robotics-and-intelligent-systems
Le rôle de la collecte et de l'analyse des données dans la planification moderne des transports
Table of Contents
La collecte et l'analyse des données sont devenues la pierre angulaire de la planification moderne des transports, ce qui a fondamentalement transformé la façon dont les villes, les régions et les nations conçoivent, gèrent et optimisent leurs réseaux de transport.
L'intégration de technologies de pointe, d'analyses de mégadonnées et de capacités de surveillance en temps réel a révolutionné le processus de planification des transports. L'analyse des données de transport alimente de plus en plus les informations et les idées sur la mobilité – transformer la planification et les opérations des transports en facilitant, en accélérant, en moins cher et en plus sûr la collecte et la compréhension des informations critiques.
L'importance critique de la collecte de données dans la planification des transports
La collecte de données sert de fondement à toute planification efficace des transports. Sans données précises et complètes, les autorités de transport ne peuvent pas comprendre pleinement l'état actuel de leurs systèmes, identifier les secteurs à améliorer ou prendre des décisions éclairées au sujet des investissements futurs.
Comprendre les modèles de circulation et les comportements en matière de mobilité
La collecte de données exactes permet aux autorités de transport d'évaluer les tendances de la circulation, de repérer les points de congestion et de surveiller la performance de l'infrastructure avec une précision sans précédent. Ces renseignements sont essentiels pour prendre des décisions éclairées et établir des priorités dans les projets qui auront le plus d'impact sur la performance du système et l'expérience des utilisateurs.
Dans le domaine des transports, Big Data comprend de vastes ensembles de données complexes recueillies auprès de nombreuses sources pour fournir une image complète des réseaux de transport actuels, y compris les divers modes de transport et leur interaction. Cette vue complète permet aux planificateurs d'identifier les connexions multimodales, de comprendre les modes de transfert et de reconnaître comment les différents modes de transport se complètent ou se concurrencent.
Soutien à la prise de décisions fondées sur des données probantes
Prendre des décisions éclairées à partir de données récentes et précises, et non de hypothèses ou de commentaires de quelques intervenants vocaux.Cette évolution vers la prise de décisions axée sur les données représente un changement fondamental dans la façon dont la planification des transports est menée.
La DNT est conçue pour appuyer les efforts de planification locale, nationale et régionale et aider les gouvernements et les autres décideurs à effectuer des comparaisons pluriannuelles et à analyser les tendances. Cette perspective longitudinale permet aux planificateurs de cerner les tendances à long terme, d'évaluer l'efficacité des interventions passées et de faire des prévisions plus précises sur les besoins futurs en matière de transport.
Priorité aux investissements dans l'infrastructure
La collecte de données fournit les bases objectives nécessaires pour évaluer différents projets, comparer les avantages potentiels et allouer efficacement les ressources. Au fur et à mesure que ces changements et d'autres se produisent, les experts en transport doivent : Prioriser les projets avec précision pour guider l'investissement efficace en ressources et produire le plus grand impact.
Les données complètes permettent aux planificateurs de déterminer quels corridors connaissent le plus d'encombrement, quels carrefours ont le plus de taux d'accidents, quels itinéraires de transport transport transportent le plus de passagers et quelles zones n'ont pas un accès adéquat aux transports.
Méthodes modernes de collecte des données sur les transports
Les méthodes utilisées pour recueillir des données sur les transports ont évolué de façon spectaculaire au cours de la dernière décennie, passant de techniques de collecte principalement manuelles à des systèmes automatisés perfectionnés qui captent de grandes quantités d'information en continu.
Approches traditionnelles de collecte des données
Les méthodes traditionnelles continuent de jouer un rôle important dans la collecte de données sur le transport, fournissant des mesures de base fiables et la validation pour les nouvelles technologies. La méthode traditionnelle pour recueillir des données sur le volume de trafic consiste à envoyer du personnel sur une poignée de routes ciblées soit pour compter manuellement les véhicules, soit pour installer des capteurs « tubes » temporaires ou permanents sur la route afin de capturer les véhicules qui les survolent.
Ces approches conventionnelles comprennent le comptage manuel du trafic, les compteurs pneumatiques de tubes, les détecteurs de boucle inductifs intégrés dans les routes et les enquêtes traditionnelles sur les déplacements des ménages.
