Reconnaissance automatisée des modèles de déplacement à l'aide de données de réseau mobile pour des applications à la mobilité en tant que service

Phase 1 : Attribuer le but du déplacement et le mode de transport aux trajets multimodaux porte-à-porte à partir d'un ensemble de données de réseau de téléphonie mobile en utilisant l'IA et des techniques d'apprentissage automatique (modèle basé sur l'activité) Phase 2 : Générer des activités quotidiennes pour les agents statiques dans le modèle basé sur les agents modèle Phase 3 : Optimiser les nouveaux services de mobilité en intégration avec les transports en commun

Reconnaissance automatique des modèles de voyage à partir de données de réseau de téléphonie mobile anonymisées et agrégées (MND).

La modélisation basée sur les activités a la capacité d'exploiter la grande source de données générée par les villes intelligentes pour créer un jumeau numérique des environnements urbains afin de tester la mobilité en tant que système de service. Compte tenu de l'essor des données basées sur la localisation et des données de réseau de téléphonie mobile (MND) à des fins de modélisation des transports, la modélisation basée sur les agents est devenue un outil viable pour explorer l'introduction durable des services de mobilité, en explorant l'intégration avec les transports en commun. L'IA est utilisée pour détecter le but et le mode de transport dans les allers-retours multimodaux et pour attribuer le but et le mode de transport à l'ensemble de données sur les chaînes de trajet tirées de MND. La méthodologie a été développée pour le projet d'environnement de laboratoire de mobilité à la demande (MODLE) financé par Innovate UK et ferait l'objet d'un processus de validation pendant la modélisation et l'évaluation de la demande par le biais d'un projet de démonstrateur de réseau (DeMAND) pour le ministère des Transports (Royaume-Uni).