Thème du titre: Big Data

Comprendre le présent et façonner l’avenir

En Suisse, de premières villes testent comment mieux évaluer des projets d’infrastructure au moyen de données de téléphonie mobile rendues anonymes. A Singapour, le Future Cities Laboratory de l’EPF va un pas plus loin. Avec le Big Data et en simulant la population entière de la ville, il optimise la planification de réseaux entiers d’infrastructure et de quartiers.

Daniel Meierhans

Comment utiliser au mieux des moyens financiers forcément limités? Toutes les grandes villes suisses sont confrontées aux mêmes défis. Les agglomérations s’agrandissent, se densifient, de nouveaux quartiers voient le jour, l’arrivée de nouveaux habitants transforme les quartiers existants. Les futures infrastructures de transport devront répondre aux nouveaux besoins en mobilité mais pas uniquement. Pour que la croissance actuelle soit durable, la qualité de vie des habitants devra s’améliorer dans des centres toujours plus compacts. Pour Kay Axhausen, responsable de l’Institut für Verkehrsplanung und Transportsysteme de l’ETH Zurich, il est clair que des infrastructures qui ne seront exploitées pleinement que dans 40 ans comme la Suisse les a généreusement planifiées dans les années 1950, entre autres avec le réseau autoroutier, ne sont plus réalistes aujourd’hui.

 

Des données à la base de milliards d’investissements

Concrètement, des projets de plusieurs dizaines de milliards de francs sont actuellement en discussion à Zurich, Bâle, Genève et Lausanne. Comme l’extension des réseaux pour piétons et cyclistes, de nouvelles lignes de tram et de train du réseau ferré léger, le développement d’autoroutes de contournement, la construction de tunnels sous les centres-villes ou le franchissement de lacs par des ponts ou des tunnels. Pour pouvoir décider lesquels, parmi ces coûteux projets, sont les plus judicieux, les responsables des administrations, et aussi les citoyens, ont besoin de données fiables.

 

Reproduire le dynamisme de la vie urbaine

La ville de Genève a pris conscience du potentiel du Big Data pour de tels projets d’urbanisme dès 2011. Le projet pilote «Ville Vivante» montre de façon impressionnante à quel point les données sur les déplacements transmises par les téléphones mobiles peuvent reproduire avec réalisme le dynamisme de la vie urbaine. Entre-temps, les technologies ont encore progressé. De premières villes suisses ont commencé à utiliser le réseau de téléphonie mobile pour planifier les transports en s’appuyant sur les faits. Les profils de déplacement des portables présentent de grands avantages: ils donnent une image quasiment complète de la mobilité, ils s’obtiennent facilement sans être coûteux et ils sont disponibles très rapidement.

 

Des enquêtes peu précises

Jusqu’à présent, les villes devaient se baser sur des enquêtes telles que le microrecensement mobilité et transports de la Confédération. Chères, de telles enquêtes ne peuvent être réalisées que de temps à autre et restent floues. Le questionnaire et l’échantillon sont limités. Les modèles de comportement plus rares ne sont pas détectés et les questions qui apparaissent dans le cours des analyses restent sans réponse. A cela s’ajoute le fait que l’être humain, par nature, a tendance à fournir des réponses qui donnent une image très positive de lui.

 

Les incertitudes dans les modèles de transport actuels sont d’autant plus grandes. En revanche, les données des portables issues du réseau de téléphonie mobile et rendues anonymes et agrégées donnent une image quasiment complète et actuelle de la réalité. «Quand on compare les modèles en vigueur jusqu’à présent à nos données, on constate des différences flagrantes», comme l’explique David Watrin, responsable des produits Sécurité et Intelligence chez Swisscom.

 

Simuler chaque habitant

Les travaux du Future Cities Laboratory de l’EPF à Singapour montrent le potentiel de telles analyses des données dans le domaine des transports, mais aussi de l’urbanisme en général. Des ingénieurs en planification de trafic, des architectes, des sociologues, des experts en énergie, des designers, des chargés d’aménagement du territoire et des spécialistes de la modélisation travaillent ensemble sur des solutions pour la ville de demain. Pour cela, ils utilisent des modèles sophistiqués tels que MATSim Singapore (Multi-Agent Transport Simulation), où les spécialistes travaillant autour de K. Axhausen enregistrent la totalité des déplacements au sein de la ville-Etat asiatique.

