Apport de l’Intelligence Artificielle dans les transports intelligents : de l’analyse prédictive du réseau de transport à la planification d’itinéraires
De nos jours, dans les villes intelligentes, le développement des technologies de streaming de données et la croissance rapide des capacités de stockage permettent de faciliter la collecte de ces données et améliorer leur disponibilité et leur traitement. Ceci est autant plus vrai pour les transports en commun où les données sont collectées sur la base des journaux de bord des bornes de validation, des capteurs d'embarquement et de débarquement, les horaires de passage en temps réel, etc.
Plusieurs cas d’usage sont intéressants. D’une part pour l’opérateur exploitant, elles peuvent servir à restituer l’état courant du système de transport par le calcul d’indicateurs clés de performance ou à anticiper son état futur en fournissant des prévisions et des estimations sur ces mêmes indicateurs. D’autre part, elles peuvent être utilisées pour améliorer l’expérience de déplacement du voyageur en améliorant la planification de son itinéraire.
Dans le cadre du projet IVA (information Voyageur Augmentée), l’IRT SystemX avec ses partenaires (Ile-de-France Mobilités, SNCF, Kisio Digital, SPIROPS), s’appuie sur les algorithmes les plus avancés de machine learning, pour tirer profit de ces données afin de mettre en œuvre des outils d’aide à la décision et d’analyse du réseau de transport en commun, mais également pour enrichir la planification d’itinéraires du voyageur avec de l’information prédictive tout le long de son déplacement.
Plus d'info : https://www.irt-systemx.fr/projets/iva/
1. PROJET IVA|
Apport de l’IA dans les Transports Intelligents: de
l’Analyse Prédictive du Réseau de Transport à la
Planification d’Itinéraires
Mostepha KHOUADJIA Meetup Open Transport | 05-11- 2020
2. AGENDA
• Projet IVA - Information Voyageur Augmentée
• IA au cœur des activités projet
Analyse prédictive des flux voyageurs
Outil d’analyse pour la régulation du réseau de transport
Calculateur d’itinéraires prédictifs
• Questions-réponses
3. ENJEUX
► Quelle valeur tirer de la fusion des données ?
► Comment bénéficier de l’apport de l’Intelligence Artificielle
dans le domaine des TC ?
► Peut-on mieux caractérise le système de transport et prévoir son
évolution ?
► Comment améliorer l’information voyageurs et la fiabiliser ?
► Quel est l’impact de l’information voyageur sur le
comportement des usagers ?
► Peut-on mieux accompagner les usagers dans leur déplacement
?
2017-2021
PROJET IVA|
4. Mieux caractériser
l’état du système de
transport
Mieux comprendre le
comportement des
usagers face à
l’information voyageurs
EXPLOITATION
• Analyser pour comprendre
• Prédire l’évolution
• Réguler le système
INFORMATION VOYAGEURS
• Cibler
• Scénariser & Mesurer
• Crédibiliser
• Accompagner
INFORMATION
VOYAGEURS
AUGMENTÉE
PROJET IVAIVA| OBJECTIFS
5. AGENDA
• Projet IVA - Information Voyageur Augmentée
• IA au cœur des activités projet
Analyse prédictive des flux voyageurs
Outil d’analyse pour la régulation du réseau de transport
Calculateur d’itinéraires prédictifs
• Questions-réponses
6. PROJET IVA
L’IA AU CŒUR DES USAGES
Représentation
de connaissances
Apprentissage
automatique
Systèmes multi-agents
&
Modélisation
Comportementale
Dialogue
&
Recommandations
COMPAGNON
INTELLIGENT
DE MOBILITE
PREDICTION
DES
FLUX PASSAGERS
SIMULATEUR DE
FOULE
PLANIFICATION
D’ITINERAIRES
DEMANDE OFFRE
► Prédire la charge à bord
des les trains
► Prédire la fréquentation en
gare
► Caractériser des
dysfonctionnements dans
le réseau de transport
► Recommandation
d’itinéraires selon
l’habitude de
déplacement des
voyageurs
► Simuler les flux voyageurs
suite à une perturbation
► Mesurer l’impact de
l’information voyageur
► Elaborer des itinéraires
prédictifs
► Calculateur multi-objectifs
7. AGENDA
• Projet IVA - Information Voyageur Augmentée
• IA au cœur des activités projet
Analyse prédictive des flux voyageurs
Outil d’analyse pour la régulation du réseau de transport
Calculateur d’itinéraires prédictifs
• Questions-réponses
8. Objectifs
Prédire les flux passagers sur le réseau de transport pour différents
besoins:
Données
Charge à bord des trains, télé-billettique, plan de transport, ….
