Goal Systems, en tant que coordinateur, et le Groupe de planification et d’apprentissage, PLG, de l’Université Carlos III de Madrid, en tant que partenaire, ont obtenu une subvention pour financer la mise en œuvre du projet « GoalPLAN. La planification stratégique intermodale abordée avec des techniques d’intelligence artificielle ».
Cette aide a été accordée par le ministère de la science et de l’innovation correspondant à l’appel à projets de R&D&I « Collaboration aux défis » du Programme d’État pour la recherche, le développement et l’innovation orientés vers les défis de la société, dans le cadre du Plan d’État pour la recherche et l’innovation scientifiques et techniques 2017-2020.
La croissance des villes en termes de superficie et de population est l’une des tendances mondiales les plus importantes du siècle dernier, allant même jusqu’à parler de mégapoles. Trop souvent, la rapidité de ce phénomène a empêché un développement urbain organique ou bien planifié, et il en résulte de longs temps de trajet, de graves encombrements routiers, une capacité limitée des véhicules, de la pollution, des accidents de la circulation, etc.
Cependant, l’incorporation de la technologie dans les smartphones des passagers via des applications qui facilitent leur relation avec les différents moyens de transport, l’introduction de capteurs, tant dans les véhicules qui nous transportent que dans les infrastructures qu’ils utilisent, et leur interconnexion via l’Internet des objets (IoT), ont facilité l’existence de la Smart Mobility dans un cadre plus général appelé Smart City.
De cette manière, les données sur la mobilité provenant des opérateurs téléphoniques peuvent être utilisées pour cartographier les déplacements effectués par la population, déterminer les schémas comportementaux et construire des matrices Origine-Destination qui modélisent de manière fiable la demande de mobilité urbaine.
GoalPLAN vise à développer un logiciel garantissant une planification stratégique des transports publics multimodaux et urbains totalement adaptés aux besoins de mobilité des villes intelligentes, capables de concurrencer l’utilisation des transports privés. À cette fin, des matrices origine-destination seront générées à partir des données de mobilité des opérateurs téléphoniques en utilisant des techniques d’IA (Intelligence Artificielle). Un nouveau moteur d’optimisation multimodale sera également développé, capable de synchroniser les fréquences des différents moyens de transport afin de minimiser les transferts et les temps d’attente aux points critiques du réseau.
