Trains of Data

Voici une vidéo sympa, vue sur Twitter :

Le principe est simple. Il repose sur l’ensemble des moyens d’agrégation de données dont les opérateurs disposent aujourd’hui (la SNCF dans ce cas précis), en plus de nouveaux venus comme Twitter. En effet les gens qui utilisent le hashtag #SNCF, peuvent êtres « suivis » et ainsi participer au suivi du trafic en temps réel. D’autres expériences avaient été menées en ce sens, toujours avec Twitter. Par exemple on pouvait observer l’évolution des hashtag « #séisme » sur une zone touchée par un tremblement de terre, l’observation de ces données montrant l’avancement, et la dispersion précise du séisme sur la zone !

Dans la seconde vidéo ce sont, grâce aux mêmes données, les temps de parcours réels qui permettent de « redessiner » la France ferroviaire d’aujourd’hui. Précisons que le projet à été mené uniquement sur le réseau grandes lignes TGV, mais il est possible d’extrapoler à d’autres types de trains.

Ce genre d’initiative devrait augmenter dans le temps avec l’arrivée massive de l’open data, qui permet le partage de données anciennement « confidentielles ».

Voici donc les vidéos, en dessous pour les anglophones, vous avez une petite description du projet :

Introduction :
The Senseable City Lab has partnered with the SNCF division for research and innovation to investigate new ways of gaining insight into how people access different parts of France using the country’s high speed railway system. Today’s transportation networks are densely packed with sensors and digital systems to facilitate routine operations. The two visual applications below combine several data sets generated by these systems to provide new perspectives on how France moves on rail.

Trains in time :
Trains, at times, do run late. While a rail network operator is interested in reducing overall delay as such, an especially critical aspect relates to the number of passengers directly affected by such delays and their location.
In this visualization we combine data on the time trains run behind schedule with the actual number of passengers on any train at any moment. This information is represented at the actual location of a train on SNCF’s high speed rail network. With this, a rail operator can quickly understand where many passengers are affected by train delays and use this information to take appropriate action, ultimately limiting delay per passenger and increasing overall passenger satisfaction.

Advertisements