Systèmes de collecte de données par capteurs
Diverses technologies de capteurs sont utilisées pour recueillir des données sur le transport, fournissant des informations historiques et en temps réel qui permettent une analyse complète. Des capteurs fixes installés le long des routes, aux intersections et sur les véhicules de transit surveillent en permanence les conditions de circulation, la vitesse des véhicules et les performances du système.
Ce tableau de bord interactif affiche le volume moyen de la circulation quotidienne par année et heure pour les véhicules traversant les ponts et les routes de New York, ainsi que les chiffres de classification des véhicules provenant du MTA. Ces réseaux de capteurs offrent aux organismes de transport des capacités de surveillance continue qui étaient impossibles avec les méthodes traditionnelles de collecte manuelle.
Données GPS et véhicules connectés
La prolifération des dispositifs GPS et des véhicules connectés a créé de nouvelles possibilités de collecte de données sur le transport, qui sont recueillies à partir de milliers de pings provenant de véhicules connectés et de l'Internet des objets, combinés à des données contextuelles comme le recensement et les cartes du réseau routier, qui sont anonymisées, agrégées et élaborées. Ce volume massif de données sur les emplacements permet aux planificateurs de comprendre les modes de déplacement réels avec des détails et une couverture géographique sans précédent.
Parmi ces nouvelles sources de données, on trouve les données du véhicule connecté, qui, avec les données du GPS, sont jumelées à des points de données contextuelles provenant de données du réseau routier, de données de recensement et de compteurs physiques pour donner une image complète de la façon dont les gens se déplacent.
Appareil mobile et données de téléphone intelligent
Profitant de l'utilisation généralisée des smartphones, le Smartphone Road Monitoring System (SRoM) utilise une approche de crowdsourcing pour collecter des données de transport en temps réel, telles que les conditions de circulation et le comportement de conduite.
Les données des appareils mobiles offrent plusieurs avantages pour la planification des transports. Elles offrent une couverture continue dans toutes les régions, capturent les comportements réels de voyage plutôt que les préférences énoncées, et peuvent suivre les voyages multimodal qui impliquent la marche, le transit et la conduite.
Systèmes de collecte de cartes et de tarifs intelligents de transit
Les cartes à puce sont des cartes de paiement qui peuvent être utilisées pour accéder aux systèmes de transport en commun, comme les bus et les trains. Les données du journal de cartes à puce contiennent des informations sur la façon dont les utilisateurs voyagent – origine, destination, heure de départ et heure de sortie.
Les systèmes de billetterie électronique permettent de saisir des données précieuses sur les comportements des passagers, y compris les emplacements d'embarquement et d'éclairage, les schémas de transfert et les variations temporelles de la demande.
Enquêtes et études de préférence
Bien que la collecte de données automatisée ait connu une expansion spectaculaire, les enquêtes demeurent un outil essentiel pour comprendre les motivations, les préférences et les contraintes qui influent sur le comportement des voyages.
« Les chercheurs et les planificateurs peuvent utiliser les données pour une myriade de types d'analyses, afin de mieux comprendre comment un système de transport en commun est utilisé, pour voir dans quelle mesure il répond aux besoins des collectivités défavorisées ou des personnes handicapées qui peuvent compter sur le transport en commun, ou pour mieux comprendre les tendances à long terme découlant de la pandémie de COVID, par exemple », a déclaré Venu Garikapati, chercheur de NREL, qui dirige l'équipe de modélisation et de métriques des transports.
Médias sociaux et information sur les sources de données
Enfin, les données sur les transports peuvent être recueillies auprès des médias sociaux. Les plateformes de médias sociaux fournissent des informations en temps réel sur les incidents de circulation, les interruptions de service et les expériences des utilisateurs qui peuvent compléter les sources de données traditionnelles.
L'évolution de l'analyse des données dans la planification des transports
La collecte de données n'est qu'une première étape du processus de planification des transports. La véritable valeur se dégage lorsque ces données sont analysées, interprétées et transformées en données concrètes qui éclairent les décisions de planification.
Analyse statistique et identification des tendances
L'analyse statistique permet aux planificateurs de déterminer les tendances importantes dans le volume de trafic, de détecter les changements dans les comportements de voyage au fil du temps et de comprendre les relations entre les différentes variables qui influent sur le rendement du réseau de transport.
L'analyse des séries chronologiques révèle les variations saisonnières, les tendances de croissance à long terme et les répercussions de certains événements ou interventions sur les modes de transport. L'analyse de régression aide les planificateurs à comprendre quels facteurs influent le plus fortement sur la demande de voyages, les niveaux de congestion et les décisions de choix de mode.
