Lancée fin 2018 pour accélérer la transformation digitale du groupe Thales, la Digital Factory de Singapour a développé une solution d’intelligence artificielle pour l’industrie des transports appelé DIVA (distributed intelligent video analytics).

La solution exploite les caméras CCTV existantes pour permettre une gestion efficace des foules dans les gares et à bord des trains. La densité des passagers est calculée en temps réel à l'aide de l'analyse vidéo, et ces données sont utilisées pour indiquer le taux d'occupation des trains en approche.

Parallèlement, des cartes thermiques des gares et des trains peuvent être utilisées par les opérateurs des gares dans le centre de contrôle des opérations pour surveiller les mouvements de passagers dans l'ensemble du système.

L'analyse vidéo peut également être utilisée pour de nombreux autres cas d'utilisation dans le domaine des transports, notamment pour détecter les bagages laissés sans surveillance et les intrusions sur les quais, et pour déterminer s'il y a encore des passagers à bord lorsque le train arrive en bout de ligne.

Ce système est actuellement à l'essai au sein de SBS Transit (transporteur singapourien opérateur des lignes de métro).

D’autres projets d’intelligence artificielle sont également développés au sein de la Digital Factory. En collaboration avec des spécialistes de l'activité de signalisation ferroviaire, l'équipe a développé un outil numérique appelé COMPASS qui s'appuie sur des algorithmes de Machine Learning pour faciliter le test et la mise en service de nouveaux systèmes.

Ce produit a été conçu et développé à Singapour, en tirant parti de l'activité et des équipes locales pour adapter l'expérience utilisateur et les algorithmes aux besoins réels des ingénieurs en signalisation et des opérateurs de transport public.

Après quelques mois de développement et de validation locale du modèle, COMPASS sera déployé sur d'autres projets et fera partie du portefeuille mondial de la branche transport terrestre de Thales.

Source : 31/03/2021 e27 – Tun Young Yan