Prédire l'affluence en temps réel pour un transport public sécuritaire
La pandémie de COVID-19 a transformé l'utilisation des transports publics, créant des préoccupations majeures concernant la sécurité sanitaire des usagers. Face à cette situation inédite, la Société de transport de Montréal (STM) devait rapidement développer une solution pour permettre aux passagers de prendre des décisions éclairées concernant leur utilisation du métro. L'intelligence artificielle s'est imposée comme la solution pour analyser en continu les données de télémétrie des voitures et fournir des prédictions précises d'affluence.
Les avantages de l'IA
Précision élevée : Les modèles d'apprentissage profond atteignent une précision à trois personnes près pour l'estimation du nombre de passagers par voiture
Traitement en temps réel : Analyse continue des données de capteurs pour fournir des informations instantanées
Prédiction future : Capacité à anticiper l'affluence pour permettre une planification optimale des déplacements
Adaptation automatique : Mesures précises du nombre de passagers même lorsque le métro change de vitesse ou prend des virages, évitant ainsi les fausses informations qui pourraient compromettre le calcul de l'occupation réelle des voitures
Évolutivité : Possibilité d'étendre la solution à l'ensemble du réseau métropolitain
Avant l'IA
Comptage manuel : Estimation approximative basée sur l'observation visuelle du personnel
Données historiques statiques : Utilisation de moyennes basées sur des périodes passées sans considération des variations en temps réel
Aucune prédiction : Impossibilité d'anticiper l'affluence future pour la planification des usagers
Information limitée : Absence d'outils pour informer les passagers de l'état d'occupation des voitures
Réactivité faible : Ajustements de service basés sur des observations après coup plutôt que sur des prédictions
L'impact positif de l'IA
Sécurité sanitaire renforcée : Facilitation de la distanciation physique grâce à une information précise sur l'occupation
Confiance des usagers restaurée : Retour progressif des Montréalais dans le réseau souterrain grâce à une information transparente
Modernisation technologique : Mise à niveau complète de la plateforme technologique et des infrastructures de données
Autonomisation des équipes : Transfert de connaissances permettant à la STM de maintenir et améliorer les modèles de façon autonome
Déploiement opérationnel : Affichage en temps réel de l'information sur les écrans des stations de la ligne orange
Quel type de projet d’IA est-ce ?
Exemples d’applications selon la taille de l’entreprise
Petite entreprise :
Transport adapté local : Optimisation des trajets pour services de transport médical ou transport scolaire en milieu rural
Navettes d'entreprise : Gestion intelligente des navettes d'employés pour petites compagnies technologiques
Entreprise de taille moyenne :
Réseau d'autobus régional : Prédiction de l'affluence pour compagnies de transport intermunicipal
Flottes de véhicules partagés : Optimisation de la distribution des véhicules selon la demande prévue
Grande entreprise :
Réseaux de transport métropolitains : Gestion complète de systèmes de transport urbain avec multiples lignes et stations
Compagnies aériennes : Prédiction de l'affluence dans les aéroports et optimisation des opérations au sol
Synthèse
Le projet mené par la STM en collaboration avec Moov AI démontre comment l'intelligence artificielle peut rapidement répondre à des défis sanitaires inédits tout en modernisant durablement les infrastructures de transport public. Cette initiative a non seulement permis de rassurer les usagers montréalais durant la pandémie, mais a également doté la STM d'une expertise interne en IA qui lui permet aujourd'hui de continuer à innover de manière autonome. L'impact va au-delà de la simple gestion de crise, créant une base technologique solide pour l'avenir du transport public intelligent à Montréal.