Analyse des systèmes d'information géographique (SIG)
Grâce à cette vision, nous pouvons planifier plus stratégiquement. Les plates-formes SIG permettent aux planificateurs de transport de visualiser les modèles spatiaux, d'analyser les relations géographiques et de comprendre comment les réseaux de transport interagissent avec les modèles d'utilisation des terres, les caractéristiques démographiques et les caractéristiques environnementales.
Les capacités d'analyse spatiale permettent aux planificateurs de déterminer les zones sous-affectées par le transport en commun, d'évaluer l'accessibilité aux emplois et aux services, d'évaluer les répercussions des investissements dans les transports sur l'équité et d'optimiser l'emplacement des nouvelles installations.
Modélisation et simulation des transports
Les modèles de transport utilisent des données recueillies pour simuler la façon dont les personnes et les véhicules passent par les réseaux, prévoir les impacts des changements proposés et évaluer d'autres scénarios.Les modèles de demande de voyages estiment le nombre de voyages qui seront générés, où ils seront effectués, quels modes seront utilisés et quels itinéraires seront empruntés.
Mobiliti est un logiciel qui simule avec précision le mouvement de la population de la région de la baie de San Francisco à travers ses réseaux routiers et qui évalue les encombrements, l'utilisation de l'énergie et la perte de productivité.
Apprentissage automatique et intelligence artificielle
Les algorithmes d'apprentissage automatique sont devenus des outils puissants pour analyser les données de transport et faire des prévisions sur les conditions futures.Plus de 11 000 capteurs sont utilisés simultanément pour prédire les vitesses et les débits pendant une heure dans l'avenir. Les chercheurs prévoient utiliser le même modèle d'apprentissage automatique pour déterminer si les données d'appareils mobiles pourraient être utilisées comme entrée pour réduire la dépendance sur les capteurs embarqués.
Planification des transports : La mise en oeuvre de l'IA dans le domaine de l'analyse des données pour le transport aide les planificateurs à prendre des décisions plus intelligentes en identifiant les données les plus pertinentes et les plus exploitables.
Les réseaux neuronaux peuvent identifier des modèles complexes dans de grands ensembles de données qui seraient difficiles ou impossibles à détecter pour les humains. Les algorithmes d'apprentissage approfondi peuvent prédire les conditions de circulation, prévoir le passage en transit et optimiser le calendrier des signaux avec plus de précision que les approches traditionnelles.
Systèmes d'analyse et d'adaptation en temps réel
La disponibilité de données en temps réel a permis de développer des systèmes de transport adaptatifs qui répondent dynamiquement aux conditions changeantes. L'analyse en temps réel des données de flux de données provenant de capteurs, de véhicules connectés et d'autres sources pour détecter les incidents, identifier les encombrements émergents et déclencher des interventions appropriées.
Les systèmes de signalisation adaptatifs utilisent des données en temps réel pour optimiser le calendrier des signaux en fonction des conditions de trafic actuelles plutôt que des horaires fixes. Les panneaux de message dynamiques fournissent aux voyageurs des informations à jour sur les conditions et les itinéraires alternatifs.
Analyse prédictive et prévision
La modélisation prédictive tient compte de divers facteurs, comme la météo et les événements, pour éviter les problèmes de circulation. L'analyse prédictive permet un flux de trafic plus fluide dans tous les modes de transport.
Les modèles de prévision prévoient le volume du trafic, le nombre de passagers de transit et la performance du système selon différents scénarios. Ces prévisions aident les planificateurs à prévoir les besoins futurs, à évaluer les répercussions à long terme des projets proposés et à élaborer des stratégies qui demeureront efficaces à mesure que les conditions changent.
Principales mesures de la performance et des paramètres
Les planificateurs des transports se fondent sur diverses mesures de mesure du rendement et de mesure du rendement pour évaluer le rendement du système, suivre les progrès accomplis vers les objectifs et communiquer les résultats aux intervenants.
Trafic quotidien moyen annuel (AADT)
Il mesure le volume quotidien moyen de la circulation sur une route donnée au cours d'une année donnée, et il est essentiel pour évaluer la congestion routière, repérer les problèmes de sécurité et planifier les mises à jour des infrastructures. AADT joue également un rôle essentiel dans l'élaboration des décisions non liées au transport, comme le développement de nouveaux cas de vente au détail ou d'enquête sur des accidents.
