Améliorer le transport en commun grâce à la visualisation des données

heib

Helsingin Bussiliikenne Oy (HelB) est un exploitant d’autobus de la région métropolitaine d’Helsinki en Finlande. Chaque année, les 1 000 conducteurs et les 430 véhicules de l’organisation transportent plus de 60 millions de passagers, parcourent 25 millions de kilomètres et consomment 12 millions de litres de carburant. Pour évoluer au sein du secteur hautement concurrentiel des transports, HelB souhaitait accroître sa rentabilité, réduire sa consommation de carburant (pour des raisons à la fois environnementales et financières) et améliorer la satisfaction des clients. Une façon efficace d’atteindre ces objectifs consistait à réduire les freinages brusques, les accélérations rapides et la marche au ralenti.

En collaboration avec CGI et Microsoft*, HelB a installé des capteurs et des systèmes de collecte de données dans tous ses autobus et a combiné les données ainsi recueillies avec les données au sujet des conducteurs et des trajets issues de ses systèmes de gestion intégrés (ERP). Il a alors été possible de visualiser et d’analyser de grandes quantités de données sur une carte en vue de déterminer les éléments à améliorer. Dès la première analyse, il est apparu clairement qu’il y avait d’importantes différences entre les habitudes de conduite d’un conducteur à l’autre. Ces derniers étaient d’ailleurs également intéressés par les résultats et ont réagi de façon favorable : ils ont instauré une saine compétition en vue d’adopter de meilleures habitudes.

L’accessibilité aux données individuelles de chaque conducteur leur a également permis de faire un examen personnel et d’améliorer leurs habitudes de conduite. Ce projet s’est traduit par une réduction des freinages brusques, une diminution du nombre de collisions majeures et une baisse de consommation de carburant de l’ordre de 5 %. On constate également une satisfaction au travail accrue chez les conducteurs et une expérience client améliorée grâce à un meilleur confort. « Les résultats de nos sondages sur la satisfaction des clients se sont nettement améliorés depuis que nous avons recours à ces outils », a indiqué Michael Andersson, directeur technique chez HelB.

Dans la foulée de la réussite de ce projet, HelB a mis sur pied une campagne d’amélioration par la simplicité proposant des mesures incitatives pour les conducteurs affichant les meilleurs résultats ou ceux s’étant le plus amélioré. HelB a également mis en œuvre une technologie de cartographie en vue de déterminer les causes ainsi que les responsables et les victimes des collisions, et de répondre aux réclamations concernant le remboursement de frais encourus à la suite de collisions mineures (p. ex. rétroviseurs abîmés sur des voitures stationnées) et de blessures résultant de freinages brusques.

heib

La carte ci-jointe permet aux agents de HelB de tirer parti des fonctions de visualisation pour enquêter au sujet d’une réclamation pour biens endommagés, par exemple. Ces fonctionnalités permettent de visualiser tous les incidents impliquant l’autobus concerné, de les trier par date et emplacement et de vérifier les données relatives à la vitesse et au freinage, entre autres. Il s’agit d’un excellent exemple d’utilisation des données et d’accroissement de la valeur d’une entreprise. HeIB pourrait par la suite ajouter des fonctions en ligne pour la détection des habitudes de conduite posant des risques élevés et la prévention des collisions; la planification des besoins de maintenance; ou même la détection et la prévention des habitudes de conduite qui sont la cause des besoins de maintenance prématurée.

La combinaison des fonctions de télématique, d’analyse et de visualisation peut entraîner des améliorations importantes pour des organisations d’autres secteurs du transport, tels que l’industrie du taxi, la messagerie, le transport par camion et les services ferroviaires.

Mika Lempinen, mon collègue de CGI, et moi sommes heureux de partager ces résultats avec vous.

*en anglais