Contexte et problématiques adressées
Depuis une dizaine d'années, les récents succès de l'IA, qui ont conduit au "Rapport Villani" en 2018, s’appuient largement sur les progrès de l'apprentissage machine (Machine Learning), conjugués à l'amélioration des capacités de calcul numériques et la disponibilité de grands jeux de données.
Dans le cadre de ces travaux, nous avons surtout cherché à répondre à des questions pratiques pour les acteurs de la mobilité: Qu'est-ce qui fonctionne déjà ? Quelles sont les difficultés rencontrées ? Est-il nécessaire de s'approprier ces méthodes et outils du coté utilisateur ? Quelles sont les innovations métier issues de l’IA ? Quels gains apportent ces applications par rapport à l'existant ? Etc.
Des travaux menés sous forme d’ateliers
En 2022, le groupe de travail a recherché et collecté des retours d'expérience auprès d’acteurs impliqués dans des projets déployés sur le terrain, ceci afin de les analyser et d’en tirer des enseignements. Chaque retour d’expérience faisait intervenir un commanditaire ou bénéficiaire (collectivité territoriale, ville, opérateur de transports, etc. ), accompagné du porteur de solution basée sur l’IA (industriel, entreprise, start-up).
Il a analysé jusqu’ici six retours d’expérience de l’intelligence artificielle appliquée au traitement des données de mobilité, au travers des projets suivants :
- OctoCity : Optimisation des itinéraires des équipes de contrôle dans les Transports Publics, solution déployée par Datategy chez l’opérateur de transport Groupement Lacroix & Savac (atelier du 12 janvier 2022).
- CityVision: Analyse vidéo de toutes les mobilités urbaines, solution déployée par Wintics pour le compte de la Ville de Paris (atelier du 2 mars 2022).
- AI4Intermod : Comment l'IA peut améliorer l'intermodalité entre micro-mobilités partagées et transport public ? Projet de R&D présenté par la société Instant System (atelier du 19 mai 2022).
- MotionTag: utilisation de l'IA sur des traces GPS recueillie par une application mobile, société MotionTag (atelier du 16 juin 2022)
- Prevision.bike : Fiabiliser les trajets urbains grâce à l’intelligence artificielle - Présentation du cas d’étude sur les trajets en V’Lille, société Optimo Technologies (atelier du 29 novembre 2022).
- Plateforme AVATAR - Analyse & Visualisation Automatique de données de TrAfic Routier, présenté par le Cerema et la société Neovya ("Rendez-vous Mobilités” du Cerema, 13 décembre 2022).
Synthèse d’étape des travaux
Un livrable de synthèse des travaux sera prochainement publié par l’ATEC ITS France, sur la page du groupe de travail “Données & Mobilités”.
Les premiers retours d’expérience permettent tout d’abord de constater que les applications de l’IA sont à présent bien tangibles et opérationnelles dans des solutions innovantes proposées sur le marché des systèmes de transport intelligents (ITS).
Les algorithmes d’IA présentés dans le cadre du GT IA font majoritairement partie de la grande famille du Machine Learning (apprentissage machine), et au sein de celle-ci, certains relèvent des méthodes du Deep-Learning, c’est-à-dire l’apprentissage profond basé sur les réseaux de neurones.
En synthèse de ces travaux, on retient que les applications de l’intelligence artificielle aux données de mobilité se caractérisent essentiellement en deux grandes familles :
L’utilisation de l’IA présente donc de nombreux atouts :
- Elle représente un puissant outil d’analyse, qui s’intègre de manière flexible et modulaire dans le processus global de traitement des données de mobilité: recueil – qualification – analyse – diffusion ;
- Les traitements sont réalisés en temps-réel (ou quasiment), ce qui permet d’obtenir des résultats (information, donnée, alarme, etc.) instantanément pour les utilisateurs finaux.
- En exploitation, le fonctionnement des algorithmes d’IA ne demande généralement pas des compétences pointues de la part de l'utilisateur final, car ce sont les industriels ou fournisseurs de service qui mettent en œuvre les modèles d’IA.
L’intelligence artificielle appliquée aux données de mobilité apporte ainsi une réelle plus-value dans les processus métier, avec des gains de temps, d’efficacité, de coûts, de moyens, etc. Au final, ce sont de nouvelles idées et des applications innovantes (prévision, détection, qualification, classification d’objets, etc.) qui se concrétisent grâce à l’IA, par l’implémentation de nouveaux cas d'usages pour les mobilités du quotidien.
Les travaux se poursuivront en 2023
Les travaux du Groupe de Travail IA (GT IA), centrés sur des retours d’expérience de l’intelligence artificielle appliquée aux données de mobilité, vont se poursuivre en 2023. Le groupe reste ouvert à toute proposition de présentation, de la part des collectivités, entreprises ou start-up qui souhaiteraient présenter une solution opérationnelle de traitement des données numériques de mobilité s'appuyant sur l’IA.