Cette mesure fondamentale permet de mesurer les volumes de trafic qui peuvent être comparés entre différents endroits et différentes périodes.Cette mesure fondamentale guide la conception des chaussées, l'analyse des capacités, les études de sécurité et les évaluations environnementales.
Motifs d'origine et de destination
Les données O-D aident les professionnels du transport à comprendre où commencent et où finissent les voyages, à éclairer les habitudes de déplacement, les secteurs où la demande de voyages est élevée et les endroits qui génèrent le plus de trafic.
Les données sur l'origine et la destination permettent d'élaborer des modèles de demande de voyages, de repérer les corridors qui nécessitent des améliorations de capacité et de révéler les possibilités de nouveaux services de transit.
Miles de véhicules parcourus (VMT)
Grâce à Big Data, les planificateurs ont accès à des informations VMT continues et généralisées pour toute route ou région. Ces informations permettent de construire des prévisions de la demande de voyage, de planifier des mesures d'allégement de la congestion et de diriger les études de trafic régional et corridor.
Les données sur les TMV sont essentielles pour la planification de la qualité de l'air, les inventaires des émissions de gaz à effet de serre, les prévisions de recettes fiscales sur les carburants et la planification de l'entretien des infrastructures.
Nombres de mouvements tournants
Les comptes de mouvements tournants (TMC) fournissent des informations critiques sur la sécurité et la congestion des intersections. En termes simples, ils démontrent le volume de la circulation entrant et sortant d'une intersection à un moment donné.
La compréhension de la circulation par les intersections aide les planificateurs à déterminer où les voies de virage sont nécessaires, à évaluer si des carrefours-rondes peuvent être appropriés et à optimiser l'étape du signal pour réduire au minimum les retards.
Heures de retard du véhicule
Les heures de retard du véhicule (HVD) sont un paramètre essentiel pour mesurer les problèmes de congestion et cibler les goulets d'étranglement de la circulation. Elles fournissent le nombre total d'heures perdues par les retards de la circulation dans une zone donnée pendant une période donnée.
En identifiant les emplacements et les périodes où les retards sont les plus importants, les planificateurs peuvent cibler les investissements où ils auront le plus d'impact sur la réduction de la congestion.
Mesures de performance en transit
Les agences de transport en commun suivent de nombreuses mesures de rendement, notamment la diligence, les performances à temps, la charge de passagers, la fiabilité du service et la satisfaction de la clientèle, qui aident les agences à évaluer la qualité du service, à déterminer les itinéraires qui nécessitent des ajustements et à démontrer leur responsabilité envers les organismes de financement et le public.
« Ces données fournissent aux agences de transport, aux planificateurs de transport et aux chercheurs en mobilité des renseignements sur les tendances du transport en commun et des services. » Les données détaillées sur la performance des agences en transport en commun permettent d'optimiser les horaires, les véhicules de taille appropriée pour répondre à la demande et d'améliorer l'expérience globale des passagers.
Applications de la planification des transports data-driven
La combinaison de la collecte de données exhaustive et de techniques d'analyse sophistiquées permet une large gamme d'applications qui améliorent le rendement des systèmes de transport, améliorent la sécurité et soutiennent le développement durable.
Optimisation du débit de circulation et réduction de la congestion
Les approches fondées sur les données permettent aux organismes de transport d'optimiser le trafic grâce à un meilleur calendrier des signaux, à une meilleure gestion des incidents et à des améliorations stratégiques de la capacité.
Les systèmes de gestion du trafic en temps réel utilisent les données des capteurs et des véhicules connectés pour détecter la congestion au fur et à mesure qu'ils développent et mettent en œuvre des stratégies adaptées, comme l'ajustement du calendrier des signaux, l'activation des compteurs de rampe ou la fourniture d'informations aux voyageurs sur les itinéraires alternatifs.
Conception et hiérarchisation des améliorations de l'infrastructure
L'analyse des données révèle les corridors qui nécessitent des capacités supplémentaires, les intersections nécessitant des améliorations géométriques et les nouveaux établissements qui offriraient les meilleurs avantages.
Les études antérieures et postérieures, qui utilisent les données recueillies, démontrent si les projets achevés ont atteint les résultats escomptés, ce qui donne des leçons précieuses pour les investissements futurs.
