III - Améliorer le transport régional
Notre solution basée sur l’IA contribuera à étendre de nouvelles opportunités de transport aux populations les plus isolées, améliorant ainsi la qualité de vie et bénéficiant aux économies locales.
Lucía Menéndez-Pidal, coordinatrice technique de PRIAM
Les opportunités actuelles de mobilité aérienne innovante (IAM), telles que les grands drones appelés «véhicules électriques à décollage et atterrissage verticaux» (eVTOL), promettent un transport aérien plus efficace, durable et accessible. «Les eVTOL permettent de surmonter les obstacles géographiques et de mieux relier les populations régionales lorsque le rail ou les routes ne sont pas une option viable», explique Lucía Menéndez-Pidal, ingénieure aéronautique chez l’hôte du projet Nommon(s’ouvre dans une nouvelle fenêtre) et coordinatrice technique de PRIAM(s’ouvre dans une nouvelle fenêtre). Des questions subsistent toutefois concernant une coordination plus large avec d’autres modes de transport, qui répondrait également à la demande et aux attentes des passagers. Dans ce contexte, le projet PRIAM, financé par l’entreprise commune SESAR(s’ouvre dans une nouvelle fenêtre), contribue à déployer un système de transport plus ambitieux, centré sur les passagers et reliant les centres ruraux et urbains européens, grâce à une série d’outils d’intelligence artificielle (IA). PRIAM a élaboré une représentation virtuelle du réseau de transport régional actuel de l’Europe (son jumeau numérique), augmentée par l’analyse des données et la modélisation assistée par l’IA. Cela permet à l’équipe d’effectuer des simulations de scénarios avant le déploiement réel. L’analyse des données des réseaux mobiles à l’aide de l’apprentissage automatique permet à l’équipe de mieux comprendre les schémas de mobilité des passagers (trajets, modes de transport, fréquence, etc.). Combiné aux données de l’enquête, PRIAM peut estimer les niveaux probables d’adoption de l’IAM. Des techniques d’optimisation suggéreront les meilleurs emplacements pour les vertiports, ainsi que la meilleure façon d’intégrer les services d’IAM dans les réseaux de transport multimodaux actuels.
Vers un système de transports centré sur le passager
Deux études de cas vont valider les outils et les algorithmes de PRIAM. L’une d’elles sera réalisée dans la région de La Gomera-Tenerife, dans les îles Canaries, une région montagneuse qui dépend du transport par ferry, tandis que l’autre se déroulera dans les Pyrénées catalanes, une autre région montagneuse faiblement peuplée qui est un haut lieu du tourisme. «Notre solution basée sur l’IA contribuera à étendre de nouvelles opportunités de transport aux populations les plus isolées», améliorant ainsi la qualité de vie et bénéficiant aux économies locales, ajoute Lucía Menéndez-Pidal. Outre un cadre d’évaluation de l’impact, qui s’appuie sur les travaux réalisés dans le cadre de projets SESAR apparentés tels que TRANSIT(s’ouvre dans une nouvelle fenêtre), MultiModX(s’ouvre dans une nouvelle fenêtre) et MUSE(s’ouvre dans une nouvelle fenêtre), PRIAM développera un ensemble d’outils numériques en soutien à la mise en œuvre de l’AIM, complété par des recommandations de déploiement.
