Innovate UK, l'agence britannique pour l'innovation, a accordé un financement à Arup dans le cadre de son concours "Business-led innovation response to global disruption" (réponse innovante des entreprises aux perturbations mondiales), immédiatement après le blocage du Royaume-Uni. En seulement six semaines, nous avons développé les bases d'un modèle basé sur des agents (ABM), qui simulait les comportements individuels et les changements de voyage lorsque les comportements habituels étaient perturbés par des restrictions telles que la distanciation sociale.

Ce modèle a servi de base à l'analyse future au niveau granulaire du comportement individuel. En collaboration avec le conseil municipal de Birmingham et Transport for the West Midlands, nous avons construit un GAB pour la région de Birmingham afin de tester notre approche.

Le projet nous a obligés à penser différemment. Tester des comportements radicalement différents pour lesquels il n'y avait pas de précédent nécessitait une approche radicalement nouvelle. Notre objectif était de démontrer comment l'apprentissage automatique avancé peut être appliqué pour réduire les coûts et augmenter la vitesse de planification des services de transport dans des environnements incertains.

Fournir de la valeur plus rapidement face à des défis critiques en termes de temps

La pandémie de COVID-19 a posé de nouveaux défis aux modèles traditionnels. Ces modèles peuvent prendre des mois ou des années à construire et à simuler des comportements, et ils peuvent avoir du mal à représenter des comportements qui semblent différents du passé. Notre défi consistait à jeter les bases d'un modèle capable de fournir des informations utiles sur les changements radicaux de comportement. Nous devions travailler rapidement pour jeter les bases d'un modèle en quelques semaines qui aiderait les agences de transport à planifier les conséquences à court et à moyen terme des changements de comportement des voyageurs dus à la pandémie.

La clé des GPA est qu'ils simulent les comportements au niveau individuel. Ils prennent en considération des caractéristiques, des besoins et des ressources différents et offrent une occasion unique de refléter les changements de comportement. Contrairement à la modélisation traditionnelle, cette approche granulaire permet aux planificateurs d'envisager des avenirs radicalement différents du passé et nous permet de modéliser un large éventail d'impacts avec une plus grande flexibilité.

The multimodal transport network in Birmingham representing both major routes and smaller, urban roads.
Le réseau de transport multimodal de Birmingham représente à la fois les grands axes et les petites routes urbaines.

Modéliser l'évolution des comportements

Deuxième ville du Royaume-Uni, Birmingham présentait un emplacement et une opportunité idéaux pour tester notre approche de la GPA. En collaboration avec le conseil municipal de Birmingham et Transport for the West Midlands, nous avons construit un réseau multimodal de la région des West Midlands afin de comprendre leurs données et leurs priorités en matière de prise de décision en cas de fermeture. En utilisant une combinaison de données géographiques, d'horaires et de recensement, nous avons pu construire un modèle de base pour refléter les comportements en matière de transport avant la pandémie. Le modèle a ensuite été utilisé pour effectuer des simulations afin de représenter les impacts de la pandémie et de fournir des visualisations des résultats.

Du concept à la livraison en six semaines

Dès le départ, le temps a été un facteur déterminant. Les comportements changeant du jour au lendemain à la suite de nouvelles restrictions, nous devions être en mesure de développer un ABM qui simule les comportements rapidement et avec précision. Dans le sillage de la pandémie, nos spécialistes des données ont mis au point le Pandemic Activity Modifier (PAM). Ce logiciel de prétraitement open-source modifie les plans de comportement des agents en fonction de l'introduction de nouvelles politiques gouvernementales et nous a permis d'automatiser des éléments de notre GPA afin d'en accélérer la mise en œuvre.

En seulement six semaines, nous avons développé un modèle qui simulait environ 200 000 agents individuels, soit 10 % de la population de Birmingham. Les changements représentés dans les comportements de déplacement ont été comparés favorablement à nos données de référence, montrant des agents changeant de comportement et passant des transports publics à la voiture particulière, ce qui a permis des conversations plus informées et mieux informées sur les résultats des scénarios modélisés. Cela n'aurait pas été possible avec un modèle traditionnel.

La feuille de route pour l'avenir

En tant qu'entreprise tournée vers l'avenir, nous avons établi, parallèlement à la construction de l'ABM, une feuille de route pour l'amélioration du modèle. Il s'agissait notamment de comprendre comment et quelles communautés pourraient être les plus touchées par toute modification des services de transport public. Ces développements permettront de répondre à des questions spécifiques concernant à la fois la pandémie et les interventions en matière de transport en général, afin de soutenir une planification réussie des transports dans nos villes.