---
title: Comment les solutions numériques et les données contribuent à la transition énergétique de la mobilité
url: "https://www.systra.com/expert_insights/comment-les-solutions-numeriques-et-les-donnees-contribuent-a-la-transition-energetique-de-la-mobilite/"
type: expert_insights
date_published: 2023-12-01
date_modified: 2024-04-04
schema:
  @type: WebPage
language: fr-FR
word_count: 2957
reading_time: 15 min
canonical: "https://www.systra.com/expert_insights/comment-les-solutions-numeriques-et-les-donnees-contribuent-a-la-transition-energetique-de-la-mobilite/"
featured_image: "https://www.systra.com/wp-content/uploads/2023/11/gettyimages-472309057-scaled.jpg"
type-insight:
  - Transition énergétique
---

# Comment les solutions numériques et les données contribuent à la transition énergétique de la mobilité

![Comment les solutions numériques et les données contribuent à la transition énergétique de la mobilité](https://www.systra.com/wp-content/uploads/2023/11/gettyimages-472309057-scaled.jpg)

Pilier de la décarbonation de la mobilité, la transition énergétique peut être
un chemin long et sinueux pour les opérateurs de transports publics, avec de
multiples variables à considérer à chaque étape.
**C’est pourquoi une vision experte et holistique est essentielle. Les solutions numériques apportent une aide précieuse pour prendre en compte les différents scénarios possibles.**
Il peut s’agir de simulations avancées fournissant des projections des
évolutions systèmes, d’intelligence artificielle (IA) entraînée pour examiner de
multiples itérations ou encore de jumeaux numériques qui, en captant les données
des systèmes en exploitation, aident à la modélisation de projets futurs.

Dans notre série d’articles sur la transition énergétique, nous avons d’abord
examiné comment la transition énergétique s’intègre avec les autres éléments du
puzzle de la décarbonation [
[Une approche systémique pour réussir la transition énergétique de la mobilité](https://www.systra.com/expert_insights/une-approche-systemique-pour-reussir-la-transition-energetique-de-la-mobilite/)
], puis expliqué comment les autorités publiques peuvent agir comme catalyseur
pour une transition énergétique plus large de la mobilité [
[Transition Énergétique : les transports publics ouvrent la voie](https://www.systra.com/expert_insights/transition-energetique-les-transports-publics-ouvrent-la-voie/)
]. Ce troisième article analyse comment les solutions numériques contribuent à
la transition énergétique tout au long du cycle de vie d’un réseau de transport.

### Mobilité rime déjà avec numérique

Les progrès apportés par les solutions numériques et la technologie ont déjà
permis de faire d’importantes avancées dans le secteur de la mobilité. La
modélisation des informations de construction (BIM : Building Information Model)
permet de modéliser et de “construire” virtuellement les infrastructures en 3D,
réduisant les problèmes d’interface et améliorant la qualité des résultats. La
mobilité en tant que service (Maas : Mobility as a Service) peut favoriser les
changements de comportements et l’utilisation des transports publics et privés,
tandis que les réseaux énergétiques « intelligents » (Smart grids) permettent
d’optimiser la distribution de l’énergie, contribuant notamment à une
utilisation plus large des énergies renouvelables.

Les solutions numériques aident déjà à planifier et à mettre en œuvre des
transitions énergétiques, comme le montrent les exemples ci-après. Cependant, il
 convient d’être prudent : comme pour tout logiciel, les données d’entrées et
les hypothèses doivent être définies de manière robuste pour obtenir des
résultats qui ont de la valeur. De plus,
**toute transition comporte une multitude de défis – politiques, sociaux et économiques – qui doivent également être compris et pris en compte par tous ceux qui conçoivent des systèmes de mobilité**
.

### Planifier la réduction d’émissions de gaz à effet de serre (GES) et l’amélioration de la qualité

### de l’air grâce à des solutions numériques

Lorsqu’il s’agit d’élaborer les politiques de transport en centre-ville, les
autorités locales ont à résoudre de multiples problèmes complexes. Elles doivent
en effet viser à réduire la congestion, améliorer la qualité de l’air et réduire
les émissions GES, tout en maintenant l’accessibilité pour tous et en permettant
à la ville de prospérer sur le plan économique.

Au Royaume-Uni, où la législation nationale sur la pollution de l’air est
particulièrement contraignante, les autorités locales doivent amener les usagers
de la route à modifier leurs pratiques locales de déplacement en centre-ville.
Beaucoup d’entre elles optent pour des Zones à Faibles Emissions (ZFE), qui
empêchent ou découragent la circulation de véhicules fortement polluants dans
une zone désignée en interdisant les véhicules non conformes ou en mettant en
place un péage à l’entrée de ladite zone, ce qui est bien évidemment
politiquement sensible.

