Dans les réseaux de transport à forte capacité, la donnée est au cœur de la décision publique. Pourtant, même les réseaux les plus fréquentés au monde font face à une limite structurelle majeure : l’impossibilité de connaître précisément les destinations des voyageurs, rendant toute étude origine destination partielle ou coûteuse.
Pour la Port Authority Trans-Hudson (PATH), artère essentielle reliant le New Jersey au cœur de Manhattan, cette difficulté provenait d’un héritage technologique : un système de validation à l’entrée uniquement. Si les origines des voyages étaient mesurées avec précision, les destinations restaient inconnues, laissant dans l’ombre la compréhension des flux réels de millions de voyageurs.
Dans le cadre du programme Transit Tech Lab 2024, Matawan a démontré qu’une étude origine destination fiable était possible avec une meilleure exploitation des données existantes sans nécessiter nécessairement des investissements lourds en infrastructure ou systèmes, enquêtes terrain ou comptages manuels avec des délais importants et une couverture souvent limitée dans le temps.
Dans un contexte post-pandémique marqué par des usages fluctuants et des budgets contraints, l’enjeu n’est plus de multiplier les équipements, mais de mobiliser des solutions logicielles intelligentes pour produire des analyses continues et fiables. Pour PATH, l’objectif était clair : transformer 81 millions de points de données fragmentés en connaissance fine des déplacements grâce à notre plateforme de données WanData.
Nos équipes ont donc mis en œuvre une méthodologie en trois étapes :
Comment identifier une destination sans validation en sortie ? Nos data scientists ont développé des modèles d’IA capables de reconstituer les parcours voyageurs en analysant les comportements de retour, les schémas temporels et les logiques d’usage du réseau. Cette approche permet de produire une étude origine destination à forte valeur ajoutée, en inférant les destinations à partir de l’historique global des déplacements plutôt que d’événements isolés.
Afin de sécuriser les résultats, nous avons croisé les analyses algorithmiques avec des données de vision artificielle, issues des caméras existantes (vidéo surveillance). Cette étape de validation permet de confronter les résultats de l’étude origine / destination aux densités observées sur les quais, garantissant des décisions opérationnelles fondées sur des faits mesurables.
Matawan est parvenu à reconstituer plus de 80 % des trajets complets des voyageurs à l’échelle du réseau, sans déployer de nouveaux équipements. Pour l’autorité organisatrice, cela se traduit par :
Ce projet mené avec PATH illustre une évolution majeure : les études Origine / Destination ne sont plus un sujet matériel, mais un sujet de data intelligence. En exploitant l’IA et les données déjà disponibles, les réseaux de transport peuvent accéder à une compréhension fine et continue des flux voyageurs.
Matawan s’inscrit pleinement dans cette dynamique, en accompagnant les autorités de transport vers des études origine destination plus rapides, plus économiques et plus exploitables, au service de la performance des réseaux et de la qualité de service.
