Mobilité urbaine intelligente grâce à des systèmes de transport public basés sur l'IA

Retards, surpeuplement, itinéraires insuffisants : chaque jour, les passagers sont confrontés à ces problèmes et à bien d'autres encore, qui les font hésiter à choisir les transports publics. Pour y remédier, les systèmes de transport public utilisent désormais l'intelligence artificielle (IA) comme solution efficace pour optimiser la planification des itinéraires, prévoir les perturbations et fournir des informations en temps voulu. Ce blog explore comment la combinaison de l'IA, de l'analyse avancée et des données provenant de la foule peut transformer les transports publics en un réseau plus fiable et plus convivial, pour finalement restaurer la confiance dans la mobilité urbaine.

Le pouvoir de transformation de la technologie de l'IA

La capacité de l'IA à analyser de vastes ensembles de données et à anticiper le comportement des utilisateurs est en train de remodeler les transports. En intégrant des données provenant d'applications destinées aux passagers et de systèmes de planification des trajets, l'IA contribue à rationaliser la planification des itinéraires et la gestion du trafic, réduisant ainsi les temps de trajet et améliorant la fiabilité des services.

1) Des données issues de la foule pour gérer les perturbations

Les données provenant de la foule aident à gérer les perturbations inattendues, en fournissant en temps réel des informations au niveau du terrain qui aident les fournisseurs de transport à gérer rapidement les retards, les annulations et les réacheminements. Cette méthode transparente fournit non seulement des notifications en direct et des recommandations proactives aux voyageurs, mais permet également aux opérateurs de récompenser les utilisateurs, renforçant ainsi la confiance dans les services de transport public.

De nombreuses solutions sont aujourd'hui développées avec l'aide de l'IA, qui utilise des données provenant de la foule pour fournir des informations sur les perturbations en temps réel. Par exemple, notre plateforme pilotée par l'IA, Journey Watch, permet aux fournisseurs de gérer les perturbations à grande échelle.

Journey Watch de Nagarro : Une plateforme de données provenant de la foule pour la gestion des perturbations

Journey Watch de Nagarro exploite les données partagées par les voyageurs et les connaissances des opérateurs pour fournir des notifications en temps réel sur les retards, les annulations ou les réacheminements. Il rationalise également la communication entre les passagers et les opérateurs, y compris la délégation à des groupes de passagers de confiance si nécessaire.

Fig 1 : Tableau de bord de Journey Watch

Cette solution est construite de manière similaire à l'application Waze, où les utilisateurs partagent des informations sur ce qui se passe sur le terrain et en tirent des avantages mutuels. Ces informations sont également pertinentes pour les opérateurs de transport public.

2) Personnalisation pour une meilleure expérience utilisateur

Les applications de mobilité modernes vont désormais au-delà de la simple planification de trajets. Grâce à des solutions renforcées par l'IA, ces applications sont en mesure de connaître le comportement de l'utilisateur et de proposer des recommandations personnalisées, de suggérer des itinéraires alternatifs en cas de perturbations et de fournir des rappels opportuns pour l'achat de billets. Arriva, l'un des principaux opérateurs européens de transport de passagers, s'est associé à Nagarro pour développer un assistant de voyage doté d'IA, ViTA (Very Intelligent Travel Assistant), qui personnalise les expériences de voyage en fonction des besoins individuels.

ViTA: pour des recommandations de voyage personnalisées

ViTA, une solution d'Arriva UK Trains, consolide les données de voyage pour rationaliser la planification des trajets, stimuler les ventes de billets et améliorer l'efficacité opérationnelle, tout en adaptant l'expérience de voyage aux besoins individuels.

Fig 2 : Un client interagissant avec ViTA, l'assistant de voyage d'Arriva

ViTA utilise des planificateurs de voyage améliorés par l'IA pour transformer les voyages quotidiens en un service personnalisé. ViTA aide à rationaliser la planification des trajets et aussi :
- offre des informations en temps réel sur les trajets et les tarifs,
- fournit des liens pour réserver des services en fonction des besoins en un seul clic,
- personnalise les options de voyage en fonction des préférences de l'utilisateur, et,
- affiche des recommandations d'hébergement à proximité des lieux de voyage.

3) Améliorer les opérations grâce à l'analyse prédictive

Les solutions de mobilité reposent aujourd'hui en grande partie sur les données. Les plateformes de mobilité en tant que service (MaaS) produisent d'énormes quantités de données (telles que les horaires et l'emplacement des véhicules en temps réel) que l'IA convertit ensuite en informations exploitables.

L'analyse prédictive, qui aide à prévoir et à optimiser les horaires de service et les flux de passagers, réduisant les coûts et améliorant la planification opérationnelle, est un aspect essentiel des informations fournies par l'IA. En retour, les villes bénéficient de ces données de haute qualité, obtenues par la foule en temps quasi réel, qui les aident à améliorer et à affiner leurs opérations de transport en commun.