Pour pouvoir décider lesquels, parmi ces coûteux projets, sont les plus judicieux, les responsables des administrations, et aussi les citoyens, ont besoin de données fiables.

Dans cette simulation, chacun des 5 millions d’habitants et plus que compte la ville apparaît comme un agent intelligent aux propriétés individuelles. Celles-ci proviennent de données statistiques disponibles sur les lieux de résidence, lieux de travail et structures de population ainsi que des résultats d’enquêtes et des profils d’utilisateur des cartes à puce radio qui permettent de facturer automatiquement l’utilisation faite à Singapour des moyens de transport publics. «Considérées individuellement, les nombreuses interactions entre les différents éléments perdent rapidement en clarté. Les modèles nous permettent de les comprendre», explique K. Axhausen.

 

Tenir compte du comportement

En simulant non seulement le système de mobilité entier, mais aussi et pour la première fois le comportement des habitants dans le modèle MATSim, les chercheurs de l’EPF accèdent à de précieuses informations supplémentaires. Ils peuvent entre autres estimer comment réagiront les usagers à un changement d’offre. A Singapour, les chercheurs ont pu p. ex. passer en revue sur un ordinateur comment diviser au mieux une très longue ligne de bus dont les horaires n’étaient jamais respectés. En la scindant en deux, les horaires ont pu être stabilisés. Et grâce à l’amélioration du service, la ligne a regagné des usagers qu’elle avait perdus, comme l’avait prévu la modélisation.

 

Des cadres de vie qui fonctionnent

La fluidité du trafic, public comme privé, n’est pas le seul critère qui rend une ville attrayante ou pas. La qualité des zones piétonnes favorisant la vie de quartier est au moins aussi importante. Et ici aussi des simulations peuvent aider à planifier des cadres de vie qui fonctionnent dans la pratique. Comment intégrer au mieux dans un réseau piéton des passerelles ou des passages souterrains? Quel type de rues bloque les piétons? Où faut-il des magasins ou des cafés pour attirer les passants? Comment agencer un parc dans l’environnement pour qu’il soit perçu comme un lieu de détente? Les réactions des habitants virtuels montrent les variantes les plus susceptibles de fonctionner au sein de l’écosystème entier de la ville.

 

Gestion de l’immédiat …

Pour le moment, le plus grand intérêt du Big Data est, pour K. Axhausen, la gestion de l’immédiat: «On identifie immédiatement les changements et on peut donc réagir très rapidement.» Concrètement, les données sur les déplacements des téléphones mobiles permettent d’identifier de bonne heure les embouteillages ou les rassemblements problématiques de personnes et de les prédire dans un certain laps de temps. Dans les villes suisses, la gestion des feux de signalisation pourrait par exemple être améliorée, comme l’explique D. Watrin: «Nos données concernent non seulement les grands axes comme les capteurs de comptage actuels fixes, mais aussi toutes les routes. L’image de la situation du trafic est ainsi bien plus complète.»

 

… et optimisation continue

Le fait que le Big Data rende les changements immédiatement visibles donne aux urbanistes un autre levier efficace: à l’instar de Google et autres grands exploitants de sites Internet qui améliorent progressivement l’ergonomie des nouvelles fonctions grâce à des analyses en temps réel, les urbanistes pourront à l’avenir optimiser en continu des réseaux d’infrastructure et des quartiers. Les données des téléphones mobiles permettent de voir rapidement quelles mesures produisent l’effet souhaité, et les changements dans l’utilisation faite des espaces urbains deviennent visibles plus rapidement.

Du Big Data au Smart Data

Pour voir comment la population réagit à une nouvelle ligne de bus ou fait face à un embouteillage, MATSim Singapore simule à l’aide du Big Data le comportement de mobilité des plus de 5 millions d’habitants (cf. image page de titre). La projection sur un modèle urbain illustre en outre l’effet de l’urbanisation.

Future Cities Laboratory ETH Singapore

Plus dʼarticles Focus

Chronique de Christoph Hugenschmidt

Le pêcheur et la mer de données

Que fait concrètement un «Data Scientist»? Et devrions-nous en avoir peur?

Entretien avec un expert

«Plus tôt on échoue, mieux c’est»

Pour profiter des technologies de Big Data il faut experimenter, conseille Victor Schlegel.

Portrait

«Je ne suis pas une pinailleuse»

Quelle impression on a quand on accompagne chaque projet interne de Big Data avec un doigt menaçant?