Quand le rail s’associe au développement de l’intelligence artificielle aux Pays-Bas

NS et KLM vont s’associer à trois autres groupes néerlandais, à savoir ING, Ahold Delhaize et Philips, pour soutenir l’écosystème d’intelligence artificielle aux Pays-Bas en promouvant le développement de l’IA à travers le pays.

Un plan d’action gouvernemental, des entreprises qui investissent des millions dans des postes de professeurs : cette semaine, les Pays-Bas semblent tout mettre en oeuvre pour se joindre à la course à l’intelligence artificielle. Une lubie ? Tant les Chinois que les américains voient un potentiel technologique énorme. Aux États-Unis, l’intelligence artificielle est considérée comme cruciale pour l’économie. Le président russe Vladimir Poutine a même prédit que le pays doté de la meilleure intelligence artificielle dominera le monde. C’est déjà le cas avec les GAFA.

Baptisé ‘Kickstart AI‘, ce programme a pour objectif de combler l’écart entre les Pays-Bas et d’autres pays, tels que le Royaume Uni, les Etats-Unis et la Chine, qui ont réalisé des progrès notables dans ce domaine. Ce programme est destiné à promouvoir, stimuler et accélérer le développement de la technologie de l’IA dans le pays. Les Pays-Bas veulent non seulement accroître leur capacité éducative, mais aussi promouvoir la communauté de l’IA et mettre l’accent sur la position des Pays-Bas comme pilier mondial compétitif et pertinent dans ce domaine d’avenir.

Rendez-vous académiques
Les cinq entreprises prônent donc l’expansion des connaissances et des talents locaux afin de mettre en œuvre une intelligence artificielle non seulement axée sur ce qui est techniquement possible, mais qui réponde aussi aux questions éthiques et sociales que la société néerlandaise peut se poser. Grâce à leur collaboration, le gouvernement, l’industrie et les fournisseurs de technologie pourront mieux appréhender les défis sociétaux  et l’introduction de l’intelligence artificielle aux Pays-Bas sera accélérée. Ce programme soutenu au plus haut niveau gouvernemental s’adresse aussi aux consommateurs, lesquels pourront bénéficier d’un service plus personnalisé, de plus de confort et d’un plus grand choix dans divers domaines comme l’alimentation, les voyages, la santé et les finances.

Lors du congrès SpoorData, l’entreprise ferroviaire publique Nederlandse Spoorwegen (NS) déclarait que « nous appelons les entreprises à coopérer pour résoudre un problème social, celui de la mobilité. » Le quotidien de millions de personnes qui fréquentent Ahold Delhaize, ING, KLM, Philips et NS a en commun l’alimentation, les voyages, la santé et les finances. En tant qu’organisations de la société néerlandaise, ces sociétés, incluant les chemin de fer néerlandais, ont bien compris le potentiel que l’intelligence artificielle pouvait offrir afin d’améliorer la vie quotidienne aux Pays-Bas. C’est pourquoi ils ont uni leurs forces pour appeler les autres acteurs de l’industrie et du secteur à prendre des mesures afin de stimuler la coopération et de créer un écosystème florissant pour l’IA aux Pays-Bas, au bénéfice des citoyens. Reste à voir évidemment le concret de des belles idées.

Une mine d’or
Les entreprises et les organisations publiques ou autres ont accès à une montagne de données sans cesse croissante : c’est le big data. Des données que l’on peut utiliser, par exemple, pour rationaliser des processus d’entreprise, introduire de nouveaux services ou augmenter le chiffre d’affaires.

