La planification orientée vers la demande des services de transport public

Pour déterminer précisément les besoins, les enquêtes quantitatives réalisées à l’aide de systèmes de comptage automatique des voyageurs ou de personnel de comptage sont déjà une pratique courante. L’approche adoptée avec Mobile Data Fusion repose sur l’idée d’utiliser des données supplémentaires afin d’évaluer la demande de transport public. Pour ce faire, des signaux WIFI et Bluetooth des terminaux mobiles, les demandes de renseignements sur les connexions ainsi que la Mobilithek (des données librement disponibles du ministère fédéral du numérique et des transports) sont utilisés. L’objectif du projet est de fusionner pour la première fois ces sources de données déjà existantes. L’accent est mis en particulier sur les informations relatives aux interdépendances origine-destination et aux flux de transferts. En outre, des informations supplémentaires sont obtenues concernant la fréquence et la continuité de l’utilisation des transports publics.

Pour la fusion des données, les données d’entrée sont saisies, traitées et analysées dans un pipeline de big data (figure 2), sachant que dans le cadre du projet, le terme « big data » ne se réfère pas aux quantités de données générées, mais à l’analyse, au traitement et à l’exploitation complexes des données provenant de différentes sources. Il s’agit en particulier d’identifier des corrélations statistiques, des modèles et des relations en ce qui concerne le choix d’itinéraires des usagers au sein du réseau de transport public.

Le système back-end développé par INIT est basé sur une infrastructure de données Apache Kafka. En tant que logiciel open source pour le transfert et le stockage de grands flux de données, Apache Kafka agit comme un courtier de données entre les producteurs de données (données d’entrée) et les consommateurs de données (systèmes informatiques partenaires). Apache Flink est utilisé pour transformer les flux de données et pour relier les sources de données. Apache Beam sert d’interface de programmation (API) homogène pour pouvoir utiliser les algorithmes dans différents processus. L’un des grands avantages de ces technologies utilisées est leur large évolutivité ainsi que la possibilité de traitement en temps réel, permettant d’analyser un flux continu d’événements dans un réseau de transport et de prendre des mesures de gestion du trafic en temps réel et, par exemple, de mettre à disposition à l’avenir le taux d’occupation dans l’information voyageurs.

Mobile Data Fusion est financé par le ministère fédéral allemand du numérique et des transports. Le consortium du projet travaille sous la direction de l’Institut de recherche sur les transports et la planification des infrastructures WVI, Braunschweig et les participants aux côtés d’INIT sont la société de conseil pour les techniques de guidage et d’informatique Blic, Université de Kassel, spécialité en gestion et systèmes des transports ainsi que Nordhessischer Verkehrs Verbund (NVV) qui utilise plus de 40 véhicules à des fins d’essais dans le cadre du projet.