Tranquilien allie open data et crowdsourcing pour fluidifier le transport public

Par 24 juin 2013
Transport public

Chaque jour, trois millions d’individus utilisent les réseaux Transilien et RER, dont près de la moitié sont équipés de Smartphone. Ces voyageurs sont maintenant invités à communiquer les informations de leur rame via une application, pour améliorer le confort de tous.

Avoir le plus de chance de trouver une place assise dans les transports publics, c’est ce que propose Tranquilien, une application issue d’un partenariat avec la SNCF qui a pour but de prédire l’affluence des voyageurs. Elle permet en effet aux voyageurs, en fonction de leurs contraintes horaires, de choisir le train mais aussi la voiture la plus confortable pour leur trajet, grâce à la consultation du taux de remplissage de ces derniers. L'application n'est pas sans rappeler iNStApp dont L'atelier se faisait récemment l'écho, de par son interface épurée « le voyageur se réfère à un code couleur simple : vert, il pourra être assis, orange, il a une chance de trouver une place et rouge, il sera debout » explique un de ses fondateurs, Rand Hindi. Toutefois, celle-ci ne s'appuie pas sur des capteurs évaluant le nombre d'individus accédant aux rames mais sur un algorithme utilisant l’open data. Si celle-ci rapporte les informations d’affluence en temps réel et pour chacune des lignes, le voyageur est également invité à participer à la régulation du trafic en évaluant le confort de ses déplacements, via l’interface de l’application.

Une application qui s’appuie sur l’open data et le collaboratif

Selon Rand Hindi, l’application est « un pur produit issu de l’open innovation et de l’initiative open data de la SNCF ». Car en effet, celle-ci s’appuie sur un algorithme qui repose une couche open data, la contribution des voyageurs et l’historique d’utilisation de l’application. L’agrégation des données de la SNCF, mais aussi des données démographiques sur les communes et des historiques de comptage de la SNCF permet de modéliser le trafic et de faire des prédictions. Le modèle est ensuite réajusté par la participation des voyageurs, via l’interface collaborative. « Le crowdsourcing est une dimension importante de l’application, cela permet aux utilisateurs de nous dire que l’on s’est trompé sur nos prédictions et de pouvoir les corriger. » Pour compléter l’algorithme, l’historique des utilisateurs est aussi pris en compte. « Mais l’application reste 100% anonyme », insiste Rand Hindi. Il précise que pour les checkin, « ce n’est pas grave s’il n’y a pas de réseau, l’information est conservée dans le background et récupérée dès qu’il y a du réseau. »

Exploiter les données pour améliorer le quotidien

Rand Hindi ajoute qu’il sera certainement possible d’étendre l’utilisation de l’application aux autres moyens de transport avec placement libre, que ce soit les bus, les TER, etc. « Mais la question est de savoir si les opérateurs nous laisseront accéder à leurs données », explique-t-il. « Pour l’instant, la première étape est de lancer l’application, et de promouvoir l’open innovation et l’open data ». Actuellement, « on s’intéresse en particulier au transport public et à la mobilité dans les villes, car ce sont des phénomènes en saturation et on a besoin de solution. » Mais il est aussi possible d’imaginer des projets par exemple pour éviter de faire la queue au cinéma, à la Poste,… En fait, tous types de projets à partir du moment où il est intéressant de mesurer combien de personnes font quelque chose à un endroit et à un moment donnés. « L’objectif est d’optimiser les ressources », conclut-il.

Mentions légales © L’Atelier BNP Paribas