Le laboratoire Google Research lance Mobility AI pour réinventer le transport urbain

Intelligence artificielle et mobilité urbaine

En avril dernier, Google Research a présenté le programme Mobility AI, une initiative exploitant les modèles d’intelligence artificielle récents pour transformer la gestion des transports urbains. Ce programme proposera aux agences de transport des outils de mesure, de simulation et d’optimisation pour résoudre les défis de la mobilité urbaine, notamment les embouteillages, les préoccupations environnementales et la sécurité routière.

Le 23 avril 2025, Google Research a annoncé Mobility AI, un programme de recherche appliquée dans le domaine des transports urbains. Cette annonce intervient dans un contexte où les villes font face à des défis croissants : congestion routière, conséquences environnementales et mortalité routière, avec 38 585 décès liés au trafic recensés aux États-Unis en 2023.

Plusieurs évolutions modifient actuellement les dynamiques de transport urbain. Les services de covoiturage influencent la demande de stationnement et la gestion du trafic. Le développement du commerce électronique redéfinit la logistique urbaine et crée de nouveaux besoins en matière de gestion de l’espace de voirie. Les véhicules autonomes soulèvent des questions d’infrastructure et de réglementation.

Mobility AI s’organise autour de trois axes de recherche, correspondant à trois étapes classiques dans le déploiement de projets de recherche appliquée : le recueil de données, la simulation (ou modélisation), et l’application concrète.

Évaluation de scénarios sur de grands réseaux métropolitains

La première étape, qui vise à mieux connaître les phénomènes à l’oeuvre dans le transport urbain, consiste à analyser des « données de mobilité », historiques et en temps réel, afin de mieux comprendre les conditions de circulation et évaluer la répercussion des modifications apportées sur le fonctionnement des réseaux de transport. Des techniques d’apprentissage automatique (machine learning) récentes seront ainsi utilisées pour modéliser les flux de transport dans la ville.

Un deuxième axe, reposant sur la simulation, vise à développer des représentations numériques des systèmes de transport. Ces modèles doivent permettre de tester des interventions et d’évaluer des scénarios avant leur mise en œuvre. L’objectif est d’étendre ces simulations, habituellement limitées à des zones restreintes, à des réseaux métropolitains complets.

Le troisième axe, l’optimisation, appliquera des algorithmes pour identifier des solutions aux problèmes de transport. Cela inclut la conception d’interventions basées sur les données, le développement de stratégies de routage et l’optimisation du contrôle des signaux lumineux.

Recherche de collaborations

Le laboratoire Google Research travaille sur les transports depuis plus de vingt ans, développant des technologies de cartographie, de routage et de prédiction du trafic. L’entreprise a constitué des bases de données de mobilité et développé des méthodes de calibration de simulation.

Les applications incluent l’estimation des déplacements d’un point A à un point B dans une ville (« flux origine-destination »), l’analyse du stationnement par apprentissage automatique, et l’évaluation des répercussions sur la sécurité, les émissions et la congestion. Google a développé avec le Laboratoire national des énergies renouvelables des modèles prédictifs de consommation énergétique des véhicules. Cette technologie, intégrée au routage dans Google Maps, aurait contribué à éviter 2,9 millions de tonnes d’émissions de gaz à effet de serre aux États-Unis.

Les travaux incluent l’analyse de données de freinage brusque comme indicateur prédictif des risques d’accident, l’utilisation de techniques de contrôle synthétique pour évaluer l’effet de politiques publiques comme celle de la tarification de congestion à New York, et le développement de plans d’évacuation d’urgence en collaboration avec des collectivités locales.

Google Research indique actuellement rechercher des collaborations avec les agences de transport, planificateurs, chercheurs et fournisseurs de mobilité pour développer les applications pratiques de ces recherches.

Urbanitas.fr

Aller plus loin

Ressource : Introducing Mobility AI: Advancing urban transportation (research.google)

Ressource : Les solutions de transports collectifs et d’optimisation des trafics routiers (francemobilites.fr)

Ressource : L’essor des jumeaux numériques face à leurs défis (cnrs.fr)

Ressource : Google Public Sector (cloud.google.com)

Ressource : What’s new with Google Maps Platform? Geospatial Analytics, Generative AI, and Weather (mapsplatform.google.com)

Ressource : Using Machine Learning to Predict Parking Difficulty (research.google)

Ressource : Robust Routing Using Electrical Flows (research.google)

Entités liées

Intelligence artificielle, transport urbain, gestion du trafic, simulation numérique, optimisation des transports, mobilité urbaine, jumeau numérique, apprentissage automatique, émissions carbone, sécurité routière.