Mais les hollandais font ce constat : il n’y avait pas assez de formateurs pour enseigner les métiers de l’IA aux étudiants. Du coup, un certain nombre d’entreprises s’investissent au sein des universités par le biais de divers partenariats. Les chemins de fer néerlandais sont de la partie, où l’intelligence artificielle n’est plus une lubie mais une perspective d’avenir. « L’intelligence artificielle est vraiment essentielle à la survie du chemin de fer », explique le porte-parole des NS, Hessel Koster. Et ce n’est pas une blague de geek. Qu’on s’en rappelle : en 2018, l’opérateur ferroviaire ProRail s’alarmait du nombre de voyageurs à venir, prévoyant une augmentation de 45% d’ici 2030 sur le réseau ferré. L’entreprise avertissait les autorités et les opérateurs ferroviaires que cette augmentation rendait de plus en plus difficile l’attribution de capacités d’infrastructure supplémentaire. Il n’y aurait par ailleurs plus de terrains disponibles pour quadrupler, voire sextupler les voies. Message entendu ?

>>> À lire : Pays-Bas – le réseau atteint ses limites. Vers un horaire à la six secondes ?

Le gestionnaire d’infra et l’entreprise publique NS font donc pression sur le gouvernement pour qu’il investisse des fonds supplémentaires dans ce qui reste possible en matière d’infrastructures, mais aussi en s’orientant vers d’autres solutions à l’étude, dont notamment le train autonome. La boucle est bouclée.

Déjà de l’IA aux chemins de fer ?
Les chemins de fer néerlandais NS se targuent d’utiliser déjà de l’IA. « Nous appliquons déjà pas mal d’IA et ne nous y trompons pas, de nombreux informaticiens travaillent maintenant aux NS. Nous sommes davantage que des conducteurs et des chefs de gare. Avec vos conseils de voyage, vous pouvez maintenant voir l’occupation du train. Tout cela est déterminé par l’IA. Nous avons utilisé cette technologie pour laisser un ordinateur déterminer à quel moment un train transporte de nombreuses personnes et où se trouvent ces personnes dans le train », explique Koster. Ainsi, en tant que voyageur, vous pouvez voir où vous pouvez vous installer pour avoir la plus grande chance de vous asseoir.

Un exemple d’occupation des trains…

Mais les NS regardent encore plus loin. « Pour utiliser des trains autonomes, par exemple, vous avez également besoin de l’intelligence artificielle. De la même manière que cela est nécessaire pour les voitures autonomes. »  Un essai de train autonome aura lieu sur la ligne Lelystad – Zwolle, au nord-est d’Amsterdam. Les voyageurs ne pourront pas encore utiliser ce train et, dans un premier temps, un conducteur sera présent dans la cabine pour parer à toute éventualité.

Le premier train à conduite autonome NS sera une automotrice de type Sprinter New Generation (SNG). Une unité informatique a été installée dans la cabine de conduite, laquelle fera rouler et fonctionner le train. L’ordinateur contient toutes les données du train et de l’infrastructure, et est capable de contrôler le convois. Ce n’est pas la première fois que des trains autonomes sont testés aux Pays-Bas.

Dans le nord du pays, L’opérateur privé Arriva et le gestionnaire d’infrastructure ProRail y travaillent également depuis le début de cette année. Le transporteur privé Arriva a mis à disposition une ses rames voyageurs pour un test conduit entre Groningue et Buitenpost avec la technologie ATO (Automatic Train Operation), qui permet aux trains de circuler de manière indépendante sur la voie. La technologie ATO comprend quatre niveaux différents d’exploitation automatique des trains. Les tests actuels avec des trains à conduite autonome concernent les tests avec le système ATO niveau 2. Cela signifie que le conducteur reste responsable mais que seules certaines tâches sont reprises. Ce test entre Groningue et Buitenpost mesurait l’effet de la conduite sous ATO sur le respect de l’horaire, la précision des arrêts en gare et la consommation d’énergie. Cette coopération  de recherche rassemble Arriva, la province de Groningue, ProRail et Stadler. Une région qui participe au futur technologique du rail, cela mérite d’être souligné.