**En quoi les solutions numériques peuvent-elles aider les décideurs locaux souhaitant mettre en place des ZFE ?**
Prenons la modélisation avancée de la circulation : elle peut aider à planifier
ces zones et à en optimiser l’utilisation en testant différentes hypothèses et
scénarios. Ceux-ci peuvent prendre en compte le comportement probable des
usagers de la route, les incitations au changement, les questions d’équité
d’accès, l’adoption dans le temps des nouvelles technologies énergétiques. Mais
elles doivent avant tout reposer sur une compréhension profonde des
problématiques de déplacement au sein d’une ville. L’expertise et l’expérience
humaines resteront essentielles, même si, à l’avenir, la précision de tels
modèles sera améliorée par l’augmentation des capacités de calcul et du nombre
de données. En Écosse, SYSTRA travaille ainsi avec trois villes sur la création
de leurs ZFE : Glasgow, Dundee et Aberdeen.

### 󠀁**󠀁[É](https://www.systra.com/expert_insights/transition-energetique-les-transports-publics-ouvrent-la-voie/)󠁿tude de cas #1 : améliorer la qualité de l’air à Aberdeen, en 󠀁[É](https://www.systra.com/expert_insights/transition-energetique-les-transports-publics-ouvrent-la-voie/)󠁿cosse**󠁿

À Aberdeen, la mise en place de la ZFE a été intégrée à un schéma directeur de
la ville, visant à réduire la circulation non essentielle et à améliorer la
qualité de vie et l’économie de la ville.

![aberdeen_2-1](https://www.systra.com/wp-content/uploads/2023/11/aberdeen_2-1-1024x963.png)

Après avoir identifié huit points dans le centre-ville où les niveaux de dioxyde
d’azote (NO_(2)) dépassaient les limites légales, SYSTRA a réalisé une analyse
préliminaire aboutissant à 40 options pour aider à résoudre la problématique.
Celles-ci englobaient diverses limites de frontières de la ZFE, le type de
véhicules à restreindre, des questions d’accès à des parkings en bordure de la
ZFE et les impacts sur les habitants et les personnes à destination du
centre-ville ou en transit, ainsi que les niveaux de pollution de l’air les plus
dangereux. Cette phase initiale a permis de constater que, bien que les
émissions des voitures aient l’impact global le plus important sur la pollution
de l’air dans l’ensemble du centre-ville, ce sont les émissions des bus qui
provoquaient des niveaux dangereux aux huit endroits identifiés.

À partir de là, **les ingénieurs de SYSTRA**, par leurs analyses, ont proposé de
réduire le champ d’étude à cinq scénarios possibles, qu’ils
** ont ensuite simulés à l’aide d’un modèle de circulation **étendu du
centre-ville aux zones environnantes. L’une des exigences était que tous les
parkings autour du centre-ville devaient être accessibles sans entrer dans la
ZFE. Le modèle, qui couvre une zone de 5 km sur 4 km, a été créé avec
[**PARAMICS**](https://www.systra.com/digital/fr/solutions/planification-des-transports/paramics/)
, **une solution numérique interne de SYSTRA**.

SYSTRA a utilisé une analyse multicritère pour proposer la meilleure des cinq
options. Cependant, même pour cette meilleure option, les émissions de NO^(_(2))
étaient encore trop élevées sur deux points. Pour remédier à cela, SYSTRA a
proposé des restrictions de circulation supplémentaires,
**aboutissant à la meilleure option optimisée sans aucun point de dépassement des seuils légaux de NO^(_(2))**
. La ville va mettre la ZFE en service à partir de mai 2024, et SYSTRA aide à sa
mise en œuvre.

### Intégrer de nouvelles technologies énergétiques dès la phase de conception à l’aide de solutions numériques

Lors de la conception d’un réseau de bus électrique, l’un des plus grands défis
est de trouver la bonne adéquation entre le dimensionnement de l’infrastructure
de charge, les stratégies de charge et les besoins opérationnels des différentes
lignes.

Si l’on prend par exemple le cas des trolleybus, les nouveaux modèles combinent
des batteries embarquées avec une alimentation électrique depuis des lignes
aériennes de contact (LAC), offrant ainsi une approche flexible, adaptée aux
villes où l’espace est limité, où les topographies sont difficiles, et où les
contraintes architecturales et le patrimoine culturel rendent à certains
endroits les LAC indésirables.

