Fiabiliser les données routières

Home > Challenges > Fiabiliser les données routières

Fiabiliser les données routières


Comment améliorer la connaissance du trafic routier en diminuant les coûts d'investissement et d'exploitation des capteurs ?

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

Fiabiliser les données de trafic routier pour réduire la congestion

 

 

 

Mise en contexte

 

 

Les gestionnaires routiers disposent de capteurs (boucles électromagnétiques) sur les réseaux qu’ils exploitent. Les données générées sont le comptage de véhicules (débit) et leur vitesse moyenne.
La maintenance de ce dispositif terrain  est très coûteuse et complexe (travaux, fermeture, sécurité).
Ces contraintes sont à l’origine de données incomplètes ou peu exploitables, et perturbent les actions des exploitants routiers visant à améliorer le trafic
(informations en temps réel aux automobilistes, maîtrise des impacts dues aux travaux ou à des événements, accès régulés aux autoroutes, mise en place de voies bus, etc.).
La révolution numérique incite à considérer la disponibilité croissante d’autres sources de données, complémentaires ou alternatives, telles que celles produites par les GPS.

 

 

 

Cas d’usage

 

 

 

La Direction des routes d’Ile-de-France (DiRIF) exploite les autoroutes et routes nationales de la région.
La maintenance annuelle des capteurs représente plusieurs millions d’euros avec un niveau de disponibilité partiel.
Le renouvellement de l’intégralité de ses capteurs, soit 2 500, coûterait ~ 42M€. Cette somme insoutenable pousse la DiRIF à optimiser leur nombre en s’appuyant sur d’autres sources de données, tout en assurant un meilleur niveau de service.

 

Les données GPS fournissent des éléments concernant les vitesses des véhicules mais ne permettent pas de reconstituer les nombres de véhicules : elles ne peuvent donc pas suffire à l’observation des trafics.

Il s’agit ici d’utiliser les données GPS en les couplant à certaines données de comptages par des boucles (tout en minimisant le nombre de ces boucles) pour reconstituer une connaissance fiable des volumes de trafic et des vitesses, mais nécessitant moins de boucles.

 

 

Bénéfices attendus

 

 

L’objectif de ce challenge est d’obtenir des données de trafic routier plus fiables et réduire les coûts d’entretien des infrastructures existantes.

Tout gestionnaire routier a un parc de capteurs à maintenir, ce qui fait de chacun d’eux un client potentiel.

Datasets

 

 

 

DIRIF :

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

 

 

 

 

Expertises

 

 

DIRIF : expert donnée Romain Rémésy
SETEC : Perrine Cazes
CISCO :

  • Coordinateur: Ghislain Bourgin
  • Expert Deep learning / comptage vidéo: Enzo Fenoglio
  • Expert ‘Sensor fusion’ (corrélation de données de sources différentes: Wifi, Bluetooth, vidéo, autres…): Gaétan Feige
  • Expert Datalake pnda.io: Franck Bachet

 

 

 

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-up: l’objectif est la commercialisation d’un outil capable de reconstituer des données manquantes de débit de trafic en couplant données GPS et données de comptages en d’autres points.

Pour Setec : bureau d’études techniques travaillant entre autres pour les gestionnaires d’infrastructure routière : développer des réponses à leurs clients, en association avec la startup.

Pour Cisco: expérimenter des cas d’usage pratiques pour la plateforme open-source de data analytic: PNDA.

Experimentation envisagée

 

 

A partir d’un jeu de données internes et GPS déjà disponible à la DiRIF, il s’agira de reconstituer la donnée manquante.

 

Pour valider l’approche, on pourra rendre certaines données incomplètes pour tester la méthode de reconstitution. L’objectif est d’avoir une bonne précision : les données reconstituées par l’expérimentation ne devront pas différer de plus de 10% de la valeur cible.

 

 

 

Profil de startup recherché

 

 

Data Scientist (mining, analytics, modeling).