Le rail néerlandais est donc résolument tourné vers son futur… et quelque part son avenir, et c’est une différence majeure par rapport à ce qui se passe au sud d’Anvers…

La culture nordique d’accompagnement
L’annonce par NS, KLM, Philips, ING et Ahold de collaborer à l’intelligence artificielle Kickstart coïncide avec le lancement du plan d’action stratégique AI (SAPAI) et de la coalition néerlandaise AI. Et c’est ici que l’on peut mesurer la différence : dans l’Europe du nord, l’Intelligence artificielle est une opportunité économique majeure et ne souffre pas de débats émotionnels ni d’une culture du refus que l’on voit ailleurs. Résultats : c’est tous ensemble que élus, secteur public et entreprises privées se mettent à la tâche. Une forme d’intelligence collective qui rend ces pays si attractif. D’ailleurs, on parle bien aux Pays-Bas de maintenir conjointement la croissance et la compétitivité de l’économie néerlandaise.

Un exemple concret de cette mentalité nordique si pragmatique : un cours national d’intelligence artificielle sera organisé dans le but de promouvoir l’acceptation de l’IA aux Pays-Bas et d’accroître les connaissances à son sujet. Le pays prépare un concours visant « à rehausser le profil mondial des Pays-Bas (sic),» en mobilisant les talents de l’intelligence artificielle dans le monde entier pour relever les défis sociétaux, comme dans le domaine de la santé et de la mobilité.

Un deuxième exemple concerne des investissements réalisés à travers un partenariat public-privé en nominant des membres du personnel académique universitaire afin de permettre à la prochaine génération de talents en IA d’accéder à l’éducation, à la formation et à des universités de renom. Le premier engagement est de créer cinq partenariats au sein d’institutions néerlandaises, créant ainsi 25 postes. « Les efforts communs des universités et des entreprises sous le drapeau de Kickstart AI, soulignent l’urgence d’accélérer l’éducation et la conservation des talents en intelligence artificielle, et montrent à quel point nous sommes engagés dans la collaboration et les investissements afin d’accélérer l’innovation aux Pays-Bas », explique Maarten de Rijke, professeur à l’Université d’Amsterdam et directeur du Centre d’innovation pour l’intelligence artificielle. L’objectif est que d’ici la fin 2020, près de 170.000 personnes soient inscrites au cours, qui sera également disponible en anglais.

Une petit pays d’à peine 18 millions d’habitants qui s’engage sur une telle voie, ça force le respect…

Comment l’intelligence artificielle va révolutionner la mobilité

18/08/2019 – Par Frédéric de Kemmeter – Signalisation ferroviaire et rédacteur freelance
Inscrivez-vous au blog

🟧 Nos brèves quotidiennes 🟧 Notre lexique ferroviaire

L’intelligence artificielle (IA) peut apporter une contribution importante à la révolution de la mobilité. Dans le cadre d’une mobilité en réseau intelligent, les personnes se déplaceront d’un lieu à l’autre et les marchandises seront transportées de manière économe en ressources. Des experts en plateformes de systèmes d’apprentissage (learning systems) décrivent dans un rapport récent ce qui serait le moyen le plus sûr, le plus souple et le plus économique de se déplacer sur la route, sur les rails, sur l’eau ou dans les airs.

Les learning systems offriraient un grand potentiel pour relever les défis de la mobilité actuels, selon ces experts. « Moins de congestion, d’accidents et d’émissions polluantes – l’IA peut nous aider à atteindre ces objectifs pour la mobilité du futur. Pour se rapprocher de cette étape, les moyens de transport et les infrastructures de transport doivent être intelligemment mis en réseau », explique Christoph Peylo , responsable du centre Bosch pour l’intelligence artificielle et co-responsable du groupe de travail ‘Mobilité et systèmes de transport intelligents’ de la ‘Plattform Lernende Systeme’. L’idée : des capteurs, des caméras et des infrastructures ainsi que des plates-formes intelligentes qui collectent les données, les gèrent et les partagent en données de trafic. Des techniques d’apprentissage automatique (ML) de plus en plus puissantes sont utilisées pour traiter l’énorme masse de données collectées.