Améliorer les services de transport en commun
Les agences de transport utilisent l'analyse des données pour optimiser les alignements de route, ajuster les fréquences de service, coordonner les transferts et améliorer les performances à temps. Les données sur les bateaux de chemin de fer révèlent quelles sont les routes transportant le plus de passagers, quand les pics de demande se produisent et où il y a des lacunes de service.
L'analyse des flux de passagers aide les agences à comprendre comment les conducteurs passent à travers le système, en identifiant les possibilités d'améliorer les connexions et de réduire les temps de déplacement.
Améliorer la sécurité des transports
Gestion de la sécurité routière : l'analyse des transports peut être utilisée pour analyser les accidents et leurs détails comme le lieu, l'heure et les causes. Avec ces données, il est possible de créer des cartes d'accident qui montrent les zones à haut risque pour avertir les gens sur les problèmes et encourager à être très prudent à certains endroits.
L'analyse de la sécurité utilise des données sur les accidents, le volume de la circulation et les caractéristiques de la voie pour identifier les endroits à risque élevé et élaborer des contre-mesures ciblées.
Les programmes de sécurité axés sur les données permettent de repérer systématiquement les endroits dangereux, de diagnostiquer les facteurs contributifs, de choisir les contre-mesures appropriées et d'évaluer l'efficacité des améliorations mises en oeuvre.
Soutenir les objectifs environnementaux et de transport durable
Ces dernières années, l'industrie des transports a été perturbée par de multiples forces, dont la pandémie de COVID-19, une crise continue de la sécurité routière et une pression croissante en faveur de la décarbonisation.
La modélisation de la qualité de l'air utilise des données sur le trafic pour estimer les concentrations de polluants et évaluer si les mesures de contrôle des transports permettront d'atteindre les normes de qualité de l'air. L'analyse de la consommation d'énergie permet de déterminer les possibilités de réduire l'utilisation de carburant par des améliorations opérationnelles, des changements de mode ou des changements de technologie des véhicules.
Promouvoir l'équité et la justice environnementale
L'analyse des données permet aux planificateurs d'évaluer si les investissements et les services de transport sont équitablement répartis entre les différentes collectivités et groupes démographiques.
L'analyse de l'équité permet de comparer l'accès au transport, la qualité du service et les niveaux d'investissement dans les quartiers où les niveaux de revenu, la composition raciale et d'autres caractéristiques démographiques varient. Cette information aide les organismes à identifier et à corriger les disparités dans l'accès au transport et les résultats.
Planification des technologies émergentes et des nouveaux services de mobilité
La collecte et l'analyse des données sont essentielles pour comprendre comment les technologies émergentes et les nouveaux services de mobilité affectent les systèmes de transport.
Ces renseignements aident les planificateurs à prévoir les besoins en infrastructure, comme les bornes de recharge, à comprendre comment les nouveaux services complètent ou concurrencent les options de transport existantes et à élaborer des politiques qui maximisent les avantages de l'innovation tout en s'attaquant aux impacts négatifs potentiels.
Soutien à la planification du fret et de la logistique
Chez Quantzig, nous voyons des avantages importants, y compris une meilleure gestion des stocks grâce à une analyse prédictive, qui minimise les stocks et les situations de surstock. L'optimisation des routes réduit les coûts de transport et les délais de livraison, tandis que le suivi et le suivi en temps réel augmentent l'efficacité opérationnelle et la satisfaction de la clientèle.
L'analyse des données sur le fret aide les planificateurs à comprendre les mouvements de camions, à cerner les goulets d'étranglement qui influent sur le mouvement des marchandises et à établir les priorités pour les améliorations aux corridors de fret.
Défis dans la collecte et l'analyse des données sur les transports
Malgré les progrès considérables réalisés dans la collecte et l'analyse des données, les planificateurs des transports doivent relever plusieurs défis importants pour tirer parti efficacement des données pour éclairer les décisions de planification.
Qualité et exactitude des données
La valeur de toute analyse dépend fondamentalement de la qualité des données sous-jacentes. Des données inexactes, incomplètes ou biaisées peuvent conduire à des conclusions erronées et à de mauvaises décisions. Les agences de transport doivent mettre en place des procédures de contrôle de la qualité pour valider les données, identifier les erreurs et s'assurer que les ensembles de données représentent fidèlement les conditions réelles.
Les sources de données peuvent avoir des niveaux variables de précision, de couverture et de fiabilité. Les dysfonctionnements du capteur, les interférences du signal GPS et les biais d'échantillonnage peuvent tous avoir une incidence sur la qualité des données.
