Comment le big data aide la SNCF à éviter les incidents sur les voies

Par 16 mars 2015 2 commentaires
Train lancé à pleine vitesse

Afin de prévenir les retards et accident potentiels, la SNCF travaille avec le CNRS et une start-up spécialisée dans le big data sur un dispositif permettant de prévenir l’obstruction des voies par la végétation. Avec à la clef de nombreuses applications en terme de maintenance prédictive.

Combien de trains retardés, de voyageurs ulcérés, de risques impliqués et de coûts engendrés par l’obstruction imprévue d’une voie de chemin de fer ? Arbre tombé en travers de la voie, chutes de pierres ou végétation rampante : autant d’éléments qui peuvent s’avérer lourds de conséquences pour la SNCF et ses milliers d’usagers quotidiens. Peu étonnant, donc, que l'entreprise publique ai fait de la prédiction de ce type d’incident un cheval de bataille. Et la solution pourrait bien venir de TellMePlus, start-up fondée en 2011 spécialisée dans le big data et le développement d’algorithmes prédictifs. Depuis quelques mois, la jeune pousse planche, avec la SNCF et le CNRS, sur un projet consistant à prédire la pousse de la végétation afin d’assurer l’entretien des voies en amont, avant qu’il ne soit trop tard. « On va faire de l’analyse des images provenant de drones, mais aussi de satellites et caméras au sol. L’historique de ces images va nous permettre de construire des modèles de compréhension pour prédire la croissance de la végétation, en tenant compte d’éléments contextuels, comme la météo. » explique Jean-Michel Cambot, président de TellMePlus.

Le big data permet de développer des outils d'analyse prédictive qui ouvrent de nouveaux horizons pour les activités de maintenance.


Des drones capables de détecter les problèmes en temps réel ?

L’expertise du CNRS, portant sur la végétation et la retranscription des images en données exploitables, vient compléter celle de TellMePlus en matière de Big Data. Les drones sont ceux de la SNCF. Mais les ambitions du projet vont plus loin. « L’enjeu principal consiste à miniaturiser nos algorithmes afin de les embarquer dans des drones. L’objectif, c’est que ces derniers soient capables de patrouiller, détecter les problèmes potentiels et transmettre les images en temps réel. » développe Jean-Michel Cambot. Il serait ainsi possible de détecter des situations de trafic anormal, comme des animaux traversant la voie ou des gens en train de voler du cuivre, trahissant par exemple un trou dans la clôture et la nécessité d’effectuer une réparation. Cela nécessite la mise en place d’un algorithme de décision qui permette au drone d’isoler l’infime fraction d’images pointant une situation à risque pour les transmettre à la source. Autre impératif : les drones, actuellement pilotés par des humains, devraient être programmés pour effectuer le parcours tous seuls. Un projet expérimental va être mis en place sur 100km de voies ferrées entre Lyon et Dijon.

L'ambition du projet : des drones capables de patrouiller tous seuls, détecter les problèmes éventuels et transmettre instantanément l'information.


Vers le « machine to machine »

Les applications de cette technologie sont multiples, notamment autour de ce que l’on nomme le « machine to machine », soit l’usage des technologies de pointe pour permettre aux machines de communiquer sans qu’une intervention humaine soit nécessaire. L’une des pistes les plus prometteuses pour la SNCF réside dans la maintenance prédictive du matériel ferroviaire, avec des capteurs installés sur le matériel permettant de transmettre des données en temps réel sur son état d’usure, et ainsi de le remplacer avant qu’il ne lâche, s’évitant ainsi une ribambelle de pannes techniques. Avec, encore une fois, des gains importants en termes financiers et sécuritaires à la clef. Et ce n’est pas plus complexe que de prédire la croissance d’un arbre : « Sur le plan mathématique, on utilise les mêmes algorithmes pour prévoir le comportement d’une plante, d’une machine ou d’un être humain ! » explique Jean-Michel Cambot. Le projet porté par TellMePlus, la SNCF et le CNRS a remporté le Trophée de l’Innovation au Congrès Big Data Paris 2015. Une récompense honorifique qui implique également le soutien de la société Atos, avec à la clef des financements éventuels et la mise en lient avec des clients potentiels.
 

Haut de page

2 Commentaires

Arbres sur les rails ou chutes de pierre sont (quasi) imprévisibles (je veux bien lorsqu'il y a de fortes pluies, sur un terrain très pentu, avec en contrebas une voie de chemin de fer, il y ait un risque de coulée mais pas besoin de big data pour çela, un cheminot qui circule le long des voies suffit. Quand à la pousse de la végétation, la SNCF dispose de puissant train sulfateurs qui limite la taille (le produit employé n'a d'ailleurs rien à voir avec le round-up du Castorama local puisqu'il est très toxique). Maintenant peut-être que la SNCF va être obligé de modéliser la pousse de végétation le long des voies car avec toutes ces nouvelles lois environnementales, elle ne peut plus se permettre de sulfater à tout va et d'empoisoner la nature comme elle l'a fait des dizaines d'années.

Soumis par Kiki31 (non vérifié) - le 17 mars 2015 à 10h14

En réponse à Kiki31,
Pour information la SNCF prend en compte la réglementation pour les traitements chimiques sur les voies et abords ferroviaires. Elle met en place des technologies pour répondre au mieux contexte réglementaire.

Soumis par toto28 (non vérifié) - le 24 mars 2015 à 14h07

Mentions légales © L’Atelier BNP Paribas