Au sein du groupe de travail « Mobilité et systèmes de transport intelligents » de la ‘Plattform Lernende Systeme’, des représentants de la science et de l’industrie ont examiné les possibilités et les défis que posent les learning system pour chaque mode de transport. Pour son premier rapport, le groupe de travail a identifié cinq domaines d’action qui devraient être abordés par la science, l’industrie, la politique et la société afin de promouvoir la mobilité basée sur l’intelligence artificielle et des systèmes de transport intelligents, durables et axés sur la demande : mise en réseau et interaction des systèmes, disponibilité des flottes de matériel roulant, état des infrastructures, interaction homme-machine (MMI) dans l’espace de mobilité, sécurité dans les systèmes de transport intelligents et aspects sociaux.

Pour les membres du groupe de travail, les learning systems doivent être développés pour tous les modes de transport, y compris les chemins de fer. Leurs applications vont des drones de livraison sans pilote aux systèmes ferroviaires en réseau avec locomotives autonomes, ou encore des formes intelligentes de mobilité dans les transports publics et le covoiturage, ainsi que les véhicules autonomes. Ces développements parfois concurrents sont utilisés en parallèle dans un même environnement – par exemple dans le réseau routier et ferroviaire existant – et peuvent avoir des effets considérables sur notre société. Que dit ce rapport en ce qui concerne le domaine ferroviaire ? C’est ce que nous allons voir mais il faut au préalable quelques bases en intelligence artificielle.

C’est quoi le ‘learning system’ ?
Malgré la confusion qui entoure sa définition et sa valeur commerciale, l’intelligence artificielle continue de progresser. L’apprentissage automatique est une méthode d’analyse de données qui automatise la création de modèles analytiques. Ces modèles basés sur des algorithmes sont principalement construits à partir de techniques statistiques et d’informatique théorique et exploitent de vastes ensembles de données pour apprendre et s’améliorer en permanence.

Dans un sens, les systèmes d’apprentissage et l’intelligence artificielle (IA) sont arrivés depuis longtemps dans la vie privée et professionnelle : nous restons en contact les uns avec les autres à tout moment via un smartphone, nous avons accès à un large éventail d’informations en temps réel via des systèmes d’assistance intelligents, qui nous aident notament au travail, à la maison ou à nous guider (Google Maps). Mais la question essentielle est de savoir comment traiter ce que nous laissons derrière nous, c’est à dire les données.

De nos jours, la plupart des chercheurs en intelligence artificielle s’intéressent aux quantités énormes de données avec des algorithmes très avancés qui utilisent des learning system pour créer des modèles. « On arrive à faire des prévisions de très bonne qualité en utilisant d’énormes bases de données, » note Emma Frejinger, professeure agrégée au Département d’informatique et de recherche opérationnelle à l’Université de Montréal. « C’est quelque chose qui n’était pas possible avant

On trouve généralement trois types de learning system :

  • En 2019, la majorité des programmes d’apprentissage étaient encore de type supervisés, c’est-à-dire qu’ils ont besoin d’être nourri par des données annotées par des développeurs. L’apprentissage supervisé apporte une base de données pré-construite au système. Les développeurs spécifient la valeur des informations, par exemple, si elles appartiennent à la catégorie A ou B. C’est un travail fastidieux et exigeant, qui comporte un risque important d’erreurs.
  • L’apprentissage par renforcement est un processus automatique par lequel l’IA s’améliore sans intervention humaine. L’IA a accès aux données et améliore constamment ses réponses par l’apprentissage.
  • L’apprentissage non supervisé aide à trouver des modèles dans un ensemble de données sans étiquettes préexistantes. Deux des principales méthodes utilisées dans l’apprentissage non supervisé sont l’analyse en composantes principales et en clusters (grappes).

