Utiliser l’IA pour prévoir les flux de voyageurs urbains

• Utiliser l’IA pour prévoir les flux de voyageurs urbains
• Préparer les données de fréquentation et d’événements
• Exploiter les prévisions pour adapter l’offre de transport

Responsables d’exploitation, analystes de données, chargés d’offre

Habitude de manipuler des données de fréquentation de réseau

• Définir l’intérêt de la prévision des flux de voyageurs en ville
• Recenser les sources : validations, comptages, billettique, mobilité
• Identifier les facteurs d’influence : météo, événements, jours, travaux
• Nettoyer et regrouper les données par ligne, arrêt et tranche horaire
• Comprendre le principe d’un modèle de prévision de la fréquentation
• Entraîner un modèle de prévision sur un historique de fréquentation
• Évaluer l’écart entre les flux prévus et les flux observés
• Prévoir les pics de fréquentation liés aux événements et aux saisons
• Traduire les prévisions en ajustements de fréquence et de capacité
• Suivre la qualité du modèle et le mettre à jour régulièrement

• Repérer les facteurs d’influence dans un historique de validations
• Mesurer l’écart entre prévision et fréquentation réelle
• Proposer un ajustement de l’offre à partir d’une prévision

• Modèle de fiche des données de fréquentation à collecter
• Fiche repère des facteurs d’influence des flux de voyageurs
• Guide de lecture des prévisions de fréquentation d’un réseau