SYNTHESES | Jumeaux numériques pilotés par les données pour une mobilité urbaine plus sûre

Des jumeaux numériques pour une gestion proactive de la sécurité de la mobilité urbaine 

Les systèmes de mobilité urbaine deviennent de plus en plus complexes, avec une pression croissante sur les infrastructures, la sécurité et la durabilité. Les villes ont besoin de meilleurs outils pour comprendre comment les infrastructures sont réellement utilisées et comment les risques émergent. SYNTHESES développe des jumeaux numériques pilotés par les données, combinant données multi-modales et intelligence artificielle afin de soutenir une gestion de la mobilité urbaine plus sûre, plus efficace et plus proactive.
 

Groupe cible

Le projet est pertinent pour :

• Les villes et autorités publiques responsables de la planification de la mobilité
• Les fournisseurs de solutions de mobilité (gestion du trafic, plateformes de smart mobility)
• Les opérateurs d’infrastructures et bureaux d’ingénierie

Contexte

Les systèmes de mobilité urbaine évoluent en permanence sous l’effet des changements d’infrastructures, des politiques de mobilité et des comportements des usagers. Pourtant, les approches actuelles de monitoring restent largement réactives et fragmentées, ce qui limite la capacité à évaluer les performances des infrastructures et à identifier rapidement les risques de sécurité.

Des problèmes critiques tels qu’une mauvaise visibilité, la dégradation des infrastructures ou des interactions dangereuses entre usagers de la route passent souvent inaperçus jusqu’à ce qu’un incident survienne. Cela affecte la sécurité, l’efficacité du trafic et la qualité de vie, tout en augmentant les coûts opérationnels et sociétaux.

Il existe un besoin clair de solutions scalables et pilotées par les données, capables de fournir une vision continue de l’usage des infrastructures, des flux de mobilité et des risques émergents, afin de soutenir des décisions de mobilité urbaine mieux informées.
 

Objectifs & résultats

SYNTHESES vise à développer des jumeaux numériques pilotés par les données pour les systèmes de mobilité urbaine afin d’améliorer la sécurité, l’efficacité et la gestion des infrastructures.

Le projet vise à :

• Développer des méthodes de fusion de données multi-modales combinant données caméras, LiDAR, satellites et floating car data
• Construire des représentations numériques haute fidélité des infrastructures urbaines et des flux de mobilité
• Détecter et analyser les situations critiques pour la sécurité ainsi que les interactions à risque entre usagers
• Développer des outils de simulation de scénarios et d’analyse d’impact
• Soutenir une gestion proactive des infrastructures et l’optimisation de la mobilité

Résultats attendus :

• Des démonstrateurs de jumeaux numériques pour la simulation et la planification de la mobilité
• Des méthodes de scoring sécurité permettant d’identifier et prioriser les zones d’infrastructure à haut risque
• Des pipelines scalables de fusion de données intégrant des données de mobilité hétérogènes
• Des modèles d’IA pour la compréhension de scènes et la détection de risques
• Des outils d’aide à la décision transformant les insights mobilité en recommandations concrètes pour les villes
   

Approche

Le projet est structuré autour de quatre grands workstreams:

1. Acquisition et fusion de données multi-modales

• Intégration de sources de données hétérogènes incluant caméras, LiDAR, imagerie satellite et floating car data
• Développement de pipelines de données scalables et de stratégies de fusion

2. Compréhension de scènes et génération de jumeaux numériques

• Détection et classification par IA des éléments d’infrastructure et des usagers de la route
• Création de jumeaux numériques haute fidélité des environnements de mobilité urbaine

3. Détection des risques et analyse de scénarios

• Identification des situations critiques pour la sécurité et des interactions à risque
• Développement de méthodologies de scoring sécurité et d’évaluation d’impact
• Simulation de changements d’infrastructures et de scénarios de mobilité

4. Aide à la décision et validation en conditions réelles

• Transformation des résultats en insights exploitables pour la planification de la mobilité
• Validation via des cas d’usage réels avec les villes et partenaires du projet
• Co-création avec les parties prenantes afin de garantir la pertinence opérationnelle et l’applicabilité des solutions 
   

Financement

• Organismes de financement : Innoviris et VLAIO

Avec le soutien de