Avisé : quand l’IoT sécurise les trains

Le projet Avisé (Alerte Voiture Immédiate de Surveillance d’État) a débuté en 2016 par un groupe de travail cherchant des solutions pour prévenir les incidents résultant des portes de Corail non sécurisées. Très vite, la solution d’installer des capteurs IoT pour mesurer la tension des lampes témoins indiquant si la porte est sécurisée, s’est imposée. Le premier déploiement du projet, appelé lot 1, a été mis en place en Septembre 2019 avec l’installation des 1450 capteurs IoT sur les portes de 350 voitures de trains Corail Intercités.

« La mise en place de ce système de surveillance de la sécurisation des portes d’accès sur notre matériel remorqué à voyageur (Type voiture Corail) est un vrai plus. Au quotidien nos ASCT (les agents à bord des trains), sont rassurés, d’une part lors de leur ronde en vérifiant l’allumage du voyant au-dessus de chaque porte d’accès à compter de 15Km/h, et d’autre part de recevoir un sms qui leur permet de se rendre le plus rapidement possible sur la voiture et la porte incriminées lorsqu’une alerte est émise, pour appliquer les dispositions nécessaires. » explique Pascal Laissac Responsable National Sécurité Matériel/Chef de projet Intercités chez SNCF Voyageurs-Direction intercités.

Ainsi, aucun ESR (Evènement Sécurité Remarquable) d’un matériel équipé en fonctionnement n’a eu lieu depuis que le Lot1 AVISE a été mis en service sur une partie du parc Intercités en septembre 2019. « Notre objectif est pour le moment atteint. Le but était d’éviter qu’un tiers ne découvre une porte ouverte en ligne, et se mette en danger. » détaille Pascal Laissac.

Grâce à un retour d’expérience plus que positif, la solution sera bientôt industrialisée et déployée à grande échelle. Ce lot 2 permettra ainsi d’équiper les portes des trains Corail de près de 6000 nouveaux capteurs IoT. « Nous venons de commencer le plateau projet et nous visons un lancement du lot 2 courant septembre 2021. Néanmoins entre aujourd’hui et septembre, il y aura des livraisons intermédiaires, puisque les capteurs sont en train d’être installés par les technicentres sur les voitures et ils ont déjà bien avancé », détaille Laurent Lim, chef de projet IoT chez ITNovem.

« Les capteur IoT que nous utilisons sont des MARTI développés par la direction du matériel », explique-t-il. « Ces capteurs remontent des informations sur la passerelle MELI, lorsque la porte est ouverte, fermée ou qu’il y a une séquence de mouvements, c’est-à-dire que la porte est non-sécurisée et que le train est en circulation. Ce que nous pouvons savoir grâce à l’accéléromètre installé dans le MARTI », précise-t-il. Ensuite, ces informations sont récupérées sur la plateforme IoT DIGIDIAG. Grâce à un algorithme, les séquences d’alerte Avisé pourront être détectées au bout de huit messages consécutifs, ce qui va automatiquement envoyer un SMS au chef de bord afin qu’il puisse intervenir sur la porte potentiellement défaillante. En parallèle de cela, ces informations sont également transmises aux technicentres et les données brutes aux équipes de SETN2 (les équipes de surveillance d’état technique de Niveau 2 à Périgueux). Leur rôle est de récolter toutes ces données brutes et de détecter s’il n’y a pas des schémas qui pourraient alerter sur d’autres dysfonctionnements, provenant d’autres organes qui interviennent sur les portes. « Par exemple, ils réussissent notamment à détecter des problèmes d’électricité lorsqu’on envoie des alertes sur les quatre portes. » ajoute Laurent Lim.

Ce lot 2 permettra à terme d’industrialiser la plateforme DIGIDIAG, afin de permettre le déploiement à grande échelle des capteurs MARTI, mais aussi d’optimiser la mise en service de ces capteurs grâce à des processus automatisés. L’industrialisation du projet Avisé améliorera également le moteur d’alertes existant afin de le rendre plus fiable et plus robuste. « Avec le lot 2, nous en profitons aussi pour mettre à jour et améliorer le logiciel embarqué des passerelles MELI », ajoute Laurent Lim. Enfin, une solution de supervision de bout en bout sera mise en place pour identifier et traiter les anomalies de manière proactive.