Intégration et interopérabilité des données
L'un des principaux défis que pose l'utilisation des mégadonnées dans le transport est que les données sur le trafic sont recueillies auprès de diverses sources. Certaines sources, comme les capteurs routiers, fournissent des données sur le trafic prêtes à utiliser, qui peuvent être analysées facilement. D'autres sources, comme les journaux des activités des utilisateurs sur les smartphones, peuvent nécessiter un traitement analytique avant de pouvoir obtenir des informations significatives de ces données.
L'intégration de ces ensembles de données diversifiés dans des cadres analytiques cohérents exige une expertise technique et une infrastructure de gestion des données importantes. L'absence de normalisation entre les organismes et les administrations complique encore les efforts de partage et d'intégration des données.
Préoccupations en matière de protection des données et de sécurité des données
Bien que la disponibilité de plus en plus grande de ces données ouvre de nombreuses possibilités, le sens de ces données peut poser de nombreux défis, notamment l'autorisation d'utiliser ces données pour la recherche, la gouvernance des données, l'éthique et la protection de la vie privée.
Les données ne devraient jamais permettre le suivi des personnes ou l'envoi de messages marketing ciblés sur des appareils individuels (comme les téléphones cellulaires). L'analyse devrait plutôt décrire les tendances du mouvement des groupes composites de personnes. Les organismes de transport doivent mettre en place des protections robustes de la vie privée, y compris l'anonymat des données, l'agrégation et le stockage sécurisé pour assurer que la vie privée individuelle est protégée tout en permettant une analyse utile.
Les organismes doivent concilier les avantages d'une planification axée sur les données et l'impératif de protéger les droits individuels à la vie privée.
Capacités et expertises techniques
La collecte, la gestion et l'analyse efficaces des données sur les transports exigent des compétences techniques spécialisées que de nombreux organismes ont du mal à développer et à conserver.
Les organismes doivent investir dans la formation du personnel, l'embauche de spécialistes ou la collaboration avec des consultants et des établissements universitaires afin de renforcer la capacité d'analyse nécessaire pour tirer parti des sources et des outils modernes de données.
Infrastructure de stockage et de traitement des données
Chaque jour, le transport urbain crée plus de 500 petaoctets de données. Ce nombre augmente avec la technologie de la ville intelligente. Ces données riches, des navetteurs, des véhicules et des infrastructures, stimule la planification des transports.
Les plateformes de calcul en nuage et les ressources informatiques à haute performance sont de plus en plus nécessaires pour gérer l'analyse des mégadonnées à l'échelle requise pour la planification des transports métropolitains.
Maintenir le rythme des changements technologiques rapides
« À mesure que les méthodes de collecte de données changent au fil du temps, passant de la collecte sur papier, par téléphone ou par GPS à des méthodes électroniques plus automatisées, les types de données que nous hébergeons continueront d'évoluer », a ajouté M. Fish.
Les organismes de transport doivent demeurer souples et adaptatifs, évaluer en permanence les nouvelles sources de données et les méthodes d'analyse, ce qui exige un apprentissage continu, des expériences et une volonté de mettre à jour les pratiques établies à mesure que de meilleures méthodes deviennent disponibles.
Meilleures pratiques pour une planification efficace du transport des données
Pour maximiser la valeur des efforts de collecte et d'analyse de données, les organismes de transport devraient suivre les pratiques exemplaires établies qui se sont révélées efficaces dans divers contextes.
Élaborer des objectifs clairs et des mesures de rendement
Les efforts de collecte et d'analyse des données devraient être guidés par des objectifs clairs et des mesures du rendement qui correspondent aux buts et aux priorités des organismes. Plutôt que de recueillir des données simplement parce qu'elles sont disponibles, les organismes devraient cerner les questions précises dont ils ont besoin pour répondre et les décisions qu'ils doivent prendre pour informer, puis recueillir les données nécessaires pour répondre à ces besoins.
Des mesures de rendement bien définies permettent de cibler les efforts de collecte de données et d'évaluer de façon significative les progrès accomplis vers la réalisation des objectifs, qui devraient être spécifiques, mesurables, réalisables, pertinents et assortis de délais.