L’apprentissage profond (ou deep learning) est l’évolution la plus poussée de l’IA à ce jour. Il fait partie d’une famille plus large de méthodes d’apprentissage automatique basées sur des réseaux de neurones artificiels. Le deep learning peut être supervisé, semi-supervisé ou non supervisé. Il exige une importante capacité de traitement informatique ainsi qu’une grande quantité de données étiquetées pour appréhender la tâche dont il est question. Il peut ainsi atteindre le plus haut degré de précision possible en matière de données.

Au niveau technique, ces apprentissages peuvent être grandement accélérés par le déploiement de la 5G, qui fait débat dans plusieurs pays, ainsi que des serveurs à grande capacité.

Quel potentiel pour la mobilité ?
L’intelligence artificielle existe déjà sous différentes formes dans le domaine de la mobilité : d’une part avec les systèmes d’assistance et d’automatisation qui sont déjà implémenté dans chaque système de transport. Et d’autre part par l’utilisation de l’IA pour les opérations, la planification et la gestion des actifs. Mais il faut aller beaucoup plus loin.

L’objectif est de rendre la mobilité multimodale efficace et conviviale, en exploitant l’énorme potentiel d’optimisation entre chaque opérateur. Cela nécessite un couplage beaucoup plus fort des systèmes de chacun, avec tout ce que cela implique au niveau technique et réglementaire, par exemple au niveau de la protection des données.

De grandes quantités de données
La mobilité est certainement un secteur qui produit le plus de données. Les volumes sont croissants d’année en année. Quand vous mettez en marche la touche « position » sur votre smartphone, celui-ci enregistre la totalité de vos déplacements, et même de vos mouvements avec une application sportive, par exemple. Toutes ces données partent vers des serveurs et sont analysées. Dans de nombreuses villes, nous trouvons par exemple le métro, l’autobus, les différents services de taxi, le vélo et l’automobile en partage. Mais ils sont tous liés les uns aux autres puisqu’ils utilisent tous les mêmes routes. Votre smartphone enregistre tous les transports que vous empruntez, le temps que vous y passez et la fréquence chaque semaine ou chaque mois. D’où la nécessité de regarder la situation de manière globale. Ce sont ces services dans leur ensemble que l’on veut mieux comprendre et mieux planifier. Tous les modes de transport sont liés. Le système est cependant très complexe. En conséquence, les méthodes d’intelligence artificielle peuvent être présentées comme une solution intéressante pour des systèmes aussi complexes qui ne peuvent pas être gérés à l’aide de méthodes traditionnelles. De nombreux chercheurs ont démontré les avantages de l’IA dans les transports.

L’un des grands défis est d’éviter de devoir utiliser trop de données annotées (l’apprentissage supervisé). Les systèmes pourront améliorer leur performance par un apprentissage en continu non-supervisé, à partir de données capturées automatiquement sans besoin d’annotation. Ce mode d’apprentissage plus autonome nécessitera un contrôle quasi-permanent des connaissances de la machine. Et cela coûte très cher. À l’avenir, avec la complexité des données dans les STI (systèmes de transport intelligents), des techniques de deep learning seront essentielles pour trouver des modèles permettant de créer des systèmes de transport encore plus connectés.

Potentiel ferroviaire
Le learning systems permet d’implémenter techniquement une automatisation élevée de nouvelles fonctions ferroviaires et de rendre les fonctions existantes plus sûres et plus efficaces. Les fonctions existantes peuvent ainsi être améliorées, comme la perception anticipée de l’environnement, la coordination du trafic ou encore la surveillance automatique des composants des véhicules, qui a trait à la maintenance prédictive. Les learning systems peuvent prédire plus finement la maintenance des actifs ferroviaires au fur et à mesure que la masse des données s’accumule. On mesure ici le défis d’avoir des données utilisables ainsi que leur quantité qu’il est nécessaire de traiter.