Lors de la conception du système optimal, plusieurs facteurs doivent être pris
en compte : quelles sections doivent fonctionner en autonomie sur batterie ou
sur LAC ; les exigences opérationnelles du réseau ; comment utiliser au mieux
l’énergie régénérée par le freinage ; et comment garantir la résilience, au cas
où certaines parties de l’infrastructure de charge seraient compromises.

**Un modèle numérique peut aider à analyser et à tester différents scénarios opérationnels et de charge, couplé à une expertise sur les stratégies opérationnelles potentielles et la technologie électrique**
. Des modèles spécialisés, tels que
[**TESS**](https://www.systra.com/solutions/solutions-digitales/tess/)
** de SYSTRA** [
[**Transition Énergétique : les transports publics ouvrent la voie**](https://www.systra.com/expert_insights/transition-energetique-les-transports-publics-ouvrent-la-voie/)
], qui aide à optimiser l’infrastructure de charge dans les dépôts, peuvent
également être déployés. À l’avenir, de nouveaux développements permettront des
flux plus directs d’informations, que ce soit depuis d’autres logiciels vers le
modèle de simulation ou directement depuis le terrain, par exemple avec des
informations provenant de capteurs installés sur les bus déjà en service,
directement intégrées dans le modèle.

En France, les lois visant à stimuler la mobilité bas carbone (LTECV^(1) puis
LOM^(2)) encouragent la transition vers des flottes de bus électriques, en
particulier pour les zones urbaines de plus de 250 000 habitants.

^(1) Loi de transition énergétique pour la croissance verte

^(2) Loi d’orientation de la mobilité

### 󠀁**󠀁[É](https://www.systra.com/expert_insights/transition-energetique-les-transports-publics-ouvrent-la-voie/)󠁿tude de cas #2 : accompagner la conception de lignes trolleybus dans la métropole de Lyon , en France**󠁿

Dans l’agglomération lyonnaise, forte de 1,4 million d’habitants, des projets
prévoient l’ajout de six lignes de trolleybus à son réseau existant de neuf
lignes.

![](https://www.systra.com/wp-content/uploads/2023/11/gettyimages-bus-tcl-lyon-1024x683.jpg)

Pour trois des six nouvelles lignes, qui doivent être mises en service en 2025
et 2026, SYSTRA déploie la solution RATP Marcadet pour cartographier les parties
de la ligne qui peuvent fonctionner en autonomie sur batterie et celles qui
doivent être alimentées par LAC. Pour ce faire, il faut prendre en compte des
facteurs tels que l’équipement existant, la densité urbaine, les choix
politiques, la faisabilité technique et le ratio entre sections en autonomie sur
batterie et celles équipées de LAC. Des recharges supplémentaires aux terminaux
et au dépôt doivent également être prévues.

Par ailleurs,
**une des préoccupations importantes pour l’autorité de transport de la ville et l’exploitant de bus était de savoir si le réseau continuerait de fonctionner si l’une des sous-stations fournissant l’électricité était mise hors service ou si une section LAC devenait inaccessible (accident de la circulation, manifestation…). En simulant de tels scénarios à travers le modèle, SYSTRA a pu garantir la résilience du fonctionnement des lignes**
.

Pour un réseau aussi complexe que le réseau de l’agglomération lyonnaise, il est
essentiel que toutes les hypothèses qui alimentent le modèle soient faites à
partir du contexte et des données locales. Sans compter les apports des experts
SYSTRA, de l’industrie des bus et du client, qui ont tous contribué à enrichir
la solution MARCADET utilisée.

### Optimiser l’exploitation en analysant les données de consommation d’énergie avec du

### machine learning (apprentissage automatique)

Bien que les systèmes de transport public consomment moins d’énergie par
passager que les modes de transport privés tels que les voitures ou les avions,
ils restent de gros consommateurs d’énergie.

Les événements mondiaux récents qui ont affecté l’approvisionnement et le prix
de l’énergie ont souligné notre dépendance au marché de l’énergie. Cela s’ajoute
à notre besoin urgent de passer à des sources d’énergie plus vertes et plus
indépendantes pour limiter les impacts du changement climatique.

Pourtant, les données que nous recueillons aujourd’hui sur les systèmes de
transport électrique sont encore assez limitées, se concentrant généralement sur
la surveillance à des fins de sécurité, au lieu de fournir une vision précise de
la consommation d’électricité et de ce qui l’affecte. Or
**la consommation énergétique est un sujet complexe affectée par toute une série de facteurs : la météo, l’utilisation de la climatisation et du chauffage, les itinéraires, le trafic, le nombre de passagers, la vitesse et les plans d’exploitation**
.

