Le véhicule comme outil de maintenance prédictive de la voirie
Le contexte

La Ville de Paris totalise plus de 5000 voies privées ou publiques ouvertes à la circulation, soit près de 1500 kilomètres de voirie - dont 196 kilomètres sont équipés de capteurs, afin de qualifier au mieux le trafic dans la capitale.

Actuellement, à Paris, l’état de la voirie est relevé par des agents municipaux qui circulent sur le terrain et notent visuellement les dégradations. Si ces données sont consolidées dans un logiciel, elles sont loins d’être exhaustives, précises et suffisamment résolues dans le temps.

L’application “Dans Ma Rue” de la Mairie de Paris, qui permet aux riverains de signaler des anomalies ou de faire des propositions d’aménagement, aide à consolider certaines données ; mais même avec l’apport du crowdsourcing la remontée d’information est insuffisante. Aujourd’hui, les travaux sont presque exclusivement réalisés lorsque les dégradations mettent en danger les usagers et la circulation.

La Direction de la Voirie et des Déplacements de la ville de Paris comporte 1276 agents et dépense plus de 750 millions d’euros tous les ans pour maintenir l’un des moyens de déplacement privilégié des parisiens.

D’autre part, les voitures sont de plus en plus connectées et remontent une quantité sans précédent de données.

Dans ce cadre, une équipe de Renault a mis au point un algorithme capable de donner l’état d’une chaussée grâce aux informations d’un accéléromètre. Des poids lourds équipés de capteurs sillonnent déjà les grands axes autoroutiers afin de remonter ce genre d’informations aux sociétés en charge de leur maintenance. Des voitures sur-équipées permettent des relevés  fins sur les chaussées. Leurs coûts et/ou leur taille sont prohibitifs pour un usage en agglomération urbaine, ce qui n’est pas le cas d’une solution intrinsèque à la voiture. Il est temps d’utiliser les données créées par les usagers de la route pour améliorer l’ensemble des problématiques urbaines.

Comment peut-on proposer un service de maintenance prédictive de la voirie grâce aux données récoltées par les voitures connectées ?
 
Objectifs de l'expérimentation

Grâce à un capteur installé à bord des véhicules, Renault est en capacité aujourd’hui de produire un “état de la route”. Cependant, il lui manque aujourd’hui la capacité de traduire cet “état de la route” dans des propositions de maintenance, voire d’intégrer un système de prédiction. L’objectif de l’expérimentation serait donc d’aboutir à un service qui fournit des propositions de maintenance en fonction de l’état des routes et de leur vitesse de dégradation, ceci en croisant les données remontées par les véhicules et les données d’infrastructure de la Ville de Paris.  

Il s’agit donc d’explorer la création d’un service de maintenance prédictive.

A terme, l'objectif est de  permettre l'optimisation des coûts de maintenance en évitant aux agents de la voirie de se déplacer, et permettrait de planifier des multi-interventions dans un secteur et d'anticiper les modifications du trafic associées. Il y a un enjeu énorme à passer d’un modèle de réparation à un modèle de prédiction, tant au niveau qualité de service qu’au niveau financier.

 
Opportunités business pour les parties
  • Renault
    • Transformation d’une donnée brute en un service pour les collectivités.

 

  • Ville de Paris
    • Optimisation de la maintenance de la voirie et des coûts associés.

 

  • Startup
    • La start-up pourrait être le fournisseur du service, et être en partenariat avec Renault pour proposer le service aux collectivités ou aux entreprises gérant des réseaux routiers.
Ressources
  • Aujourd’hui, une seule source de données permet de remonter l’état de la route via les véhicules, il s’agit d’un boîtier installé spécifiquement. Il ne permet pas une collecte en temps réel.
  • D’autres données sont accessibles via les agents de voirie et l’application “Dans ma rue” de la Ville de Paris.
  • Demain, d’autres données seront remontées par le véhicules, d’abord certaines extraites d’un dongle branché directement sur la prise OBD du véhicule, puis l’ensemble des données du CAN. Aujourd’hui, nous ne savons pas si ces données pourront être corrélées à celles du boitier spécifiquement installé pour détecter la qualité de la voirie. Le but du challenge ne sera pas de travailler sur cette corrélation en tant que telle.
  • Les données sur les interventions de voirie : (par exemple) https://opendata.paris.fr/explore/dataset/chantiers-perturbants/
  • Les données de circulation dans Paris, notamment sur les axes équipés de capteurs : https://opendata.paris.fr/explore/dataset/comptages-routiers-permanents/
Expertise
  • Anthony Vouillon, Responsable des connectivités et services pour véhicules connectés à la direction de recherche, Renault