Sécurité du réseau
Des systèmes basés sur l’apprentissage non supervisé sont mis en œuvre dans la sécurité du réseau : un système d’apprentissage automatique détecte les comportements anormaux. Par exemple, une section occupée par un autre train. Des algorithmes intelligents, sous la forme de réseaux neuronaux artificiels, peuvent analyser le trafic et développer des systèmes de gestion du trafic plus efficaces, tout en garantissant la sécurité des trains. Cela intéresse fortement le secteur ferroviaire, qui doit justement fournir un très haut degré de sécurité tout en améliorant ses performances.

Connaissances des flux
Le développement rapide des systèmes de transport intelligents a accru la nécessité de proposer des méthodes avancées pour prédire les informations de trafic. Ces méthodes jouent un rôle important dans le succès des sous-systèmes STI tels que les systèmes d’information des voyageurs, les systèmes de gestion du trafic et les systèmes de transport en commun. Les systèmes prédictifs intelligents sont développés à l’aide de données historiques extraites de l’occupation des sections de voies et des trains. Ensuite, ces données deviennent une entrée pour les algorithmes d’apprentissage automatique et d’intelligence artificielle permettant une prédiction en temps réel.

Les études de simulation de trafic, qui sont importantes quand il faut décider si on doit ajouter une voie ou modifier une entrée de gare, peuvent être enrichies par les techniques de learning systems. Il s’agit là d’un potentiel considérable pour contrôler le flux de trafic avec davantage de précisions et de pouvoir gérer le trafic plus efficacement. Cependant, la mise en relation de données individuelles et collectives pose de grands défis, à la fois sur le plan technique et réglementaire. Un compromis intelligent entre données individuelles et collectives est indispensable pour que les systèmes ne soit pas livré à lui-même. Le learning systems peut jouer un rôle clé à cet égard. La condition préalable est le choix des algorithmes d’édition de données prenant en charge leur gestion et la prise de décision. Ils permettent ainsi de maîtriser la complexité des indicateurs de performance clés (KPI).

Conduite automatisée
Une autre application importante des learning systems dans le domaine des transports ferroviaires est la conduite automatisée sans conducteur. Les trams, métros et trains automatisés sans conducteur offriraient non seulement une plus grande capacité sur le réseau ferroviaire, mais ils permettraient d’adapter le système de transport aux besoins des usagers en optimisant les horaires de transport public ainsi que la capacité de transport. La conduite hautement automatisée ou sans conducteur dans des conditions de circulation ferroviaires mixtes ou sur des itinéraires dotés d’infrastructures de sécurité moins strictes nécessite avant toute chose des informations sur les véhicules. Le train automatisé doit pouvoir détecter son environnement comme le fait un conducteur humain aujourd’hui. Cela revient à instaurer des capacités d’analyses proche de la voiture autonome, bien que le train soit guidé sur des rails. Actuellement, les trains ne communiquent pas entre eux et sont dépendants d’un centre de contrôle du trafic. Ce n’est pas de l’autonomie à 100%.

Un cas particulier d’automatisation ferroviaire est le ‘Driver Advisory Systems’. Ces systèmes d’assistance intelligents, basés sur de nouveaux algorithmes, permettent de conduire plus efficacement, d’obtenir davantage d’efficacité énergétique, ce qui améliore la capacité en ligne, la stabilité opérationnelle et la fiabilité du système. L’automatisation intelligente rendrait les opérations plus flexibles – à l’instar du trafic routier -, et le transport ferroviaire pourrait être desservi de manière orientée vers la demande en réactivant des itinéraires fermés avec des véhicules ferroviaires plus petits et automatisés. De plus, les méthodes d’IA modernes pourraient fournir des informations plus fiables sur la disponibilité de la flotte de transport ou l’état de l’infrastructure.

>>> À lire : Le train autonome, en est-on réellement ?

