Des analyses de données intelligentes pour aider à réduire les embouteillages et faciliter la mobilité urbaine
Le projet SOUTHPARK (SOcial and Universal Technology HelPing to detect ARrivals via sdK), basé sur le système predict.io est un SDK (Software Development Kit) pouvant être intégré dans n’importe quel type d’application, ainsi que dans les voitures et les trains intelligents. Tout au long du projet, de nombreux cas ont été identifiés qui faisaient soit usage de la détection de données en temps réel soit allaient dans le sens de la veille stratégique en recourant à des données agrégées. Le SDK a pour objectif de réduire les engorgements dans les systèmes de circulation en modélisant un certain nombre de processus, comme, par exemple: l’automatisation du paiement du stationnement; la planification de la capacité pour les transports en commun, le covoiturage et la location de vélos; les systèmes de guidage pour personnes handicapées et l’analyse des déplacements domicile-travail. Le projet visait initialement à couvrir les problèmes liés au stationnement via l’application «ParkTAG», mais son champ d’action a été élargi au fur et à mesure de l’avancement des travaux. Mme Sandra Kobel, coordinatrice du projet, a déclaré: «Les clients actuels intègrent le SDK dans leurs applications, ce qui leur permet de collecter des informations de localisation dans leur base de données utilisateurs. Avec ces données, ils peuvent analyser le comportement de leurs utilisateurs (par exemple, une application de stationnement a besoin de savoir où les utilisateurs se garent et se rendent) ou déclencher un événement lorsque quelque chose se produit (par exemple, rappeler à un utilisateur d’arrêter le paiement du parcmètre une fois qu’il a quitté sa place de parking).» Grâce à des algorithmes auto-adaptables, le SDK predict.io est capable de détecter le début et la fin d’un mouvement, via une application ou via un dispositif IdO intégré. Le développement d’un système capable de s’adapter rapidement aux nouvelles configurations locales était essentiel pour le projet SOUTHPARK. Pour intégrer le SDK avec sa technologie de détection STOP au sein de différentes applications relatives à la mobilité, les principaux indicateurs à prendre en compte sont la précision de la localisation, la précision temporelle, le délai de détection, la décharge de la batterie, la précision minimale et le rappel minimum. Predict.io identifie les exigences de STOP dans plusieurs cas d’utilisation en rapport avec la mobilité. Bien qu’il existe d’autres systèmes, les algorithmes du SDK de SOUTHPARK peuvent s’adapter très rapidement à de nouvelles configurations locales, par exemple s’ils sont intégrés au sein d’une nouvelle application et/ou dans une nouvelle ville ou région. Ceci, explique Kobel, a constitué l’étape d’apprentissage automatique du projet SOUTHPARK. Le fait de pouvoir utiliser un système préexistant développé par predict.io permet aux développeurs de gagner du temps et de l’argent. «Nos algorithmes réduisent les coûts d’adaptation et le temps nécessaire pour localiser les nouveaux paramètres d’environ 75 % par rapport à ce qui se faisait quand le projet a été lancé en 2015.» La réduction des coûts et l’amélioration de la vitesse ont évidemment été appréciées par les développeurs. «Lorsque le projet SOUTHPARK a pris fin en juillet 2018, le SDK et la suite d’outils analytiques avaient déjà été lancés avec succès dans divers pays et produisaient environ 75 millions de points de données par jour», déclare Kobel.
Mots‑clés
SOUTHPARK, trafic, SDK, kit de développement logiciel, predict.io, mobilité urbaine intelligente, plateforme de gestion de données
