La data possède de nombreuses applications dans les transports. Voyons ensemble quelques applications pour lesquelles elle peut aider ce secteur.
‍
‍

Data et transports en commun
‍

Pour les transports en commun, voici deux exemples d'applications.

Le premier concerne quelque chose qui paraît simple mais qui relève de nombreuses difficultés. Il s’agit de l’information voyageur : annoncer qu’un train est en retard et avec quel retard est important. On peut donc utiliser le machine learning pour prédire les retards. Les passagers auront au moins une information fiable, ce qui diminuera leur mécontentement. Une autre application autour de cette information voyageur est le temps réel. Via des applications, on est capable de connaître précisément le niveau d’occupation des routes. Et ensuite, avec une conduite respectant les limitations de connaître très correctement son heure d’arrivée, appelée ETA (estimated time of arrival) par les applications. 
‍

La seconde application est l’optimisation du réseau de transport. Pour cela, on va comprendre les flux de passagers pour être capable de trouver les meilleurs horaires, les meilleures fréquences et ainsi améliorer l’efficience des réseaux de train, de bus et métros. Pour les bus, on peut aussi choisir d’optimiser les lieux des arrêts, ce qui est nécessairement plus complexe pour un réseau ferroviaire déjà construit. On peut aussi par exemple créer des aires de covoiturage aux meilleurs endroits. 
‍

Data et futur du transport 
‍

Les deux champs d’application avec de la data pour lesquels les efforts sont les plus nombreux dans les transports sont les suivants : 

• Maintenance prédictive
• Véhicule autonome

Tous les types de véhicules sont concernés par ces deux cas. Pour le premier, on va surtout commencer par les camions et les trains. Cela consiste à prédire le bon moment pour changer et entretenir des pièces. Plutôt que d’attendre que telle pièce tombe en panne - ce qui peut être dangereux si ce sont des freins par exemple - on va mettre en place des capteurs et collecter de la donnée pour anticiper les pannes et les besoins de maintenance. Mieux vaut prévenir que guérir ! Le fait de réparer les pièces avant qu’elles se cassent va permettre des économies, en plus de diminuer le temps où le matériel est en maintenance et n’est pas utilisé.
‍

L’autre cas, qui est le plus connu et sur lequel est concentré une grande partie des investissements est le véhicule autonome, avec Tesla le plus médiatisé. Il s’agit donc de pouvoir faire en sorte qu’un véhicule n’ait plus de conducteur et puisse donc avancer tout seul, en respectant les règles liées à ce type de véhicule. 

Les véhicules autonomes existent déjà ! Mais ce ne sont pas ceux que vous pensez. En effet, il existe des métros sans conducteur. A Paris par exemple, les lignes 1 et 14 sont munies de véhicules autonomes. Ces métros n’ont pas de conducteur. Le prochain type de véhicule sera potentiellement la voiture, où certaines tâches - par exemple conduire tout droit dans les bouchons - sont déjà bien maîtrisées. Mais cette automatisation suivra pour les autres types de véhicules : trains puis bateaux et même avions seront rendus autonomes. 

Les véhicules autonomes seront notamment mieux à même d’optimiser l’énergie consommée et donc de réduire les émissions de CO2. De même, cela devrait aider à fluidifier les zones denses et donc diminuer les bouchons. 
‍

L’Open Data est très présent dans le secteur des transports
‍

Vous souhaitez travailler avec des données de transports ? Le site transport.data.gouv.fr permet d’utiliser de nombreuses données publiques pour développer de nouveaux cas d’usages liés à la data dans les transports !  SNCF, Air France et la RATP proposent aussi des jeux de données. La loi NOTRe - Nouvelle Organisation Territoriale de la République - oblige les collectivités de plus de 3500 habitants à rendre accessibles les données produites ou reçues dans le cadre d’une mission de service public, comme les transports.