- Bus&Car – Connexion Transports Territoires - http://www.busetcar.com -

La SNCF va analyser ses flux de voyageurs en temps réel dans les gares

Détection des anomalies. Avec son projet «Smart Gare», la SNCF va se doter d’un outil d’analyse en temps réel des flux de voyageurs à l’intérieur des gares ferroviaires. «On a besoin de savoir comment les gens se déplacent à l’intérieur de la gare pour ajuster les dispositifs d’affichage, fluidifier la circulation et prévenir les incidents», commente Amale Kada, chef de projet Smart Gare. Jusqu’à présent, la mesure des flux de passagers s’effectuait de manière différée, grâce aux capteurs installés au niveau des gares (portiques, balises de type beacon, bornes Wi-Fi…), dont les données étaient ensuite collectées et traitées par la plateforme Big Data du groupe ferroviaire. Désormais, l’analyse des flux en temps réel va permettre aux opérationnels de détecter les anomalies avant qu’elles ne deviennent de véritables problèmes. Ils pourront ainsi gérer les flux d’usagers de façon proactive, en jouant sur l’ensemble des leviers dont ils disposent. «On peut tout à fait retarder un embarquement de quelques minutes pour éviter que deux flux de passagers ne se croisent», avance Aurélie Poudret, chef de projet au sein du pôle Data & Flux de SNCF Gares & Connexions.

Pilotage et prédiction. La SNCF va passer d’une logique de «flux subis» à une logique de «flux pilotés» en intégrant le plus largement possible les autres transporteurs présents en gare. En 2020, les taxis qui s’engageront dans les files de la gare de Lyon, à Paris, disposeront par exemple d’informations sur le temps d’attente estimé avant la prise en charge d’un client. Les opérateurs de flottes en libre-service pourront aussi ajuster l’offre de leurs vélos et trottinettes électriques en fonction des données de fréquentation. Sur le plan technique, cet objectif d’instantanéité impose des traitements spécifiques. «Nous travaillons sur des algorithmes prédictifs et des analyses statistiques pour fournir le résultat attendu le plus rapidement possible», explique Amale Kada. En pratique, les algorithmes commencent par effectuer une prédiction basée sur l’historique de la zone concernée. Ils redressent ensuite ces chiffres en fonction des données remontées par les capteurs pour aboutir à une approximation fiable de la fréquentation, au plus proche du temps réel.

G. H.