4. responsabiliser les employés grâce aux chatbots

Le rôle de l'IA s'étend au-delà des services aux passagers. En analysant les données historiques et en temps réel, les outils d'IA permettent aux opérateurs de détecter les anomalies - telles que les accidents ou les problèmes de maintenance - et d'ajuster rapidement les services. Ces analyses, potentiellement améliorées par la vision artificielle et l'informatique de pointe, favorisent une prise de décision plus éclairée dans tous les domaines, y compris pour le personnel qui peut interagir avec les systèmes internes par le biais d'interfaces conversationnelles. L'une de ces solutions est le Staff Companion de Nagarro.

Staff Companion de Nagarro : Assistant conversationnel piloté par l'IA

La solution Staff Companion simplifie la communication interne pour les agents de gare et les chefs de train en fournissant une interface conversationnelle pour accéder à différents systèmes. Elle rationalise les tâches telles que le signalement des retards, des incidents ou des problèmes d'équipement, tandis que des fonctions telles que l'établissement de rappels et la saisie vocale naturelle renforcent l'efficacité opérationnelle et l'accessibilité du personnel.

Fig 3 : Interfaces du compagnon du personnel

Pourquoi la qualité est l'aspect clé de vos données

Les applications d'IA efficaces reposent sur des données de haute qualité provenant de la foule. La structuration d'informations précises sur les passagers en boucles d'apprentissage efficaces permet à l'IA de gérer les perturbations, d'optimiser les itinéraires et de personnaliser les services. En outre, il est essentiel de concevoir des systèmes d'IA qui concilient performance et durabilité, c'est-à-dire qui minimisent l'impact sur l'environnement en réduisant le traitement inutile des données. L'intégration d'informations fiables provenant d'API et de bases de données existantes garantit des résultats fiables sans surcharger les ressources informatiques.

L'avenir de l'IA dans les transports

Optimisation spécifique des tâches avec de minuscules modèles

Au cours des prochaines années, les fournisseurs de services de transport devraient passer à des modèles plus petits, spécialisés et spécifiques à une tâche, intégrés dans des systèmes tels que les plateformes de billetterie, les outils de navigation et les applications de maintenance. En se concentrant sur l'optimisation spécifique à une tâche, ces petits modèles réduiront davantage les coûts de calcul tout en maintenant la précision, même dans des environnements où la connectivité est limitée.

Ces petits modèles interagiront pour résoudre des problèmes locaux et, au fil du temps, relever des défis plus vastes en matière de transport. La construction immédiate de ces modèles permet de s'assurer que les composants essentiels pour l'évolutivité future sont en place. Les modèles spécialisés s'attaquent aux problèmes de fiabilité en apportant des réponses rapides, même lorsque la connectivité est limitée. Ils effectuent des tâches spécifiques et répétitives, démontrant que des solutions efficaces peuvent être trouvées sans s'appuyer sur de grandes quantités de données. Ces tâches sont les suivantes

• fournir des informations sur les gares
• compter les passagers, ou,
• la détection de défauts.

Prise de décision autonome avec l'IA agentique

Le monde évolue rapidement vers l'IA agentique, inaugurant une nouvelle ère d'efficacité et de productivité intelligentes, basées sur les données et l'IA. L'IA agentique présente des degrés d'autonomie plus élevés et des capacités d'auto-amélioration sans aucune intervention humaine (par rapport aux petits modèles ou aux agents d'IA qui suivent des règles prédéfinies et ont très peu d'autonomie). Selon un rapport d'Emergen Research, le marché de l'IA agentique était évalué à 30,9 milliards de dollars en 2024 et devrait atteindre 367,68 milliards de dollars en 2033, soit une croissance fulgurante de 31 %.

L'IA agentique stimulera l'innovation et redéfinira également le paysage des transports publics, avec une planification efficace des itinéraires, des routes plus sûres et de meilleures expériences pour les passagers. Plus important encore, l'IA agentique peut jouer un rôle crucial en rendant les transports plus propres et durables. Outre ces avantages, l'IA agentique est rapidement mise à profit pour alimenter les véhicules autonomes, ce qui pourrait être mis en œuvre très prochainement pour les transports de masse.

Conclusion

L'intégration de l'IA dans les transports publics est toujours en cours par divers fournisseurs de transport à travers le monde et devrait façonner l'avenir de la mobilité urbaine. Grâce à plusieurs exemples concrets basés sur l'IA, comme ceux mentionnés ci-dessus, les navetteurs, le personnel des transports et les décideurs sont en mesure de rationaliser les transports en commun. Des expériences de voyage personnalisées à l'amélioration de l'efficacité opérationnelle, les connaissances basées sur l'IA révolutionnent les transports publics, les rendant plus accessibles, résilients et durables. En outre, la transition prévisible des modèles d'IA traditionnels vers l'IA agentique à l'avenir garantira des systèmes de transport en commun plus intelligents, plus efficaces et plus sûrs.