Verrous
Dimensionnalité importante due à la complexité du réseau
Dépendance aux contextes (irrégularité de l’offre, saisonnalité,
travaux, incidents,…)
Périmètre d’étude
LIGNE
ANALYSE PREDICTIVE DES FLUX VOYAGEURS
9. MACHINE LEARNING WORKFLOW POUR LA PREVISION DE L’AFFLUENCE EN STATION
Fonctionnalités développées
Modèle de prévision à court et à long terme sur les flux voyageurs:
• Fréquentation des stations
• Charge à bord des trains
Approches et méthodes
Feature engineering
Algorithmes d’apprentissage innovants
Machine learning Workflow
10. Résultats actuels, et actifs à terme
Robustesse approuvée des modèles en sortie: rapport de
performances des modèles sur les prévisions fournies
Modèles exposés en services web et accessible via leur API
Impacts métiers et industriels
Analyse du réseau à priori pour des besoins de supervision du
réseau de transport ou de de planification/régulation de l’offre
Amélioration de l’expérience voyageur en intégrant ces
indicateurs dans des planificateurs d’itinéraires
MODÈLES PRÉDICTIFS D’INDCATEURS SUR LES FLUX VOYAGEURS
API du service Web exposant la prévision de charge à bord des trains
11. AGENDA
• Projet IVA - Information Voyageur Augmentée
• IA au cœur des activités projet
Analyse prédictive des flux voyageurs
Outil d’analyse pour la régulation du réseau de transport
Calculateur d’itinéraires prédictifs
• Questions-réponses
12. OUTIL D’ANALYSE POUR LA RÉGULATION DU RÉSEAU DE TRANSPORT
Contexte – besoins - objectifs
Interface d’analyse orientée aide à la prise de décision dans un
contexte de (co-)régulation en temps différé
Verrous
Représentations spatio-temporelles combinées avec des
indicateurs quantitatifs et qualitatifs
Articulation entre indicateurs observables et estimés
Multiples échelles:
• Spatiale: gares, hubs, branches, lignes
• Temporelle: timestamp, ¼ heure, ½ heure,…
analyste
OFFRE
DEMANDE
KPI
ANOMALIES
INTERFACES
13. L.1.5 | PORTAIL DE VISUALISATIONFonctionnalités développées
Rendu des indicateurs observables, estimés (charge,
affluence, retard…)
Visualisation multi-échelles & multi-modales : trains, gares,
pôles, branche, lignes
Parcours de navigation et ergonomie destinée à l’analyste
Approche – méthodes
Conception et scénarisation centrée sur les usages
Data visualisation (graphe espace-temps, Sankey
heatmap,…)
Développement d’une architecture de portail et d’une
logique de navigation
14. AGENDA
• Projet IVA - Information Voyageur Augmentée
• IA au cœur des activités projet
Analyse prédictive des flux voyageurs
Outil d’analyse pour la régulation du réseau de transport
Calculateur d’itinéraires prédictifs
• Questions-réponses
15. CALCULATEUR D’ITINÉRAIRES PRÉDICTIFS
Contexte – besoins – objectifs
Construire des itinéraires combinant plusieurs informations avec une
cohérence dans l’intégration de ces informations
Verrous
Interopérabilité des systèmes d’informations
Recoupement des trajets et leur combinaison sur un parcours unique
Qualification de l’information prédictive à intégrer
16. CALCULATEUR D’ITINÉRAIRES PRÉDICTIFS
Fonctionnalités développées
Translation des indicateurs quantitatifs de charge à bord,
et d’affluence en indicateurs qualitatifs (confort,
fréquentation, accessibilité,…)
Intégration de ces indicateurs dans les itinéraires fournis
Approches et méthodes
Algorithmes d’apprentissage innovants
Interopérabilité sur la base d’un schéma commun
d’intégration de données
Intégration modulaire des indicateurs prévisionnels
Architecture du calculateur d’itinéraires prédictifsIHM du compagnon intelligent de mobilité
Je veux aller à la Défense
17. PRODUCTION SCIENTIFIQUE
WCRR 2019
• K. Pasini, M. Khouadjia, F. Ganasia, L. Oukhellou: “Forecasting passenger load in a transit network using data driven models” WCRR 2019: 12th World Congress on
Railway Research, October 28 to November, Tokyo, Japan, 2019.
TRANSITDATA 2019
• K. Pasini, A. Samé, M. Khouadjia, F. Ganansia and L. Oukhellou: “Representation Learning of public transport data. Application to event detection”. TRANSITDATA
2019: The 5th International Workshop and Symposium, Research and applications on the use of massive passive data for public transport. The, 8-10 July 2019, Paris,
France.
• A. Amrani, K. Pasini and M. Khouadjia: “Predictive Multimodal Trip Planner: A New Generation of Urban Routing Services”. TRANSITDATA 2019: The 5th
International Workshop and Symposium, Research and applications on the use of massive passive data for public transport. The, 8-10 July 2019, Paris, France.
ECM PKDD 2019
• K. Pasini, M. Khouadjia, A. Samé, F. Ganansia and L. Oukhellou: « LSTM encoder-predictor for short-term train load forecasting ». ECM PKDD 2019: The European
Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases, 16-20 September Würzburg, Germany,2019
CAP 2019
• K.Pasini, M. Khouadjia, A. Samé, F. Ganansia, P. Aknin et L. Oukhellou: “Modèle LSTM encodeur-prédicteur pour la prévision court-terme de l’affluence dans les
transports collectifs”. CAp 2019: Conférence sur l'Apprentissage automatique, 3-5 juillet 2019, Toulouse.
The IEEE-Forum ISTS 2020
• A. Amrani, K. Pasini, And M. Khouadjia : « Enhance Journey Planner With Predictive Travel Information For Smart City Routing Services”, The IEEE Forum On
Integrated And Sustainable Transportation Systems, 2-3 November 2020, Delft, The Netherlands (accepted)
Congrès ATEC ITS France 2020
• Flore Vallet, Ahmed Amrani,, Yann Briand, Mostepha Khouadjia: « Outil de visualisation pour l’analyse du trafic et des flux voyageurs dans un réseau de transport
multimodal », Congrès ATEC ITS France 2020 (accepté)
18. AGENDA
• Projet IVA - Information Voyageur Augmentée
• IA au cœur des activités projet
Analyse prédictive des flux voyageurs
Outil d’analyse pour la régulation du réseau de transport
Calculateur d’itinéraires prédictifs
• Questions-réponses