EXPLAIN a été choisi par le Ministère de Transition écologique et solidaire pour proposer une nouvelle génération du modèle de prévision Bison Futé.

Créés en juin 1976 en réponse aux embouteillages monstre de l’été 1975, les Services Bison Futé avaient pour mission initiale de conseiller les automobilistes afin de faciliter le trafic sur les routes pendant l’été. Face au succès de cette opération, le service a évolué pour couvrir l’ensemble des jours de l’année.

C’est ainsi qu’est né le fameux calendrier prévisionnel annuel de Bison Futé.

Sa construction se base sur une méthode de prévision de trafic dite de modèle linéaire généralisé (par « analogie calendaire ») c’est-à-dire qu’elle s’appuie sur les observations périodiques des années antérieures pour considérer que de mêmes convergences calendaires vont produire les mêmes effets.

Si cette approche simple est efficace dans un contexte de stabilité des comportements, elle présente de réelles limites dans un contexte de forte mutation tant des pratiques de mobilité que des techniques d’information en temps réel et de régulation tel que nous l’observons depuis plusieurs années.

L’augmentation de la puissance de calcul des ordinateurs permet d’envisager de nouvelles approches, dans le but d’affiner les prévisions en utilisant au mieux des données existantes jusqu’ici négligées (accidentologie, comptages 6 minutes, etc.) ainsi que de nouvelles données (FCD, etc.).

L’intelligence artificielle offre une formidable porte d’entrée pour traiter ces très nombreuses données (Big Data) et rendre compte de phénomènes en interactions systémiques et non linéaires.

EXPLAIN a ainsi été choisi par la DGITM pour proposer une nouvelle génération du modèle de prévision Bison Futé basée sur une apprentissage de type Deep Learning via la mise en place et l’entrainement d’un réseau de neurones ad hoc. Faisant suite à différents prototypes, un outil fonctionnel sera fourni avant l’été 2021.