OpenTCO, une IA pour fluidifier le traffic en temps réel
La DGEX de SNCF Réseau, a mis au point une IA qui permet de récupérer les données d’occupation des voies disponibles dans les postes d’aiguillage qui ne sont pas encore informatisés. Accompagné du 574 Grand Est, l’outil sera déployé sur le périmètre de Strasbourg d’ici 2024. Explications.
Publié le
Par La Redaction
Genèse de l’outil OpenTCO
L’outil OpenTCO est un outil dont le principe consiste à récupérer des données d’usage de l’infrastructure comme l’occupation des zones et les états des signaux. Ces données sont visibles sur les Tableaux de Contrôle Optique (TCO) des postes d’aiguillage non informatisés. La solution consiste à filmer ces TCO et à analyser les images via un algorithme de computer vision. L’algorithme détecte les changements d’état des objets d’infrastructure sur le TCO, ce qui permet après traitement de fournir une aide à la décision sur des projets de régénération, de modernisation ou de maintenance des installations ferroviaires.
Le premier périmètre concerné fut celui de la Gare de Lyon en 2014, lors de la régénération des postes 1 et 2. Plus récemment, à partir de 2021, l’outil a évolué vers un mode temps réel, pour répondre à un nouveau besoin de supervision, notamment pour améliorer l’Information Voyageurs en gare.
En 2014, nous avons décidé d’aller filmer ces TCO et de faire de l’analyse d’images, via de la computer vision, pour restituer une analyse statistique de l’utilisation de l’infrastructure sur le périmètre couvert par le poste d’aiguillage. Depuis, l’outil a été utilisé pour la régénération d’une quinzaine de postes d’aiguillage, tels que Gare de Lyon, Bercy, Montparnasse, Nice…, ce qui a permis de faire baisser les coûts via une meilleure compréhension de l’usage des installations ferroviaires.
Ensuite, en 2021, le programme First de SNCF Voyageurs a émis la demande à SNCF Réseau de pouvoir récupérer ces données en temps réel. L’objectif a donc été de récupérer ces images et de les analyser en temps réel, tout en respectant des contraintes d’anonymisation, et de les restituer sur une IHM, qui répliquerait le TCO à l’identique mais en version numérique.
Le but est donc de transformer le TCO physique en TCO numérique, sans le remplacer, puisque le TCO numérique se nourrit du TCO physique.
Cela permet que des agents chargés de l’Information Voyageurs, situés dans les Centres Opérationnels d’Exploitation des Gares (COEG), puissent avoir en direct les informations visuelles du TCO.
De l’IA en gare pour le réseau Strasbourgeois.
La gare de Strasbourg passe le cap de l’IA avec ce premier déploiement d’intelligence artificielle pour l’optimisation de l’information client en gare.
Lors du salon Viva Technology 2023, le 574 GRAND EST a découvert le produit d’OPEN TCO, qui correspondait précisément aux besoins exprimés par les agents de la gare de Strasbourg. En quête d’optimisation pour les outils du centre opérationnel de Strasbourg, ils ont trouvé dans la solution d’OPEN TCO une réponse adaptée. À la suite de cela, le 574 GRAND EST, SNCF Gares & Connexions, et la DGEX SNCF Réseau ont collaboré en mode projet pour avancer ensemble sur une solution.
Les cas d'usage
Cet outil, bien que propriété de SNCF Réseau, est ainsi particulièrement intéressant pour les clients tels que SNCF Gares & Connexions, qui administre l’Information Voyageurs dans les gares, mais cela sert aussi à SNCF Réseau pour faire de la gestion des circulations, ou pour la gestion de crise. L’intérêt de cette solution est d’avoir une vue d’ensemble de l’emplacement des circulations en temps réel, qui prend en compte des éventuels changements du plan de transport en cas de dérangements.
C’est très pertinent, car cela donne un temps d’anticipation aux agents en charge de l’Information Voyageurs, notamment lors d’une situation perturbée. L’itinéraire est tracé à l’avance, il est donc possible de savoir en amont s’il y a un dévoiement de train et cela permet une meilleure gestion des flux de voyageurs en évitant par exemple des annonces tardives de changements de quai.
L’ambition de cet outil est ainsi d’avoir une interface contenant un maximum de données, affichées en superposition, en temps réel et avec le plus de précision possible (emplacement des trains à la voie, tracé des itinéraires, retard des trains), ce qui est inédit jusqu’à présent chez SNCF Réseau.
Comment surmonter les obstacles pour passer du différé vers le temps réel ?
Lorsque l’on fait des statistiques, il peut y avoir des erreurs, ce qui n’est pas grave, car le volume des données gomme l’erreur ponctuelle, mais en temps réel c’est très différent, car chaque information qui est affichée doit être fiable, même si OpenTCO n’est pas un outil de sécurité mais bien de levée de doute. Cela oblige à mettre en place notamment du monitoring des flux de données et un système d’alertes sur tout le processus de remontée des informations.
Cela veut dire avoir des caméras fonctionnelles, une information affichée sur l’IHM en temps réel c’est-à-dire sans latence… Tous ces éléments-là nécessitent de mettre en place beaucoup de tests techniques à chaque étape du processus, de l’acquisition de la donnée jusqu’à l’affichage sur l’IHM. C’est ce qui change par rapport à avant où l’on récupérait uniquement des échantillons de données qu’on analysait. Il n’y avait pas cette notion de vérification en temps réel avec les contraintes inhérentes.
Pour permettre des contrôles sur chaque brique du processus (acquisition, analyse d’images et restitution des données), il a été décidé d’internaliser cet outil qui était, jusqu’en 2021, externalisé. Cela s’inscrit dans une volonté de SNCF Réseau de monter en compétence en interne pour mieux maîtriser les sujets de computer vision et d’intelligence artificielle plus généralement.
Cela nous permettra à terme d’explorer d’autres sujets que l’analyse d’images de TCO, tels que la détection de l’occupation réelle des voies sur les sites de triage pour le fret via l’outil OpenVS, où ce sont directement les voies qui sont filmées contrairement à OpenTCO. Nous souhaitons construire des compétences en interne, avec pour ambition la création d’un service de computer vision à cet effet.
Cet outil est développé au sein du Pôle Données et Innovation de DGEX Solutions, qui est un producteur numérique de SNCF Réseau créé en janvier 2020, et qui connait une belle croissance avec soixante-dix collaborateurs et une trentaine d’outils en production ou en cours de développement actuellement. Le résultat est une montée en compétences et une maîtrise de l’entreprise sur tous les sujets de l’ingénierie de la donnée, de l’IA et de la production d’applications web permettant la restitution des données.
