Bogota est la ville ou il y a le plus d’embouteillages dans le monde selon le Global Traffic Scorecard qui a été récemment publié par Inrix. En moyenne, les conducteurs perdent 191 heures par an dans la capitale colombienne à cause des embouteillages. Boston est classée comme la ville la plus encombrée des États-Unis, avec en moyenne une perte de temps dans les embouteillages égale à six jours. En Europe, les conducteurs doivent également faire preuve de patience : Rome, Paris et Londres sont également dans le top 10 des villes les plus embouteillées.
Les routes encombrées sont un réel casse-tête constant pour les villes du monde entier. Elles sont confrontées à des défis plus importants que jamais. D’une part, les villes veulent être vivables pour leur population, d’autre part, elles doivent répondre à un large éventail de demandes de mobilité.
C’est pour cela que les données relatives au trafic peuvent aider à identifier les épicentres des embouteillages dans les villes et que l’utilisation de la Big Data dans le domaine des transports aide les urbanistes à créer des moyens de transport durables. C’est la clé pour résoudre les problèmes de mobilité urbaine.
L’analyse des données permet aux planificateurs de la circulation de prendre des décisions importantes en matière d’aménagement urbain. Des outils logiciels les aident à analyser et à combiner une grande variété de données, par exemple les mouvements dans les centres-villes et les données de stationnement, les données météorologiques et les données sur les événements. Les problèmes peuvent ainsi être identifiés et des mesures appropriées peuvent être élaborées.
Différents cas d’applications de la Big Data dans les transports
« Chez PTV, nous utilisons les données de trafic d’Inrix ainsi que de nombreuses autres données de mobilité provenant d’autres sources afin de fournir des recommandations approfondies concernant les mesures possibles et leur impact », explique Carmen Nowack, experte en data chez PTV. « Nous traitons une grande variété de données, y compris des données sociodémographiques et économiques, par exemple pour la création de modèles de transport, ou des données sur les péages et les restrictions liées aux camions ».
Mais les données des capteurs recueillies sur les smartphones et les applications, comme les données de mouvement et d’utilisation, sont également une source d’information précieuse. Ces enregistrements nous aident à analyser la vitesse à laquelle une personne se déplace ou l’itinéraire ou le mode de transport qu’elle a emprunté.
Les urbanistes et les ingénieurs reçoivent ainsi une aide précieuse pour traiter les questions urgentes et importantes concernant la mobilité du futur. Par exemple : comment intégrer efficacement les nouveaux services de micro-mobilité dans l’offre de mobilité existante ? Combien de véhicules sont nécessaires pour exploiter de manière optimale un nouveau service de vélo en libre-service, de trottinette électrique ou de navette à la demande ?
La Big Data peut être utilisée de nombreuses manières
Offrir une vue d’ensemble
La visualisation des données rend tous les paramètres de mobilité pertinents plus transparents. En raison du nombre croissant de nouveaux services de micro-mobilité, la mobilité urbaine se diversifie chaque jour davantage. Qu’il s’agisse de l’occupation des places de stationnement, de la disponibilité et des schémas de déplacement des parcs de vélos de location et des trottinettes électriques, de la situation actuelle du trafic, de la position du parc de transport public, du comportement du trafic dans différentes conditions météorologiques et à différents moments de la journée, etc. De nombreux paramètres qui doivent être pris en considération pour le développement de concepts urbains durables.
Analyser les données pour mettre en œuvre des mesures réglementaires
L’analyse des données peut aider les décideurs politiques du secteur des transports à tester et à évaluer directement la mise en œuvre des mesures réglementaires : De la restriction de circulation et du stationnement à la création de zones à faibles émissions.
Analyser les données afin d’anticiper la demande
Lors de la l’implantation de nouveaux services à la demande, il est important de déterminer à l’avance de manière fiable la demande pour celle-ci. Combien de véhicules seront nécessaires dans la zone urbaine A le matin ? Que se passera-t-il s’il pleut ?
La combinaison des données antérieures et de l’intelligence artificielle permet d’analyser les zones où l’offre sera excédentaire ou plus élevée et donc de planifier et d’optimiser au mieux le service à la demande.