English version
 

Focus

Une application pour adapter son déplacement en fonction du niveau de trafic sur le réseau Transilien


Liens externes

http://tranquilien.com/


Tranquilien

Cette application permet de connaître à l’avance le taux de remplissage d’un train du réseau Transilien, et donc le niveau de confort que les voyageurs vont avoir à bord. Tranquilien a été développée par Snips, une start-up européenne spécialisée dans les modèles prédictifs pour les villes intelligentes et la recontextualisation géographique de données, avec le soutien de SNCF Transilien.

Le dispositif

Une fois les gares de départ et d’arrivée entrées, l’utilisateur voit les prochains trains s’afficher avec la prévision d’affluence correspondante représentée par un code couleur simple (vert, orange, rouge selon le niveau de remplissage). Si par exemple le voyant est au rouge et le train suivant est indiqué en vert, le voyageur peut alors décider de décaler son départ de quelques minutes pour voyager plus confortablement. Un voyageur peut également consulter le remplissage des trains du soir alors qu’il est encore au bureau. Il peut quitter son travail au moment optimal pour pouvoir voyager confortablement. De même, il peut consulter l’application le soir pour choisir le lendemain matin l’heure idéale de départ.

La gestion

Les prédictions pour la charge future des trains se basent sur :

  • des données historiques fournies par SNCF Transilien,
  • les informations de taux d’occupation remontées par les utilisateurs en temps réel, qui sont intégrées grâce à la technologie de la start-up.

Afin d’améliorer les prédictions, un modèle contextuel est en cours de développement par Snips et sera intégré dans une seconde version de l’application. Les modèles utiliseront, entre autres, des données telles que la météo, l’accessibilité par les autres moyens de transport ou encore des données socio-démographiques des communes desservies. À terme, les données proviendront d’une cinquantaine de sources différentes, dont la plupart issues de sources Open Data.

Le plus

Parmi les points forts de l’application, la participation des voyageurs à l’information collective contribue à la fois à améliorer en continu le service et à prévoir l’impact de nouveaux événements sur le réseau. Le développement de modèles prédictifs pour la ville intelligente contribue à rendre la gestion des villes plus économique et plus efficiente.