Covid-19 : Alstom adapte sa solution de mobilité Mastria

La solution peut suggérer d’augmenter la fréquence des trains, de rediriger les passagers vers la station la plus proche, de renforcer des systèmes de transport alternatifs, de restreindre l’accès à certaines stations...   © Alstom
Actualites

Grégoire Hamon

Des millions de données en temps réel. Alstom adapte à son tour sa solution de gestion de mobilité aux contraintes du Covid-19. Le 30 juin, le groupe français indique avoir lancé une nouvelle version de Mastria, «première solution multimodale au monde de supervision et d’orchestration de la mobilité», qui s’appuie sur l’IA afin de proposer aux opérateurs et aux autorités des transports des outils améliorés pour gérer les flux de passagers. La nouvelle version de Mastria collecte ses données à partir d’une multitude de sources : capteurs de poids des trains, distributeurs de billets, systèmes de gestion et de signalisation du trafic, caméras de surveillance, réseaux mobiles, informations sur la demande des passagers de sorte à donner une image en temps réel des flux de voyageurs. La solution peut suggérer d’augmenter la fréquence des trains, de rediriger les passagers vers la station la plus proche, de renforcer des systèmes de transport alternatifs, de restreindre l’accès à certaines stations, voire de gérer la répartition des passagers sur la plateforme pour les aligner sur les voitures de train les moins remplies. Mastria fait appel à des algorithmes de prédiction, pour anticiper ces situations. «La capacité de cet outil à analyser des millions de données en temps réel en fait un allié indispensable pour les opérateurs, surtout dans le contexte actuel. L’intelligence artificielle sera notre meilleur compagnon de route dans cette nouvelle ère de la mobilité», souligne Stéphane Feray-Beaumont, vice-président Innovation & Smart Mobility chez Alstom Digital mobility.

Anticipation. Alstom a mis en œuvre la solution Mastria pour le métro de Panama fin 2019, afin d’analyser les flux de voyageurs. «En trois mois, et grâce aux techniques d’apprentissage profond, les saturations localisées ont pu être anticipées jusqu’à 30 minutes avant leur apparition, permettant ainsi la prise de mesures correctives qui ont réduit de 12% les délais d’attente en gare», souligne Alstom. Actuellement, cette même technologie est employée pour s’assurer que le taux d’occupation des trains ne dépasse jamais les 40% de capacité maximale. À l’aide de diverses sources de données, de nouvelles fonctionnalités ont été développées : le contrôle en temps réel de la densité et des flux de passagers en gare et à bord des trains, avec de nouvelles alertes prédictives, la simulation de l’ouverture et la fermeture de l’accès aux gares, et l’analyse de la répartition des passagers à bord des trains. Alstom indique que cette solution est actuellement testée à Paris, Florence et Saragosse.

G. H.

Message

Veuillez vous identifier pour laisser un commentaire, cliquez ici pour vous identifier

  • Il n'y a pas de commentaire sur cet article. Soyez le premier à réagir.