Information Voyageur Augmentée Yann Briand, IRT SystemX L’amélioration de l’information temps-réel dans les transports en commun correspond à une attente forte de la part des voyageurs. Lancé en septembre 2017 pour une durée de quatre ans, le projet IVA (Information-voyageurs augmentée) vise à optimiser les déplacements voyageurs sur l’ensemble du réseau de transport multimodal francilien. Plus précisément, le projet IVA proposera des outils d’analyse, de modélisation et de visualisation combinant les approches des usagers et des régulateurs pour répondre à deux objectifs scientifiques et technologiques : d'une part connaître l’état du système de transport multimodal à court et moyen termes et développer un assistant à la mobilité basé sur l’Intelligence Artificielle ; et d'autre part comprendre et modéliser les comportements des voyageurs face à l’information afin d’identifier les scenarii les plus adaptés en cas de situation perturbée. Plus d'info : https://www.irt-systemx.fr/project/iva/

1. PROJET IVA

2. PROJET IVAIRT SYSTEMX
Missions des I.R.T.
• Piloter des programmes de recherche
couplés à des plateformes
technologiques
• Effectuer des travaux de R&D orientés
vers les besoins des marchés
• Développer les collaborations entre la
recherche publique et les entreprises
autour de défis de recherche communs
IRT SystemX
• Ingénierie numérique
• Opérateur de R&D

3. PROJET IVAIRT SYSTEMX : ACCÉLÉRATEUR DE LA TRANSFORMATION NUMÉRIQUE
Projets de recherche x ingénierie numérique des systèmes = produits et services
___
Axes de recherche :
Sciences des données | Calcul scientifique & optimisation
Ingénierie système et logicielle | Infrastructure et réseaux
INDUSTRIE
AGILE
TERRITOIRES
INTELLIGENTS
TRANSPORT
AUTONOME
INTERNET DE
CONFIANCE

4. ENJEUX
▪ Comment améliorer la prédiction de l’offre TC ?
▪ Quels sont les parcours des voyageurs ?
▪ Qui sont les usagers ?
▪ Peut-on générer des informations supplémentaires de
l’agrégation des données de mobilité ?
▪ Comment mieux accompagner les usagers dans les
perturbations ?
▪ Comment les usagers se comportent-ils face à
l’Information Voyageurs ?
▪ Comment superviser les réseaux TC en tenant compte de
la demande ?
▪ Comment valoriser l’apport de l’Intelligence Artificielle
dans les services aux usagers ?
I VA

5. Mieux connaître l’état
du système de
transport
Mieux comprendre le
comportement des
usagers face à
l’information voyageurs
EXPLOITATION
• Combiner les sources
• Prédire pour anticiper
• Simuler pour fiabiliser
INFORMATION VOYAGEURS
• Cibler
• Contextualiser
• Accompagner
INFORMATION
VOYAGEURS
AUGMENTÉE
PROJET IVAAPPROCHE

6. Prévoir l’état du réseau
de transport
Anticiper les parcours
voyageurs
PROJET IVAOBJECTIFS
PERTURBATION
ANOMALIE
OFFREDEMANDE
EXPLOITATION
INFORMATION VOYAGEURS

7. modélisation
visualisation
I.A.
développements
intégration
études socio-
ergonomiques
analyses de données
massives
prédiction
SMART ASSISTANT
SERVICES DE
MOBILITE PREDICTIFS
SIMULATEUR DE
FOULE
SUPERVISION DU
RESEAU
DEMANDE OFFRE
PROJET IVADÉMARCHE

8. LIGNE
PÉRIMÈTRE D’EXPÉRIMENTATION

9. APPROCHE DATA SCIENCE
OBJECTIFS
► Prédire la charge dans les trains, à court et
long terme
► Caractériser et labelliser les perturbations,
identifier des niveaux de sévérité et écarts /
normale
► Prédire les affluences de voyageurs en gare,
sur les quais
► Projeter des flux de voyageurs sur le réseau,
entre les OD
► Étudier la variabilité des habitudes individuelles
de déplacement afin de caractériser des
situations de dysfonctionnement
Données
mobilité
Apprentissage / prédiction
Affectation : reconstruction
OD et charge
Clustering : étude de la
variabilité des habitudes

10. APPROCHE DATA SCIENCE
Variation l’affluence et du profil journalier en fonction du quai étudié
Quai 1 : Cernay Banlieue : Transit
Impacté par branche pontoise
Quai 2 : Paris Banlieue : Terminus
Impacté par toutes les branches
Quai 3 : Pontoise Banlieue : Terminus
Impacté par branche pontoise
Quai 4 : Epinay Paris : Nœud de réseau
Impacté par toutes les branches

