Rouen mobilités intelligentes pour tous

• Partenaires : Chef de file : Métropole Rouen Normandie
• Appel à projet : appel à projets Territoire d’Innovation Grande Ambition (TIGA)
• Budget CESI du projet : 443 k€
• Financement global PIA : 5,2 M€
• Lancement du projet : Phase 2 – janvier 2020
• Durée du projet : 48 mois pour la phase 2 de réalisation

La Métropole de Rouen et ses 36 partenaires souhaitent développer un système de mobilité intégré à grande échelle qui devra permettre le développement de modes de déplacement choisis et sans contrainte tout en réduisant leurs impacts environnemental et physique. Le projet transformera profondément la façon de se déplacer grâce à des solutions innovantes, qu’il s’agisse de mobilité autonome, décarbonée, digitale, partagée, connectée, de maîtrise des usages de l’espace public ou d’accompagnement au changement de comportements.

Implication de CESI LINEACT dans le projet :
L’équipe de recherche CESI LINEACT Campus de Rouen est impliqué dans trois actions principales :

• Participation au comité d’orientation scientifique et technique du projet,
• Développement de travaux R&D sur l’analyse des masses de données, la simulation et le développement de modèles prédictifs qui représentent des enjeux importants pour la fourniture de services aux usagers et le développement d’outil d’aide à la décision pour les acteurs de la ville dans le contexte de la ville intelligente et des systèmes de transport intelligents,
• Accompagnement à l’idéation et à l’innovation comprenant notamment le benchmark de dispositifs existants et l’animation d’ateliers d’idéation dans le cadre du Living Lab du projet.

Réalisations au 31 mars 2025 :

Action Hyperviseur.

• Le papier scientifique proposé à la conférence IEEE ITSC (Intelligent Transportation Systems Conference) a été accepté et présenté en Thaïlande. Ce papier introduit une méthodologie innovante permettant de générer une population synthétique réaliste adaptée aux services de véhicules autonomes à la demande (AMoD).
• Le modèle d’apprentissage profond, visant à intégrer la dimension sémantique des données pour mieux comprendre les habitudes de déplacement séquentielles des passagers, est en cours de développement et de validation. Un prototype préliminaire a été proposé et testé avec succès sur un échantillon réduit de données simulées, montrant une amélioration prometteuse de la précision dans la prédiction des séquences de trajets des utilisateurs.
• Par ailleurs, l’algorithme de prévision de la demande a été affiné pour atteindre une granularité horaire, augmentant ainsi la précision et permettant une supervision plus fine du système.
• Enfin, les travaux se sont davantage orientés vers le covoiturage dynamique, en abordant spécifiquement les problématiques liées au partage des véhicules et au séquencement optimal des passagers. Un modèle intégrant la gestion dynamique en temps réel des demandes et des préférences des passagers est actuellement en phase avancée de validation par simulation.
• Ces contributions ont fait l’objet d’un rapport approfondi et d’une soutenance de thèse réalisée avec succès en janvier 2025, confirmant ainsi les bénéfices significatifs de l’approche développée pour la mobilité urbaine intelligente et durable.

À long terme, le travail se concentrera sur les actions suivantes :

• Extension et généralisation du modèle d’apprentissage profond afin d’intégrer davantage de dimensions contextuelles et comportementales des utilisateurs, notamment par l’exploitation d’architectures avancées telles que les réseaux de neurones à attention pour mieux capturer les dynamiques complexes de mobilité urbaine.
• Validation à grande échelle du modèle dynamique de gestion du covoiturage, intégrant la prise en compte en temps réel des requêtes des passagers, en s’appuyant sur des expérimentations avec des jeux de données étendus et variés provenant de contextes urbains diversifiés.
• Développement d’une plateforme opérationnelle permettant l’intégration continue de données en temps réel (GPS des véhicules, données mobiles, événements socio-économiques et calendriers publics) pour un ajustement prédictif dynamique et une réactivité optimale du système.
• Exploration de stratégies d’optimisation intégrées permettant d’adapter dynamiquement la tarification et la gestion des ressources (flotte de véhicules, disponibilité, routes) en fonction des variations instantanées de la demande et des contraintes opérationnelles, en vue d’améliorer durablement la rentabilité et l’efficacité environnementale du service proposé.

Action Living Lab :

• Actions menées en tant qu’organisateur :
  o Organisation d’une visite du Mix à une délégation du projet C-Care du programme INTERREG FMA
  o Animation de 2 ateliers « Fresque de la mobilité » pour sensibiliser 120 apprenants aux enjeux carbone de la mobilité des personnes
  o Animation d’un atelier Lego ® Serious Play ® auprès de 10 apprenants pour identifier les problèmes liés à la mobilité sur le Madrillet et proposer des pistes de solutions
  o Organisation d’une visite du Campus CESI Rouen pour les membres du Mix
• Actions menées en tant que participant :
  o Participation aux ateliers de co-création organisés par le Mix
  o Participation aux RDV des partenaires organisés par le Mix
  o Participation à l’atelier « Fresque de la mobilité » organisé par le Mix
  o Participation aux visites partenaires Mix organisées par Transdev, les Copeaux numériques et Energytronik
  o Participation à l’atelier « Fresque du climat » organisé par le Mix
  o Participation à l’atelier « 2 tonnes » organisé par le Mix
• Caractérisation d’un LivingLab :
  o Interview de 6 OpenLabs (Le WIP, La French Tech Caen, Normandie Incubation et Espace Public Numérique de Gonneville en Auge, le Dôme et le Blue LivingLab by Nausicaa)
  o Revue de la littérature portant sur les OpenLabs et les LivingLabs
  o Définition et différentiations des OpenLabs
  o Identification des caractéristiques d’un LivingLab
  o Présentation d’un article scientifique dans une conférence : E. Pillon ” Exploring stakeholder-defined activities and outcomes in Living Labs: the case of Living Lab Mix. ”, In proc. WOIC 2023, Bilbao, Novembre 2023
  o Soumission d’un article scientifique dans une conférence : E. Pillon ” Uncovering Living Labs’ Activities and Outcomes: Key Insights for Stakeholder Expectations. ”, In proc. R&D Management 2024, Stockholm, Juin 2024
• Rôle des Living Labs dans l’innovation de business model :
  o Recrutement d’un doctorant (Gaëtan SAVARIT) depuis décembre 2021
  o Article scientifique dans une conférence : G.Savarit, E. Pillon, A.Louis, ” Business model development through testing: lessons from both the business model literature and Living Lab literature regarding stakeholders’ engagement and context. ”, In proc. EURAM 2023, Dublin, Juin 2023