L’automatisation du transport ferroviaire doit prendre en compte l’interaction des véhicules avec l’infrastructure et les systèmes de contrôle du trafic et de la sécurité. Les réglementations en vigueur, qui régissent la sécurité dans le trafic ferroviaire, par exemple, exigent toujours l’utilisation de technologies éprouvées. Les changements technologiques devraient dès lors nécessiter des ajustements de la réglementation pour les opérations ferroviaires. C’est un véritable défi quand on connait avec quel degré la sécurité des transports est aujourd’hui soumise par les organismes gouvernementaux. En particulier, la mise en réseau avec une gestion globalisée du trafic peut présenter un risque potentiel pour la sécurité : ainsi, si plusieurs trains attendent mutuellement parce qu’ils sont tributaires de l’un ou l’autre, l’attente peut déclencher des nœuds engorgés ou des surcharges temporaires.

Les méthodes d’IA modernes peuvent jouer un rôle clé en tant que composants élémentaires de l’ensemble de la chaîne de traitement d’une conduite automatisée. Elles peuvent être utilisées, par exemple, dans l’interprétation des perceptions de l’environnement, dans la localisation, dans les prévisions, dans la planification et dans la mise en œuvre de stratégie de conduite optimale, ainsi que dans d’autres domaines liés aux infrastructures tels que : la construction et la gestion d’une grande base de données ou la cartographie exacte de l’environnement du réseau ferré.

La maintenance prédictive
Les composants mécaniques, tant de l’infrastructure que du matériel roulant, souffrent d’usure et les techniques actuelles les mettent temporairement hors service à la moindre panne. La surveillance intelligente de l’exploitation, la maintenance prédictive et le dépannage intelligent et adaptatif sont capables d’augmenter la disponibilité des actifs, de mettre moins de trains dans les ateliers, ce qui est crucial pour l’orientation client.

Pour ce faire, les learning systems ont continuellement besoin de données provenant de différentes sources, à tout instant, et à partir desquelles ils peuvent prévoir des scénarios de défaillance typiques mais aussi intervenir de manière proactive dans la maintenance. Dans le secteur ferroviaire, les possibilités de surveillance intelligente sont innombrables. En particulier, une surveillance et une évaluation continues des données par capteurs et télémétrie enregistrées doivent être effectuées, par exemple en ce qui concerne les températures des rails ou d’autres composants électriques, des mesures de temps, des enregistrements d’images, etc. L’infrastructure peut être constamment surveillée par des drones, moyennant une meilleure souplesse de la réglementation très stricte de ces engins. L’objectif est d’assurer une disponibilité de près de 98% des trains et 100% de l’infrastructure.

>>> À lire : La digitalisation du rail, c’est déjà du concret chez Infrabel

L’interface homme / Machine
« Un point crucial de la mobilité intelligente en réseau est constitué par des interfaces bien conçues pour l’interaction entre l’homme et la machine (IHM). Où que ce soit dans un espace de mobilité, les personnes et les systèmes intelligents vont se rencontrer : que ce soit lors de la réservation de tickets, de covoiturage ou de vélos, en tant que conducteur de véhicules automatisés ou simplement lors de la traversée de la rue », explique Tobias Hesse, Chef du Département Développement Véhicule et Système au Centre aérospatial allemand et co-responsable du groupe de travail. L’interaction doit être conviviale, intuitive et sécurisée. « Par exemple, un véhicule hautement automatisé doit pouvoir communiquer de manière intelligible avec ses occupants ainsi qu’avec les autres conducteurs, les cyclistes ou les piétons, et cela à tout moment. Les learning systems apportent à la fois de nouveaux défis et des solutions innovantes », explique-t-il.

