Site officiel du projet Mu-CAR, un projet régional BFC et inter - Graduate School EIPHI et TRANSBIO oct.2024-jan.2028.
Coordinateur principal : Philippe Canalda, FEMTO-ST, uMLP/STGi (UFR)/Dpt Multimédia et Informatique, Montbéliard
Coordinateur CRESE-TRANSBIO : Vincent Bertrand, CRESE, uMLP/STGi (UFR)/Dpt AES-Droit, Belfort
Coordinatrice UTBM : Oumaya Baala, FEMTO-ST, UTBM, Belfort
Resp. du WP "Recherche opérationnelle, Science des données et Apprentissage machine : algorithmes pour l’appariement entre les offres et les demandes sur des données hétérogènes statiques puis temps réel, avec incertitude"
Coordinateur IUT-NFC/THEMA : Igor Agbossou, THEMA, IUT-NFC, Dpt Carrières Sociales, Belfort
Autres participants :
- Claire Papaix, chercheuse associée au laboratoire MRE Montpellier, et au laboratoire London School
- Pascal Chatonnay
- Christelle Bloch
- Hakim Mabed
- Delphine Martin
- François Spies
- Gérard Cécé
- Ibra Dioum
``Objectif visé de maturité du projet : TRL 1-3 de prototype laboratoire
Résumé du projet :
En dehors des grandes métropoles, les systèmes de transports intelligents se heurtent à une faible fréquentation (de 3% à 8% d'usagers) de l'offre de transport public. Une offre de mobilité alliant les données d'usage du véhicule individuel et les offres de transport public, permettra d'une part de proposer une information agrégée et mise à jour de l'offre de mobilité, et d'autre part d'organiser un Covoiturage Multimodal couplé à un système d'aide à la décision (AAD). Le projet vise à offrir un service transparent et simple de Mobility as a Service (MaaS) où l'accent est mis sur l'offre de mobilité (d'où, vers où et dans quelles conditions) plutôt que sur qui rend le service.
Nous proposons un prototypage de MaaS et une preuve de prototype reposant sur des évaluations fonctionnelles et opérationnelles. Le service doit permettre une supervision (visuelle et ergonomique) de l'état des diverses offres de mobilité sur le territoire, un traitement temps réel des demandes de mobilité des usagers et une aide à la décision multicritères. Les défis scientifique inhérents à un tel service sont nombreux.
Parmi les principaux leviers à lever : l'agrégation (sémantique) des données, un traitement IA sur l'historique et par apprentissage, des algorithmes de recherche opérationnelle couplés à une AAD, un système ITS proposant des interfaces UIX facilitatrices et une administration multi-managériale (OM, AOM) soucieuse d'une politique économique écologique et sociale.
Cette figure représente le scénario nominal du projet de Covoiturage Multimodal. Il propose un focus sur les éléments clefs de ce projet depuis l'agrégation des données ouvertes et hétérogènes de mobilité, l'exploitation qui en est faite depuis une interface intelligente UIX adaptable pour des études connexes de comportements et une analyse fine des mobilités. Une partie Back-end, simplifiée ici des aspects cybersécurité et virtualisation, illustre les traitements coeurs d'IA et de RO, et les accès Web-API, GIS, et données ouvertes de mobilité.
Cette figure introduit une nouvelle mobilité flexible organisant la multimodalité basée sur l'usage du véhicule individuel au sein d'une Offre Globale de Transport Public (OGTP). La partie droite de la figure introduit un territoire fragmenté très représentatif des obstacles au développement d'une mobilité partagé, écologique et sociale. Les multiples Opérateurs de Mobilité (OM), régis par de multiples Autorités Organisatrices de Mobilité (AOM) doivent s'entendre et proposer un service MaaS intégrant l'usage du véhicule individuel afin de franchir un palier de démocratisation d'une OGTP.