OPEN DATA: QUALIFIER LA SÉVÉRITE D’USAGE D’UNE LIGNE DE METRO

  • Non classé
  • Datas

Michelin équipe en pneumatiques des lignes de métro dans le monde en entier, depuis la création des premières lignes en France en 1951, à Paris. Cette expérience et cette relation étroite avec les opérateurs de métro sur pneus leur apportent une connaissance approfondie de l’usage de ce mode de transport.

En combinant cette expertise avec des données publiques (Open Data) et afin de mieux comprendre les paramètres qui influencent la sévérité d’usage et l’impact de ces facteurs sur la maintenance et la disponibilité du matériel roulant et des infrastructures, l’équipe de l’entité Michelin Mobility Intelligence a développé des insights et un outil de visualisation de la sévérité d’usage des lignes de métro.

Ce travail sur les données, à destination des opérateurs de lignes de métro, a notamment permis aux équipes de développer un tableau de bord qui permet de décrire les liens entre le tracé de la ligne, l’usage des infrastructures et le matériel roulant.

Ces analyses apportent notamment des premiers insights sur l’usage du métro ligne par ligne et des informations pour mieux conseiller les clients sur la maintenance des pneus, du matériel roulant et des infrastructures. Cette démarche d’analyse et d’utilisation de données issues de l’Open Data, qu’il est possible de combiner à des mesures ou des flux de données internes, peut constituer un outil précieux d’aide à la décision, d’autant plus qu’elle peut être élargie à d’autres moyens de transports publics (le tramway ou le bus, par exemple), ou à d’autres champs d’application (comme l’état des infrastructures routières).

Extrait de l’algorithme développé pour aboutir à ces insights

Les tracés géographiques des lignes de métro sont extraits des bases de données du projet collaboratif Open Street Map (OSM), qui a pour but de créer une base libre de données géographiques du monde, alimentée et modifiée par des contributeurs bénévoles.

Ces données sont accessibles par un serveur à l’adresse https://openstreetmap.org, mais aussi via une API nommée Overpass, avec un langage de requêtes dédié, plus pratique à utiliser dans le cadre d’un projet analytique comme celui-ci.

Exemple de requête en Python avec l’API Overpass

À la requête correspondant à la recherche du tracé d’une ligne, l’API répond par une liste de points définissant le parcours, ainsi que la liste et la position des stations de métro traversées.

Une des contributions les plus importantes aux contraintes sur les pneus du métro (et probablement sur d’autres organes du métro) est liée à la « force centrifuge », qui dépend du rayon de courbure. Cette information n’est pas immédiatement disponible et doit être calculée à partir des coordonnées géographiques.

Il est possible de reconstruire le rayon de courbure à partir des coordonnées géographiques grâce aux mathématiques. Celles-ci nous rappellent en effet que les trois sommets de tout triangle sont reliés par un unique cercle circonscrit. Or le rayon de courbure peut généralement être approximé par le rayon de ce cercle circonscrit. Il suffit donc de regrouper les points par trois et de calculer la distance entre chaque sommet du triangle qu’ils forment pour déterminer le rayon de courbure en tout point du tracé.

Le rayon de courbure peut être approximé par le cercle circonscrit

Mais le rayon de courbure n’est pas une donnée suffisante pour estimer la sévérité d’usage, d’autres paramètres ont aussi une importance critique. Des expériences internes ont permis aux équipes de Michelin d’établir un algorithme pour décrire la sévérité d’usage, qui dépend de la vitesse du véhicule, de son accélération, de sa masse, de sa résistance à l’air…

L’open data pour identifier le matériel usé

Tous ces paramètres sont calculés ou extrapolés à partir de données réelles afin d’estimer au plus juste les contraintes subies par le matériel roulant. En appliquant cette formule à l’ensemble des points du tracé de la ligne de métro, il est possible de construire une carte des points critiques du réseau, recensant les endroits d’usage « sévère », ayant un potentiel impact sur la maintenance du matériel roulant ou infrastructure.

Carte des rayons de courbure de la ligne D du métro de Lyon.

Sur un réseau existant, ce tableau de bord permet au gestionnaire de décider de règles spécifiques à certains tronçons (vitesse, accélération, charge maximale…) pour améliorer la durée de vie de ses équipements, ou de comparer ses différentes lignes et ainsi mieux anticiper la maintenance de son réseau, ligne par ligne.

Cette solution est un élément supplémentaire qui permettrait d’anticiper et prédire statistiquement la gestion opérationnelle et économique des nouvelles lignes de métro, tramway ou bus.

Ces données d’usage peuvent être transposées à l’ensemble des moyens de transports publics afin d’offrir de nouveaux insights sur l’usage des véhicules et des infrastructures du transports publics. Le tableau de bord créé doit permettre d’améliorer les opérations de maintenance en passant du curatif au préventif.

Article rédigé avec la contribution de l’équipe Michelin Mobility Intelligence : mobility.intelligence@michelin.com

Michelin Mobility Intelligence est une entité du Groupe Michelin qui vise à valoriser le capital data de l’entreprise en construisant des produits & des services data à destination des acteurs de la mobilité.