Comme les contrats sur les matériels roulants et l’infrastructure n’exigent pas,
en général, que ce type de données soit fourni à l’exploitant ou au client une
fois que le système est en service, elles sont souvent difficiles à obtenir. Et
l’absence de ces données peut entraîner le surdimensionnement d’un réseau ou, à
l’inverse, un sous-dimensionnement pour certains scénarios extrêmes.

### 󠀁**Etude de cas #3 : optimiser la flotte de bus électriques et leur besoin de puissance de charge à Laval, au Canada **󠁿

Afin d’inciter les villes à décarboner la mobilité, le gouvernement canadien
verse des subventions aux flottes de bus à zéro émission.

![](https://www.systra.com/wp-content/uploads/2023/11/gettyimages-recharge-bus-electrique-1024x768.jpg)

Comme de nombreuses villes au Canada, Laval, située au nord de Montréal, cherche
donc à passer rapidement de l’énergie diesel à l’énergie électrique pour sa
flotte de bus. Cependant, il est difficile pour les villes de prendre des
décisions éclairées concernant les flottes futures, du fait de la multitude
d’options technologiques, de conditions d’exploitation variables d’une région à
l’autre et de l’insuffisance de données disponibles.
**En collaborant avec des spécialistes de l’intelligence artificielle et de l’acquisition de données en temps réel, SYSTRA a développé sa propre série de solutions numériques en interne : [HERON](https://www.systra.com/canada/fr/solutions/solutions-numeriques/heron/) – [WILD TURKEY](https://www.systra.com/canada/fr/solutions/solutions-numeriques/wild-turkey/) – [TESS](https://www.systra.com/en/markets/digital-solutions/tess/). HERON utilise du machine learning, une composante de l’intelligence artificielle (IA) pour traiter et analyser les données, afin d’identifier les tendances et de déterminer quels paramètres ont le plus grand impact sur la consommation d’électricité afin de prédire les futures consommations**
. Dans le cas de Laval, l’analyse a été faite à partir de neuf bus d’une flotte
pilote.

A partir des analyses prédictives de HERON, WILD TURKEY intègre efficacement les
sessions de charge dans les services des bus, tandis que TESS est utilisé pour
modéliser les caractéristiques de charge nécessaires (temps, puissance) au dépôt
en fonction du plan d’exploitation.

Après 12 mois d’acquisition de données à partir des neuf bus, l’une des
constatations les plus frappantes était la différence considérable (de 1 à 3
fois) de la consommation d’énergie par kilomètre entre les différentes lignes de
bus et pour une même ligne à différentes périodes.

Cette information contribuera à la réorganisation des services afin d’optimiser
l’utilisation de l’énergie embarquée et de minimiser les allers-retours au dépôt
pour la recharge. Notre série de solutions numériques, HERON – WILD TURKEY –
TESS,
**devrait optimiser le nombre de bus requis, le réduisant de 2 % sur une flotte de 219 bus, et réduisant la demande de puissance maximale au dépôt de 17 %, passant de 10,4 MW dans le cas de Laval**
.

À l’avenir, les solutions numériques seront encore plus puissantes à mesure que
les ingénieurs et les experts de la donnée amélioreront les algorithmes IA et
les rendront plus efficients. L’ajout de plus en plus de données augmentera
également la précision de l’IA et permettra des applications plus larges sur les
cas d’usage.

### Une révolution silencieuse

Les solutions numériques jouent déjà un rôle essentiel dans la planification, la
conception et l’exploitation des nouveaux systèmes et technologies énergétiques,
favorisant la transition des réseaux de transport public vers des sources
d’énergie à faible émission de carbone.

En permettant d’exécuter différents scénarios, d’en analyser les impacts et de
décomposer finement les données de consommation d’énergie, ces nouveaux outils
facilitent la communication entre les ingénieurs, les autorités de transport et
les exploitants, et, surtout, ils éclairent la prise de décision.

A l’avenir, nous assisterons à une automatisation de plus en plus forte des
interfaces entre les logiciels d’une part et de l’intégration des sources de
données variées d’autre part, ce qui permettra une utilisation plus étendue de
l’IA, à mesure que les algorithmes et le machine learning progresseront.
**Chez SYSTRA, nous anticipons que de meilleurs flux de données de l’exploitation vers la planification et la conception contribueront à accroître l’efficacité et la durabilité des systèmes de transport public de demain. Néanmoins, l’expertise permettant de définir les hypothèses structurantes techniques et humaines (gouvernance, comportements) sera d’autant plus nécessaire pour bien utiliser et orienter ces outils**
.