Les auteurs du rapport proposent une plate-forme de mobilité globale qui regroupe, orchestre et met à la disposition de groupes d’utilisateurs hétérogènes les offres de divers fournisseurs de services de mobilité, ainsi que des informations sur le trafic et l’infrastructure. « Dans la prochaine étape, le groupe de travail Plattform Lernende Systeme souhaite concevoir une plate-forme de mobilité complète. Ce devrait être le lieu de convergence des informations provenant des fournisseurs de mobilité, des participants et des infrastructures. Les différentes parties prenantes pourront utiliser les données en réseau pour élaborer des offres et des produits de mobilité durables », a annoncé Christoph Peylo. Nous attendrons cela avec impatience…

Le rapport « Vers un espace de mobilité intelligent » est disponible à ce lien, uniquement en allemand

18/08/2019 – Par Frédéric de Kemmeter – Signalisation ferroviaire et rédacteur freelance
Inscrivez-vous au blog

Japon

Par Frédéric de Kemmeter – Signalisation ferroviaire et rédacteur freelance – Inscrivez-vous au blog
🟧 Nos brèves quotidiennes 🟧 Notre lexique ferroviaire 🟧 Nos newsletters 🟧 Nos fiches thématiques

Articles / actualités

Un premier Shinkansen automatisé testé au Japon [vidéo]
21/11/2021 – Sans conducteur humain aux commandes, un train à grande vitesse Shinkansen a commencé à sortir de la gare de Niigata à 1h50 du matin le 17 novembre et a rapidement atteint une vitesse de 100 km/h. East Japan Railway Co. effectuait un test autonome à l’aide d’un train de la série E7 desservant la ligne Joetsu Shinkansen devant les médias présent.


ERA_Europe_RailwaysDes chemins de fer intégrés mais un paysage ferroviaire contrasté
07/12/2020 – On connait mal le Japon et sa politique ferroviaire, qui fait souvent l’objet de fantasmes divers. Contrairement aux pays européens, il n’y a pas un seul chemin de fer national mais des dizaines de chemins de fer intégrés au niveau local et régional. Certains gagnent de l’argent tandis que d’autres souffrent du dépeuplement des zones rurales et du vieillissement de la population.


Chamartin_reconstruccion_DCN-5Pourquoi les trains japonais sont-ils si ponctuels ?
08/03/2020 – Les japonais sont clairement les champions du monde de la ponctualité, pour tous les trains. Mais pourquoi cela et comment y arrivent-ils ? Explications.


Laview_3Voici le train de banlieue nouveau style…  – 22/09/2019 – Depuis mars dernier, de nouvelles automotrices au design particulièrement inédit circulent sur deux lignes dans les environs de Tokyo. Hitachi en est le constructeur. Une inspiration pour nos trains d’Europe ?


Alfa-X Plus de vitesse, moins d’énergie, voici « Supreme », la nouvelle génération de TGV
28/05/2019 – Le Japon dévoile Supreme, un nouveau modèle de train à grande vitesse nouvelle génération, qui a la particularité d’être plus léger et de consommer moins d’énergie que celui de la génération actuelle. (Clubic.com)


Japan_driverlessTests de train sans conducteur sur la ligne Yamanote à Tokyo
03/01/2019 – JR East a commencé des tests nocturnes de train sans conducteur sur la ligne très chargée de Yamanote, à Tokyo. Ces tests devraient permettre à terme une application tant sur lignes urbaines que sur les lignes rurales.


Tokyo-commutersNavetteurs, soyez heureux de ne pas être japonais !
24/06/2018 – Marre de votre vie de banlieusard, debout, serré dans un mauvais train pour vous rendre au centre de Paris ? Vous détestez le RER A, B, C ? Soyez reconnaissant de ne pas être japonais ! En lisant ces lignes, vous pourrez vous rendre compte que vous êtes finalement un privilégié. Plongée dans un autre monde, loin de chez nous.


Shiki-Shima, un nouveau train de luxe pour 34 personnes
07/05/2017 – Le train de nuit le plus luxueux du monde vient d’être lancé au Japon. Il est réservé à une clientèle de niche pour un voyage pas comme les autres. Une inspiration pour l’Europe ?


Japon : le Maglev atteint 603km/h et une ligne sera construite 
27/01/2016 – La sustentation magnétique n’a pas dit son dernier mot. Le Japon a approuvé un plan pour la construction de la première ligne commerciale pour Maglev d’une longueur de 286 km entre Tokyo et Nagoya.