Prédire la congestion routière

Home > Challenges > Prédire la congestion routière

Prédire la congestion routière


Comment utiliser la donnée routière en la combinant avec d’autres données ouvertes pour améliorer la prédiction de trafic en temps réel?

Corporates

  • Cas d'usage et bénéfices attendus

  • Ressources mises à disposition par les partenaires

  • Opportunités business pour les partenaires

  • Experimentation et profil de startup envisagés

Prédire la congestion routière

 

 

 

Mise en contexte

 

 

Les modèles actuels de congestion s’appuient sur les théories d’ingénierie de trafic (dérivées de l’analyse des fluides). Ils ne tiennent compte que des données routières et limitent les prédictions fines sur la journée.
L’exploitant routier ne dispose pas de prédiction à brève échéance (+/- 15min) pour une gestion active et précise du trafic routier et une information fiable et utile aux automobilistes.

 

 

 

Cas d’usage

 

 

Sur son réseau, la Dirif dispose de différents moyens de communication vers les automobilistes : panneaux à message variable, site sytadin et travaille avec des constructeurs routiers sur des dispositifs de communication entre les véhicules et l’infrastructure. Etre capable d’anticiper la congestion permettrait de mettre en place des dispositifs de gestion de trafic (prioriser un itinéraire par rapport à un autre) ou de réduire le risque d’accident.

 


La création d’une congestion est extrêmement rapide, rendant faible la pertinence des informations transmises à l’automobiliste.
Ainsi, le temps de parcours réel d’un automobiliste peut être le double de celui affiché au départ de son parcours, du fait de la création d’un bouchon.
Son choix d’itinéraire aurait donc pu être différent s’il en avait été informé en amont.

 

Des bases complètes de comptages et de vitesses sont constituées en permanence et donnent en temps réel les conditions de circulation (et un historique important est constitué à la DiRIF). Ces données peuvent être couplées à d’autres données pertinentes (météo par exemple). L’idée est de reconnaître, par l’analyse des données, des situations de circulation pouvant mener à de la congestion (en particulier hors périodes de pointe récurrentes du matin et du soir), puis de donner l’alerte, dans un premier temps au gestionnaire des routes, qui sera ainsi en mesure d’adapter sa stratégie et l’information donnée aux automobilistes.

 

 

Bénéfices attendus

 

 

Pour la DIRIF : suite à l’alerte de situation potentiellement problématique, l’objectif est  d’améliorer l’information transmise aux usagers et d’améliorer sa gestion du trafic. L’automobiliste bénéficierait ainsi d’une meilleure information sur son trajet.

Datasets

 

 

 

La DIRIF dispose sur l’ensemble de son réseau d’un large champ de données de comptages et de vitesses, qui pourront être mis à disposition, sur le périmètre intéressant l’expérimentation :

  • 2500 boucles de données sur le réseau enregistrant des données toutes les 6 minutes, enregistrées depuis 2013.
  • En plus, des données FCD (vitesses moyennes) depuis octobre 2016 sur tout le réseau (2500 km)
  • 1000 caméras sur le réseau.

Open Data :

Observation météorologique : https://data.opendatasoft.com/explore/dataset/[email protected]/

https://data.opendatasoft.com/explore/dataset/[email protected]/

https://data.opendatasoft.com/explore/dataset/[email protected]/

 

 

 

 

Expertises

 

 

DIRIF : Romain Rémésy, expert donnée
SETEC : Perrine Cazes, chef de projets
CISCO : Ghislain Bourgin

 

 

Terrain d’expérimentation

 

 

Une maille du réseau : Un secteur sur lequel sont disponibles, en quantité et qualité suffisantes, les données issues de des équipements de la DiRIF et les données FCD sera choisi pour l’expérimentation.

Par exemple, un secteur possible est celui composé des axes suivants :

  • la RN118 entre l’A86 et la RN104,
  • la RN104 entre l’A6 et l’A10,
  • l’A6 entre la RN104 et l’A86,
  • l’A86 entre la RN118 et l’A6,
  • et l’A10 entre l’A86 et la RN104.

Pour la start-upL’objectif est la commercialisation d’un outil capable de prédire à court terme les congestions, à destination des opérateurs routiers (en particulier les autoroutiers – près de 12 000 km d’autoroutes en France – ainsi que des grandes agglomérations) ou des entreprises proposant des services de navigation.

Pour Setec : bureau d’étude technique travaillant entre autres pour les gestionnaires d’infrastructure routière : développer des réponses à leurs clients, en association avec la startup et développer l’expertise ingénierie trafic.

Pour Cisco : Expérimenter des cas d’usage pratiques des systèmes de comptage vidéo (via Deep Learning), affiner des algorithmes et/ou des applications grâce à des données réelles

Experimentation envisagée

 

 

A partir d’un jeu de données DIRIF (données comptage et vitesse des véhicules) sur une maille identifiée du réseau, c’est-à-dire un ensemble de sections autoroutières d’Ile de France, dont le fonctionnement est très lié.

L’objectif est de classifier les situations de congestion et à terme de permettre une prédiction fine (à 5 minutes près) des temps de parcours.

 

 

 

Profil de startup recherché

 

 

Ce challenge pourrait être traité par une start-up spécialisée dans la prédiction / évolution de trafic et de congestion (pas forcément dans un contexte routier).