Investir dans la qualité et la validation des données
La mise en oeuvre de procédures de contrôle de la qualité rigoureuses garantit l'exactitude, la précision et la fiabilité des données, notamment en validant les données par rapport à la vérité au sol connue, en comparant plusieurs sources de données, en identifiant et en corrigeant les erreurs et en documentant les limites et les incertitudes des données.
Les vérifications régulières des systèmes de collecte de données aident à identifier et à résoudre les problèmes avant qu'ils ne compromettent les résultats d'analyse.
Embrassez plusieurs sources de données
Bien que les capteurs et les sondages physiques ne disparaissent pas bientôt, l'analyse des transports est de plus en plus utilisée pour combler les lacunes dans les données des compteurs de trafic ainsi que pour enrichir la planification et la modélisation des transports.
La combinaison des méthodes traditionnelles de collecte de données et des sources émergentes de mégadonnées crée des bases analytiques plus complètes et plus solides. Différentes sources de données ont des forces et des faiblesses complémentaires, et l'utilisation de sources multiples permet une validation croisée et une couverture plus complète.
Privilégier le partage et la collaboration des données
L'élaboration d'ententes de partage de données, l'adoption de normes communes et la création de plates-formes régionales de données permettent une analyse plus complète et une planification coordonnée.
Les partenariats avec les établissements universitaires, les fournisseurs de données du secteur privé et d'autres intervenants peuvent élargir l'accès aux données et à l'expertise analytique.
Renforcer les capacités organisationnelles
Investir dans la formation du personnel, l'embauche de spécialistes et l'acquisition de connaissances institutionnelles permet aux organismes de tirer parti efficacement des données et des outils d'analyse, ce qui comprend à la fois la formation technique en méthodes d'analyse des données et le perfectionnement professionnel qui aide le personnel à comprendre comment appliquer les résultats analytiques aux décisions de planification.
La création d'équipes spécialisées en données et en analyses, l'établissement de rôles et de responsabilités clairs et l'intégration d'approches fondées sur les données dans les processus de planification standard aident à institutionnaliser des pratiques efficaces.
Communiquer efficacement les résultats
Même l'analyse la plus sophistiquée a une valeur limitée si les résultats ne sont pas communiqués efficacement aux décideurs et aux intervenants. La visualisation des données, les tableaux de bord interactifs et des récits clairs aident à traduire les constatations analytiques complexes en idées concrètes.
La transparence des méthodes, des hypothèses et des limites renforce la crédibilité et la confiance dans les processus de planification axés sur les données.
L'avenir de la planification des transports axée sur les données
Le rôle de la collecte et de l'analyse des données dans la planification des transports continuera de s'élargir et d'évoluer à mesure que les nouvelles technologies se développeront et que les capacités d'analyse progresseront.
Augmentation des capacités en temps réel
La gestion des transports passe d'approches principalement réactives basées sur des données historiques à des systèmes proactifs en temps réel qui surveillent continuellement les conditions et s'adaptent aux opérations de façon dynamique. La prolifération des véhicules connectés, des capteurs IdO et des communications 5G permettra une collecte et une analyse de données en temps réel encore plus complètes.
L'analyse en temps réel permettra de soutenir des systèmes d'adaptation de plus en plus perfectionnés qui optimisent les signaux de circulation, gèrent les incidents, fournissent des renseignements personnalisés aux voyageurs et coordonnent les services de transport multimodal, ce qui permettra aux réseaux de transport de fonctionner plus efficacement et de réagir plus efficacement à l'évolution des conditions.
Intelligence artificielle et progrès de l'apprentissage automatique
Les capacités d'apprentissage en intelligence artificielle et en apprentissage automatique continueront de progresser, permettant des prédictions plus précises, une meilleure reconnaissance des modèles et une optimisation plus poussée.
Les systèmes autonomes utiliseront l'IA pour prendre des décisions en temps réel sur la gestion du trafic, les opérations de transit et l'entretien des infrastructures.
Intégration des services de mobilité émergents
La collecte et l'analyse des données seront essentielles pour comprendre et gérer les répercussions des nouveaux services de mobilité, y compris les véhicules autonomes, les plates-formes de mobilité en tant que service et les nouvelles formes de transport partagé.
Les cadres réglementaires s'appuieront de plus en plus sur des données pour s'assurer que les nouveaux services de mobilité contribuent aux objectifs du public en matière de sécurité, d'équité et de durabilité.
Une plus grande attention accordée à l'équité et à l'accessibilité
L'analyse des données jouera un rôle de plus en plus important dans l'évaluation et la promotion de l'équité en matière de transport.