11. APPROCHE DATA SCIENCE
5 different missions defined for H:
- Paris Gare du Nord <=> Luzarches
- Paris Gare du Nord <=> Pontoise
- Paris Gare du Nord <=> Persan -
Beaumont via Saint-Leu-la-Forêt
- Pontoise <=> Creil
- Montsoult - Maffliers <=> Persan –
Beaumont
To start:
- Line H (Gare du nord -> Luzarches)
- 13 stations
- Some trains stop in all 13 stations
- Some trains stop in 9 stations
Stops:
Gare du nord
* St Denis
* Epinay Villetaneuse
* Deuil Montmagny
* Groslay
Sarcelles St Brice
Ecouen Ezanville
Domont
Bouffemont Moisselles
Montsoult Maffliers
Villaines
Belloy St Martin
Viarmes
Seugy
Luzarches

12. ÉTUDES COMPORTEMENTALES
OBJECTIFS
► Comprendre l’impact de l’Information
Voyageurs sur le comportement des usagers
afin de mieux anticiper les flux, en particulier en
situation perturbée.
► Intégrer différents profils comportementaux
► Consolider une matrice comportementale des
voyageurs
STRATÉGIE
Facteurs personnels
Contraintes
État émotionnel
Degré de confiance dans
l’IV
Expérience /
connaissance
Facteurs situationnels
Gravité de la perturbation
Localisation de la
personne et de la
perturbation
Informations données /
reçues / disponibles
Alternatives

13. ÉTUDES COMPORTEMENTALES
Oculométrie (eye tracking)
Questionnaires
Enquêtes
Entretiens

14. MODÉLISATION
► Simulation multi-agents
► Approche microscopique (gares) et
macroscopique (ligne)
► Implémentation dans les persona des
comportements observés (matrice
comportementale)
► Paramétrage de l’Information Voyageur
► Modélisation de journées perturbées
► Analyse de scénarios IV

15. CONFRONTATION DES APPROCHES
Prédictions de charge,
affluence
Apprentissage Affectation
Simulation de foule
Etudes
comportementales
Matrice
comportementale
Modélisation multi-
agents
Reconstruction OD et
charges

16. VALORISATION DE L’APPROCHE DATA SCIENCE
Portail exploitantServices voyageurs

17. NAVIGATEUR MULTIMODAL X IA
Cas d’usage
• Voyageur à « mobilité réduite »
• Itinéraire tenant compte des
contraintes de mobilité
• Prise en compte des perturbations,
alternatives adaptées aux
contraintes
Objectifs
• Apporter un socle d’informations
complémentaires
• Faciliter l’interaction homme-
machine
• Service « compagnon de voyage » :
suivi du trajet, push informations
Proposition de valeur
• Indicateurs prédictifs de l’état des
transports
• Qualification des trajets : confort,
pénibilité
• Interface basée sur le dialogue
• Suivi temps réel et propositions
proactives

18. FONCTIONNALITES
DIALOGUEPLANNING PRÉDICTION ACCESSIBILITÉ
LE PLUS RAPIDE arrivée 11:38
votre trajet :
17 minutes affluence escaliers
départ 11:21
métro M1 Odéon
4 min
Jussieu
correspondance 2 min
métro M5 Jussieu
5 min
Place d'Italie
arrivée 11:38

20. VALORISATION DES DONNÉES
Estimer, modéliser et
prévoir les flux de
voyageurs dans le réseau
de transport Francilien
IVA : ACTIVITÉS & LIVRABLES
EXPOSITION DES SERVICES
Intégrer les indicateurs
prédictifs du réseau au
sein d’un calculateur
d’itinéraires
I.A.
Concevoir un compagnon
de mobilité basé sur une
Intelligence Artificielle
afin de fournir au
voyageur des informations
personnalisées
ERGONOMIE
Qualifier et modéliser
l’influence de
l’Information Voyageurs
sur les comportements
des usagers en situation
normale et perturbée
CALCULATEUR
D’ITINÉRAIRE PRÉDICTIF
COMPAGNON DE
MOBILITÉ
OUTIL DE SUPERVISION
DU RÉSEAU
ÉTUDE
COMPORTEMENTALE
SIMULATEUR DE FOULE

21. Yann BRIAND
07 72 13 99 32
yann.briand@irt-systemx.fr