentés par deux années de données sur la fréquentation du métro d’Hyderabad, et complétés par des informations en temps réel sur les conditions météo et les événements locaux. Sur cette base, son algorithme génère des recommandations quotidiennes précisant la localisation et le moment des pics d’affluence, pour chaque station et par plages de 15 minutes.

Cette solution se distingue par son approche résolument opérationnelle. Loin des analyses théoriques, Rider Predict propose une interface web accessible, spécifiquement conçue pour les régulateurs de trafic du réseau. Elle permet d’opérer en temps réel des ajustements d’horaires et de cadences fondés sur une analyse de l’affluence effective des transports et non sur de simples projections statistiques. 

Grâce à l’organisation de son réseau fermé, où rames, stations et flux de passagers sont centralisés et contrôlés, le métro d’Hyderabad a été capable de fournir un volume important de données, particulièrement propice aux prévisions de flux de haute précision générées par Rider Predict.

Bénéfices : une mobilité urbaine intelligente au service des opérateurs et des usagers

La mise en œuvre de Rider Predict à Hyderabad a immédiatement produit des résultats concrets. Au cours des trois mois d’essais menés par les équipes locales intégrées au programme d’innovation Booster de Keolis, les prévisions de fréquentation générées par le modèle se sont révélées exactes à 96 %.

Cette citation est parfaitement illustrée par les données d’exploitation du lundi 3 février 2025. Ce jour-là, les recommandations de Rider Predict ont permis de faire circuler 22 rames de moins, soit 21 000 places assises, sans aucune incidence sur la qualité de service : autant de gains réalisés en matière de consommation d’énergie, de charge de travail pour le personnel et de coûts d’exploitation.

Du point de vue des Autorités Organisatrices de Mobilité, cet outil présente des arguments probants en faveur de l’efficacité des transports et de la réduction de leur impact environnemental. La suppression des rames superflues réduit la consommation énergétique et l’empreinte carbone conformément aux deux objectifs clés pour une mobilité urbaine durable.

Du point de vue des voyageurs, les retombées sont également significatives. Un meilleur ajustement de l’offre à la demande de transports entraîne une diminution des temps d’attente, moins de rames surchargées et une expérience d’ensemble plus fluide. En transformant une grille d’horaires rigide en un système souple et agile, Rider Predict améliore le confort et la fiabilité de la mobilité urbaine.

Conforté par l’expérience d’Hyderabad, le modèle de Rider Predict est désormais appliqué à une gamme plus large de cas d’usage. Au Mont Saint-Michel, destination touristique française de premier plan, ce système facilite la gestion du service de navettes en l’ajustant à une demande variant selon les marées, la météo et l’affluence des touristes. De même, Keolis déploie à Bordeaux une approche pilotée par les données afin d’évaluer le nombre de voyageurs affectés par des incidents de service. Cela permet de prioriser les interventions tout en optimisant la communication auprès des usagers.

Prochaines étapes : de la prévision à la prise de décision proactive

Ayant démontré à Hyderabad la valeur ajoutée de Rider Predict, Keolis travaille aujourd’hui à en accroître encore les capacités. L’objectif de sa feuille de route vise notamment à franchir un cap dans la précision prédictive en intégrant des données supplémentaires, telles que des informations détaillées sur les points de sortie du réseau ou des modélisations de comportements.

Keolis prévoit aussi le déploiement d’outils spécifiques pour élaborer plusieurs scénarios. Ces outils permettront aux opérateurs d’arbitrer entre différentes allocations de ressources en fonction de leurs coûts, de leur impact environnemental et de leur effet sur le confort des voyageurs. Grâce à ces fonctionnalités, Rider Predict deviendra bien plus qu’un outil prévisionnel :  un assistant de planification stratégique, facilitant une prise de décision rapide pour améliorer les opérations. Le suivi de la satisfaction des usagers est un autre axe de travail important et Keolis cherche à mesurer dans la durée l’incidence des meilleures prévisions d’affluence et d’une planification plus efficace sur la perception par les voyageurs de la fiabilité et du confort des transports.

Rider Predict pose les bases d’une nouvelle génération de systèmes de transport intelligents, capables non seulement d’observer et d’anticiper, mais aussi d’orienter, voire d’automatiser des choix opérationnels clés. L’avenir des transports publics réside dans des plateformes qui s’adaptent en temps réel à des environnements mouvants. Elles améliorent la collaboration avec les opérateurs et acteurs pour une mobilité plus efficace et au service des passagers. 

Dans une ville comme Hyderabad, au tissu urbain dense et à la démographie croissante, Rider Predict démontre qu’en adoptant des outils pertinents, les réseaux de transport statiques peuvent devenir des écosystèmes dynamiques et réactifs, pilotés par les données au service de la population.