Les mesures d'accessibilité qui mesurent la facilité d'accès des personnes à des destinations importantes viendront compléter les mesures de mobilité traditionnelles axées sur le débit de la circulation et la vitesse de déplacement.
Adaptation aux changements climatiques et atténuation de ces changements
Les données et les analyses sur les transports seront essentielles pour atténuer les contributions des transports au changement climatique et adapter l'infrastructure aux impacts climatiques.
Les évaluations de la vulnérabilité climatique utiliseront des données sur les emplacements, les conditions et la criticité des infrastructures combinées aux projections climatiques pour identifier les installations à risque de l'élévation du niveau de la mer, des inondations, de la chaleur extrême et d'autres impacts climatiques.
Jumelles numériques et simulation
Les technologies numériques jumelées qui créent des répliques virtuelles de systèmes de transport permettront de tester et d'optimiser des scénarios plus sophistiqués. Ces jumelles numériques intégreront des données en temps réel de systèmes physiques, utiliseront des modèles de simulation pour prédire les conditions futures et testeront des interventions potentielles dans des environnements virtuels avant de les mettre en œuvre dans le monde réel.
L'informatique à haute performance permettra de réaliser des simulations à l'échelle métropolitaine qui modélisent les véhicules individuels et les voyageurs avec des détails sans précédent, révélant les impacts au niveau du système des changements localisés et soutenant une planification et des opérations plus efficaces.
Conclusion
La collecte et l'analyse des données sont devenues des composantes indispensables de la planification moderne des transports, transformant fondamentalement la conception, la gestion et l'optimisation des systèmes de transport. L'évolution de la collecte manuelle limitée de données à des systèmes automatisés complets qui captent de grandes quantités d'information en temps réel a permis d'avoir des connaissances sans précédent sur les comportements de voyage, les performances du système et les besoins en infrastructure.
Les planificateurs des transports ont maintenant accès à diverses sources de données, notamment des capteurs, des appareils GPS, des véhicules connectés, des cartes à puce, des appareils mobiles et des renseignements provenant de sources crowdsources. Ces flux de données, lorsqu'ils sont correctement recueillis, intégrés et analysés, fournissent des images complètes de la façon dont les personnes et les marchandises se déplacent à travers les réseaux de transport.
Les applications de la planification des transports axée sur les données sont vastes, appuyant les efforts visant à optimiser le trafic, à concevoir des améliorations de l'infrastructure, à améliorer les services de transport en commun, à améliorer la sécurité, à promouvoir la durabilité, à promouvoir l'équité et à planifier les technologies émergentes.
Toutefois, pour réaliser le plein potentiel de la planification axée sur les données, il faut relever des défis importants liés à la qualité des données, à l'intégration, à la protection de la vie privée, à la capacité technique et à l'infrastructure.
Dans l'avenir, le rôle des données dans la planification des transports continuera de s'accroître à mesure que les capacités en temps réel s'accroîtront, que l'IA et l'apprentissage automatique progresseront, que les nouveaux services de mobilité prolifèrent et que de nouvelles priorités se profilent en matière d'équité et de changement climatique.
Les organismes de transport et les régions qui tirent parti de la collecte et de l'analyse des données seront mieux placés pour créer des systèmes de transport efficaces, durables, équitables et adaptés à l'évolution des besoins. À mesure que la technologie continuera d'évoluer et que les données seront encore plus abondantes, l'importance de solides capacités d'analyse et de prise de décisions fondées sur les données ne fera qu'augmenter.
Pour les professionnels des transports, les décideurs et les membres de la collectivité qui souhaitent en savoir plus sur la planification des transports axée sur les données, des ressources précieuses sont disponibles auprès d'organismes comme le Bureau of Transportation Statistics[, la Base de données nationale sur le transport en commun de l'Administration fédérale de transport et des revues universitaires comme Data Science for Transportation. Ces ressources permettent d'accéder aux données sur le transport, aux résultats de la recherche et aux pratiques exemplaires qui peuvent éclairer les efforts de planification plus efficaces.
La transformation de la planification des transports par la collecte et l'analyse des données représente l'un des progrès les plus importants de l'histoire du secteur. En adoptant des approches fondées sur les données tout en s'attaquant aux défis de façon réfléchie et éthique, le milieu des transports peut créer des systèmes qui répondent mieux aux besoins actuels tout en restant adaptable aux changements et aux défis futurs.